梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
“这不过是将来之事的前奏,也是将来之事的影子。”
AI之父阿兰·图灵,留下过这样一句经典名言,讲的是对科技趋势未来的笃信,但从另一层面,也能解释为何在科技领域,趋势总结和预测,会显得如此重要。
一方面,科技趋势能推动共识,特别是从小范围共识到大范围共识,让更多人准确感知发展方向。另一方面,还能让更多人加入科技趋势的实践中,推动“预测”成为“现实”。
这也是每年科技趋势预测备受关注的原因,也是各大机构大显身手的时刻。
而接下来要讲的这份,更是兼顾前沿技术与产业落地,值得参考。
就在过去的一年,数字人、虚拟人技术大放异彩。
先后有数字主播小C常驻央视网,虚拟网红AYAYI身价6亿,《每日经济新闻》虚拟主持人连续直播70天没人识破……
要说接下来一年,数字人将继续成为一大科技趋势,相信没人会反对。
但早在2021年初,百度研究院发布的十大科技趋势预测里就预见到了“数字人生产门槛会持续降低,大规模应用”。
同时发布的其他几条预测,如“无安全员的Robotaxi车辆开展常态化运营”、“生命科学成为AI应用新领地”等,也都成了这一年间的热点现象。
百度在AI领域深耕多年,对科技趋势预测的重点也放在AI技术与应用,成为学术前沿和产业一线从业者不可错过的参考。
刚刚,百度研究院又发布了2022年的十大科技趋势预测。
下面先睹为快:
超大规模预训练模型呈现知识增强、跨模态统一建模、多学习方式共同演进的趋势,并逐渐实用化
AI for Science新兴研究领域出现,有望带来科研范式的改变
基于AI的生物计算仍将高速发展,基础研究和应用场景协同创新实现新突破
隐私计算技术备受关注,将成为数据价值释放的突破口和构建信任的基础设施
量子软硬一体化方案成为主流趋势,现实需求加速量子计算与各行业融合创新
自动驾驶技术进入无人化落地新阶段,多元“汽车机器人”不断涌现,连接技术与场景
AI技术与航天科技融合创新,推动深空探测迈向智能化的新阶段
“社交距离”加速人机共生,支撑虚实结合与智能交互技术快速融入生产生活
绿色低碳更多纳入AI蓝图,助力实现碳达峰碳中和目标
AI更加包容普惠,价值创造导向使中小企业、弱势群体的需求得到更多关注
如果单看结果,不妨把上年的趋势预测、一年来技术与产业上出现的新变化都放在一起对比看看。
首先是AI核心技术本身正在实现持续突破。
超大规模预训练模型仍是各大公司激烈竞争的焦点,但参数量已不再是唯一评价标准,让AI能力更通用、更高效成为发展重点。
21年初,OpenAI的CLIP+Dall·E组合开启了多模态学习的新篇章,随后不断有新技术和应用方向涌现出来。
文档理解可以为法律、金融、医疗领域提高工作效率;以文生图可以辅助人类设计师缩短设计周期;视觉问答用于打造更实用的聊天机器人……
多模态技术接下来如何发展?百度研究院认为下一步是跨模态统一建模,增强模型的跨模态语义对齐能力。
不久前百度发布的ERNIE-ViLG,首次通过自回归算法将图像生成和文本生成统一建模,正是在这个方向翻开的新一页。
多模态之外,知识增强的发展能让大模型在数据特征之外,掌握更多常识;去年火起来的提示学习(Prompt Learning)能增强少样本、零样本任务表现。
再加上持续学习、模型蒸馏、稀疏化等技术,让大模型走向实用化,应用门槛不断降低。
AIGC(AI生成内容)就是大模型落地的一个重要方向。
从文字到声音、直播、短视频,用户内容消费的时间在延长,形式越发多样。
而下一代互联网无论是叫元宇宙还是Web3.0,都面临更大的数字内容供给缺口。
于是这一年我们看到了各种图像GAN的演示程序频频刷,AI续写小说被围观品鉴,文章一键生成视频开始在各大平台实装……
除了内容消费,更广义的生成式AI也开始辅助人类做创意类工作,在服装设计、自动化编程、游戏关卡设计和测试等领域都有所进展。
第二是AI正在支撑更多交叉学科和跨领域研究
AlphaFold2以及人类蛋白质组数据集的开源再次引爆计算生物学,除蛋白质预测外,AI辅助RNA预测、后续药物设计等方向也都出现突破。
AI靠发现海量数据之中的隐藏模式,辅助数学家提出两大猜想,让人们看到了AI在科学研究上的更多潜力,AI for Science成为新的热词。
