人工智能未来成长前景将会怎样？

kuai · 发表于 2024-9-13 20:13:01

现如今，人工智能和机器学习已经深入到人类的出产和生活傍边。那么，未来人工智能的成长前景将会是怎样的呢？人工智能又将怎样持续影响我们的生活方式，带动社会的变化？

czp820401 · 发表于 2024-9-13 20:13:30

今年是人工智能集中爆发的元年，用过AI工具的我相信已经无法离开他们了，可以说AI应用已经深入到人类的生产和生活中了，未来的人工智能发展会更加飞速向前，不过要实现AGI应该还有一段很长的路要走吧。做为一个普通人，拥抱变化是最佳解法，这几天看到一篇总结很好的文章，有关23年对世界范围影响较大的AI工具和现象，分享给大家~希望喜欢！
前言：

在今年的 AI 进展方面，重点在于改善现有技术，并未出现类似于去年的 ChatGPT 或图像生成器那样的革命性创新。但是今年是像强大未来（AGI）过渡的中间段。
在 AI 领域最为显著的进展（主要是软件）：

图像生成

Adobe Firefly: Adobe 的 Firefly和 Generative Fill推动了多样化视觉内容的创作，如插画、艺术构思和照片编辑。集成到 Photoshop中的 Adobe Firefly 使 AI 技术普及化，让更多用户能够轻松使用。其发布的文本效果功能也是一个重要进展，它允许用户给文字和短语添加风格或纹理。
Midjourney: Midjourney 的 V.5 模型在图像生成领域达成了重要里程碑，展现了更高的效率、连贯性和分辨率。它的最新 alpha 版本，Midjourney V.6，进一步增强了功能，比如更精准地响应用户输入（prompt）、提高了模型的知识水平和简易的文本绘制能力。
DALL·E 3: 基于 ChatGPT 的 DALL·E 3简化了图像生成过程，避免了复杂的用户输入（prompt）设置。此外，ChatGPT 还推出了一项功能，帮助用户优化输入内容，并根据反馈调整图像。
Shutterstock.AI: 知名库存图片平台 Shutterstock.AI加入了 AI 功能，使用户能将输入内容转换成可授权的图像。Shutterstock 在推动伦理 AI 方面迈出了重要一步，对贡献的艺术家给予认可和奖励。

视频生成

Stability AI： Stability AI 推出了 Stable Video Diffusion，这是一个具有里程碑意义的视频生成（generative video）模型，可在 GitHub 上开源访问。类似于 AI 图像生成的趋势，Stable Video Diffusion 模型很可能在 AI 生成视频领域发挥核心作用。
HeyGen： 这家 AI 创业公司推出了一款用于语音克隆的工具，能够调整视频中的唇部运动并进行语言翻译。
Runway Gen-2：Runway 发布了 Gen-2 模型，使用户仅需通过文本提示、图片或其他视频即可轻松生成完整视频。下面的例子就是一种展示。
Pika 和 Pika 1.0： 在首次发布时，Pika 吸引了超过五十万用户，每周生成数百万视频。在 Pika 1.0 中，升级后的 AI 模型使用户能够以多种风格（包括 3D 动画、动漫、卡通和电影）创作和编辑视频。
Meta 的像素编解码头像（PiCA）：Meta 的 Pixel Codec Avatars（PiCA）模型为视频中的 3D 人脸提供了更加逼真的远程传输体验。

runway

runway

文本生成

Bard 和 Gemini:谷歌的 Bard 为聊天机器人注入了仿人类的情感和情绪。Bard 聊天机器人采用多模态数据集训练，而谷歌的 Gemini 以“最有能力”的 AI 模型身份崭露头角，成为与 OpenAI 的 ChatGPT 齐名的竞争者。
Grok:埃隆·马斯克的创业公司 xAI 展现了其对 AI 发展的承诺，并有可能与 OpenAI 竞争。他们推出了“Grok” —— 一款具备幽默感、反叛特质，并能通过平台获取实时信息的聊天机器人。xAI 承诺，Grok 能回答其他 AI 系统所回避的敏感问题。
OverflowAI:Stack Overflow 的 OverflowAI 通过提高知识整理效率，使得用户能在 Visual Studio Code 和 Slack 中快速找到 AI 推荐的相关答案。
Llama 2:Meta 推出了 Llama 2，这是其开源大语言模型 (LLM) 的升级版，性能更优。Meta 还对这一模型进行了针对对话场景的优化，使其在大多数标准测试中超越了其他开源模型。
GPT-4:OpenAI 的 GPT-4 现在能够处理图像输入，生成标题、分类，实现听取和对话互动，还支持实时网络浏览。OpenAI 还进一步扩展了插件支持，促进了一个丰富多彩的开源竞争环境。GPT-4 标志着 OpenAI 向通用人工智能 (AGI) 迈进的新篇章。
Mistral 7B:Mistral AI，估值大约 20 亿美元的今年，推出了 Mistral 7B，一个具有挑战性的大语言模型，旨在与 GPT-4 和 Claude 2 竞争。Mistral AI 采用开放技术策略，允许用户免费下载该模型，以促进技术共享和创新。
Mixtral 8x7B:Mistral AI 同样推出了 Mixtral 8x7B，这是一个高质量的稀疏混合专家模型（SMoE），具备开放的权重参数，拥有总计 46.7B 参数，这标志着模型在提高真实性和减少偏见方面开放性的一大步。
Yi-34B llm: 今年估值达到 10 亿美元的李开复创立的 01.AI 发布了 Yi-34B — 一种开源的神经网络模型，它以远超竞争对手的参数数量取得了优越性能，特别强调了其在成本效益方面的突出表现。

