来源：福布斯

1

语言AI将成为核心，与其他类别的AI相比，更多的初创公司将在NLP（自然语言处理）领域获得资金。

语言是人类最重要的发明。与其他属性相比，它是人类智力的决定性标志。

语言遍及各行业商业活动的方方面面。因此，准确地使语言自动化的能力为价值创造开拓了无穷机会。

在过去几年中，NLP被一项称为“转换器”的新基础技术所颠覆和加速，这项技术由谷歌研究人员在2017年的一篇论文中首次提出，而这个强大的技术才刚刚成熟到足以大规模生产和商业化的程度。语言AI以及商业领域的一场革命即将到来。

风险投资家将在2022年向NLP初创公司投入创纪录的资金。领先的NLP初创公司Hugging Face（最新估值为4.4亿美元）和Cohere（最新估值为2亿美元）明年都将成为独角兽。

在未来的几个月，甚至几年里，企业家们将在经济发展中识别出大量基于语言的活动，并通过AI对其展开优化、自动化和转型，而NLP初创公司的新发明将出现寒武纪般的大爆发。

 

2  

Databricks、DataRobot和 Scale AI即将上市。

这三家公司属于现代人工智能经济的首批大赢家。每家公司都提供了相关工具和基础设施来帮助其他公司构建人工智能，这反映出了跨技术周期中的一个常见主题，即基础设施领先于应用程序。

这三家公司都拥有惊人的高收入增长率。在2021年，它们从参与Pre-IPO的投资机构那儿筹集了大量资金：Franklin Templeton投资了Databricks；Altimeter和Tiger Global投资DataRobot；Dragoneer、Greenoaks和Tiger Global则投资了Scale AI。

公司通常会聘请曝光率高的首席财务官为即将到来的IPO做准备。今年4月，DataRobot宣布聘请Damon Fletcher（前Tableau首席财务官）来担任本公司的首席财务官，而Databricks的现任首席财务官Dave Conte则担任过Splunk的首席财务官，并帮助Splunk于2012年上市。因此，如果大家看到Scale AI在2022年聘请一位曾为人熟知的首席财务官，也不必感到惊讶。  

 

3

至少三家气候AI初创企业有望成为独角兽。

气候技术已迅速成为初创企业最炙手可热的领域之一。前所未有的巨额风投资本在今年涌入这一行业。在气候与人工智能的交叉领域，初创企业的良机比比皆是。

近期，一部分气候人工智能初创企业凭借大笔融资名声骤震（尽管目前商业认可度有限）。到了明年，这些企业中的一部分将借着气候技术的东风，达到超10亿美元估值，其中最有潜力的独角兽候选者是为新出现的碳经济构建配套设置的公司（如企业碳会计，碳抵偿基础建设）。

潜在的独角兽有：Cervest，ClimateAi，Gro Intelligence，Kettle，KoBold Metals，NCX，Pachama，Patch， Persefoni，Watershed。

 

4    

功能强大的全新AI工具将为视频而生。

视频已成为了我们数字生活中的主要媒介。据思科（Cisco）预测，2022年，视频将占据超过八成的网络流量。日均有超过70亿个视频在YouTube上被观看，1亿个视频被上传至TikTok。从Netflix到亚马逊的Prime Video，再到Disney+、Hulu与HBO Max，网络流媒体服务的用户群与内容库持续膨胀。

然而，与图像文本等其他数据模式相比，目前对构建基于深度学习的视频化产品及功能的关注相对较少，而这代表着巨大的市场机遇。

2022年，针对视频的人工智能工具有望遍地开花，覆盖视频检索、剪辑、生成等领域，像Synthesia在本月早些时候的B轮5，000万美元融资，就是对未来（令人既兴奋又不安）的预示。

 

5    

拥有十万亿+参数的NLP模型将出现。

今天的自然语言处理（NLP）领域是由越来越大的基于转化器的模型的发展决定的。这场军备竞赛将在2022年继续进行（尽管DeepMind最近在较小模型的力量上做了耐人寻味的工作）。

2019年，OpenAI的GPT-2成为第一个拥有超过10亿个参数的模型（其15亿个参数在当时看起来大得令人难以置信）。2020年，GPT-3在人工智能界掀起了一场风暴；它拥有1750亿个参数，使之前的一切相形见绌。但GPT-3作为最大的人工智能模型的统治并没有持续多久。2021年，谷歌（1.6万亿个参数）和北京智源人工智能研究院（1.75万亿个参数）的模型打破了万亿参数的障碍。

预计这种大型语言模型规模的曲棍球式增长将在明年继续。2022年的最大模型很有可能来自OpenAI，并被命名为GPT-4。

 

6

中美在人工智能领域的合作和投资将几乎停止。

美国和中国之间的政治紧张局势正在加剧，这已不是什么秘密，像人工智能这样的尖端技术是冲突中一个特别有争议的触点。这种情况在2022年将变得更加糟糕--甚至更多。

就在过去几周，美国政府将人工智能初创公司SenseTime、无人机公司大疆和其他几个领先的中国人工智能组织列入了投资黑名单。这些都是中国最重要的人工智能公司之一。

美国外国投资委员会(CFIUS)正在采取越来越积极的行动，阻止中国组织投资或获得美国的人工智能技术。由埃里克-施密特担任主席的有影响力的国家人工智能安全委员会（NSCAI）进一步煽动了与中国进行人工智能军备竞赛的火焰，例如，鼓励美国政府将美国大学的人工智能研究与中国人隔绝。

