2021 年，虛擬世界和網(wǎng)絡(luò)游戲成為熱門話題，F(xiàn)acebook 將公司改名為“Meta”，使得元宇宙一度破圈，互聯(lián)網(wǎng)企業(yè)紛紛入局。為了保護隱私，醫(yī)療行業(yè)、電信以及金融業(yè)開始利用 synthetic data（合成數(shù)據(jù))，為數(shù)據(jù)共享提供更多的機會。

人工智能賦能產(chǎn)業(yè)，正成為引領(lǐng)經(jīng)濟、科技發(fā)展的重要驅(qū)動力。

在較為低迷的投融資大環(huán)境下，全球投資者對于 AI 的關(guān)注度有增不減。2021 年，全球 AI 初創(chuàng)企業(yè)融資破紀(jì)錄達到 668 億美元，是 2020 年融資總額的兩倍之多。2022 年 Q1 相較于 2021 年 Q4 融資額下降了12%，但仍低于同期全球風(fēng)險投資整體下降幅度。

新的一年，人工智能會朝著什么方向發(fā)展？CB Insights 提出了 2022 年值得關(guān)注的七大 AI 趨勢。

合成數(shù)據(jù)，保護隱私

目前，由于 AI 技術(shù)呈指數(shù)級發(fā)展，變得更加先進，但其局限性仍然存在。例如，某些行業(yè)缺乏足夠的真實數(shù)據(jù)來訓(xùn)練 AI 模型，又或者合規(guī)隱私成為一些行業(yè)技術(shù)發(fā)展的痛點。

企業(yè)紛紛開始部署 Synthetic data （合成數(shù)據(jù)），即由計算機人工生成的數(shù)據(jù)，可用于替代自現(xiàn)實世界中采集的真實數(shù)據(jù)集。

雖然有人質(zhì)疑合成數(shù)據(jù)模擬真實數(shù)據(jù)的準(zhǔn)確性，但仍有一些大公司將賭注押在了這項技術(shù)上。

illumina 正在使用由創(chuàng)業(yè)公司 Gretel 開發(fā)的合成基因數(shù)據(jù)進行醫(yī)學(xué)研究。在一項聯(lián)合研究中，兩家公司均強調(diào)了，取得患者的知情同意權(quán)等舉措限制了部分醫(yī)學(xué)研究的速度和規(guī)模。Gretel 便使用真實的基因型和表型數(shù)據(jù)進行 AI 算法訓(xùn)練，生成人工基因組合成數(shù)據(jù)。

在金融領(lǐng)域，J.P. Morgan 正在利用合成數(shù)據(jù)訓(xùn)練金融 AI 模型。而在電信行業(yè)，由于無法獲得客戶同意，預(yù)計高達 85% 的真實客戶數(shù)據(jù)無法獲取，這給行為分析和預(yù)測造成了極大障礙。西班牙電信公司 Telefónica 與 Most AI 合作，模擬真實客戶數(shù)據(jù)的統(tǒng)計模式，創(chuàng)建 GDPR 合規(guī)的客戶合成數(shù)據(jù)檔案。

現(xiàn)階段，基于 GANs 的圖像合成技術(shù)和視頻合成技術(shù)發(fā)展迅猛，但高效且可行的表格數(shù)據(jù)合成技術(shù)仍處于初級階段。整體來看，數(shù)據(jù)匿名化、隱私合規(guī)和糾正算法偏見等優(yōu)勢使得合成數(shù)據(jù)技術(shù)成為吸引各行業(yè)公司的關(guān)鍵要素。

芯片追逐戰(zhàn)

隨著 AI 技術(shù)不斷進步，加速在各行業(yè)落地應(yīng)用。無論是云數(shù)據(jù)中心還是像照相機這樣的智能邊緣設(shè)備，適用于計算密集型的專業(yè)硬件需求激增。

Nvidia（英偉達）的圖形處理器曾一度主導(dǎo)著價值 670 億美元的 AI 芯片市場，如今多家公司相繼入局。

谷歌最新推出的 Pixel 手機搭載了自研的 Tensor 處理器，強化了軟件應(yīng)用，而Amazon（亞馬遜）也在 2021 年 Q4 推出了自研芯片 Graviton3。

除了這幾家大公司外，一些初創(chuàng)企業(yè)也紛紛殺入。曾聲稱造出世界最大芯片的明星創(chuàng)企 Cerebras Systems 在 2021 年 Q4 融資 2.5 億美元，估值達到 40 億美元。

