人工智能的創(chuàng )新持續快速發(fā)展-幾乎所有行業(yè)都有爆炸性的增長(cháng)。那么去年帶來(lái)了什么?我們對2021年的AI有何期待?

MLOps(“機器學(xué)習操作”，生產(chǎn)機器學(xué)習的實(shí)踐)已經(jīng)存在了一段時(shí)間。但是，在2020年期間，COVID-19對監視和管理生產(chǎn)機器學(xué)習實(shí)例的需求有了新的認識。運營(yíng)工作流程，庫存管理，流量模式等的巨大變化導致許多AI行為異常。這在MLOps世界中稱(chēng)為漂移-當傳入數據與AI訓練的期望值不匹配時(shí)。雖然以前將ML部署到生產(chǎn)中的公司已經(jīng)知道生產(chǎn)ML的漂移和其他挑戰，但是COVID引起的變化引起了對MLOps需求的廣泛了解。同樣，隨著(zhù)CCPA等隱私法規的實(shí)施，處理客戶(hù)數據的公司也會(huì )對治理和風(fēng)險管理的需求增加。最后，首個(gè)MLOps社區聚會(huì )-運營(yíng)ML會(huì )議-于2019年開(kāi)始，在2020年也看到了思想，經(jīng)驗和參與范圍的顯著(zhù)增長(cháng)。

AutoML(自動(dòng)機器學(xué)習)已經(jīng)存在了一段時(shí)間。傳統上，AutoML專(zhuān)注于算法選擇和為特定數據集找到最佳的機器學(xué)習或深度學(xué)習解決方案。去年，從應用程序到針對企業(yè)的目標垂直AI解決方案，低代碼/無(wú)代碼運動(dòng)得到了全面發(fā)展。盡管AutoML可以在沒(méi)有深入的數據科學(xué)知識的情況下構建高質(zhì)量的AI模型，但現代的低代碼/無(wú)代碼平臺可以在沒(méi)有深厚的編程知識的情況下構建整個(gè)生產(chǎn)級的AI驅動(dòng)的應用程序。

最近幾年為自然語(yǔ)言處理領(lǐng)域帶來(lái)了長(cháng)足的進(jìn)步，其中最大的進(jìn)步可能是《變形金剛》和《注意力》，后者的常見(jiàn)應用是BERT(帶有變壓器的雙向編碼器表示)。這些模型非常強大，并且徹底改變了語(yǔ)言翻譯，理解，總結等等。但是，這些模型訓練起來(lái)非常昂貴且費時(shí)。好消息是，經(jīng)過(guò)預訓練的模型(有時(shí)還允許直接訪(fǎng)問(wèn)它們的API)可以產(chǎn)生新一代有效且極其易于構建的AI服務(wù)。通過(guò)API可訪(fǎng)問(wèn)的高級模型的最大示例之一是GPT-3-已針對從編寫(xiě)代碼到編寫(xiě)詩(shī)歌的用例進(jìn)行了演示。

NLP并不是唯一看到實(shí)質(zhì)性算法創(chuàng )新的AI領(lǐng)域。生成對抗網(wǎng)絡(luò )(GANs)也已經(jīng)看到了創(chuàng )新，展示了在創(chuàng )造藝術(shù)和偽造圖像方面的非凡成就。類(lèi)似于變壓器，GAN的訓練和調整也很復雜，因為它們需要大量的訓練集。但是，創(chuàng )新極大地減少了創(chuàng )建GAN的數據量。例如，NVidia展示了一種用于GAN訓練的新增強方法，該方法所需的數據要比其前輩少得多。

隨著(zhù)低代碼工具的普及，年輕人構建AI的年齡正在下降?，F在，小學(xué)生或中學(xué)生都可以構建自己的AI，以執行從分類(lèi)文本到圖像的任何操作。美國的高中開(kāi)始教授A(yíng)I，而中學(xué)則緊隨其后。例如，在硅谷的2020年Synopsys科學(xué)博覽會(huì )上，獲獎軟件項目中有31%在創(chuàng )新中使用了AI。更令人印象深刻的是，這些AI中有27%是由6至8年級的學(xué)生建造的。一個(gè)獲得國家Broadcom MASTERS獎的例子是一個(gè)八年級學(xué)生，他創(chuàng )建了一個(gè)卷積神經(jīng)網(wǎng)絡(luò )來(lái)從眼部掃描中檢測出糖尿病性視網(wǎng)膜病。