百度研究院认为,AI有望带来科研范式的改变,数据驱动与理论推演的融合将在更多学科中发挥作用。
第三是AI正在为产业和社会产生更多的价值
一方面是AI对产业和经济的推动,自动驾驶带来万亿市场便是其中代表。百度判断2022年AI还将与生命健康、航空航天产业深度融合。
另一方面是AI的发展更加注重社会责任,绿色低碳、降低门槛包容普惠已成为行业共识。
这些都是技术发展和产业实践相互作用的结果。
有的技术成果开始向应用转化,如生物计算经过一年的爆发,未来会促进精准医疗和个性化诊疗发展。
有的应用催生出新的需求,随着AI在医疗、金融等隐私敏感行业落地,隐私计算将成为数据价值释放的突破口。
还有的领域在技术发展和产业实践的共同作用下,开始细化和成为常态。
在AI和5G技术与交通深度融合后,百度判断2022年自动驾驶进入无人化落地新阶段,在大批细分场景实现落地,商业收益逐步稳健。
……
所以整体下来,百度研究院这份趋势,一方面是对上一阶段技术落地进程的预判,是百度自身实践基础上的总结。
另一方面,春江水暖鸭先知,百度自身作为国内前沿科技布局的领头羊,对技术风向的感知,更加春风化雨。
而且更加利好的是,随着硬科技创新、产学研转换越来越受关注,随着我们经历的变革正在进入新技术创新周期,更多人对于前沿科技趋势的渴望和认同,也在年复一年加强。
2022年,面对新冠疫情持续带来影响,全球经济面对新的挑战,科技更是引领创新和发展的重要力量。
正如百度CTO、百度研究院院长王海峰自己对科技趋势预测的定位:
在平稳前行的时代,我们用科技探寻世界的“未知性”;在充满不确定性的时代,我们用科技锚定世界的“确定性”。
当然,这也是挑战。毕竟能力越大关注度越高,百度研究院每年的预测也被视为新flag,正在接受更多人的检验。
最后,闲言少叙,附上今年的完整科技趋势预测,希望能对你有所启发。
百度研究院2022年科技趋势预测
1、超大规模预训练模型呈现知识增强、跨模态统一建模、多学习方式共同演进的趋势,并逐渐实用化
大模型基于海量数据进行自监督学习,使用统一的模型和范式解决各类AI任务,打破了传统技术对于大规模标注数据的依赖,显著提升了AI模型的效果、通用性及泛化性。
预计2022年,大模型研发方向将从持续增大参数规模向实用化转变,基于知识增强、跨模态统一建模、提示学习、持续学习,结合模型蒸馏、稀疏化等技术,大模型的效果、通用性、泛化性、可解释性和运行效率将持续提升,应用门槛不断降低,从而实现在互联网、智能办公、智慧金融等场景的广泛落地。
例如AIGC(AI generated content,人工智能创造内容),借助大模型的跨模态综合技术能力,可以激发创意,提升内容多样性,降低制作成本,将会实现大规模应用。
2、AI for Science新兴研究领域出现,有望带来科研范式的改变
机器学习帮助数学家发现两大猜想,以及采用机器学习、多尺度建模和高性能计算相结合的方式解决超大规模量子随机电路实时模拟问题,让人们看到了人工智能应用于科学研究,在处理数据、设计新型实验以及创建更高效的计算模型方面的巨大潜力。
正在兴起的AI for Science有望促进数据驱动和理论推演两大科研范式的深度融合。
预计未来几年,AI将进一步与数学、物理、化学、材料、工程学等不同领域深度结合,在基础科学的进步中发挥更大作用。
3、基于AI的生物计算仍将高速发展,基础研究和应用场景协同创新实现新突破
在人类社会仍处于抗击新冠病毒的背景下,生命健康产业对技术革新的诉求更加迫切。
AI让基因编辑更精准快速地找到靶点, AI助力在蛋白质结构预测上取得显著突破。新冠mRNA疫苗技术的成功,则带来了基于RNA、蛋白质等大分子药物设计、疫苗研发的爆发,国际主流药厂加速mRNA技术落地。
未来,基于AI的生物计算还将在更多基础研究和应用场景上取得突破,如基于蛋白质的药物设计、合成、筛选,基于mRNA技术的抗癌药物、单克隆抗体、免疫疗法等。
两者的深度融合将显著缩短药品研发周期、降低研发成本,促进精准医学和个性化诊疗。
4、隐私计算技术备受关注,将成为数据价值释放的突破口和构建信任的基础设施
随着全球个人信息和数据安全法规的日趋健全,安全合规是促进数据价值有效释放的前提已成为业界共识。