其他进展：
这一部分暂无具体内容，但预示着 AI 领域还有更多激动人心的发展。

任何物体分割模型 (SAM)：Meta AI 推出了 SAM，这是一个强大的分割模型，能够在无需额外训练的情况下提取图像中的物体，展示了其出色的适应性。SAM 在大型数据集上的训练证明了它在物体分割方面的高效能力。
直接偏好优化 (DPO)：DPO 的出现标志着一种稳定且高效的方法，用于微调大规模无监督的大语言模型（LLM）和教授文本到图像模型。DPO 能够在不依赖复杂的基于人类反馈的强化学习 (RLHF) 的情况下实现精确控制。
Zephyr 直接蒸馏 LM 对齐：Zephyr-7B 是直接偏好优化 (dDPO) 的成果，它为带有 70 亿参数的聊天模型树立了新的标准，通过减少训练量提高了意图识别的准确性。
自主 AI 智能体：自主 AI 智能体的兴起标志着向高级自主 AI 系统的重大转变。这些 AI 智能体被视为通用人工智能 (AGI) 的雏形，它们能够根据用户的目标自动生成任务和指令，并自主完成直至达成目标。
EvoDiff：微软的 EvoDiff 是一个开源 AI 框架，专注于快速且成本效益的蛋白质生成，有望在治疗和工业应用领域带来突破。
稳定音频：Stability AI 发布一款可以根据简单文本提示生成短而高质量音频片段的工具。
GPT 商店，版权屏障，ChatGPT 机器人构造器：OpenAI 推出 GPT 商店来销售定制化的 GPT 机器人，版权屏障用于承担版权侵权索赔的法律费用，以及一个无需编程的平台，用于创建定制化的 ChatGPT 版本。
Stability AI 开源其大语言模型 (LLM):Stability AI 已开源其模型，包括 StableLM-Alpha 和 Stable Vicuna。这些模型在文本和代码生成方面表现卓越。特别是 Stable Vicuna，它是首个采用人类反馈强化学习 (RLHF) 训练的开源聊天机器人。另外，Stability AI 还推出了 SDXL Turbo，这是一款能实时将文本转换为图像的生成模型。

AI 领域里程碑的重要合作

Stability AI 和 Init ML
Stability AI 通过收购了 Init ML，这是受欢迎的编辑应用 ClipDrop 背后的关键团队，其目的是将 Stability AI 的先进技术融入到 ClipDrop 的生态系统中。这次合作已催生了SDXL Turbo 的开发。

Runway 和 Getty Images
Runway 与 Getty Images 建立了战略合作伙伴关系，共同推出了一款新的视频生成模型 RGM (Runway 和 Getty Images 联合模型)。这一模型结合了 Runway 的 AI 技术和 Getty Images 庞大的授权创意内容库。这一合作旨在彻底改变内容创作的流程，帮助企业制作符合品牌特色的高质量定制视频。

Snowflake 和 Neeva
作为数据仓库平台的重要玩家，Snowflake收购了 Neeva，这是一家以利用生成式 AI 改善搜索体验而知名的初创公司。Neeva 最近结束了其基于订阅的、无广告的搜索引擎服务。Neeva 的创始人也承认了让用户尝试新搜索引擎的难度。

Shutterstock 和 OpenAI
Shutterstock 和 OpenAI 确定了为期六年的深化合作关系。OpenAI 获得了 Shutterstock 高质量数据的使用权，以此来丰富其模型训练的数据集，包括多种图像、视频和音乐资源。Shutterstock 则继续利用 OpenAI 的技术，推出了 Shutterstock 的 AI 图像生成工具。

