杨净 发自 凹非寺
量子位 报道 | 公众号 QbitAI
,科技圈哪些技术走向值得关注?
今天,达摩院发布了年度十大科技趋势,涵盖人工智能、芯片制造、隐私计算、机器人、云计算、星地计算等多个领域。
结果一出,引发业内大规模讨论,学界大牛也都纷纷下场,包括:
中国科学院院士、北京大学教授鄂维南;
浙江大学人工智能研究所所长吴飞;
南京大学计算机科学与技术系主任兼人工智能学院院长周志华;
清华大学计算机系副主任、北京智源人工智能研究院学术副院长唐杰。
……
所以到底什么样的内容,竟可以引发如此关注?快速概览如下:
学界大牛齐下场评论
最典型的两大议题,当属今年震惊学界的AI for Science,以及产业界竞逐的大模型,达摩院引起了一波大讨论,开头提及的学研大拿也基本围绕这两个话题。
首先是AI for Science。达摩院认为,人工智能将与科研深度结合,成为科学家继计算机之后的新生产工具。
过去一年里,AI+Science技术成果集中爆发,不少学界、业内人士已经看到了人工智能在传统科学领域的价值:
AlphaFold2成功预测98.5%的人类蛋白质结构;DeepMind用AI解决数学难题;预训练模型体系AliceMind,证明近400项定理。
中国科学院院士、北京大学教授鄂维南认为,AI for Science带来的不不仅仅是几个点上的突破,而是科研方法的全面改变。
我们正处于新科学革命起点。
浙江大学人工智能研究所所长吴飞肯定了AI会是科学家的工具这一想法。
不过他希望不要局限于此,科学家还需要形成计算思维来进行科学探索。
大家都在关注的大模型领域,也是今年达摩院科技走向预测的焦点之一。
过去一年,国内外开启了参数竞赛模式,谷歌、Open AI、智源、达摩院交出了自己的答卷。不久前,达摩院才发布了全球最大预训练模型、高达10万亿参数的M6。具体在大模型所带来的性能提升上,也已经属于是行业共识。
但新的一年,达摩院却给自己浇了一淌冷水。它认为,大模型的规模发展将进入冷静期。
此言一出,瞬间在业内引起不少热议与思考:大模型的意义究竟在哪?又该如何权衡能耗与性能?
达摩院预测,大小模型协同将是未来。
南京大学人工智能学院院长周志华认为,大模型未来会在一些事关国计民生的重大任务上发挥作用,而在其他一些场景下或许会通过类似集成学习的手段来利用小模型。
具体到大模型研究方向上,清华大学计算机系副主任唐杰认为,未来将围绕认知智能、高效应用等多个角度展开。
除此之外,还有更多议题也引发了讨论,接下来就带你一文看尽。
最瞩目三大突破
趋势一:人工智能成为科学家的新生产工具,催生科研新范式
近年来,AI也被证明能用来做规律发现,不仅在应用科学领域,也能在自然科学领域发挥作用。AI将成为科学家继计算机之后的新生产工具。
一是带来效率的显著提升,AI将伴随科研的全流程,从假设、实验到归纳总结;二是让更多人都参与到科学研究中来。
在各科研领域中的应用节奏也有所区别,在数字化程度高、数据积累好、问题已经被清晰定义的领域中将推进得更快,比如AlphaFold2,就运用生命科学积累的大量数据来预测蛋白质结构。
趋势二:大模型参数竞赛进入冷静期,大小模型在云边端协同进化
过去一年,大规模预训练模型取得了重要进展,为下游的AI模型提供很好的基础。然而参数数量的增加,所带来的性能提升与能耗提升不成比例,大模型的规模发展将进入冷静期。
大小模型协同将是未来的发展方向。大模型沉淀的知识与认知推理能力向小模型输出,小模型基于大模型的基础叠加在垂直场景的感知、认知、决策、执行能力,再将执行的结果反馈给大模型,让大模型的知识与能力持续进化,形成一套有机循环的智能系统。
未来3年内,在个别领域将以大模型为基础,对协同进化的智能系统进行试点探索。
趋势三:光电融合兼具光子和电子优势,突破摩尔定律限制
硅光芯片不同于电子芯片,它用光子代替电子进行信息传输,承载信息更多、传输距离更远。相较于量子芯片,它不需改变二进制的架构,能延续当前的计算机体系。
云计算与人工智能的大爆发,推动了硅光芯片的技术突破和快速迭代,商业化需求也由此高速增长。
硅光芯片目前核心挑战来自产业链和工艺水平,因此需要与成熟的电子芯片技术融合,运用电子芯片先进的制造工艺及模块化技术,结合光子和电子优势的硅光技术将是未来的主流形态。
