2021 人工智能状况剖析陈述

　　人工智能 ( AI ) 是一个多学科范畴的科学和工程，其方针是发明智能机器。近期，Nathan Benaich 和 Lan Hogarth 博士发布了《2021 人工智能状况陈述》。该陈述企图捕捉近期人工智能范畴的开展状况。毫无疑问，人工智能将成为咱们世界技能进步的力气倍增器，假如咱们要驾御如此巨大的转型，对该范畴更广泛的了解至关重要。咱们信赖，在这个日益数字化、数据驱动的世界里，人工智能将成为技能进步的力气倍增器。该陈述涵盖了人工智能研讨、人才、工业和政治等范畴，以下为对陈述的收拾剖析。

　　人工智能 ( AI ): 一个以发明智能机器为方针的广泛学科，而不是由人类和动物证明的天然智能。它现已成为一个包容一切的术语，尽管如此，咱们需求捉住该范畴的长时刻大志，即制作能够仿照并逾越人类认知规模的机器。

　　机器学习 ( ML ): 人工智能的一个子集，它常常运用计算技能，让机器能够从数据中 学习 ，而不需求明确地给出怎么这样做的指令。这个进程被称为运用学习 算法 对 模型 进行 练习 ，逐步进步模型在特定使命中的功能。

　　强化学习 ( RL ): ML 的一个范畴，用于描绘和处理智能体（agent）在与环境的交互进程中经过学习战略以到达报答最大化或完结特定方针的问题，强化学习不要求预先给定任何数据，而是经过接纳环境对动作的奖赏（反响）取得学习信息并更新模型参数。

　　深度学习 ( DL ): ML 的一个区域，企图仿照大脑神经元层的活动，学习怎么辨认数据中的杂乱形式。深度学习中的 深度 指的是今世 ML 模型中的很多神经元层，这些神经元层有助于学习丰厚的数据标明，以取得更好的功能增益。

　　Transformer 架构超出 NLP 的运用规模，正在成为机器学习的通用架构

　　Transformer 是 2017 年的一篇论文《Attention is All You Need》提出的一种模型架构，它开创性的思维，推翻了以往序列建模和 RNN 划等号的思路，现在被广泛运用于 NLP（天然语言处理）的各个范畴。现在大热的 GPT-3 也是依据 Transformer 模型，简直能够完结天然语言处理的绝大部分使命，例如面向问题的查找、阅览了解、语义揣度、机器翻译、文章生成和主动问答等等。而且，该模型在许多使命上 体现杰出，例如在法语 - 英语和德语 - 英语机器翻译使命上到达当时最佳水平，主动产生的文章简直让人无法区分出自人仍是机器。

　　Transformer 也测验在其他人工智能运用上，如音频和 3D 点云。Self-Attention 是语音辨识到达 SOTA 的模型根本组成部分，来自牛津大学、和英特尔实验室的团队为点云规划了名为 Point Transformer 的 self-Attention 网络 , 在物体分类、物体部分切割和语义场景切割等不同使命上都显着优于之前的作业。

　　图（Graph）数据包含着非常丰厚的要害性信息。从文本、图画这些非结构化数据中进行推理学习，例如语句的依靠树、图画的场景图等，都需求图推理模型。图网络（Graph neural networks）是一种链接主义模型，它靠图中节点之间的信息传递来捕捉图中的依靠联系。近年来，图神经网络在很多范畴取得了严重的成功。

　　物理体系动力学建模一般需求将杂乱的接连空间细分为更简略的离散单元，这个进程称为网格生成。依据网格的模仿旨在猜测网格怎么依据外部要素随时刻改动。例如 : 布料在风的效果下怎么移动。网格能够天然地标明为图，其间相邻的单元被衔接，每个单元有若干节点和边，由网格挑选决议。DeepMind 的研讨人员运用 GNN（图神经网络）来学习网格动力学，并在仿真域的不同区域调整分辨率以满意要求的精度。他们的研讨标明，该办法比依据粒子和网格的基线更快，而且能够推行到比那些更杂乱的动力学。

