2021年AI关键趋势：这项技术让AI语音更聪明

人工智能（AI）和机器学习仍然是技术决策者、行业人士和投资者关注的重点。标普全球市场财智（S&P Intelligence）2020 7 月发布的调查显示，有 58% 的公司和组织预计新冠大流行会对他们现有的 AI 计划产生负面影响，还有 19% 的公司和组织表示新冠大流行导致他们停止了 AI 项目

人工智能（AI）和机器学习仍然是技术决策者、行业人士和投资者关注的重点。

标普全球市场财智（S&P Intelligence）2020 7 月发布的调查显示，有 58% 的公司和组织预计新冠大流行会对他们现有的 AI 计划产生负面影响，还有 19% 的公司和组织表示新冠大流行导致他们停止了 AI 项目。与此同时，也有 75% 的公司和组织表示 COVID-19 促进了他们新的 AI 计划。

最近发布的 2021 AI/ML 用例调查显示情况发生了变化，有 86% 参与调查的人表示新冠大流行已经或将导致其所在的组织投资于新的 AI 计划。由于大流行引起的不确定性仍然影响所有的人，但报告仍给出了一些 2021 年的 AI 关键趋势。

AI 发展缺少的不仅仅是数据科学家

数据科学家短缺的问题仍然存在，但这并不是企业发展 AI 面临的唯一挑战。在标普全球市场财智 2018 年夏季首次进行的企业人工智能和机器学习调查中，有 36% 的受访者认为缺乏技术资源是最大的障碍，排在第二的是可访问的数据，占比 16%，数据科学家曾经最为抢手。

在最新调查中，云架构师的需求比例最高，为 27%，其次是机器学习工程师、软件工程师、然后是数据科学家，比例为 23%。数据科学家仍然供不应求，但也要看到 AI 和 ML 的多学科性质，这也反映在企业的招聘中。

大型模型有望改变 AI 语音对话

Google 在 2017 年推出了 Transformer 语言模型，这带来了重大变化，2018 年又发布了 Transformers（BERT）的双向编码器表示形式，并于 2019 年在其 Web 搜索引擎中实使用了该技术，BERT 模型中有 3.4 亿个参数。

接着，微软于 2020 年 2 月发布了有 170 亿参数的 Turing-NLG 模型，OpenAI 在 6 月发布了有 1750 亿参数的 GPT-3（2019 年的 GPT-2 有 15 亿）模型。AI 模型的大小很重要，因为参数数量越大，对上下文信息理解的能力也越好。但是这些模型的构建和运行庞大且昂贵，面临着计算资源和能耗方面的挑战。

大型语音模型的应用还处于初期，但未来的应用值得期待，例如高级聊天机器人，或者编写复杂研究论文的摘要，以及撰写新闻，还有内容审核。甚至，它还可以通过理解人类对问题的描述，自动生成软件代码，或者从任何类型的上下文中找到所需的信息。

如此强大的模型也存在争议，因为它们能够生成任何类型的文本，包括伪造的历史，种族主义。为此，微软及其伙伴 OpenAI 对其最新模型的使用进行了限制。模型参数增大的趋势将在 2021 年继续，也会有更多企业用例发挥庞大语言模型的优势。

AI 芯片初创公司可能会有合并

AI 芯片领域值得关注的是 NVIDIA 对 ARM 的收购，这笔收购可能在 2021 年下半年或 2022 年完成，或者永远不会完成，具体取决于全球监管机构的意见。

英特尔方面，新上任的 CEO 希望在 2019 底收购 Habana 的基础上进一步发展。

除了英伟达和英特尔这两个重要的 AI 芯片提供商，还有许多 AI 芯片供应商，成立四到五年的初创公司们将交付产品，并希望在 2021 年获得一些重要的合作伙伴。

鉴于 AI 加速器初创芯片公司的数量之多，如今有 40 多家，标普全球市场财智预计 2021 年会有所合并。

还需看到的是，随着 AI 模型越来越大，对 AI 芯片的需求也是需要兼顾性能和功耗。

制造业的 AI 应用更快一步

很难单独挑出一个 AI 应用更广的行业，但 2021 年制造业似乎会在 AI 应用中扮演重要角色，这不仅是从 2020 年观察到的市场势头，从过去几年专注于这一领域的创业公司的表现也能有所发现，制造的自动化愿景已经加速。

2020 年 10 月发布的《企业之声：2020 年供应商评估 》调查显示，接受调查的制造业公司中有 62% 的人将 AI / ML 视为未来两年最具变革性的技术，这一点与此前该行业在领先技术方面处于落后地位的印象不同。

在新的调查中，2021 年制造业 AI 的关键用例包括数据安全性，库存监控，和预测性维护。展望未来两年，装配线的创建和优化，员工安全（包括社交距离）将进入前四名。

技术受到监管

技术正在受到监管，最大的社交媒体公司将开始雇用合规团队。尽管不是我们关注的人工智能公司，但最近几周，在政治动荡中受影响的 Twitter、Facebook、Parler 也体现了其影响力。

一些后端提供商也采取了行动，包括 AWS，Salesforce 和 Stripe。其中一些公司会欢迎监管，这将有助于行业的规范，也能帮他们做出一些艰难的决定。

在考虑技术（或至少是软件）和法规时要考虑的另一个因素，是它与有形物品（例如石油或食品）之间的差异，在大多数情况下，技术产品可以立即在其他国家使用。因此，有野心的企业对法规的关注也应超越自己的范围。

国家资金、政策支持 AI 发展

在过去的几年中，国家 AI 战略一直在不断发展。现在政府已经投入大量资金来支持 AI 项目，例如，在美国，一项新的国防法案《 2021 财年国防授权法案》在年初成为法律，并为人工智能预留了 64 亿美元的政府预算。

其中包括建立由白宫领导的国家人工智能计划办公室，旨在确保五角大楼获得的 AI 技术在道德上合理，并让美国国家标准技术研究院（NIST）制定 AI 风险管理框架。随着这类资金的使用，以及新政府更加注重细节，美国政府将实行更多的治理。

在英国，2019 年成立的英国人工智能委员会（UK AI Council）独立顾问专家委员会（公布了人工智能路线图，为英国政府提供建议，并将英国推向人工智能和数据革命的前沿。

中国也在 2017 年开始制定国家人工智能战略，当时中国国务院发布了《新一代人工智能发展计划》。其目标是到 2030 年成为世界主要的 AI 创新中心。虽然中美关系变得紧张，但中国将为实现 2021 年的目标站稳脚跟。