AI 法律现状
2023 年的 AI 法律领域正经历着快速变化，面对不断出现的新挑战和持续的争论。关于版权、公司政策及更广泛的监管框架的讨论正在塑造 AI 法律领域的发展方向。以下是今年最重要的法律议题：

欧洲 AI 法规
欧盟推出了全球首个全面的 AI 法规，对 AI 的应用进行规范。这项法规根据 AI 系统潜在的风险进行分类，并据此制定了相应的规定。虽然 AI 法规已经初步达成一致，但其实施面临延迟，预计将于 2025 年开始执行。

具体法规可以查看如下

如何看待胡锡进评论称「中国对生成式AI工具亮出有序通行的关键绿灯」？

美国版权局对 AI 创作内容注册的立场
美国版权局明确表示，拒绝对由 AI 算法 Midjourney 创作的图像进行版权登记。这一决定成为先例，表明完全由 AI 创作、无人类参与的艺术作品不适用于版权保护。此外，美国版权局还发布了关于 AI 协助创作作品的指南，明确了人类利用 AI 工具创作的作品可能符合版权保护。该指南指出，需要根据人类在创作过程中的作用是否起到决定性因素来评估这些作品。
“当前的法律体系还没准备好承认由 AI 创作的作品的版权，因为 AI 是基于已有数据学习，这些数据的版权属于其他人，这使得版权归属成为一个挑战。预计通过明年州政府进行的调查，公众的参与将推动这一问题的解决。在缺乏广泛公众参与的情况下，目前独立解决这个问题较为困难。”

McKinsey 近日公布了一幅内容丰富的图表，全面概括了 2023 年人工智能（AI）治理领域内最关键的政策和监管动向。该图表以直观的视觉形式展示了 2023 年对 AI 法律框架塑造做出的显著贡献。

AI人工智能第一个联盟形成

Meta和IBM的领导下，来自软件、硬件、非营利、公共和学术部门的数十个组织组成了人工智能联盟，该公司计划开发有助于开放式发展的工具和程序。具体信息如下：

AI抓马：57个创始成员成了了全球首个AI联盟，对我们的影响有哪些
其他信息说明：

大家感兴趣可以去看原文，原文地址如下，译文中还有一部分未例出，因为有些信息目前看来已经过时了。
下面再补充一个信息，是有关AI联盟的事，文中未提及，但是个人认为是23年很重要的事件。

原文的其他更正申明：
Stability AI 开源其 LLM 的提及被排除在信息图表之外，但保留在文章中，强调了其在促进可访问性而不是专注于技术改进方面的重要性。
该信息图最初展示了 xAI 初创公司的成立，现已因不相关而被删除。此外，由于本文重点关注软件，因此未提及 Apple Vision Pro。我们还将 Midjourney V.6 包含在列表中，因为它是最新版本。

原文：https://journal.everypixel.com/

warkinger · 发表于 2024-9-13 20:14:21

可解释性人工智能基础理论。从技术通往科学。

rosemarywu · 发表于 2024-9-13 20:14:35

作为一个ChatGPT的重度用户，我非常坚信，人工智能会深度参与未来的世界发展，会成为引导未来走向的重要因素之一。
我的研究方向一直与编程相关，但是作为一个非专业的半吊子码农，从博士期间开始，编程一直是“阻碍”我进步的最大困难之一。
去年GPT3.5横空出世以后，引起了我极大的兴趣。
其实我对于跟它聊闲天、逗咳嗽没啥兴趣，作为一个哏儿都人，说实话，我随便拎出来一个邻居小孩，都能秒杀chat的贫嘴能力。
但是它的编程能力却是瞬间吸引了我的目光，彼时我正在“企图”使用一个优化的深度学习算法训练几万个数据，但是始终有几个bug跨越不过去。
看了对于GPT3.5各种玄乎其玄的宣传，我赶紧拜托大洋彼岸的小伙伴帮我注册了一个账号，然后毫不犹豫的把自己的代码贴进了对话框里。
后面的发展相信大家都可以推断出来，这家伙“一本正经”的帮我分析代码里的bug，“一本正经”的提供了修改后的代码，“一本正经”的建议我本地运行尝试。
虽然我自己通过“肉眼”都能看出它所谓“修改”并不靠谱，但是它却“嘴硬”的告诉我，它的修改绝无问题，只要我运行一次就知道了！
运行后看着一整页的报错信息，我全部粘回给它，然后开始新一轮的“敷衍”和“对付”……简单来说，最终我还是拜托了计算机专业的小伙伴，帮我“人肉”修正了bug，我才顺利完成了文章。
但是，短短半年之后的现在，经过几轮更新的GPT4，却是给了我耳目一新的感觉。
由于最新的版本提供了文件上传的功能，当我随便给它两组数据时，它就可以帮我计算出各种统计指标：

