今年，每一個季度都是瘋狂的一年，人工智能的發(fā)展同樣如此?？偟膩碚f，這一年人工智能的發(fā)展喜憂參半，其中有顯著的進展，也有對技術濫用的新發(fā)現(xiàn)。

人工智能在企業(yè)中的應用并未增加

　　隨著人工智能技術的市場似乎已經趨于平穩(wěn)，最近的一項全球性調查發(fā)現(xiàn)，人工智能在企業(yè)中的應用并沒有增加。它幫助解釋了為什么曾經高歌猛進的初創(chuàng)企業(yè) Element AI，為那些原本缺乏必要技能的企業(yè)開發(fā)人工智能應用，最終卻無法獨立生存。

　　IndustriyLab 發(fā)布的一份關于人工智能應用的新報告發(fā)現(xiàn)，在企業(yè)內實施人工智能經常會遇到人力資源方面的挑戰(zhàn)，比如對變化的恐懼、失業(yè)和相關技能的缺乏。

　　根據這份報告，87% 的調查對象在人工智能實施過程中面臨著人力資源挑戰(zhàn)。在企業(yè)采用人工智能方面，這些問題仍然是一個實質性障礙。難怪企業(yè)內部進展緩慢，有停滯不前的跡象。

　　但是，盡管有這些阻力，人工智能技術仍在繼續(xù)向前發(fā)展。人工智能技術的最新進展包括從改進合成語音到保護蜜蜂健康，創(chuàng)造下一代食品系統(tǒng)、開發(fā)新的食譜，改善乳腺癌治療，揭露政府腐敗，以及建造更加智能的交通信號燈。

　　普華永道(PricewaterhouseCoopers，PwC)的一項研究預計，到 2030 年，人工智能將推動全球經濟產出超過 15 萬億美元。Alphabet 的 Sundar Pichai 曾有一句名言：“人工智能比電和火更重要?！?AI is more profound that electricity or fire.)

　　至少有一家大型數據分析平臺認為，2021 年將是人工智能年，因為一些大型企業(yè)，包括石油和天然氣、金融科技和藥物研究公司，將會越來越多地采用人工智能技術。

　　那么，人工智能真的已經趨于平緩了嗎?還是說我們只是在見證新的快速采納期之前的停頓?人們認為，這樣的停頓源于認知失調：人工智能的進展會遭遇恐懼、對變革產生抵觸，并不確定這一技術是否能夠實現(xiàn)如炒作那樣的。

　　一個極端的預測是，比如普京(俄羅斯總統(tǒng))的預測：誰成為人工智能的領導者，誰就會成為世界的統(tǒng)治者。

　　另外一種極端的預測是，對 40 家最大的人工智能初創(chuàng)公司的分析表明，它們并沒有對變革和經濟產生重大影響。如果是這樣的話，我們可能正處于下一場人工智能冬天的開始，人們的期望值再次超出了現(xiàn)實。

　　因此，人工智能的“水晶球”顯然是模糊不清的。我們要么處于高原，有跌入谷底的風險，要么正在為下一輪創(chuàng)新做準備。

　　最有可能的情況是，有兩條道路在同時上演：技術能力的持續(xù)進步和人類在實施過程中所面臨的挑戰(zhàn)。

2020 年：兩大革命性突破

　　雖然人工智能在企業(yè)中的應用有所放緩，但今年人工智能研究的重大突破提醒人們，這是一個能夠引發(fā)指數級變化的技術領域。

　　以 OpenAI 開發(fā)的 GPT-3 形式的自然語言處理，有可能成為第一個通用人工智能(artificial general intelligence，AGI)的先驅，這將是一個巨大的進步。

　　GPT-3 基于從互聯(lián)網上搜集的數據中發(fā)現(xiàn)的模式進行“學習”，這些數據包括 Reddit 帖子、Wikipedia、同人小說和其他來源。

　　在這種學習的基礎上，GPT-3 無需額外的訓練就能完成許多不同的任務，它能夠產生引人入勝的敘述，生成計算機代碼，自動完成圖像，不同語言之間的翻譯，以及數學計算，還有其他一些壯舉，其中包括一些其創(chuàng)造者沒有計劃過的。

　　這一顯而易見的多功能能力不同于所有現(xiàn)有的人工智能能力。事實上，它在功能上更為通用。

　　這個模型擁有 1750 億個參數，遠遠超過了最先進的神經網絡的 100 多億個參數，也遠遠超過了其前身 GPT-2 的 15 億個參數。僅僅一年多的時間，模型的復雜性就提高了 10 倍以上，這可以說是迄今為止創(chuàng)建的最大的神經網絡。

　　另一個重大進展來自 DeepMind 開發(fā)的 AlphaFold，這是一個基于注意力的深度學習神經網絡，它可能已經解決了近 50 年來生物學上的一項難題：根據蛋白質的氨基酸序列確定其 3D 形狀。

　　蛋白質是生命的基礎，負責細胞內部發(fā)生的大部分事情。蛋白質的工作原理及其功能取決于其 3D 形狀。直到現(xiàn)在，確定蛋白質的結構還很困難，費力，昂貴，并且容易失敗。

　　在兩年一度的蛋白質結構預測挑戰(zhàn)賽(簡稱 CASP)中，AlphaFold 系統(tǒng)的表現(xiàn)超過了其他大約 100 個團隊。對于那些被認為有一定難度的蛋白質目標上，神經網絡實現(xiàn)了 90% 的預測準確率，遠遠超過其他團隊;有些人認為這是生物學的圣杯成就。

　　這一進展有望將大大加快對細胞構件的理解，使更快、更先進的藥物發(fā)現(xiàn)成為可能，并從根本上預示著生物學領域的一場革命，堪比 DNA 雙螺旋模型和 CRISPR-Cas9 基因組編輯技術。

展望未來

　　盡管這些進展意義重大，但不可能忽視人工智能在應對新冠肺炎大流行方面的貢獻。人工智能已經幫助跟蹤疾病的傳播以限制病例數量，消化并提煉了數千篇關于該主題的論文，目前正在管理復雜的疫苗供應鏈，并梳理數據以追蹤個體在應對中可能產生的任何不利影響。

　　試想，如果沒有人工智能，這場大流行的影響和持續(xù)時間會有多糟糕。這項“登月計劃”的努力可能會在未來幾年內刺激人工智能在許多領域的研發(fā)和部署。

　　由于企業(yè)級采用的滯后，2021 年可能不會是人工智能年。但是它肯定會出現(xiàn)更多像今年這樣的突破，并將帶著我們進入下一個階段，朝著更高的智能程度不可阻擋地前進。

　　作者介紹：

　　Gary Grossman，Edelman 技術實踐高級副總裁，也是 Edelman 人工智能卓越中心全球負責人。

　　原文鏈接：

　　https://venturebeat.com/2020/12/17/has-ai-adoption-plateaued-or-is-it-just-catching-its-breath/

　　(來源：AI前線)

（轉載）