人工智能賦能產(chǎn)業(yè)，正成為引領經(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 的關注度有增不減。2021 年，全球 AI 初創(chuàng)企業(yè)融資破紀錄達到 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 算法訓練，生成人工基因組合成數(shù)據(jù)。

　　在金融領域，J.P. Morgan 正在利用合成數(shù)據(jù)訓練金融 AI 模型。而在電信行業(yè)，由于無法獲得客戶同意，預計高達 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 應用場景?？紤]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?、更大的帶寬和更少的能量傳輸信息。隨著人們對 AI 工具的需求呈指數(shù)級增長，光子學有望成為破除 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，支持機器學習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，像量子機器學習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)絡游戲和虛擬世界。

　　網(wǎng)絡游戲環(huán)境惡劣，充斥著各種仇恨言論、網(wǎng)絡霸凌以及故意退出。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 培訓數(shù)據(jù)的智能眾包平臺，提供自動內(nèi)容審核服務，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審查規(guī)則，逃避平臺的審查。但是，在 NLP 和基于深度學習的圖像分類等關鍵領域取得的突破，以及以內(nèi)容審查為業(yè)務方向的 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

　　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 學習算法，Deepfakes 的技術(shù)愈發(fā)精進，效果十分逼真。網(wǎng)絡上公開發(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。

　　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。

　　為了應對日益增長的網(wǎng)絡安全威脅，一些科技公司開始嘗試各種解決方案，包括設備端認證軟件和 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的衍生公司 Diffblue。

　　自動編程仍處于初級階段。但該領域技術(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。

　　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 圖像的預訓練，不經(jīng)過額外的模態(tài)訓練，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)絡上關于富士山的信息，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，為搜索服務和內(nèi)容生成等應用提供驅(qū)動力。

　　AI for AI

　　隨著 AI 技術(shù)應用延展，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。

　　端到端的機器學習公司將 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 能為沒有機器學習經(jīng)驗的數(shù)據(jù)科學團隊提供一站式服務。

　　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習平臺，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商 8080 Labs。

　　隨著大多數(shù)老牌廠商開始布局 Auto ML(自動機器學習)功能，“AI for AI”也成為增長的領域。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。