根据我提出的需求直接调用Pandas、Matplotlib、Seaborn、Scipy、Numpy等Python库，帮我绘制需要的图像，比如曲面图：

比如散点图和误差直方图的组合图：

另外现在修改程序的能力有了很大提升，具备了读取数据的功能后，我可以根据自己的需求，把分析所需的数据截取一部分提供给它，让它更好的理解数据结构以及我的需求，从而更加有针对性的找出bug原因并进行修改。
当然，问题复杂以后，它还是会努力的胡说八道，努力的敷衍我……
可是目睹了它半年来的成长速度，我十分相信，未来它会更加正经的“解决问题”，会给我带来更大的惊喜。
但是与此同时，我也产生了一些困惑，未来的努力方向到底应该是怎样的？难道我们有了一些突发奇想的idea，有了一些提高效率的思路时，就只能去求助公司的研发人员？只能等他们帮我们进行应用实现吗？
答案是“不！我们可以靠自己！”，其实在大模型的帮助下，我们完全可以自己实现脑子里的应用，甚至不需要专门学习编程，只需在大模型的引导下，就可以成果构建能够实现各种功能的Agent。当然，自己从头学习比较困难，建议可以看看知乎知学堂的AI方案解决专家免费公开课，由业内大佬详细介绍大模型的相关应用和原理，深入浅出的讲解商业化案例的实现过程，非常实用，建议听一听⬇
如果你继续跟着老师好好学下去的话，就可以白嫖到28个可直接迁移至个人项目的demo和代码，在案例代码的基础上，简单修修改改，轻松构建出属于自己的、完全符合自己需求的应用，再也不用看研发的脸色~
比如以前，我想把一段应用BiLSTM方法进行序列预测的模型，修改成为应用Transformer的模型，那么需要拿出至少一个月的时间，学习了原理架构后，再从GitHub上搜寻可供我用来“修修补补”的程序段，进行符合需求、适应数据的本地修改后，像渡劫一般，历经一轮轮的bug调整，最终可能还需要求助“专业”小伙伴，才能够完成一次符合我预期的创新。
但是现在有了AGI之后，这些步骤却可以极尽省略，我只需要把自己的想法告诉它，它就可以和我一边“商量”，一边完成程序的修改：

程序修改的准确性和靠谱程度有了非常显著的提升，经过两轮到三轮修改后，就可以产出一段可顺利运行的程序。而我自己，只需要调整超参，即可以寻求更高的拟合精度。
在AI大模型的有利辅助下，我相信很快根据excel表格制作这样的简洁漂亮的图形将不再存在技术壁垒，只要掌握了基本的NLP（自然语言编程），指挥大模型分析数据，制作漂亮图表，只是分分钟的事情。

但是这同时也就意味着，如果不能在大模型爆发的初始时期，尽快学习和掌握NLP，实现对于大模型的熟练理解和应用，则极有可能在未来的工作中感受到科技带来的威胁和寒意。
目前大模型在数据分析和编程方面给我们带来的惊喜，还仅仅只是冰山一角。随着未来算力的进一步提升，以及硬件的不断更新和改进，人工智能势必会影响到各行各业的发展，乃至于直接引领人们走进全新的生活方式。
比如，我一直幻想着“阿强”有一天真的走进我的家里，帮我处理一切我不想做的事情，当然我的阿强需要说天津话——
“阿强，你为什么只端了一份早餐！我的早餐呢？”
“哎呀，对不起姐姐，我把你那份给忘了！你别生气，我现在就给你端去！”

当然这仅仅是对于生活最微不足道的影响。
对于我们的“吃”，也就是农业生产方面，通过遥感卫星、无人机等监测我国耕地的宏观和微观情况，由管理人员提出建议，人工智能可以推荐最合适的种植方案，并综合调度各类农用机械和设备完成方案的执行，最大限度解放农业生产力。
对于我们的“穿”，AI设计师可以针对人类所处场景的需求，设计出有特殊功能的“智能”面料，甚至直接开发出贴合个人身形的无感可穿戴装备。
对于我们的“住”，智能建造涵盖科研、设计、生产加工、施工装配、运维等关键环节，是一个高度集成多个环节的建造系统。智能施工、智能建造、智能设计、智能装备以及虚拟建筑等，都是未来的发展趋势和方向。
对于我们的“行”，无人驾驶（或自动驾驶）目前已经取得了相当进展，未来更是可期，“上天入地”并非不可能，开上我们的小车车，让它带着我们翱翔在蓝蓝的天空上~

