随着人工智能 (AI) 变得越来越普遍并嵌入到改变生活的决策中，对透明度的需求也越来越强烈。近年来，人工智能助长偏见和歧视的案例屡见不鲜，使用面部识别进行治安只是一个例子。在未来几年内，很有可能从松散的自我监管转向政府参与人工智能。反过来，大型科技公司越来越多地使用人工智能来解决技术本身造成的隐私和偏见问题。
01
技术趋势
下面列出了全球数据公司确定的影响AI主题的关键技术趋势：
可解释人工智能(XAI)
人工智能越来越多地参与改变生活的决策，例如福利支付、抵押贷款批准和医疗诊断。因此，透明度和可解释性变得至关重要。围绕AI模型偏见的争议受到了很多关注，促使公司更新其内部AI开发指南以建立信任。仅扩展应用识别（XAI）不足以减轻数据中的偏见，因为它只会使公司能够识别潜在的歧视。企业将根据需要修正他们的模型，扩展应用识别和的人工智能已成为大多数与人工智能相关公司的首要任务，例如谷歌和国防巨头洛克希德马丁公司。
联邦学习
人工智能作为技术本身创造的隐私问题的解决方案可能听起来有悖常理，该方法由谷歌于2017年推出，旨在使用本地设备（如智能手机）上可用的丰富数据集，同时保护敏感数据。简而言之，设备从云端下载当前模型，通过从存储在其内存中的数据中学习来改进它，然后根据本地化数据更新模型。谷歌是最著名的使用联邦学习的应用程序，因此，在键盘应用程序会根据之前操作的数据建议单词或短语。在医疗保健行业，联合学习允许不同的组织在一个模型上进行协作，该模型将在不共享敏感数据的情况下改善患者护理。
面部识别
2020 年 6 月，亚马逊、美国国际商用机器公司（IBM）和微软都宣布他们将不再向执法部门或一般人出售面部识别(FR)工具。虽然亚马逊将执法部门使用面部识别的期限推迟了一年，但微软表示，在国家法律出台对该技术进行监管之前，它不会将面部识别出售给警察部门。反过来，美国国际商用机器公司宣布将不再提供通用面部识别或分析软件。乔治·弗洛伊德 (George Floyd) 被杀以及随后发生的反种族主义抗议活动后，审查力度加大，这促使大型科技公司与面部识别保持距离，但道德问题和偏见的例子多年来一直普遍存在。
机器自主学习 (AutoML)
机器自主学习旨在减少将自主学习（ML）应用于现实世界问题所需的人力投入和能量。它通过自动化自主学习模型开发的耗时、迭代方面来实现这一点，允许具有有限 ML 专业知识的开发人员和数据科学家使用自主学习模型和技术，同时它还减少了机器学习模型中的人为错误和偏见。欺诈检测、定价和销售管理是机器自主学习的常见应用领域。谷歌云、数据机器人（DataRobot） 和 H20.ai 是领先的机器自主学习软件解决方案的示例。
效率事半功倍
在 2019 年的一次采访中，谷歌人工智能负责人杰夫·迪恩说，我们希望构建可以泛化到新任务的系统，能够用更少的数据和更少的计算来做事情将是有趣和重要的。大多数人都同意，从更少的数据点中学习的监管和商业优势是显着的。情感识别初创公司Affecta的首席执行官兼联合创始人卡柳比表示，数据合成方法将允许公司获取已收集的数据并将其合成以创建新数据。例如，某人驾驶汽车的视频可用于创建新场景，例如司机转头或发短信边缘智能物联网（AIoT）
颠覆性主题之间的主要融合领域之一是人工智能和物联网。这种组合催生了物联网人工智能。将连接的传感器和执行器收集的数据与AI相结合，可以在边缘减少延迟、增加隐私和实时智能。苹果公司（Apple）于 2020 年 1 月收购了 Xnor.ai，该公司提供能够在低功耗设备上运行的支持AI的图像识别工具，以加强其在边缘的产品。
量子计算
量子计算开始走向成熟，谷歌、微软和美国国际商用机器公司处于领先地位，如果有量子计算机的支持，人工智能应用程序可以更快地工作。根据芝加哥大学量子信息教授大卫·奥沙洛姆博士的说法，量子计算机的使用可以加速许多强调机器学习的计算任务。它们将实现更快的计算，并允许开发资源效率更高的算法，同时允许人工智能处理更复杂的任务。美国国际商用机器公司自 2016 年以来一直为客户提供量子云计算服务，2019 年，微软（Azure Quantum）和亚马逊量子解决方案实验室都宣布客户有可能在多台量子计算机上测试他们的实验算法。
下一代芯片
芯片设计的重点已经从在1平方毫米的硅片上放置更多晶体管的竞赛转移到将微处理器构建为系统，该系统由多个组件组成，每个组件执行一项专门的任务。在接下来的几年里，计算机将越来越多地模仿人脑存储和处理信息的方式。这就是神经形态计算和神经形态芯片的用武之地。神经形态芯片非常适合处理大量数据并为使用神经网络的深度学习应用程序提供动力，同时比传统处理器消耗更少的能量。美国国际商用机器公司与特鲁诺斯（TrueNorth）合作，英特尔与罗希（Loihi）合作，目前在研发方面处于领先地位，但面临来自高通、惠普企业（HPE）和三星等知名企业以及 Graphcore 和寒武纪等资金雄厚的初创企业的竞争。