圖 | 截至 2022 年 5 月 13 日，融資前十的全球 AI 芯片供應(yīng)商（來源：CB Insights）

由于空間和能源的限制，大型芯片并不適用于許多日常的 AI 應(yīng)用場景。考慮到這一點，越來越多的公司開始研發(fā)可以用于汽車傳感器、照相機、自動化工廠機器人等低功耗設(shè)備的 AI 芯片。

On-device AI processing（端側(cè) AI）能夠?qū)崿F(xiàn)低延遲以及數(shù)據(jù)隱私的保護。Mythic、Syntiant 和 Kneron 等初創(chuàng)公司分別籌集了超過 1 億美元研發(fā)該項技術(shù)。

像 Untether AI 和 HOUMO.AI（后摩智能）這樣的初創(chuàng)公司正致力于研發(fā)“in-memory computing”（存內(nèi)計算）技術(shù)。與傳統(tǒng)方法相比，存內(nèi)計算把計算和存儲合二為一實現(xiàn)高度集成，能夠大幅度提升性能。Samsung 公司報告稱，采用存內(nèi)計算技術(shù)后，語音識別神經(jīng)網(wǎng)絡(luò)的速度提高了一倍以上，資源消耗削減了一半。

AI 芯片獨角獸公司 Graphcore 采用3D 封裝技術(shù)極大提高了性能。3D封裝技術(shù)，簡單來說，就是指在不改變封裝體尺寸的前提下，在同一個封裝體內(nèi)，在垂直方向上疊放兩個或者更多芯片的技術(shù)。

其他公司則拋棄了傳統(tǒng) AI 芯片，轉(zhuǎn)而使用光子芯片，即利用光而不是電信號來傳輸數(shù)據(jù)。光子學(xué)最大的優(yōu)勢是速度，與依靠電纜傳輸?shù)碾娮酉啾龋饪梢砸愿斓乃俣取⒏蟮膸捄透俚哪芰總鬏斝畔?。隨著人們對 AI 工具的需求呈指數(shù)級增長，光子學(xué)有望成為破除 AI 硬件局限性的方法。

多年來，研究人員一直在研發(fā)通用性光子芯片。像 Lightmatter 和 Luminous Computing 等初創(chuàng)公司都希望構(gòu)建更快、更節(jié)能的芯片，支持機器學(xué)習(xí)以及能夠處理繁瑣算法的“AI 超級計算機”。

新的技術(shù)層出不窮，新一代芯片在提高性能的同時降低功耗。展望未來，像量子機器學(xué)習(xí)這樣的前沿科技將不斷改變 AI 發(fā)展的面貌。

AI 賦能內(nèi)容審核

在美國，玩電子游戲的人數(shù)達到了史上前所未有的最高水平。76% 的 18 歲以下的青少年沉迷于電子游戲，這讓家長們擔(dān)心孩子們極有可能接觸到不合時宜或者充滿仇恨的信息。

處理網(wǎng)絡(luò)仇恨言論是一個老生常談的問題。據(jù)悉，在 2016 年至 2021 年間，Meta 花費了 130 億美元用于內(nèi)容審查，而 TikTok 聲稱在 2020 年有近萬人從事內(nèi)容審查工作。TikTok 和 Meta 都曾被內(nèi)容管理員起訴，因為他們在圖文審查工作中遭受了心理創(chuàng)傷。

隨著元宇宙的火熱以及網(wǎng)絡(luò)游戲生態(tài)系統(tǒng)的迅速發(fā)展，有害信息已經(jīng)從社交媒體蔓延到新的陣地，即網(wǎng)絡(luò)游戲和虛擬世界。

網(wǎng)絡(luò)游戲環(huán)境惡劣，充斥著各種仇恨言論、網(wǎng)絡(luò)霸凌以及故意退出。反誹謗聯(lián)盟的一項研究發(fā)現(xiàn)，在比較受歡迎的多人游戲中，高達 80% 的玩家都曾受到騷擾。

一些初創(chuàng)公司正著眼于利用 AI 技術(shù)進行內(nèi)容審核。Spectrum Labs 稱，其 NLP 平臺可以將音頻和文本的內(nèi)容審核工作減少 50% ，有害信息檢測能力提高 10 倍。

美國初創(chuàng)公司 GGWP 通過 AI 監(jiān)控聊天記錄和游戲數(shù)據(jù)來打擊游戲中的有害行為。此前，這家初創(chuàng)公司已經(jīng)籌集了 1200 萬美元的種子資金，投資者包括 BITKRAFT Esport Ventures、Sony Innovation Fund（索尼創(chuàng)新基金）和 Riot Games。