不仅“吃穿住行”，医疗和教育领域也是大有可为，客服机器人可协助医务人员完成患者病情的初步筛查与分诊；医疗数据智能分析以及智能医疗影像处理技术可以帮助医生制定治疗方案，并通过可穿戴式设备等传感器实时了解患者各项身体指征，观察治疗效果；教育类人工智能系统可以承担知识性教育的任务，从而使教师能将精力更多地集中于对学生系统思维能力、创新实践能力的培养，等等。
人类无穷的想象力和创造力，配合人工智能强大的计算和分析能力，未来一定能够在各个领域有着令人瞠目的突破和成就。
作为拥有佼佼创造力的青年人，一定不要惧怕，不要厌恶，不要躲避人工智能。努力的去学习它、训练它、改造它、应用它，让AI大模型，让人工智能真正的为人类服务，才是一个新时代年轻人应该做的事情！

木小木 · 发表于 2024-9-13 20:15:25

一系列技术变革引领我们走到今天，并深刻影响着人类社会。如今，随着人工智能技术的快速发展，ChatGPT、New Bing、GPT-4 等新产品和新技术的陆续发布，又将如何帮助我们创造未来？在微软与 OpenAI 的密切合作中，微软执行副总裁兼首席技术官 Kevin Scott 一直在思考一个问题：人工智能领域出现的惊人革命对 OpenAI、对微软、对所有利益相关者以及整个世界的意义是什么？
针对这一系列问题，Kevin Scott 与比尔·盖茨进行了一次深入的探讨。本文节选了对话中的部分内容，完整对话请点击视频观看。让我们跟随他们的对话，一起了解比尔·盖茨对 GPT-4 的初体验，以及他对人工智能技术未来发展趋势和影响的看法。
https://b23.tv/yHP3YOM
⬆️点击视频了解更多有意思的观点与故事细节

Kevin Scott：过去几年中，技术领域出现了一些有趣的进展，尤其是微软与 OpenAI 合作研发的 GPT-4 和 ChatGPT。其实 GPT-4 在 OpenAI 外部的第一个实例展示在去年8月就进行了，你当时看到 GPT-4 之后的感受是怎样的？

比尔·盖茨：人工智能一直是计算机科学的圣杯。在机器学习出现之前，人工智能的整体进展相当缓慢，即使是语音识别也只是勉强能做到尚可的程度。之后，在机器学习领域，尤其是感知、语音识别、图片识别等迎来了快速发展。但是这些模型在复杂逻辑上仍然存在不足，无法像人类一样说话、阅读和做事。

早期的文本生成模型缺乏上下文理解能力。它可以生成一个句子，例如它前面会说“Joe 身处芝加哥“，几句话之后又说”Joe 身处西雅图“。从局部来看，它生成的句子很好，但是从人的角度来看，这是前后矛盾的。

当时，OpenAI 和微软的团队对 GPT-3 甚至 GPT-4 的早期版本抱有极大的热情。我对他们说，“如果它能够通过 AP Biology（大学进阶生物学），对训练集之外的问题都能给出充分合理的回答，那么它将是一个重要的里程碑，所以请你们继续努力。”

我以为他们至少需要两三年才能成功。令人惊讶的是，去年9月初，OpenAI 和微软团队来我家做客并向我演示最新的模型时，他们让我问一些 AP Biology 问题，让人震惊的是，除了一个与数学相关的问题之外，它都能准确作答。我还问它，“对一位生病孩子的父亲会说些什么？”它给出了非常细腻体贴的答案，比当时房间里所有人的回答都好。后来，我得到了一个账户，我让它写大学入学申请、写诗歌、让它根据某些剧情写一集《Ted Lasso（足球教练）》剧本……真的难以想象它的极限在哪里。

尽管还有一些问题有待完善，但可以说这将是一个根本性的变革，现在自然语言可以作为人机交互的主要接口，这是巨大的进步。

Kevin Scott：对人工智能、GPT-4，可探讨的问题有很多，先说说它不擅长的地方，我们最不希望给人们一种它是一个 AGI（通用人工智能），它是完美的，它不需要做很多额外的工作来改进它的印象。你刚才提到的数学问题就是其中之一，那么随着时间的推移，你认为人工智能系统还需要在哪些方面做提升？

比尔·盖茨：当向机器提问时，关于上下文的背景知识是个普遍问题。例如，先让机器讲个笑话，又问它一个严肃的问题，人类可以从你的面部表情感受变化，知道现在已经不再是玩笑的语境，但是人工智能却还在继续那个笑话。这种语境感在交互中有着极大的作用。