02
宏观经济趋势
美国仍然是人工智能技术发展的主导者，随着中国进行大量投资的同时，美国的结构优势甚至可能使其扩大领先地位。下面列出全球数据公司确定的影响人工智能主题的主要宏观经济趋势：
疫情影响
新冠肺炎和AI有着某种共生的关系。人工智能正在帮助抗击病毒，该技术在从感染的早期检测和诊断到接触者追踪、药物和疫苗的开发以及医护人员培训的方方面面都发挥着作用。例如，西奈山卫生系统与萨那实验室（Sana Labs）合作，支持护士使用人工智能的评估培训治疗新冠患者。亚马逊创建了远程助手，可以跟踪员工的活动，并在他们违反社交距离准则时向他们提供实时反馈。根据全球数据最近的一项调查，43% 的受访者表示，人工智能在帮助公司度过疫情发挥了重要作用，另有34%的受访者表示它只发挥了次要作用。随着对支持服务的需求急剧增加，对话平台变得比以往任何时候都更加重要。
中国对AI主导地位的追求
中国目标是到2030年成为人工智能领域的世界领先者，并正在大力投资以实现这一目标。该国拥有最雄心勃勃的人工智能战略，将大量数据与庞大的人才库、创新公司和大量资本相结合。百度、阿里巴巴和腾讯与国家密切合作开发和部署人工智能。此外，他们通过投资人工智能初创企业来帮助国家计划，而国家提供税收减免、政府合同和人工智能集群办公室。因此，寒武纪、地平线、旷视、商汤等公司纷纷涌现出世界一流的人工智能芯片和软件运营商。科技智库数据创新中心在2019年的一份报告中得出结论，中国目前采用、数据以及研究和专利申请数量方面领先世界。
中美贸易战
美国越来越关注中国在人工智能方面的进步，将《中国制造 2025》计划中的政策视为安全问题。2019年10月，美国将包括面部识别专家旷视科技和商汤科技在内的 28 家中国公司列入贸易黑名单，禁止它们在未经政府批准的情况下从美国公司购买技术。这种方法可能会适得其反。一些人认为，切断对美国芯片的获取只会加速中国开发替代品的努力。中国目前在芯片技术方面落后于美国和韩国十年，但到2025年可以满足其半导体需求的25%，高于2020年的20%。
人工智能人才
人工智能人才严重短缺，需求增长继续快于供应。根据全球数据的职位分析工具跟踪的职位空缺，最需要的员工类型是数据科学家、软件工程师、技术主管和分析师、人工智能架构师和产品经理。缺乏熟练的人才经常被认为是执行人工智能计划的主要障碍。大多数公司都与大学或直接从大学毕业的目标学生合作，以满足他们的人工智能需求，并专注于发展内部专业知识。例如，脸书（Facebook）和微软都为员工和公众提供免费的AI培训平台。此外，随着人们使用自学选项（例如 Coursera和Udacity公司提供的选项），自学的人工智能专家的数量激增。
03
监管趋势
人工智能 (AI) 的潜在积极经济影响已得到充分证明，多项备受瞩目的研究强调了其对劳动力生产力和财富创造等领域的影响。与此同时，人工智能技术的广泛采用促进了对人工智能潜在有害影响的更多审查和更敏锐的关注。下面列出了全球数据确定的影响AI的主要监管趋势：
监管分歧
2020年，美国和欧洲已经采取措施对人工智能进行监管，但方式上存在显着差异。欧洲似乎更看好监管的好处，而美国则警告过度监管的危险。中国继续遵循政府优先的方针，尽管它确实在 2019 年年中发布了一份人工智能指南清单，这些指南类似于西方政府和公司制定的道德框架。中国因使用人工智能技术监控公民而受到广泛批评。2020年5月，腾讯推出了基于人工智能的信用评分系统来确定人们的“信任”价值，中国政府在马路上安装监控摄像头，以监控疫情爆发后实施的隔离。无论是美国以科技行业为主导的努力、中国政府以人为本至上的方法，还是欧洲的隐私和监管驱动的方法，都是最好的前进方向还有待观察。
欧盟委员会 (EC) 人工智能白皮书
2020 年 2 月，欧盟委员会发布了其关于人工智能监管框架的初步提案，并与利益相关者展开了辩论。该论文被认为是对人工智能进行监管的第一次泛国家尝试。它收到了不同的反应，一些人称这是一个好的第一步，而另一些人则抨击它的模糊性和缺乏远见。谷歌和微软都支持欧盟委员会相称的、基于风险的方法、构建人工智能创新框架的目标，以及帮助企业发展必要人工智能技能的必要性。更彻底地解决社会不平等问题、区分伤害类型以及为人工智能的积极使用留出空间，都被强调为需要改进的领域。
美国在人工智能领域的领导地位
2019 年，白宫发布了一项题为“加速美国在人工智能领域的领导地位”的行政命令，美国监管机构与人工智能的接触开始于 2019 年。一份关于联邦机构对人工智能监管方法的备忘录于 2020 年初发布。在人工智能方面，美国政府传统上采取不干涉的方法，鼓励自我监管。政府的立场是对人工智能发展和创新的最小监管和最大鼓励之一。监管机构被告知，他们应该“避免不必要地阻碍人工智能创新和增长的监管或非监管行动。”
注：本文根据英国研究咨询机构全球数据《人工智能专题研究报告》进行编辑摘录。不代表蓝海长青智库观点。