硬科技深入传统产业
趋势四:人工智能助力大规模绿色能源消纳,实现多能互补的电力体系
绿色能源的大规模开发和利用已成为世界能源发展的主要方向。但传统电力系统,难以应对风电、光伏发电的波动性、随机性、反调峰等特性,缺乏高稳定的多能协调,复杂故障及时响应的应对能力。
以人工智能为主的新一代信息技术,将对能源系统整体的高效稳定运行提供技术保障和有力支撑,具体在功率预测、调度控制、自动化故障响应等方面带来了突破。
达摩院预测,在未来三年内,AI将帮助电力系统实现大规模绿能消纳,能源供给在时间和空间维度上能够互联互济,网源协调发展,弹性调度,实现电力系统的安全、高效、稳定运行。
趋势五:机器人将兼具柔性和类人感知,可自适应完成多种任务
机器人作为技术的集大成者,正朝向多认为、自适应、协同化的路线发展。
柔性机器人就是重要的突破代表,近年来结合AI技术增强环境感知能力,不再像传统机器人那样穷举各种可能性,拓展了机器人的应用场景。
正如,工业机器人正从大规模标准化的产线走向小规模非标的产线;服务机器人通过感知人的意图,更柔软地与人产生反应和交互。
接下来未来3年,柔性机器人将逐步替代传统工业机器人,成为产线上的主力设备。同时在服务机器人领域实现商业化,开启规模化应用。
趋势六:人工智能与精准医疗深度融合,助力诊疗精度和效率提升
传统医学方法在疾病的早筛、诊断、预后、治疗中存在局限性,体现在确诊准确率和诊疗效率、精度和效果等方面。
以AI为代表的新兴技术将逐渐渗透到临床诊疗的多病种全流程中去,比如肿瘤的全流程导航、慢病预测和确诊精度的提升。
目前,AI已被证明可与基因检测、靶向治疗、免疫治疗等新技术研究相结合,改变单纯依赖医生经验的诊断模式。
未来三年 ,以人为中心的AI医疗将作为高精度导航,渗透疾病预防、诊疗各个环节。其中,可解释性有望实现突破,推动AI与医生建立互信关系,进一步实现产业化。
未来互联的四种趋势
趋势七:破解数据保护和利用两难,隐私计算走向全域数据保护
在数字经济时代,数据成为核心生产要素。但数据确权、数据法规与意识、数据安全保障等因素,制约了跨组织间数据的共享与价值挖掘。
隐私计算就为跨组织数据共享提供了可行模式。它以多方安全计算、差分隐私、可信计算为代表技术,可保证在数据隐私不泄露的情况下实现计算分析。
未来3年,全域隐私计算技术将在性能和可解释性有新的突破,并开始出现数据信托公司,提供基于隐私计算的数据共享服务。
趋势八:卫星及地面一体化的通信与计算体系形成,促进空天地海的全面数字化
随着连接及数字化服务与应用的需求不断增加,单靠地面网络和计算已无法有效满足需求。星地计算,正在成为一种新兴的计算架构。
它集成卫星系统、空中网络、地面通信和云计算等技术,通过空、天、地、海泛在覆盖的网络连接,以应对偏远地区、航海航空的通信需求,并为各种极端场景带来新型应用的可能。
未来3年,低轨卫星数量会迎来爆发式增长,与高轨卫星共同组成卫星互联网;未来5年,卫星互联网与地面网络能无缝结合形成天地一体的泛在互联网,在各类数字化服务场景中发挥作用。
趋势九:云网端融合形成新计算体系,催生云上新物种
在网络连接技术高速发展的背景下,云计算已经从基础设施云化、架构云原生化,走向第三个阶段——云网端融合的新体系架构。
云作为体系中的“脑”,负责计算与数据处理;网是体系中的连接,光纤、5G、卫星互联网通过云融合,形成低延时、广覆盖的一张网;端,则是体系中的交互界面,专注于用户体验。
三者融合协同可更高效地促进诞生更多新型应用,比如高精度的工业仿真、实时工业质检、虚实融合空间等。
趋势十:XR眼镜会成为重要交互界面,带动下一代互联网发展
互联网的更新迭代,会对数字时代的产业格局产生巨大影响。下一代XR互联网将改变用户的信息感知和获取方式。
构筑XR互联网需要四大要素:硬件(如XR眼镜)、内容(如娱乐、购物、社交等)、人工智能(如空间感知、数字孪生)、基础设施(如5G、云计算等)
XR眼镜会成为XR互联网的第一入口,会向着体积更小、重量更轻、响应速度更快的方向发展,未来3年内会产生接近普通眼镜的XR眼镜,得到一定普及。
以上即是达摩院的趋势洞察,你最看好哪个方向?
感兴趣的旁友,可戳下方“阅读原文”获取《达摩院十大科技趋势》全文~