2021年，人工智能在政策、技術(shù)、應(yīng)用、產(chǎn)業(yè)等方面呈現(xiàn)哪些特點(diǎn)，未來(lái)產(chǎn)業(yè)發(fā)展的趨勢(shì)和研判？中國(guó)信通院云計(jì)算與大數(shù)據(jù)研究所牽頭梳理《2021人工智能十大關(guān)鍵詞》，為政產(chǎn)學(xué)研用各方提供參考。

01、可信AI

可信AI是解決人工智能信任問(wèn)題的關(guān)鍵。可信人工智能是落實(shí)人工智能治理的重要實(shí)踐，深入到企業(yè)內(nèi)部管理、研發(fā)、運(yùn)營(yíng)等環(huán)節(jié)，將相關(guān)抽象要求轉(zhuǎn)化為實(shí)踐所需的具體能力要求，從而提升社會(huì)對(duì)人工智能的信任程度。

02、工程化

AI工程化成為從學(xué)術(shù)向行業(yè)應(yīng)用的核心環(huán)節(jié)。工程化讓AI應(yīng)用從小作坊的手工模式走向大工廠的流水線模式的核心支撐。對(duì)企業(yè)來(lái)說(shuō)，AI工程化成為超越算法研發(fā)的更大瓶頸，人工智能工程化主要包括以下環(huán)節(jié)：完備易用的工具產(chǎn)品體系、高效協(xié)作的運(yùn)維管理實(shí)踐、全面可控的安全治理、凝聚共識(shí)的產(chǎn)業(yè)鏈支撐。

03、大模型

超大規(guī)模預(yù)訓(xùn)練模型在海量通用數(shù)據(jù)上進(jìn)行預(yù)先學(xué)習(xí)和訓(xùn)練，能有效緩解AI領(lǐng)域通用數(shù)據(jù)的激增與專(zhuān)用數(shù)據(jù)匱乏的矛盾，具備通用智能的雛形。

預(yù)訓(xùn)練大模型普適性強(qiáng)，可滿足垂直行業(yè)的共性需求。預(yù)訓(xùn)練大模型遷移性好，可滿足典型產(chǎn)品的技術(shù)要求。大模型承上啟下，深刻影響底層技術(shù)和上層應(yīng)用的發(fā)展；向下驅(qū)動(dòng)數(shù)據(jù)技術(shù)和計(jì)算架構(gòu)能力的提升，支撐模型訓(xùn)練、部署和優(yōu)化，向上支撐上層應(yīng)用的服務(wù)轉(zhuǎn)型。

此外，大模型多方向問(wèn)題亟待解決，生態(tài)建設(shè)不容小覷。未來(lái)預(yù)訓(xùn)練大模型將重點(diǎn)解決應(yīng)用、可信、跨學(xué)科合作、資源不平衡和開(kāi)放共享等問(wèn)題。

04、人臉安全

人臉識(shí)別需要合理應(yīng)用以增進(jìn)社會(huì)信任。社會(huì)各界對(duì)人臉識(shí)別的相關(guān)風(fēng)險(xiǎn)廣泛關(guān)注，需要正確、合理的使用人臉識(shí)別，并找到安全、泄露隱私等風(fēng)險(xiǎn)，增強(qiáng)社會(huì)對(duì)人臉識(shí)別技術(shù)的應(yīng)用和信任。

05、治理

人工智能治理正在從倫理原則走向法律規(guī)制。人工智能治理的過(guò)程是各主體對(duì)人工智能研究、開(kāi)發(fā)、生產(chǎn)和應(yīng)用中出現(xiàn)的安全、發(fā)展、公平和爭(zhēng)議等問(wèn)題，通過(guò)運(yùn)營(yíng)法律、倫理、技術(shù)手段進(jìn)行協(xié)調(diào)、處理、監(jiān)管和規(guī)范的過(guò)程。目前，人工智能治理已逐步從倫理原則等軟性約束，邁向全面具有可操作性的法律規(guī)制的新階段。全球人工智能治理路徑包括系統(tǒng)化規(guī)制和場(chǎng)景化立法規(guī)制同步探索。未來(lái)，人工智能規(guī)制和數(shù)據(jù)治理緊密結(jié)合將是重要趨勢(shì)。

