多模态AI将迎来更广阔的发展空间

一、合成数据，保护隐私

目前，由于 AI 技术呈指数级发展，变得更加先进，但其局限性仍然存在。例如，某些行业缺乏足够的真实数据来训练 AI 模型，又或者合规隐私成为一些行业技术发展的痛点。企业纷纷开始部署 Synthetic data （合成数据），即由计算机人工生成的数据，可用于替代自现实世界中采集的真实数据集。

现阶段，基于 GANs 的图像合成技术和视频合成技术发展迅猛，但高效且可行的表格数据合成技术仍处于初级阶段。整体来看，数据匿名化、隐私合规和纠正算法偏见等优势使得合成数据技术成为吸引各行业公司的关键要素。

二、芯片追逐战

随着 AI 技术不断进步，加速在各行业落地应用。无论是云数据中心还是像照相机这样的智能边缘设备，适用于计算密集型的专业硬件需求激增。

由于空间和能源的限制，大型芯片并不适用于许多日常的 AI 应用场景。考虑到这一点，越来越多的公司开始研发可以用于汽车传感器、照相机、自动化工厂机器人等低功耗设备的 AI 芯片。

三、AI 赋能内容审核

在美国，玩电子游戏的人数达到了史上前所未有的最高水平。76% 的 18 岁以下的青少年沉迷于电子游戏，这让家长们担心孩子们极有可能接触到不合时宜或者充满仇恨的信息。

随着元宇宙的火热以及网络游戏生态系统的迅速发展，有害信息已经从社交媒体蔓延到新的阵地，即网络游戏和虚拟世界。

网络游戏环境恶劣，充斥着各种仇恨言论、网络霸凌以及故意退出。反诽谤联盟的一项研究发现，在比较受欢迎的多人游戏中，高达 80% 的玩家都曾受到骚扰。

一些初创公司正着眼于利用 AI 技术进行内容审核。Spectrum Labs 称，其 NLP 平台可以将音频和文本的内容审核工作减少 50% ，有害信息检测能力提高 10 倍。

利用 AI 技术实现完美的内容审核是不可能的。在线用户能够不断适应审查规则，逃避平台的审查。但是，在 NLP 和基于深度学习的图像分类等关键领域取得的突破，以及以内容审查为业务方向的 AI 初创企业获得多轮融资，在一定程度上表明了 AI 审核将成为未来的方向之一。

四、Deepfakes 检测

Deepfakes（深度伪造）不仅能创造出极其逼真的图像，还能生成“假”声音和视频。

利用 AI 学习算法，Deepfakes 的技术愈发精进，效果十分逼真。网络上公开发布的视频和录音数量之多，容易获取，这使得训练 AI 算法和 Deepfakes 容易许多。研究人员表示，对于人们来说，区分 AI 伪造的人像、物体和视频与真实情况十分困难。

Deepfakes 衍生出的假新闻和假消息是一个大问题。对于消费者来说。Deepfakes 还有可能成为网络钓鱼和勒索诈骗的工具。

为了应对日益增长的网络安全威胁，一些科技公司开始尝试各种解决方案，包括设备端认证软件和 API、区块链等。去年，Meta 的研究人员声称他们不仅可以确定图像是否是伪造的，还可以剖析用于深度伪造的 AI 模型。但是 Deepfakes 技术还将持续演进、无处不在，人们需要寻找新的方法将其摧毁。

五、低代码/零代码开发

算法能将自然语言命令翻译成计算机代码，特别是对公民开发者来说，这意味着软件开发新一股的浪潮。

目前自动编程仍处于初级阶段。但该领域技术进步促使一些初创公司不断拓展零代码/低代码解决方案，让非技术用户能够参与数据科学项目，缩小技能差距，并加快生产周期。

六、多模态 AI 崛起

多模态 AI 正在打破单一感官的藩篱，使用一个通用 AI 模型科技将多种类型的数据所蕴含的语义信息概念化并作出预测。

多模态 AI 正在从实验室走到实际应用。例如，谷歌正在使用多模态 AI 来改进搜索体验。未来，如果用户上传了一张登山靴的照片，并附上“我能穿着这双靴子去富士山徒步旅行吗？”的文字，搜索引擎将识别上传的图像，从文本、图像和视频数据中挖掘网络上关于富士山的信息，并将这些琐碎的信息连接起来，提供一个贴切的答案。

七、AI for AI

随着 AI 技术应用延展，企业正在寻求彻底改变现有的数据管理模式的解决方案，转向“AI 优先”策略。说起来容易做起来难。从采集数据、运行数据质量检查到开发模型和监测后期生产表现，一个项目从原始数据转变为生产准备是一个多步骤的过程。

端到端的机器学习公司将 AI 生命周期管理过程中的多步骤融合成一个 SaaS 产品，这将为那些希望快速高效构建 AI 系统的企业提供绝佳选择。

无代码和低代码趋势也扩展至机器学习平台，以弥合 AI 技能差距，plug-and-play（即插即用）的功能激励非专家人员参与到 AI 项目中。为此，2021 年，全球第二高估值 AI 独角兽公司 Databricks 收购了低程序代码工具供应商 8080 Labs。

随着大多数老牌厂商开始布局 Auto ML（自动机器学习）功能，“AI for AI”也成为增长的领域。企业开始使用 AI 技术将 AI 开发过程的各环节自动化，如数据质量检查或部分模型开发环节。

持续分化，未来已来，“AI for AI”将迎来更广阔的发展空间。　　

      审核编辑：彭静