日前，首屆中國數字藝術大展在位于杭州的中國美術學院美術館開幕。圖為小朋友在首屆中國數字藝術大展上進行互動體驗。新華社
李天瑞
人工智能發展至今已經是碩果累累，但新技術、新模型、新方法每天仍在涌現，人工智能的應用也已經滲透到人民大眾的生活中。然而，人工智能技術今天依然面臨著許多根本性的問題沒有解決，人類還需要不斷發展更加接近人類智能的顛覆性的人工智能新技術。
隨著全球主要國家將人工智能列為戰略性技術和國家之間競爭的核心關鍵產業領域，人工智能技術和產業的發展迎來了機遇與挑戰。展望未來，人工智能將會給人類社會帶來更多的驚喜和難以預料的變化。未來的人工智能技術將更加智能化，能夠實現更多自主決策和自我學習能力。同時，類似于人類接受信息的方式，未來人工智能將更多地使用多種媒介進行信息傳遞，如圖像、音頻、視頻等多模態信息。隨著人工智能技術的廣泛應用，安全問題也變得尤為重要。未來的人工智能產品將更加注重數據保護、隱私保護等方面的安全問題。而總體上，未來人工智能的發展將更加注重智能化、個性化、多模態融合等方面，并注重實際生產和生活中的潛在安全問題。
人工智能在追求技術創新方面不斷突破
當前，新模型和新算法不斷涌現，技術融合、領域融合成為重要趨勢。超大規模預訓練模型不斷推動著相關領域的性能基準，人工智能的研究也在朝著規模更大、模態更多的方向發展。2020年，OpenAI推出了GPT-3，隨后Google、智源研究院、中科院、華為、阿里巴巴等研究機構和企業相繼推出超大規模預訓練模型，包括Switch Transformer、DALL·E、MT·NLG、盤古、悟道2.0、紫東太初和M6等，不斷刷新各榜單紀錄；當前，預訓練模型參數數量、訓練數據規模按照300倍/年的趨勢增長，繼續通過增大模型和增加訓練數據仍是短期內演進方向；另外，跨模態預訓練模型也在日益增多，從早期只學習文本數據到聯合學習文本和圖像，再到如今可以處理文本、圖像、語音三種模態數據，未來使用更多種圖像編碼、更多種語言以及更多類型數據的預訓練模型將會涌現，這也是實現人工智能通用化的有益探索。
另外，生成式人工智能技術不斷成熟，未來聽、說、讀、寫等能力將被有機結合起來，2022年已是生成式AI之年。目前，生成式人工智能被廣泛應用于智能寫作、代碼生成、有聲閱讀、新聞播報、語音導航、影像修復等領域；尤其在2022年，無論是上半年AI繪畫（DALL·E和Mid-journey等模型），還是下半年火爆“出圈”的ChatGPT，都意味著通過計算機自動生成視頻、圖像、文本或語音等技術正在推動互聯網信息生成的重大變革，機器模擬人類聽、說、讀、寫的能力并將其進行有機結合，成為未來人工智能的發展趨勢之一。
根據互聯網數據中心（IDC）的預測，全球互聯網數據的規模在2025年將達到163ZB（存儲容量單位，1ZB等于1百萬億GB），其中80%~90%是非結構化數據，這標志著人工智能的快速發展也推動著數據規模的不斷提升。數據服務進入深度定制化階段，如百度、阿里巴巴和京東等公司推出根據不同場景和需求進行數據定制的服務；企業需求的數據集從通用簡單場景向個性化復雜場景過渡。同時，各方積極探索建立高質量知識集來支撐未來知識驅動的人工智能應用發展。知識集包含語音、圖像、文本等傳統數據的定義、規則和邏輯關系，是知識的數據化呈現。
人工智能作為能力核心：從工程實踐到技術應用
隨著人工智能技術不斷發展，近年來工程落地應用呈現加速態勢，目前企業應用人工智能呈現出從初步探索到規模應用的過渡，總體上來看，提升工程實踐能力將成為人工智能應用的關鍵，而技術應用的落地將促進先進人工智能技術的進一步提升與全面發展。
人工智能工程化已成為學術界和產業界關注的焦點，主要關注的是工具體系、開發流程、模型管理全生命流程的高效耦合：工具體系層面，體系化與開放化將成為研發平臺技術工具鏈的發展特點，將圍繞機器學習和深度學習等技術，構建起完備的工具體系，大幅降低數據處理、模型開發和部署、運維管理等難度，其中關鍵的軟件框架多采用Tensor-Flow、PyTorch、Paddle、Mind-Spore、OneFlow等開源框架；在工程化層面，標準化、自動化和持續性至關重要。通過將整個流程標準化并實現自動化，可以提高開發效率和質量，并確保可持續生產、交付和部署的能力。此外，基于最佳實踐的工具和框架可以進一步提高工作效率，降低錯誤率。在模型管理層面，隨著企業智能化應用的逐步加深，對于模型的管理也變得越來越重要。管理機制需要跟蹤每個模型的版本歷程、性能表現、相關數據以及衍生模型等信息，并確保這些信息的標準化和可靠性。
人工智能作為科技創新產物，正加速向醫療、交通、智慧城市等應用領域滲透，在改變人類生產方式、促進社會進步、加快產業發展等方面發揮著越來越重要的作用。目前人工智能的應用場景被進一步地拓展細分，正通過“AI+”賦能百業。每一次技術革命都將引發人類生產力方式的重大變革，或許人工智能將在未來替代或部分替代人類傳統職業，最終引發人類生產方式的革命性變化。
安全可信人工智能技術朝著一體化發展
隨著人工智能的可解釋性問題得到了越來越多地關注，其安全性與可靠性已經成為一個熱門話題。重點解決如何提高人工智能的穩定性、可解釋性、隱私保護以及公平性等問題，從而為人工智能的可信應用提供理論與技術支持。
人工智能系統穩定性技術重點逐步從數字域擴展到物理域。人工智能系統面臨中毒攻擊、對抗攻擊、后門攻擊等特有攻擊，這加大了安全性方面的挑戰。這些攻擊技術既可以互相獨立，也可以同時存在。圍繞著人工智能系統的穩定性測試技術也成為關鍵，華為、百度等紛紛推出基于模糊理論的相關測試技術，致力于探索提高人工智能系統的穩定性。
人工智能可解釋性方面的研究仍處于初級階段，多種路徑持續探索。增強人工智能系統的可解釋性成為熱點工作。使用透明模型（如決策樹或線性回歸等），這些模型可以被解釋并且不會掩蓋其內部運作機制。通過可視化技術，將模型輸出以圖形方式呈現出來，以便用戶更好地理解和解釋模型的結果。局部解釋性方法專注于對單個預測結果進行解釋，例如LIME（局部可解釋性模型評估）算法，它可以生成關于特定預測的局部解釋。提供上下文信息。在解釋模型的結果時，提供上下文信息，比如數據來源、算法使用的特征等，這樣用戶就能更加全面地了解模型的邏輯。
隱私計算技術助力人工智能數據安全可信地進行協作。眾所周知，人工智能的發展離不開海量數據，但海量數據在其傳輸和深度建模中存在著隱私信息泄露的風險。人工智能結合隱私計算技術，可從數據源端確保原始數據真實可信。利用隱私計算技術，數據“可用不可見”，形成物理分散的多源數據的邏輯集中視圖，保證AI模型有充足的、可信的數據可供利用。
（作者系西南交通大學計算機與人工智能學院教授、博士生導師，文章摘自《人工智能社會前沿問題哲學研究》一書，有刪節）
|