另外，在解决问题的难度方面，当我们做同一道数学方程式时，可能需要五、六次简化才能将其转化为正确形式，并且不断学习这些简化。而机器推理是通过层级线性下降推理链实现的，如果简化需要运行10次，机器可能就不会了。数学是非常抽象的推理，这是人工智能最大的弱点。

矛盾的是，它又可以解决很多数学问题。如果你让它以抽象形式解释某些问题，本质上是给出一个与问题相匹配的方程或程序，它会做得很完美，完全可以将它当作一个求解器。然而，如果做数值运算，那么它就会经常出错。无论是哪一个薄弱环节，都需要花时间才能解决，要严肃对待。我们需要更创新的模式，通过提示词（prompts）或训练对模型进行数学方面的训练。

如何评价 GPT-4 呢？

那些说它很糟糕的人错了，那些说它是 AGI 的人也不对。我们的观点介于两者之间，要做的是确保它可以用正确的方式被使用。

Kevin Scott：我们都知道，你亲身经历了好几次重大的技术变革并有自己独特的视角。在现今又一个重大变革时刻来临之时，你对于那些正在考虑使用新技术的人有什么建议？他们应该如何使用新技术？这与你在 PC 和互联网时代的想法有什么关联？

比尔·盖茨：最初的计算机并不能为个人所用，之后微处理器的出现和大批公司的努力才有了个人电脑，IBM、苹果和微软又都参与了软件开发。然后，互联网将这些连接起来，再后来又演进出了移动计算、手机。数字世界极大地改变了我们的生活。

能够读与写的计算机的诞生，与上述节点中的任何一步一样意义深远。有一小部分人认为我们可能高估了技术，这也没错。但在这次的变革中，我们低估了自然语言和计算机处理自然语言的能力，以及它对白领工作的影响，包括销售、服务、医生，我也曾认为这会是很多年之后才会发生的事情。

人工智能的新阶段才刚刚开始，我们正处于对它狂热的阶段，就像曾经对互联网的狂热一样，当然现在回过头来看，互联网已经成为了重要的工具。这是一次巨大的突破，是整个数字计算机领域的里程碑。

Kevin Scott：我一直在思考一件事，从 Ada Lovelace 编写出第一个计算机程序至今，让数字机器（digital machine）为人们工作是有技术门槛的，你必须是一位熟练的程序员，要了解客户的需求，然后构建软件才能让机器为你做事。

现在，有了自然语言接口，人工智能可以编写代码启动一整套服务和系统，这让普通人也能使用机器完成复杂的任务，而不必花多年时间学习专业知识。对此你怎么看？

比尔·盖茨：技术的每一次进步都降低了人们使用它的门槛。电子表格就是一个例子，尽管仍然需要理解公式，但却不必深入理解逻辑或符号。有很多程序可以帮你将公司数据进行可视化，或进行复杂查询，从而了解人员流失和销售业绩的情况。你不必去 IT 部门排队等候，再让他们告诉你。

无论是查询、汇报，或者触发工作流和某项活动，你只需要用语言描述就会生成一个程序，有一整套的查询和编程工具，供所有人使用。人工智能正在赋予人们最直接的互动能力，这也是当下我们正在努力的课题。

Kevin Scott：从个人的角度来看，最令你兴奋的事是什么？你非常关心教育、公共卫生、气候和可持续能源等领域，人工智能对这些领域会产生哪些影响？

比尔·盖茨：我们一直在思考健康和教育问题。在医生少、获得医嘱建议困难的卫生系统中，AI 赋能医疗的研究将很有意义。另外，所有人都希望有一个私人教师来提供帮助。比如，在一些特殊的学校中，学生在写作方面会收到教师的逐行反馈，但对大多数孩子来说，并不能得到一对一的指导。

我认为教育会是最有趣的应用领域，其次是健康领域。当然，这些技术在销售和服务类场景中也有很大的商业机会。比如，在一个有着二、三十人的班级中，教师无法单独关注某一个学生，无法同时了解每一个人的行为动向。而在多个学科领域利用人工智能技术对话、反馈，可以有效提升教育水平。

我们必须承认，计算机在彻底改变教育方面还有很多事要做。接下来的5-10年里，我们需要从新的角度考虑学习问题，以及如何在教育中提供帮助，而不仅仅是通过计算机查找材料。

