2023 年 5 大人工智能 (AI) 趋势

在过去的十年中，人工智能 (AI) 已融入我们社会和生活的方方面面。从 Siri 和 Alexa 等聊天机器人和虚拟助手到自动化工业机械和自动驾驶汽车，很难忽视它的影响。今天，最常用于实现人工智能的技术是机器学习——旨在执行一项特定任务的高级软件算法，例如回答问题、翻译语言或导航旅程——并且随着他们接触到更多和更多数据。
根据 IDC 的研究，全球政府和企业在人工智能技术上的支出将在 2023 年超过 5000 亿美元。但它将如何使用，又会产生什么影响？在这里，我概述了我认为未来 12 个月内人工智能在商业和社会中使用的最重要趋势。







人工智能的持续民主化
人工智能只有在每个人都可以使用并且每个公司和组织都能够受益的情况下才能发挥其全部潜力。值得庆幸的是，在 2023 年，这将比以往任何时候都容易。越来越多的应用程序将人工智能功能置于任何人的手中，无论他们的技术水平如何。这可以像预测文本建议一样简单，减少搜索或向应用程序写入电子邮件所需的输入量，使我们能够通过单击鼠标创建复杂的可视化和报告。
如果没有一个应用程序可以满足您的需求，那么即使您不知道如何编码，创建自己的应用程序也会变得越来越简单，这要归功于越来越多的无代码和低代码平台。这些使几乎任何人都可以使用简单的拖放或基于向导的界面来创建、测试和部署人工智能驱动的解决方案。示例包括用于开发企业 AI 应用程序的 SwayAI，以及可以创建预测和决策工具的 Akkio。
最终，人工智能的民主化将使企业和组织能够克服因缺乏熟练和训练有素的数据科学家和人工智能软件工程师而造成的人工智能技能差距所带来的挑战。通过授权任何人成为“扶手椅”数据科学家和工程师，人工智能的力量和实用性将变得触手可及。
生成式人工智能
如果你问大多数人他们认为 AI 有什么用处，他们可能会告诉你，它主要用于自动化日常重复性任务。虽然这通常是正确的，但越来越多的科学分支致力于构建人工智能工具和应用程序，这些工具和应用程序可以模仿所有技能组合中最独特的人类之一——创造力。
生成式 AI 算法采用现有数据——视频、图像或声音，甚至计算机代码——并使用它来创建在非数字世界中从未存在过的全新内容。
最著名的生成 AI 模型之一是 GPT-3，它由 OpenAI 开发，能够创建与人类创建的文本和散文几乎没有区别的文本和散文。称为 DALL-E 的 GPT-3 变体用于创建图像。
由于著名的深度伪造汤姆克鲁斯视频和形而上学行为等实验，该技术已获得主流曝光，今年风靡美国达人秀。但在 2023 年，我们将看到它越来越频繁地用于创建可供企业用于各种目的的合成数据。合成音频和视频数据可以消除在视频中捕捉电影和语音的需要——只需将您希望观众看到和听到的内容输入到您的生成工具中，人工智能就会为您创建！
道德和可解释的人工智能
出于多种原因，开发更具道德和可解释性的 AI 模型至关重要。然而，最紧迫的是，它归结为信任。人工智能需要数据才能学习，这通常意味着个人数据。对于许多可能最有用和最强大的 AI 用例，这可能是非常敏感的数据，例如健康或财务信息。如果我们普通大众不信任人工智能或不了解它是如何做出决策的，那么我们在交出我们的信息时就不会感到安全，整个事情就会分崩离析。
2023 年将努力克服人工智能的“黑匣子”问题。负责建立人工智能系统的人将更加努力地工作，以确保他们能够解释决策是如何制定的，以及使用了哪些信息来获得决策。随着组织开始着手消除其自动化决策系统中的偏见和不公平，人工智能伦理的作用也将变得越来越突出。有偏见的数据已被证明会导致对自动化结果的偏见，这可能会导致歧视和不公平待遇——在人工智能参与涉及就业和获得司法或医疗保健的决策的世界中，这根本是不可接受的。
增强工作
到 2023 年，我们中的更多人会发现自己与机器人和智能机器一起工作，这些机器人和智能机器专门设计用于帮助我们更好、更高效地完成工作。这可以
采取智能手机的形式，让我们能够即时访问数据和分析功能——正如我们看到的那样，它越来越多地用于零售和工业工作场所。这可能意味着支持增强现实 (AR) 的耳机，可以将数字信息覆盖在我们周围的世界上。在维护或制造用例中，这可以为我们提供实时信息，帮助我们识别对自身安全的危害和风险——例如指出电线何时可能带电或组件何时可能发热。管理和领导团队将越来越多地访问实时仪表板和报告，从而即时了解运营效率的最新情况。人工智能驱动的虚拟助手也将在工作场所变得更加普遍，能够快速回答问题并自动提出替代、更有效的实现目标的方法。总体而言，培养与智能机器一起工作的能力将成为一项越来越不可或缺的工作技能。我什至会说，对于我们中的许多人来说，这将大大有助于减轻发现我们的角色变得多余的危险！



到 2023 年，所有公司都将面临减少碳足迹和尽量减少对环境影响的压力。在这方面，采用人工智能并从中获利的竞赛既是福也是祸。人工智能算法——以及支持和交付它们所需的所有基础设施，例如云网络和边缘设备——需要越来越多的电力和资源。2019 年的一项研究发现，训练单个深度学习模型可以排放 284,000 公斤的二氧化碳。同时，该技术有可能通过识别浪费和低效率的来源，帮助公司了解如何以更节能的方式构建产品、服务和基础设施。实施更多绿色和可再生能源驱动的基础设施的持续努力也是推动提供更可持续的人工智能的一部分。
人工智能也可以成为其他行业和运营领域可持续发展的驱动力——例如，计算机视觉与卫星图像结合使用，以识别雨林中的森林砍伐和非法采伐活动，以及影响生物多样性的非法捕鱼活动在海洋中。今年，我预计将继续推动人工智能计划的部署，以解决我们这个星球面临的一些最紧迫的问题——而不仅仅是为了增加企业利润。