人工智能不会在短期内将人类置于废品堆上。但是，不要误会：人工智能正在取得长足的进步。

如《 2021年人工智能指数报告》所述，去年该领域的期刊出版物数量增长了34.5％。这比一年前的19.6％高出很多。

在2021年，我们正进入深度学习革命，该革命在二十一世纪推动了AI的发展。但是，“深度学习”是一个广义术语，到目前为止，大多数人已经非常熟悉。人工智能的重大进步在哪里？您应该在哪里看待未来的发展？这里是一些值得关注的技术。

变形金刚：不仅仅吸引眼球

“变形的机器人//汽车人发动了战斗//消灭了霸天虎的邪恶力量。” 等等，那是另外一回事！

实际上，“变形金刚”（一种AI模型）与上世纪鼎盛时期的特许经营权相去甚远，代表了该领域当今最有希望的进步之一，特别是在自然语言处理研究领域。

自从人工智能诞生甚至还没有被称为AI以来，语言理解就一直是AI的主要兴趣，它可以追溯到Alan Turing提出的机器智能测试。谷歌研究人员于2017年首次描述了Transformer模型，事实证明它比以前的语言模型要优越得多。原因之一是可以训练几乎不可思议的大型数据集。它们可用于机器翻译，文档摘要，回答问题，理解视频内容等等。虽然大型语言模型肯定会带来问题，但它们的成功不容否认。

变形金刚的问世导致了GPT-3（通用预训练变压器）的发展，该产品拥有1750亿个参数，接受了45 TB文本数据的训练，造价高达1200万美元。今年年初，谷歌通过推出具有约1.6万亿个参数的新语言模型而夺回了桂冠，使其成为GPT-3的9倍。变形金刚革命才刚刚开始。

生成对抗网络

冲突通常不会使世界变得更美好。但这肯定会使AI变得更好。

在过去的几年中，图像生成取得了长足的进步：指的是使用AI来制作看起来与真实世界中的真实图片没有区别的图片。图像生成可用于从提高搜索功能到帮助设计人员为主题创建变体到生成可在拍卖会上售出数百万美元的艺术品的所有内容。

那么，冲突在哪里发挥作用？图像生成的主要技术之一称为生成对抗网络（GAN）。此类机器学习框架使用战斗性强的拔河方法在“生成器”和“鉴别器”算法之间传递图像和反馈，从而导致增量改进，直到鉴别器无法辨别真假。GAN也已用于生成伪造的遗传密码，供研究人员使用。

神经符号AI

在2020年12月的出版物中，研究人员Artur d'Avila Garcez和Luis Lamb将神经符号AI描述为人工智能的“第三波”。严格来说，神经符号AI并不是全新的。这更像是将曾经在排行榜上排名靠前的两个世界上最伟大的摇滚明星聚在一起，以创建一个超群。

在这种情况下，超群由自学习神经网络和基于规则的符号AI组成“神经网络和象征性想法确实是非常完美的互补，”位于麻省剑桥的MIT-IBM Watson AI实验室主任David Cox先前对《数字趋势》表示。“因为神经网络为您提供了从现实世界的混乱状态变为世界的符号表示的答案，可以找到图像中的所有相关性。一旦有了符号表示，就可以在推理方面做一些非常神奇的事情。”

结果可以使我们的AI更好地执行此推理过程，并且可以解释得更好的AI可以很好地解释其做出决定的原因。希望这将成为未来几年AI研究的一个有希望的途径。

机器学习与分子合成相遇

与GPT-3一起，去年最重要的AI进步是DeepMind令人惊讶的AlphaFold，它将深度学习应用于了数十年的蛋白质折叠生物学挑战。解决该问题的方法将促进疾病的治愈，新药的发现，在细胞水平上对生命的更深入的了解等等。列表中的最后一个条目不是AI技术的特定示例，而是AI如何在一个领域发挥巨大作用的示例。

机器学习技术在分子合成等领域已证明对医疗保健和生物学领域具有革命性意义，因此机器学习可以帮助科学家确定应该评估哪些潜在药物，以及如何在实验室中最有效地合成它们。

我是黄太公，关注我，带你看更多精彩内容。

（图片来源于网络）