Kevin Scott：这是一个全球性的问题。我们也看到父母的参与对孩子的教育有很大的影响。有的父母工作繁忙，很难与孩子接触，想象一下，有这样一种技术，它不在乎你说什么语言，可以在家长和老师之间架起一个桥梁，帮助家长了解阻碍孩子成长的问题，甚至对孩子进行个性化教育，真正解决眼前的问题，这非常令人兴奋。

那么，你认为在接下来的5-10年里，我们还将面临哪些挑战？我们继续努力的方向是什么？

比尔·盖茨：我认为，在算法的执行方面会有一系列创新，很多芯片从硅到光学的转变将可以减少能源和成本。英伟达目前在这方面处于领先地位，将来也会出现更多的挑战者，因为大家希望在运行、训练上的成本越低越好。理想情况下，我们希望模型可以运行在端侧，这样就可以在独立的客户端设备上进行操作，而不必去云端获取。

软件方面也将面临巨大挑战。例如，用户是需要特定版本，还是持续改进的版本？即使是微软也会同时追求这两种目标。理想情况下，我们希望针对不同的领域，通过训练数据，甚至可能是一些适用于它的前置检查、后置检查的逻辑，来更准确地处理不同的需求。

除此之外还有许多社会问题，包括促进教育、医疗的发展等等。微软一直致力于提高生产力，未来，有些事情将会自动化，最终有的任务可能只需要一个人来完成，但这个人将比以往能够完成更多的事情。由此带来的挑战和机遇也会很多。我看到 OpenAI 的团队正在探索其中，但我相信很多其他机构和组织也在推动相关工作。技术创新的速度将更胜以往，以此为目标的人力、资源和公司的数量远远超过了以前。

Kevin Scott：我职业生涯的早期，大部分时间都是作为一名计算机科学家接受培训的，编写编译器，编写大量汇编语言和设计编程语言，或者在研究生院进行并行优化和高性能计算机体系结构的研究。离开研究生院之后，我想我再也不会使用这些东西了。然而今天我们在建造超级计算机来训练模型时，这些技术又有了用武之地。如果现在你是一个20多岁的年轻程序员，你会对哪些技术感兴趣？

比尔·盖茨：这里面有相当多的数学的元素。很幸运，我曾经做了很多与数学相关的事，这是通往编程的大门。有些编程人员没有数学背景，我建议他们去掌握一些数学知识，因为很多计算都不只是编程问题。

最初的 Macintosh 是一台128K的机器，其中22K是位图屏幕，几乎没有人能够编写出适合的程序，只有微软和苹果成功了。但现在你用数十亿个参数来操作这些模型，那么我们是否可以跳过一些参数，或简化一些参数，或进行预计算？在资源受限的机器上，优化变得尤为重要。

尽管过去半年在计算加速方面的进展比预期要好，但未来几年，又将面临多大的资源瓶颈？我们如何确保企业以更明智的方式分配这些资源？无论如何，在计算机科学的几乎每个领域，包括数据库类型技术、编程技术等方面，都需要我们以一种全新的方式来思考。

Kevin Scott：最后想问一下，你在工作之外会做些什么事？我们都知道你很喜欢阅读，经常提着一个巨大的手提袋随身携带着书籍，无论走到哪里，都会大量阅读，从科学到小说，无所不包。你的阅读节奏是怎样的？

比尔·盖茨：我打匹克球已经有50多年了，我也喜欢打网球和读书。我最近一年中阅读了80多本书，包括 Thomas Sowell、Vaclav Smil、Steven Pinker 的书，这些作家的思想重塑着我的思维。同时，阅读也能让我放松心情。我想我应该多读一些小说，人们向我推荐了很多好的小说，这也是为什么我会在《盖茨笔记》上分享我的书单。

驻梦者 · 发表于 2024-9-13 20:16:00

优质回答看这里~

人工智能已经成为技术圈的热点话题。它不仅改变了人们的生活，也彻底改变了你能想到的所有产业。

不过，大众对人工智能还有着不同的认识。有些人认为人工智能不好，因为他们听说人工智能在未来会取代一些人的岗位。而人工智能的支持者认为，人工智能是一个社会发展的推动因素，它将通过自动化来减轻负担，让人们的生活更加便捷。

不管你是否喜欢人工智能，如果你对人工智能在未来的影响感兴趣，那么请看看这篇文章，我们将介绍一些主导人工智能发展的趋势。

启用人工智能的芯片将成为主流

图片来源：unsplash.com/@briankost

与其他技术和软件工具不同，人工智能主要依赖专业的处理器。为了适应人工智能的复杂需求，芯片制造商将研发能够运行启用人工智能的特制芯片。甚至像谷歌、脸书和亚马逊等科技巨头也会在这些特制芯片上投入更多资金。这些芯片会被用于与人工智能相关的特殊用途，比如自然语言处理、计算机视觉领域和语音识别。