2021 年 4 月，美國 Hive 公司募集了 5000萬美元的 D 輪融資，估值達到 20 億美元。Hive 公司成立于 2013 年，是一個專注于 AI 培訓(xùn)數(shù)據(jù)的智能眾包平臺，提供自動內(nèi)容審核服務(wù)，幫助像 HighRise 和 Naver Z 這樣的元宇宙公司解決玩家發(fā)表的仇恨言論、網(wǎng)絡(luò)欺凌等問題。

為了提高審核能力，大型科技公司收購了一些 AI 初創(chuàng)公司。例如，2021 年 10 月，微軟收購了 AI 內(nèi)容審核服務(wù)公司 Two Hat，該公司的客戶包括 Roblox、 Epic Games 和微軟旗下的 Minecraft。

利用 AI 技術(shù)實現(xiàn)完美的內(nèi)容審核是不可能的。在線用戶能夠不斷適應(yīng)審查規(guī)則，逃避平臺的審查。但是，在 NLP 和基于深度學(xué)習(xí)的圖像分類等關(guān)鍵領(lǐng)域取得的突破，以及以內(nèi)容審查為業(yè)務(wù)方向的 AI 初創(chuàng)企業(yè)獲得多輪融資，在一定程度上表明了 AI 審核將成為未來的方向之一。

Deepfakes檢測

Deepfakes（深度偽造）不僅能創(chuàng)造出極其逼真的圖像，還能生成“假”聲音和視頻。

利用 AI 學(xué)習(xí)算法，Deepfakes 的技術(shù)愈發(fā)精進，效果十分逼真。網(wǎng)絡(luò)上公開發(fā)布的視頻和錄音數(shù)量之多，容易獲取，這使得訓(xùn)練 AI 算法和 Deepfakes 容易許多。研究人員表示，對于人們來說，區(qū)分 AI 偽造的人像、物體和視頻與真實情況十分困難。

2022 年，Deepfakes 在媒體上大量涌現(xiàn)，尤其是在政治領(lǐng)域。2022 年 3 月，《華爾街日報》報道了韓國總統(tǒng)大選候選人 Yoon Suk-yeol 利用 Deepfakes 技術(shù)改善自己在年輕選民中的公眾形象的新聞。這個名為“AI Yoon”的數(shù)字人看起來十分風(fēng)趣幽默。

Deepfakes 衍生出的假新聞和假消息是一個大問題。對于消費者來說。Deepfakes 還有可能成為網(wǎng)絡(luò)釣魚和勒索詐騙的工具。

微軟認為，AI 防御體系無法完全打擊 Deepfakes 生成的假冒產(chǎn)品，于是推出了 Project Origin（起源項目），允許出版商使用防篡改元數(shù)據(jù)對媒體進行認證的服務(wù)。

美國加州的一家創(chuàng)業(yè)公司 Truepic 使用加密和區(qū)塊鏈技術(shù)打造圖像視頻真實驗證平臺。Truepic 一直在與高通公司合作，為高通公司應(yīng)用芯片組的智能手機拍攝的照片加上水印。去年 Truepic 獲得 Adobe、微軟 M12、Sony Innovation Fund（索尼創(chuàng)新基金）等 2700 萬美元的融資。

為了應(yīng)對日益增長的網(wǎng)絡(luò)安全威脅，一些科技公司開始嘗試各種解決方案，包括設(shè)備端認證軟件和 API、區(qū)塊鏈等。去年，Meta 的研究人員聲稱他們不僅可以確定圖像是否是偽造的，還可以剖析用于深度偽造的 AI 模型。但是 Deepfakes 技術(shù)還將持續(xù)演進、無處不在，人們需要尋找新的方法將其摧毀。

低代碼/零代碼開發(fā)

算法能將自然語言命令翻譯成計算機代碼，特別是對公民開發(fā)者來說，這意味著軟件開發(fā)新一股的浪潮。

2021 年 6 月，GitHub（2018 年該公司被微軟收購）和 OpenAI（微軟持有其10 億美元的少數(shù)股權(quán)）聯(lián)合推出了 Copilot。Copilot 最大的一個功能就是可以將英語注釋轉(zhuǎn)換為代碼。

微軟并不是唯一一家涉獵該領(lǐng)域的科技巨頭。2022 年 2 月，谷歌 DeepMind 發(fā)布了新的編程系統(tǒng) AlphaCode，作為讓其 AI 世界的代表競逐編程比賽。在通過 Codeforces 平臺上的編程競賽后，DeepMind 表示其 AI 的表現(xiàn)已到達中等水平。

初創(chuàng)公司則更關(guān)注軟件測試：自動化質(zhì)量檢查和代碼單元測試。其中包括，得到 CRV 和 Google Ventures 融資的 Mabl、獲 Salesforce Ventures 融資的 Autify、2022 年 Q1 獲 1000 萬 B 輪融資以及牛津大學(xué)的衍生公司 Diffblue。

