2022年值得关注的五大AI趋势——the new stack
以下是2022年的五大人工智能趋势:
趋势1:大型语言模型(LLM)定义了对话式AI的下一波浪潮。
语言模型基于自然语言处理技术和算法来确定给定单词序列出现在句子中的概率。这些模型可以预测句子中的下一个单词，总结文本信息，甚至可以从纯文本创建可视化图表。
大规模语言模型(LLM)是在包含大量数据的海量数据集上训练的。谷歌的伯特和OpenAI的GPT-2和GPT-3是LLM的一些例子。众所周知，GPT-3在570 GB文本上训练了654.38+075亿个参数。这些模型可以生成任何东西，从简单的文件到复杂的金融模型。
包括OpenAI、Hugging Face、Cohere和AI21 Labs在内的AI创业公司正在通过训练具有数十亿参数的模型来突破LLM的边界。
华为的盘古-阿尔法和百度的厄尼3.0泰坦接受了包括电子书、百科全书和社交媒体在内的TB级中文数据集的培训。
2022年，我们将看到大规模语言模型成为下一代对话式AI工具的基础。
趋势二:多模态人工智能的崛起
深度学习算法传统上专注于从数据源训练模型。举个例子，
这种类型的机器学习与单峰人工智能相关联，其中结果被映射到单一数据类型来源——图像、文本、语音。
多模态AI是计算机视觉和对话式AI模型的终极融合，可以提供更接近人类感知的强大场景。它结合了视觉和语音模式，将人工智能推理提升到一个新的水平。
多模态AI的最新例子是OpenAI的DALL-E，它可以从文本描述中生成图像。
谷歌的统一多任务模型(MUM)是多模态人工智能的另一个例子。它承诺通过基于从75种不同语言中挖掘的上下文信息对结果进行优先排序来增强用户的搜索体验。Mums使用T5文本到文本框架，比BERT(一种流行的基于转换器的自然语言处理模型)强大1000倍。
NVIDIA的GauGAN2模型将基于简单的文本输入生成照片级的逼真图像。
趋势3:简化和精简MLOps
机器学习操作(MLOps)或将机器学习应用于工业生产的实践是非常复杂的！
MLOps是已经被纳入基于云的ML平台的概念之一，例如亚马逊SageMaker、Azure ML和亚马逊Web服务的Google Vertex AI。但是，这些功能不能在混合和边缘计算环境中使用。因此，边缘监控模式已被证明是企业面临的一大挑战。当处理计算机视觉系统和对话式AI系统时，边缘监控模型变得更具挑战性。
由于Kubeflow、MLflow等开源项目的成熟，MLOps已经变得相当容易获得。未来几年，一个精简简化的MLOps方法将会出现，覆盖云和边缘计算环境。
趋势4: AI驱动的低代码开发
人工智能将影响IT的编程和发展。
大型语言模型(LLM)的兴起和开放源代码的广泛使用使IDE供应商能够构建智能代码生成和分析。
展望未来，我期待看到能够从行内注释中生成高质量和紧凑代码的工具。他们甚至可以将一种语言编写的代码翻译成另一种语言，并通过将遗留代码转换成现代语言来更新他们的应用程序。
趋势5:新的垂直人工智能解决方案
Amazon Connect和Google Contact Center AI是垂直整合的经典例子。它们都使用机器学习功能来执行智能路由、机器人驱动的对话和对联络中心代理的自动协助。
这些服务针对零售和制造垂直行业进行了高度定制。