06、超級(jí)自動(dòng)化

超級(jí)自動(dòng)化加速企業(yè)、政務(wù)數(shù)字化轉(zhuǎn)型。人工智能、云計(jì)算、大數(shù)據(jù)等技術(shù)與機(jī)器人流程自動(dòng)化（RPA）技術(shù)的深度融合，是企業(yè)、政務(wù)等各類(lèi)工作場(chǎng)景實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型的重點(diǎn)探索方向。人力成本上升，數(shù)字化升級(jí)需求增高，信息化、數(shù)字化、智能化形成聯(lián)動(dòng)態(tài)勢(shì)，RPA技術(shù)充當(dāng)起新興技術(shù)落地應(yīng)用的重要載體，超級(jí)自動(dòng)化未來(lái)將成為工作常態(tài)

07、MLOps

MLOps開(kāi)始在大型企業(yè)部署實(shí)踐。機(jī)器學(xué)習(xí)模型管理實(shí)踐和標(biāo)準(zhǔn)流程，銜接模型的開(kāi)發(fā)、部署和運(yùn)維，涉及算法、業(yè)務(wù)及運(yùn)維團(tuán)隊(duì)，旨在提升模型生命流程的開(kāi)發(fā)、部署、運(yùn)維效率，促進(jìn)模型規(guī)模化落地應(yīng)用。產(chǎn)業(yè)對(duì)開(kāi)發(fā)、運(yùn)維、權(quán)限管控、數(shù)據(jù)隱私、安全性和審計(jì)等企業(yè)級(jí)需求關(guān)注度極度提高。據(jù)統(tǒng)計(jì)，56%的企業(yè)在管理、安全和審計(jì)等方面存在困難。自2019年起，MLOps連續(xù)兩年進(jìn)入Gartner數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)技術(shù)成熟度曲線，并被視為AI工程化的重要內(nèi)容。MLOps將與DevOps、DataOps協(xié)調(diào)聯(lián)通、互相賦能。

08、知識(shí)計(jì)算

知識(shí)計(jì)算解決產(chǎn)業(yè)對(duì)知識(shí)獲取和應(yīng)用需求問(wèn)題。采用知識(shí)驅(qū)動(dòng)+數(shù)據(jù)驅(qū)動(dòng)的人工智能算法，為新一代人工智能提供解決方案，努力解決人工智能與行業(yè)知識(shí)結(jié)合、從感知智能到認(rèn)知智能的產(chǎn)業(yè)需求。

09、多模態(tài)融合

多場(chǎng)景下的多模態(tài)交互成為提升應(yīng)用性能的重點(diǎn)。以多模態(tài)融合技術(shù)為核心的感知、交互和智慧協(xié)同能力，不斷支撐各類(lèi)終端和應(yīng)用的智能化水平提升。

10、行業(yè)融合

人工智能與金融、醫(yī)療等行業(yè)深度融合走向深水區(qū)。金融和醫(yī)療等行業(yè)從政策保障、技術(shù)儲(chǔ)備、生產(chǎn)應(yīng)用、能力輸出、安全合規(guī)等方面，全面布局人工智能應(yīng)用。金融行業(yè)：智能化成為金融科技布局的重點(diǎn)方向，2020年銀行信息科技投入達(dá)到2017億元，同比增強(qiáng)超過(guò)25%。金融機(jī)構(gòu)通過(guò)擴(kuò)大科技團(tuán)隊(duì)、建設(shè)基礎(chǔ)能力、提供基礎(chǔ)應(yīng)用、賦能已有場(chǎng)景、建立促進(jìn)和保障機(jī)制，全方面進(jìn)行AI體系建設(shè)。醫(yī)療行業(yè)：人工智能在疫情防控與復(fù)工復(fù)產(chǎn)中發(fā)揮重大作用，在新藥研發(fā)、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)等生物化學(xué)領(lǐng)域應(yīng)用成果明顯。

責(zé)任編輯：姚治