这一切的结果是：随着2022年的发展，美国和中国的行为者--企业家、投资者、公司、商业领袖、学术研究人员--几乎不可能在人工智能倡议方面进行有意义的合作。

                         
                              7
多个大型云/数据平台将宣布新的合成数据计划。

获得正确的数据是当今构建人工智能产品的最重要和最具挑战性的部分。与收集和标记真实世界的数据集的现状相比，合成数据具有令人信服的优势。

Gartner预测，到2024年，合成数据将占到人工智能开发中使用的所有数据的60%。两个月前，Facebook收购了合成数据初创公司AI.Reverie，这是非常有潜力的一家初创公司。

明年，多个主要计算平台将推出新的合成数据工作，因为它们认识到这项技术对未来人工智能堆栈的重要性，并寻求吸引更多的建设者加入其生态系统。

可能的候选人：亚马逊网络服务、微软Azure、谷歌云平台、Unity Technologies、Scale AI

 

8

多伦多将成为硅谷和中国以外的世界上最重要人工智能中心。

毫不夸张地说，现代人工智能是在多伦多发源的，这要归功于像杰夫-辛顿这样的深度学习先驱者的工作。虽然它产生的发声比其他地区少，但多伦多仍然是世界上最重要的人工智能中心之一。

这里充斥着人工智能人才。根据世邦魏理仕最近的一份报告，多伦多-滑铁卢大都会区是整个北美第二大技术人才市场（仅次于湾区），而且是增长最快的第一大市场。辛顿在多伦多共同创立的向量研究所是世界上最大的人工智能研究机构之一。从谷歌到微软再到IBM，世界上最大的科技公司近年来都在这个城市建立了主要的存在。

从历史上看，多伦多一直享有一流的人工智能研究中心的声誉，但相对而言，其创业生态系统并不发达。这种情况正在迅速改变。Ada（聊天机器人平台）、Cohere（NLP）、Deep Genomics（用于药物发现的人工智能）和Waabi（自动驾驶汽车）只是多伦多人工智能初创公司的几个例子，它们在最近几个月里筹集了大量资金。

预计在未来一年，多伦多将出现更多世界级的人工智能初创企业。

 

9

“负责任的人工智能”将从一个模糊的、包罗万象的术语转变为一套可操作的企业实践。

人工智能技术的发展速度超过了我们负责任地、道德地和公平地部署它的能力。

在Timnit Gebru、Joy Buolamwini和Cathy O'Neill等研究人员的领导下，出现了一场倡导负责任地使用AI的运动。这种对更负责任的人工智能的推动涵盖了一系列广泛的问题，包括人工智能的偏见、数据来源、模型的可解释性和模型的可审计性。

虽然对这些问题的认识在不断提高，但这个话题仍然很抽象，以至于总的来说，人工智能从业者并没有将 "负责任的人工智能 "做法纳入他们的日常工作流程。

2022年将是这种情况开始改变的一年，因为负责任的人工智能实践和工具包已经产品化和操作化。这些产品将来自科技巨头（如微软、IBM）和较新的创业公司（如Parity、Fiddler Labs）。随着时间的推移，负责任的人工智能实践将从具有前瞻性的组织内的 "不错的努力 "转变为各行业的标准做法。

监管将提供一个重要的推动力：例如，请参阅欧盟拟议的人工智能法案和纽约市的新法律，其中规定对在招聘决策中使用人工智能的公司进行审计（这是第一个此类法律）。企业自我监管的努力也将在此方面取得进展。就在本月，包括沃尔玛、耐克、通用汽车和CVS在内的一批财富500强公司宣布成立数据与信任联盟，这是一个跨行业的联盟，其既定目标是 "检测和打击算法偏见"。

 

  10    

强化学习将成为一个越来越重要和有影响力的人工智能范式。

今天，人工智能的主流方法是监督学习，这需要收集大量的数据，对其进行标记，并将其输入人工智能模型，以便人工智能学习关于世界的有用模式。无监督学习是一种类似的方法，但不需要人类生成的标签，近年来也开始受到重视。

但在人工智能领域还有一种范式，它已经存在了几十年，但其巨大的现实世界潜力才开始变得清晰：强化学习。

在强化学习中，人工智能并没有在历史的真实世界数据上进行训练；它并没有像监督学习那样被给予 "答案钥匙 "并被告知要注意什么。相反，它被允许无限制地探索其环境，边走边了解世界，只在它寻求优化的特定目标的指导下进行。

强化学习为DeepMind的里程碑式的AlphaGo胜利提供了动力。越来越多的研究人员和初创公司在人工智能的前沿领域使用它来释放前所未有的人工智能能力，从推荐引擎到机器人到自动驾驶汽车等等。

强化学习可能提供了一条通往更复杂、更灵活的机器智能形式的道路。在几个月前发表的一篇具有挑衅性的论文中，DeepMind甚至认为强化学习本身可以把我们一直带到 "人工通用智能"。作为世界上最先进的人工智能研究机构，DeepMind值得关注。

文章转自：https://mp.weixin.qq.com/s/Gz-K69qLpCevuOh8j1xG8g

原文链接：https://www.forbes.com/sites/robtoews/2021/12/22/10-ai-predictions-for-2022/?sh=665fad1a482d

内容中包含的图片若涉及版权问题，请及时与我们联系删除