Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

机器之心编辑部发布

2022年,哪些科技趋势将持续改变世界?这里有一份来自百度研究院的预测

在接下来的 2022 年,超大规模预训练模型呈现怎样的演变趋势?将如何变得更加实用化?AI 技术又将为哪些交叉领域带来更多惊喜?在哪些领域凸显落地价值?这些,都将在这份报告中找到一些答案。

弹指之间,2021 年已经远去。这一年,新冠疫情全球经济和社会生活带来诸多挑战,同时,科学技术的力量得以持续显现。技术进步与产业发展的速度进一步加快,数字技术、智能技术为人们的生活带来了更多的想象空间。

站在 2022 年的起点展望前方,又有哪些科技趋势值得我们重点关注?近日,百度研究院正式发布 2022 年科技趋势预测,涵盖 AI 核心技术、交叉学科与跨领域研究、产业及社会价值等在内的十大方向。在高速变化、充满未知的科技世界中,探寻更加确定性的价值与方向。

一直以来,百度研究院持续聚焦人工智能前瞻基础研究、探索技术前沿方向,研究领域几乎囊括从底层基础到感知、认知技术的 AI 全领域范畴。得益于多年来在 AI 领域的持续深耕,百度研究院的科技趋势报告具备极强的 “AI 属性” ,也更加关注 AI 领域的落地价值,为每一位处于这个快速变化时代中的参与者指点迷津。

过去的 2021 年,百度一直走在技术探索和应用落地的前沿。联合鹏城实验室发布了全球首个知识增强千亿大模型鹏城 - 百度 · 文心;推出业界首个 mRNA 疫苗序列设计算法 LinearDesign,能在十分钟内找出稳定的疫苗序列;同时,以深度学习框架为核心的开源平台飞桨持续降低 AI 技术的开发门槛,普惠 AI 不再只关乎广大的 AI 从业者,也关乎更广泛的 AI 技术受益者。

在接下来的 2022 年,超大规模预训练模型呈现怎样的演变趋势?将如何变得更加实用化?AI 技术又将为哪些交叉领域带来更多惊喜?在哪些领域凸显落地价值?这些,都将在这份报告中找到一些答案。


序言

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”。

当下,我们肩负的使命更倾向于后者。面对已经到来的 2022 年,新冠疫情持续带来影响、全球经济迎来诸多挑战,科技成为引领创新和发展的重要力量。综合技术发展态势与产业价值创造,核心技术快速演进、跨领域联结力增强、产业底座愈发坚实的人工智能,正是这样的科技力量。

首先,AI 核心技术持续突破演进,融合创新愈加显著。以预训练大模型为例,知识增强、跨模态、跨语言等技术路径激活了大模型的想象空间,甚至燃起了通用人工智能的希望。

其次,在交叉学科与跨领域研究中,AI 构成了科学研究与技术发展的通用变量。在量子、生物、化学等领域,“+AI”成为最令人激动的研究方向之一。

第三,在价值创造方面,AI 正在推动自动驾驶、机器人、航空航天、生命健康等领域的发展,并在达成“双碳”、科技普惠等目标方面发挥重要作用。

今天,百度研究院与大家分享 2022 年科技趋势预测,希望在不确定的时代中,以 AI 为灯,照亮创新之路;以 AI 为桨,划起发展之舟。

  ——百度 CTO、百度研究院院长   王海峰


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。

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。

产业趋势预测百度研究院
1
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

运动规划技术

运动规划(也被称为导航问题或钢琴搬运工的问题)是机器人的一个术语,用于将期望的运动任务分解成离散的运动,以满足运动的限制,并可能优化运动的某些方面。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

参数技术

在数学和统计学裡,参数(英语:parameter)是使用通用变量来建立函数和变量之间关系(当这种关系很难用方程来阐述时)的一个数量。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

百度网讯机构

北京百度网讯科技有限公司是百度旗下公司,拥有网页搜索、hao123、百度推广等多条业务线,致力于为用户提供“简单可依赖”的互联网搜索产品及服务。

http://www.baidu.com
数字孪生技术

数字孪生(*Digital twin*)指可用于各种目的物理资产(物理孪生,physical twin)、过程、人员、场所、系统和设备的数字副本。

通用人工智能技术

通用人工智能(AGI)是具有一般人类智慧,可以执行人类能够执行的任何智力任务的机器智能。通用人工智能是一些人工智能研究的主要目标,也是科幻小说和未来研究中的共同话题。一些研究人员将通用人工智能称为强AI(strong AI)或者完全AI(full AI),或称机器具有执行通用智能行为(general intelligent action)的能力。与弱AI(weak AI)相比,强AI可以尝试执行全方位的人类认知能力。

量子计算技术

量子计算结合了过去半个世纪以来两个最大的技术变革:信息技术和量子力学。如果我们使用量子力学的规则替换二进制逻辑来计算,某些难以攻克的计算任务将得到解决。追求通用量子计算机的一个重要目标是确定当前经典计算机无法承载的最小复杂度的计算任务。该交叉点被称为「量子霸权」边界,是在通向更强大和有用的计算技术的关键一步。

人机共生技术

人机共生是人类和电子计算机之间合作互动的一个预期发展。这将涉及人类和电子设备之间非常密切的耦合。主要目的是1)让计算机促进公式化思维,因为它们现在促进了公式化问题的解决;2)让人类和计算机能够合作做出决策和控制复杂的情况,而不依赖于预先确定的程序。在预期的共生伙伴关系中,人类将设定目标,制定假设,确定标准,并进行评估。计算机将会做一些常规的工作,为人类在技术和科学思考方面的见解和决策做好准备。初步分析表明,共生伙伴关系将比单独的人能更有效地进行智力活动。实现有效合作关系的先决条件包括计算机分时、内存组件、内存组织、编程语言以及输入和输出设备的发展。

自监督学习技术

一个例子中的内容特别多,而用一个例子做一个任务,就等于把其他的内容浪费了,因此我们需要从一个样本中找出多个任务。比如说遮挡图片的一个特定部分,用没遮挡部分来猜遮挡的部分是一个任务。那么通过遮挡不同的部分,就可以用一个样本完成不同任务。Yann Lecun描述的这个方法被业界称作「自监督学习」

推荐文章
暂无评论
暂无评论~