人工智能的未来会如何？

by Canonical on 31 October 2023

人工智能鉴赏日值得关注的八大趋势

每年的 7 月 16 日是国际人工智能鉴赏日。上个世纪的科幻小说中经常出现的，如今更加接近科学事实的主题和发明，比如人形机器人。在 50 年代，人工智能既取得了巨大的成功，如算法的开发，也因计算能力限制遭遇了巨大的失败。而时至今日，人工智能很可能成为今年的热点话题，ChatGPT 等产品的用户在不到一周的时间里就突破了 10 亿，企业也在改变预算，计划投资更多。人工智能的未来会是怎样的？这些趋势可以帮助我们一窥未来。

人工智能重新开启工业革命

人工智能是一场新技术革命的中心。大约两个世纪前，自 18 世纪末工业革命开始以来，人们一直在探索使用汽车或火车的可能性。如今，企业组织正在探索自动化任务、优化运营和降低成本的途径。人工智能正在改变着人们的观点和看法，让人们更容易接受到帮助。尽管在早期，人们常常以恐惧或怀疑的眼光看待人工智能，但毫无疑问的是，人们正在从它的日益普及中受益。它向世界展示了任何模式都可以学习和解码的理念，让人们可以自由地、创造性地选择想要实现的自动化模式。由于各种各样的原因，包括美国和中国等许多国家都希望将自己定位成领导者，人工智能的发展已按下“加速键”。还值得注意的是开源的作用，因为它在世界范围内提升了采用率和投资率。  

就像工业革命通过引入蒸汽机和机械化工厂提高了生产力一样，人工智能使人们能够摆脱重复性的任务，专注于有意义的活动。企业现在得以机会重新思考自身的战略，与此同时，各个市场上也出现了一场新的领导力竞争。

从实验到 ROI

人工智能不再是一种尝试阶段的趣味技术。企业希望通过人工智能项目交付成果，并且有明确的业绩预期。普华永道第四次人工智能调查结果显示，72% 的受访者能够评估和预测人工智能的投资回报。人工智能现已足够成熟，可以纳入各个行业公司的发展计划。人工智能作为一种创新的解决方案，企业对其也有了更好的理解。涉众不仅能够获取和评估明确的成本，比如硬件采购成本，还能获得软收益，如更好的客户体验。

从另一个角度看，从事人工智能项目的专业人员更喜欢将他们的工作转移到生产阶段。虽然实验始终是项目生命周期中至关重要的一环，但现在他们拥有了所需的工具、经验和数据，想要达到更高的目标。在最近备受讨论的概念中，模型部署、模型监测或数据漂移只是其中的一部分。这不仅关乎项目工作经验，同时也关乎每个项目预期结果、衡量项目是否成功的绩效指标以及下一步计划的明确性。 

这一趋势将继续演变，促使着专业人士和企业升级自身的人工智能战略。从项目中获得投资回报的期望将继续增长。同时，扩大市场足迹的举措数量也会增加。在实验阶段陷入困境的模型将会减少，这可能会在生产中运行人工智能时带来其他挑战。一方面，专业人员需要提升技能，以便更轻松地部署模型；另一方面，企业需要具备监测和重新训练能力。

混合云即未来

公共云和私有云在运行人工智能方面各有利弊。虽然公共云可以让用户快速入门，但从成本角度看，预置解决方案似乎更具吸引力。混合云是中间地带，它加速了人工智能的采用，就像宽带对互联网的影响一样。

对于任何人工智能项目而言，数据都是核心，让数据分布在多个云上也是一大挑战。混合云场景则通过提供灵活性和可访问性解决了这一问题。一体化架构需重新构思，以便让基础设施能够使用数据，且不管数据在哪里。混合云战略颇具吸引力，它可以为扩展和操作人工智能提供数据基础，这意味着数据馈送的模型将更加准确，并且有助于做出更明智的决策。

混合云场景还能更好地优化 IT 成本。由于训练和运行模型的成本通常被认为是企业的隐性成本，且难以预测，因而 IT 领域领导者通常会避免投资人工智能。而使用混合云将有助于他们投资人工智能，企业便可在受控环境中进行生命周期中成本高昂的活动。未来将有更多的企业组织采用这种策略，使用混合云作为一种实用工具来推动他们的人工智能项目投入生产。它还将促使云提供商在混合云支持方面投入更多，对合作持更加开放的态度，并提供必要的工具来实现这一目标。