以可信机密计算、联邦计算等为代表的隐私计算技术因从技术角度兼顾了数据安全保护和数据共享流通而备受关注。
伴随着隐私计算技术性能提升、技术与合规标准互促共进、多方协同提升技术公信力,相关典型应用将在生物计算、金融分析和数据交易等场景出现。
长远来看,隐私计算技术或将推动基于密态形式的数据流通和计算成为默认选项,逐渐成为构建信任的基础设施。
5、量子软硬一体化方案成为主流趋势,现实需求加速量子计算与各行业融合创新
预计2022年,量子芯片的设计、制备及测控技术将持续发展,量子比特数量实现规模增长,并沿着降低噪声或适应噪声两个思路寻求突破。
量子软件和服务向跨平台发展,用户将在云原生量子计算平台上获得更丰富的量子后端选择,而承载量子软硬一体化方案的量子平台将逐渐显现其应用价值。
随着量子计算与智能制造、人工智能、化工医药、金融科技等领域深度融合创新,若干具有显著量子优势的实际应用解决方案将会陆续产生。
政府机构、科研院所以及产业界也会更紧密地协同建造高质量量子设备、培养量子科技人才,初步打通量子计算产业链。
6、自动驾驶技术进入无人化落地新阶段,多元“汽车机器人”不断涌现,连接技术与场景
2022年,在政策法规与技术进步的双重推动下,自动驾驶将在无人化上高歌猛进,多元“汽车机器人”为代表的汽车形态迅猛发展。
通过乘用车、公交车、干线物流、仓储配送、矿山港口特殊作业、零售、环卫等丰富的场景应用,多元“汽车机器人”将更广泛为用户提供服务,为客户创造价值,进而逐步实现稳健的商业收益,促进科技的发展和社会的进步。
7、AI技术与航天科技融合创新,推动深空探测迈向智能化的新阶段
深空探测承载了人类对宇宙和自身的好奇与遐想。
实现月球和行星驻留,开展科学探测与资源开发利用为主体的计划,在遥远和未知环境下开展深空探索,对探测器的自主性需求日益强烈。
工程机械自动化领域已实现了24小时连续无人挖掘作业的实际工程场景落地,相关的自主环境感知、运动规划等AI算法,未来也将使探测器具备自主避障和决策、机械臂灵活自主作业等功能。
此外,在航天器故障检测和修复、构造数字孪生仿真实验室、深空大数据探测分析等方面,AI技术也有望发挥重要的支撑作用。
8、“社交距离”加速人机共生,支撑虚实结合与智能交互技术快速融入生产生活
新冠疫情为人们的交流设置了“社交距离”,数字技术的发展让我们可以缩短这一距离,加速了人与数字人、机器人的共生。
虚实结合与智能交互的未来世界,离我们不再遥远。
支撑这一变化的,是视觉、语音、自然语言处理、XR等AI技术在跨模态理解与生成、持续学习等方面的不断进步,以及融合硬件、网络、计算、生态系统平台、内容等形成的交叉技术支撑体系。
随着相关技术的加速融合创新,以及交叉技术支撑体系的成熟,将涌现出更多面向产业和消费场景的虚实结合与智能交互产品,进而推动数字经济和实体经济深度融合,丰富人们的生产生活体验。
9、绿色低碳更多纳入AI蓝图,助力实现碳达峰碳中和目标
随着AI技术加速与各行各业融合创新,数据中心和大规模AI计算实现了重要的经济和社会价值,但其能耗和对环境的影响不容忽视,亟需发展对环境更友好的“绿色AI”技术,降低模型训练和使用的能耗。
未来几年,“绿色AI”相关技术将持续蓬勃发展,围绕高能效的架构设计、训练和推理策略、数据利用等构建体系,形成兼顾性能和能耗的评价标准;算力更高、能耗较低的AI芯片将不断涌现;领军AI企业构建集约化的大算力和大模型,改善下游性能,降低整体能耗成本;政策也将鼓励建设绿色低碳的数据中心、推出用AI技术提升基础设施能效比等举措。
10、AI更加包容普惠,价值创造导向使中小企业、弱势群体的需求得到更多关注
普惠AI不仅关乎广大的AI从业者,也关乎更广泛的AI技术受益者。
以深度学习框架为核心的开源平台已大大降低AI技术的开发门槛,公共数据集、大模型底座、区域性智算中心等将进一步发展,助力中小企业实现降本增效、激发创新活力。全民AI培养体系也将逐步构建,促进传统行业人员再就业和AI科普教育。
AI的福祉还应惠及社会各群体,随着政策引导和可持续发展的ESG理念推动,企业关注点将转向价值创造,AI服务商将加强对老人、儿童等弱势群体需求的关注,开发相应的普惠AI服务和产品,让每个人都能享受到数字技术的便利。