最新(xīn)發布 | 2024人工(gōng)智能(néng)（AI）十大前沿技(jì )術趨勢展望

近日，世界機器人合作(zuò)組織理(lǐ)事長(cháng)、中(zhōng)國(guó)科(kē)學(xué)院院士喬紅發布2024人工(gōng)智能(néng)（AI）十大前沿技(jì )術趨勢展望。

此次發布的十大前沿技(jì )術趨勢涵蓋了AI共性技(jì )術、大規模預訓練模型、具(jù)身智能(néng)以及生成式人工(gōng)智能(néng)等多(duō)個領域。其中(zhōng)，小(xiǎo)數據與優質(zhì)數據的崛起、人機對齊構建可(kě)信賴的AI系統、AI憲法确保合規性與安(ān)全性以及可(kě)解釋性模型讓AI更透明可(kě)信等趨勢，均體(tǐ)現了對AI技(jì )術未來發展方向的深入洞察。

同時，大規模預訓練模型的革新(xīn)、全模态大模型打破數據壁壘、AI驅動科(kē)學(xué)研究的新(xīn)紀元等趨勢，展示了AI技(jì )術在提升科(kē)研效率、推動科(kē)學(xué)進步方面的巨大潛力。而具(jù)身小(xiǎo)腦模型賦予機器人實時反應能(néng)力、實體(tǐ)人工(gōng)智能(néng)系統智慧賦能(néng)物(wù)理(lǐ)世界以及世界模拟器創造無限可(kě)能(néng)的數字世界等趨勢，則預示着AI技(jì )術将在未來社會中(zhōng)扮演更加重要的角色。

這十大前沿技(jì )術趨勢分(fēn)别為(wèi)：

1.小(xiǎo)數據和優質(zhì)數據

大量的無效數據不僅消耗了計算資源，也給模型可(kě)靠訓練帶來挑戰。在此背景下，小(xiǎo)數據和優質(zhì)數據的價值越來越重要。小(xiǎo)數據更注重數據的精(jīng)度和相關性，從本質(zhì)上減少人工(gōng)智能(néng)算法對數據的依賴和不确定性，增強網絡可(kě)靠性。建設多(duō)樣性的數據集不僅能(néng)夠從理(lǐ)論基礎上支撐不同技(jì )術路線(xiàn)的AI發展，還為(wèi)解決通用(yòng)人工(gōng)智能(néng)的瓶頸問題提供新(xīn)的可(kě)能(néng)。

2.人機對齊

隻有(yǒu)AI的輸出結果與人類價值觀相符，才能(néng)确保AI模型的能(néng)力和行為(wèi)與人類意圖保持一緻。僅依靠數據和算法并不足以實現人機對齊，這意味着在設計獎勵機制時，不僅要考慮任務(wù)的效率、效益和效果，還需要考慮行為(wèi)是否符合人類的倫理(lǐ)标準。

3.AI使用(yòng)邊界和倫理(lǐ)監督模型

當前AI系統的合規性、安(ān)全性和倫理(lǐ)問題越發突出，建立一個AI監督模型框架尤為(wèi)必要。其主要目的是通過制定明确的标準和規範，确保所有(yǒu)AI系統在開發和使用(yòng)過程中(zhōng)遵循既定的原則，從而減少AI在制度沒有(yǒu)确定的情況下被過度使用(yòng)所帶來的風險。

4.可(kě)解釋性模型

在保障有(yǒu)效性的前提下，提高可(kě)解釋性，有(yǒu)助于減少對公(gōng)共資源的消耗，增強用(yòng)戶對AI系統的信任度，并促進其在關鍵領域的應用(yòng)。例如在醫(yī)療健康領域，一個具(jù)有(yǒu)高可(kě)解釋性的AI診斷系統能(néng)夠讓醫(yī)生更容易理(lǐ)解其判斷依據，減少不必要的檢查和治療程序。

5.規模定律

基于海量參數和訓練數據的大規模預訓練模型能(néng)夠有(yǒu)效提高人機交互和推理(lǐ)能(néng)力，增強可(kě)完成任務(wù)的多(duō)樣性和豐富性。目前規模定律依然有(yǒu)效，不僅體(tǐ)現在語言模型上，也在圖像處理(lǐ)、語音識别等多(duō)個領域中(zhōng)得到了驗證。

6.全模态大模型

全模态大模型可(kě)處理(lǐ)和理(lǐ)解文(wén)本、圖片、音頻、數據表格等多(duō)種類型的數據輸入，并根據任務(wù)需求生成多(duō)種類型的輸出。例如引入通常用(yòng)于捕捉三維空間信息的3D點雲數據模态，對于機器人的導航和避障尤其重要。

7.人工(gōng)智能(néng)驅動的科(kē)學(xué)研究

使用(yòng)大模型、生成式技(jì )術等來提高科(kē)學(xué)研究中(zhōng)提出假說、試驗設計、數據分(fēn)析等階段的效率和準确性。科(kē)學(xué)家們可(kě)以利用(yòng)AI技(jì )術進行實時的試驗監測和調整，快速反饋試驗結果，動态優化試驗設計和假設。

8.具(jù)身小(xiǎo)腦模型

傳統大模型可(kě)以協助機器人處理(lǐ)決策、任務(wù)拆解和常識理(lǐ)解等慢通道反應任務(wù)，但不适合做強實時性和高穩定性的機器人規劃與控制快通道反應任務(wù)。具(jù)身智能(néng)（人工(gōng)智能(néng)在物(wù)理(lǐ)世界的進一步延伸，一般是指可(kě)以感知、理(lǐ)解物(wù)理(lǐ)世界并與其形成互動的智能(néng)系統）小(xiǎo)腦模型可(kě)以通過多(duō)模型投票等集成學(xué)習方法，結合機器人本體(tǐ)結構與環境特性選擇合理(lǐ)的模型控制算法，确保機器人在理(lǐ)解自身本體(tǐ)約束的前提下，完成高動态、高頻、魯棒的規劃控制動作(zuò)，使智能(néng)機器人更加滿足現實世界的精(jīng)細操作(zuò)與實時控制需求。

9.實體(tǐ)人工(gōng)智能(néng)系統

實體(tǐ)人工(gōng)智能(néng)系統是将具(jù)身智能(néng)賦能(néng)于物(wù)理(lǐ)世界中(zhōng)的實體(tǐ)對象，使傳統設備能(néng)夠突破其原有(yǒu)的功能(néng)限制，實現更高水平的智能(néng)化操作(zuò)。人形機器人是實體(tǐ)人工(gōng)智能(néng)系統的終極表現形态，它不僅具(jù)備多(duō)模态感知和理(lǐ)解能(néng)力，能(néng)夠與人類自然互動，還可(kě)以在複雜環境中(zhōng)自主決策和行動，并有(yǒu)望在未來應用(yòng)到更多(duō)複雜的工(gōng)作(zuò)場景中(zhōng)。

10.世界模拟器

世界模拟器能(néng)提供沉浸式的高仿真體(tǐ)驗，為(wèi)使用(yòng)者帶來更加豐富和多(duō)樣化的遊戲世界，可(kě)應用(yòng)于教育、娛樂等領域，還可(kě)以創造更多(duō)超級數字場景。在機器人領域，這種技(jì )術還可(kě)用(yòng)于構建大規模、标準化的多(duō)模态機器人行為(wèi)數據集，提高機器人本體(tǐ)設計、仿真訓練和算法遷移的能(néng)力。