自動編程仍處于初級階段。但該領(lǐng)域技術(shù)進步促使一些初創(chuàng)公司不斷拓展零代碼/低代碼解決方案，讓非技術(shù)用戶能夠參與數(shù)據(jù)科學(xué)項目，縮小技能差距，并加快生產(chǎn)周期。

多模態(tài) AI 崛起

多模態(tài) AI 正在打破單一感官的藩籬，使用一個通用 AI 模型科技將多種類型的數(shù)據(jù)所蘊含的語義信息概念化并作出預(yù)測。

在 2021 年初，OpenAI 發(fā)布了可以根據(jù)文本信息生成圖像的 AI 模型 DALL-E。

圖 | AI 根據(jù)文本提示生成牛油果形狀的扶手椅（來源：Open AI）

2022 年 1 月，OpenAI 發(fā)布了升級版 DALLE-2，生成圖像的畫質(zhì)提升了 4 倍。

2022 年 5 月，谷歌推出了圖像生成器 Imagen。據(jù)稱，Imagen 在生成圖像的質(zhì)量以及輸入文本和生成的圖像的一致性方面要優(yōu)于 OpenAI 模型。

今年早些時候，Meta 發(fā)表了一篇名為 “不同視覺模態(tài)都能通吃的雜食者”的論文，其中詳細介紹了如果對一種 AI 模型進行識別 2D 圖像的預(yù)訓(xùn)練，不經(jīng)過額外的模態(tài)訓(xùn)練，該模型也能可以識別視頻或三維圖像中的南瓜。

多模態(tài) AI 正在從實驗室走到實際應(yīng)用。例如，谷歌正在使用多模態(tài) AI 來改進搜索體驗。未來，如果用戶上傳了一張登山靴的照片，并附上“我能穿著這雙靴子去富士山徒步旅行嗎?”的文字，搜索引擎將識別上傳的圖像，從文本、圖像和視頻數(shù)據(jù)中挖掘網(wǎng)絡(luò)上關(guān)于富士山的信息，并將這些瑣碎的信息連接起來，提供一個貼切的答案。

多模態(tài) AI 正在走出實驗室，為搜索服務(wù)和內(nèi)容生成等應(yīng)用提供驅(qū)動力。

AI for AI

隨著 AI 技術(shù)應(yīng)用延展，企業(yè)正在尋求徹底改變現(xiàn)有的數(shù)據(jù)管理模式的解決方案，轉(zhuǎn)向“AI 優(yōu)先”策略。

說起來容易做起來難。從采集數(shù)據(jù)、運行數(shù)據(jù)質(zhì)量檢查到開發(fā)模型和監(jiān)測后期生產(chǎn)表現(xiàn)，一個項目從原始數(shù)據(jù)轉(zhuǎn)變?yōu)樯a(chǎn)準(zhǔn)備是一個多步驟的過程。

市場上涌現(xiàn)出數(shù)以百計的公司研發(fā)各階段的解決方案。

端到端的機器學(xué)習(xí)公司將 AI 生命周期管理過程中的多步驟融合成一個 SaaS 產(chǎn)品，這將為那些希望快速高效構(gòu)建 AI 系統(tǒng)的企業(yè)提供絕佳選擇。

2021 年 5 月，谷歌發(fā)布了端到端開發(fā)平臺 Vertex AI，該公司稱 Vertex AI 能為沒有機器學(xué)習(xí)經(jīng)驗的數(shù)據(jù)科學(xué)團隊提供一站式服務(wù)。

DataRobot 是一家市值 63 億美元的公司，多年來通過并購積極擴大產(chǎn)品規(guī)模。去年，DataRobot 進行了 3 筆收購，擴大市場份額。

無代碼和低代碼趨勢也擴展至機器學(xué)習(xí)平臺，以彌合 AI 技能差距，plug-and-play（即插即用）的功能激勵非專家人員參與到 AI 項目中。為此，2021 年，全球第二高估值 AI 獨角獸公司 Databricks 收購了低程序代碼工具供應(yīng)商 8080 Labs。

隨著大多數(shù)老牌廠商開始布局 Auto ML（自動機器學(xué)習(xí)）功能，“AI for AI”也成為增長的領(lǐng)域。企業(yè)開始使用 AI 技術(shù)將 AI 開發(fā)過程的各環(huán)節(jié)自動化，如數(shù)據(jù)質(zhì)量檢查或部分模型開發(fā)環(huán)節(jié)。

持續(xù)分化，未來已來，“AI for AI”將迎來更廣闊的發(fā)展空間。

審核編輯 黃昊宇