开源人工智能

开源是一种趋势，它改变了企业对人工智能的态度。它加速了产品的采用，鼓励爱好者进行更多的实验，但它也创建了一个反馈循环，开发人员可以迅速发现差距。这导致 HuggingFace、MLFlow 或 Kubeflow 等项目迅速发展成为成熟的分布式解决方案，并且提供企业支持和应用于生产环境中。

这一趋势不会发生变化。人工智能的未来是开源的，未来将有更多的项目走上开源道路。这将导致更大的群体支持和投资他们所相信的产品，并加速产品的采用。诸如 Canonical 这样的公司将使用其他开源解决方案来扩展其 MLOps 组合，以确保它们是企业级的产品。其中包括 Charmed Kubeflow 或 Charmed MLFlow等产品，这些产品都是安全的，可以升级，并且享受针对人工智能项目的更新。

这里非常重要的是模型的开源，而不是工具的开源。从长远角度来看，机器学习模型的发展趋势很可能会像工具发展，投资群体会越来越多。它们将在人们的试验中逐步发展。HuggingFace 开创了这一趋势，但 LLM 的发展将加速这一进程。

综合生态系统

如今，人工智能领域在某些方面仍然相互脱节。由于工具和版本不兼容，构建环境仍然很耗时。未来将引领工具提供商之间更好进行协作，无论开源与否，它们之间的集成将不再是挑战。他们将合作创建涵盖机器学习生命周期各个阶段的解决方案，而不是尝试从头开始构建所有内容。这一变化将对专业人士的体验产生巨大的影响，因为一方面，他们将能够将自己的部分工作自动化，并且少花时间在无意义的任务上。

通用人工智能 (AGI)：它们会成为现实吗？

这是众多人工智能创新者都想知道的问题。AGI 指的是高度自主的系统或机器，它们拥有人类的认知能力，可以执行人类能做的任何智力任务。它是人工智能下面的一个子类别，其模糊了机器智能和人类思维之间的界限。AGI 具有重大的社会、经济和政治效益。它们将通过扫描预先存在的信息来改变世界的运作方式。基于解决问题的方法，它们可以转化为更好的解决复杂问题的能力。ASI 能够根据周围环境和上下文进行适应，因此它可以执行的任务数量很多。其潜力巨大，有望能够解决癌症等疾病难题，或解决基础架构负担过重等潜在问题。不过，它们目前仍处于早期阶段，在进入生产阶段之前还有很多的基础工作要做。

量子计算已问世

在 2022 年诺贝尔物理学奖被授予量子纠缠领域先驱 Alain Aspect、John Clauser 和 Anton Zeilinger 之后，人们更加信任使用量子计算的解决方案。麦肯锡 2023 年的分析显示，量子计算领域的投资已创下最高年度水平记录。在未来，解决与计算相关的高难度问题这一期许将变成现实。一方面，这个话题将吸引更多的人才投身其中，另一方面，企业组织对量子计算的未来更加乐观。

从长远角度看，量子计算将成为一种商品，类似于 GPU。但不同的是，它们将在企业层面被采用，而且这种转变不会只涉及硬件。同时还要开发一套适用于量子计算的新软件。诸如 IBM 这样的公司正在将量子计算纳入其公司发展计划中，这表明了行业对量子计算的投资和支持。

专家越多，技能差距越小

Glassdoor 报告显示，数据科学家职位数量超 2 万，我们可以为这些职位添加与数据工程、大数据、机器学习或数据分析相关的职责。这既表明市场上的需求高，也表明了存在技能差距。教育机构正在将其纳入课程，努力填补这一空白。 

全球有越来越多的学士和硕士课程将重点放在数据科学或机器学习之上，这将有助于缩小技能差距。未来将会有越来越多的专家自愿选择该领域的职业，他们对机器学习、构建模型标准或 MLOps 原则有着深刻的理解。与此同时，还会出现另一个转变，因为许多专业人士不仅会选择专注于人工智能，还会选择专注于某个特定的行业。他们将成为专业领域的专家，而不是具备出色人工智能技能的软件开发人员。这种恰到好处的技能混合正是构建成功人工智能项目所需要的。

总而言之，人工智能的未来一片光明

人工智能的发展前景光明。眼下有许多的事情正在发生，新闻总是与一项可能改变世界的新项目有关。虽然围绕特定项目的热议总会退去，但人工智能热潮已然加速了不同领域的发展。我们正在迎来一个新兴的生态系统，其中硬件层、软件应用程序、从事人工智能项目的专业人员和企业的同步程度将会更高。从量子计算到开源机器学习模型，都将迎来巨大的进步。