人工智能和物联网在边缘计算层相遇

2019年是不同技术与人工智能融合的一年。物联网将在边缘计算层与人工智能携手合作。产业物联网将利用人工智能的强大功能进行根本原因分析、执行机器的预测性维护和自动检测问题。

我们将在2019年看到分布式人工智能的兴起。智能将被分散，并且将更靠近正在进行例行检查的资产和设备。由神经网络驱动的高度复杂的机器学习模型将被优化，以便在边缘运行。

迎接自动化机器学习系统

自动化机器学习系统是2019年人工智能产业最显著的发展趋势之一。有了自动学习的能力，开发者能够修补机器学习模型，创造准备好迎接未来人工智能挑战的机器学习新模型。

自动化机器学习系统将介于认知应用程序编程接口和定制机器学习平台之间。自动化机器学习系统最大的优势是，它向开发者提供了他们要求的自定义选项，同时简化了工作流程。当你把数据和可移植性相结合，自动化学习系统可以为你提供其他人工智能技术不具有的灵活性。

拥抱智能运维

当人工智能用于应用程序时，它将改变我们管理基础架构的方式。 DevOps将被智能运维取代，它将使你的IT员工能够进行精确的根本原因分析。此外，它还可以让你轻松地从庞大的数据库中立即找到有用的见解和模式。大型企业和云供应商将受益于DevOps与人工智能的融合。

神经网络集成

在开发神经网络模型时，人工智能开发人员将面临的最大挑战之一是选择最佳框架。有了市场上的数十种人工智能工具，选择最好的人工智能开发工具可能不像以前那么容易。不同神经网络工具包之间缺乏集成性和兼容性，这阻碍了人工智能的采用。微软和脸书等科技巨头已经在开发开放式神经网络交换（ONNX），允许开发人员跨越多个框架，重新使用神经网络模型。

专业的人工智能系统成为现实

市场对专业系统的需求将在2019年成倍增长。各组织拥有的数据有限，但他们想要的是专业数据。这样的需求会驱动企业掌握可以帮助组织在内部生成高质量人工智能数据的工具。

2019年，重点将从数据量转移到数据质量。这将为可以在现实世界中发挥作用的人工智能奠定基础。企业将寻求能够专业人工智能解决方案提供商，帮助企业访问关键数据源，理解非结构化数据。

人工智能技术将决定你的命运

虽然人工智能已经改变了你能想到的所有行业，但业界仍然缺乏拥有大量人工智能技能的人才。Espressive（加拿大电脑软件公司）的首席执行官帕特卡尔·霍恩（Pat Calhoun）说：“大多数组织都希望将人工智能作为数字化转型的一部分，但没有兑现承诺——让开发人员、人工智能专家和语言学家开发解决方案，甚至没有培养预先构建解决方案的引擎。

Awake Security（美国加利福尼亚州的威胁检测厂商）的首席执行官拉胡尔·卡什亚普（Rahul Kashyap）补充说：“有这么多人工智能驱动解决方案，企业现在应该更敏锐地了解他们的人工智能解决方案的‘黑匣子’中发生的事情。”他继续说道：“人工智能算法的训练、结构化或通知方式可能会导致输出的显著差异。适用于一家公司的正确方程将不适用于另一家公司。”

人工智能可能会被不法之徒利用

图片来源：unsplash.com/@nahelabdlhadi

就像硬币有正反两面一样，人工智能也有正面和负面影响。信息安全专家将使用人工智能来快速检测恶意活动。借助人工智能驱动的响应和机器学习算法，误报将减少90％。人工智能如果落入不法分子手中，网络犯罪分子将滥用它来完成他们的恶意企图。通过自动化，网络黑客的军队可以更成功地发动致命攻击。这将迫使企业以毒攻毒，投资人工智能驱动的安全解决方案。这些方案能够保护他们免受人工智能发起的攻击。

人工智能驱动的数据转化

2019年，人工智能无处不在。从网络应用到医疗保健系统，从航空公司到酒店预订系统等，我们能在每个地方看到人工智能，它将处于数字化转型的最前沿。

夏威夷大学IT部门主席兼教授董贝博士（Dr.Tung Bui）说：“由于制度、政治和社会原因，人工智能发展需要时间。我认为人工智能的最大趋势将是加速数字化转型，使现有的业务系统更加智能化。”

留言点赞关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”

		自动登录	找回密码
密码			立即注册

人工智能未来成长前景将会怎样？

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源

本帖子中包含更多资源