　　AlphaFold 2，是 DeepMind 公司的一个人工智能程序。该人工智能程序在蛋白质结构猜测大赛 CASP 14 中，对大部分蛋白质结构的猜测与实在结构只差一个原子的宽度，到达了人类运用冷冻电子显微镜等杂乱仪器查询猜测的水平，这是蛋白质结构猜测前所未有的巨大进步。

　　DeepMind 公开了 AlphaFold 2 的源代码，免费开源有关数据集，供全世界科研人员运用。被开释的海量蛋白质结构信息蕴含着生命信息的暗码，将有力推进生命科学的开展，大大加快针对癌症、病毒的抗生素、靶向药物和新功率的蛋白酶的研制。

　　82 家活泼的 AI 独角兽，算计企业价值 1.3 万亿美元，在人工智能独角兽的数量上，美国强于其他国家，我国、英国和以色列紧随其后。美国独角兽公司的总市值已逾越 8000 亿欧元。

　　美国的人工智能创业公司招引了最多的资金，但欧盟和英国添加敏捷。美国占全球人工智能出资的 2 / 3，欧盟和英国有望在 2021 年将其份额翻一番。

　　跟着人工智能草创公司在全球规模内的老练，百万轮出资现已成为遍及现象；其间，企业运用软件是 2010-2021 年全球出资最多的类别，数据丰厚的医疗健康和金融科技范畴也是适当受欢迎的出资类别。

　　英国以人工智能为先导的药物研制公司 Exscientia 推出了世界上第一批 3 种人工智能规划的药物，并进入了第一阶段人体测验；该公司于 2021 年 10 月 1 日在纳斯达克上市，估值为 30 亿美元。在进步癌症患者的生存率上，人工智能显微镜被用于丈量活癌细胞对 140 种临床同意的第三方抗癌药物在单个细胞水平上的反响，运用计算机视觉辨认出最有用的药物。

　　总部坐落犹他州的递归制药公司 ( Recursion Pharmaceuticals ) 是一家以人工智能为根底的公司，运用高通量挑选和计算机视觉驱动显微镜来发现药物。该公司于 2021 年 4 月在纳斯达克 ( NASDAQ ) 上市，融资 4.36 亿美元。经过对化合物和疾病细胞类型组合的生物查找空间进行针对性探究，构建疾病生物学 地图 。

　　实时计算机视觉维护职工免受工伤：Intenseye 的计算机视觉模型经过培训，能够检测逾越 35 种职工健康与安全 ( EHS ) 事情，而人类 EHS 检查员不或许实时看到这些事情。该体系已在 15 个国家和 30 个城市运转，在 18 个月的时刻里现已发现了逾越 180 万个不安全行为。Intenseye 创立了一个协作作业流，将人工智能、作业场所剖析和行为改动衔接起来，然后削减损伤，下降保险费，并全面进步公司生产力。

　　运用猜测模型进步农场的可继续性和碳功率：奶牛饲养者监测他们的家畜的健康问题和牛犊的开端。经过运用深度学习剖析佩戴在脖子上的传感器的加快度计数据，能够在人类查询前 2-3 天猜测健康问题。它们还能够猜测产犊的开端时刻，这将使怀孕母牛承受抗生素医治的天数削减 50%。AI 体系能够猜测未来 200 天的产奶量，差错小于 1%，这一起也能够削减二氧化碳排放量。

　　以色列在加沙突击中运用人工智能制导无人机群，以色列国防军运用由单一操作员操控的无人机群，运用不知道技能描绘的人工智能办法进行和谐；以色列军事情报部门宣告加沙战役为世界上 第一次人工智能战役 ，宣称 人工智能初次成为对立敌人战役中的要害要素和力气倍增器 。

　　美国空军在一架 U-2 侦查机上驾驭了一名人工智能副驾驭员，U-2 给了该体系（ARTU μ）彻底的雷达操控，一起 封闭 其他子体系的拜访，答应操作人员挑选 AI 不会做什么，以承受它将要做的操作危险。

　　美国空军研讨实验室测验自主的 Skyborg 天空堡前锋 方案旨在将 全使命自主与低成本、高品质的无人体系 整合在一起，使无人驾驭团队成为或许。替代人类飞行员，Skyborg 为载人飞机供给态势感知和战斗使命中的生存才能。

　　现在，美国在人工智能上以愈加和谐和急迫的方法参加比赛，以希望取得决议性的优势 ; 其次，军事范畴人工智能的出资——将与其他范畴人工智能的添加构成共生联系。

　　机器学习 ( ML ) 在生产中由以模型为中心转向以数据为中心：跟着 ML 模型的才能和可用性的添加，模型改善的收益现已变得微乎其微。在这种布景下，ML 社区越来越意识到更好的数据实践的重要性，更遍及更好的 MLOps（机器学习模型运营），以树立牢靠的 ML 产品。

　　跟着越来越多的模型布置到生产中，继续的数据管理对坚持模型功能的要害变得越来越显着。跟着 ML 体系满意更多用户的需求，数据搜集和符号程序有必要改变散布的改动。

　　研讨界正在建议多项建议，以进步人们对以数据为中心的人工智能的知道。安排一场以数据为中心的人工智能比赛，参加者将得到一个固定的模型，并被要求修正数据，以到达或许的最佳体现。

　　欧盟于 2021 年 4 月提出了《人工智能法》 ( AI Act ) 提案。该提案旨在供给必要的法令确定性，以促进立异，一起保证顾客权力的维护。与 GDPR 相同，拟议中的法令也触及任何触及在欧盟放置或运用人工智能体系的个人或安排，乃至回击外国安排。但《人工智能法案》逾越了 GDPR，旨在直接监管人工智能体系的运用。被制止的人工智能做法回击歪曲人的行为的 潜意识技能 、针对、社会评分和实时长途生物辨认运用。高危险体系回击那些用作大型体系安全组件的体系，以及那些或许对根本权力产生影响的体系。它们回击公共根底设施、社会福利、医疗服务、交通体系等。低危险 AI 体系是指一切不属于上述类别的 AI 体系

　　欧盟《人工智能法》反映出欧盟活跃创立面向未来的全球数字管理新规矩的大志。尽管远景不知道，但欧盟的立法实践自身就具有活跃意义，对相关范畴世界规矩拟定有必定参考价值。

　　人工智能安全界说为 保证人工智能以不损伤人类的方法布置的尽力 ；来自康奈尔大学、牛津大学和宾夕法尼亚大学的一个团队查询了 524 名在尖端 ML 会议上发表文章的研讨人员，并就世界政治和科学安排的信赖、人工智能的军事运用等问题将他们的观念与一般大众的观念进行了比较。

　　承受查询的人工智能研讨人员中，68% 的人以为人工智能安全应该比今日愈加优先，这一份额高于 2016 年查询中发现的 49%。整体而言，他们不信赖政府的戎行。大多数人对立或激烈对立研制丧命的自主兵器 ( 73% )

　　在人工智能安全范畴，怎么保证日益强壮的人工智能体系具有与人类共同的方针；假如革命性的人工智能或许在未来 30 年产生，有多少人正在尽力保证它对人类有利呢 ?

　　Tims我国开店300家 Manner紧随其后 新式咖啡品牌融资热后再现开店潮

　　120W+4500mAh和67W+5160mAh你选谁？卢伟冰：这次给我们做对了

　　Jeff Dean亲身揭秘谷歌下一代AI架构：通用、稀少且高效，网友不买帐：毫无新意

　　EMNLP 2021奖项发布，剑桥刘方宇、哥大杨子小帆一作论文分获最佳长、短论文奖