新的一年正向我們招手。延續(xù)優(yōu)良的革命傳統(tǒng)，又到了發(fā)布最新一期AI專家預(yù)測報告的時候。各位受訪專家將結(jié)合自己的所感所知、實驗室發(fā)現(xiàn)以及企業(yè)動態(tài)為我們預(yù)測新一年中人工智能技術(shù)的發(fā)展方向。 

[[373186]]

閑言少敘，我們馬上進(jìn)入本期預(yù)測主題。 

Arash Rahnama博士,  Modzy公司應(yīng)用AI研究負(fù)責(zé)人： 

正如AI系統(tǒng)的進(jìn)步向前飛速發(fā)展一樣，敵對方欺騙AI模型以誘導(dǎo)其做出錯誤預(yù)測的能力也在不斷增強。深度神經(jīng)網(wǎng)絡(luò)極易受到其輸入素材（對抗AI）所施加的細(xì)微對抗因素的干擾，而且人眼幾乎無法感知到素材中的異常。這類攻擊無疑給AI模型在關(guān)鍵任務(wù)環(huán)境中的成功部署構(gòu)成了巨大風(fēng)險。按照目前的發(fā)展速度，除非組織立即在AI安全工作中建立起主動對抗防御體系，否則2021年很有可能成為重大AI安全事件頻發(fā)的元年。 

2021年也將成為可解釋性全面實現(xiàn)的一年。隨著組織不斷集成AI方案，可解釋性將成為機器學(xué)習(xí)管道中建立用戶信任的核心前提。只有切實理解機器學(xué)習(xí)根據(jù)真實數(shù)據(jù)做出判斷的依據(jù)，才能在人與模型之間建立起可靠的信任關(guān)系。反之，我們將無法對基于AI的決策產(chǎn)生信心。總而言之，可解釋性對于AI應(yīng)用邁入下一階段將起到至關(guān)重要的作用。 

可解釋性與之前提到的對抗性攻擊訓(xùn)練方法相結(jié)合，同樣會在人工智能領(lǐng)域掀起一場新的革命?？山忉屝詫椭覀兞私饽男?shù)據(jù)影響到模型預(yù)測，特別是偏差的產(chǎn)生原因——而這些信息將可被用于訓(xùn)練出穩(wěn)定性更強、可靠性更高、足以抵御攻擊影響的健壯模型。這種關(guān)于模型運作原理的戰(zhàn)術(shù)性知識，將幫助我們在整體上提升模型質(zhì)量并保障模型安全。AI科學(xué)家們將重新定義模型性能，其中涵蓋的不再只有預(yù)測準(zhǔn)確性，同時也包含對不確定性環(huán)境變化的判斷偏差、穩(wěn)健性以及通用能力等指標(biāo)。 

Kim Duffy博士,  Vicon公司生命科學(xué)產(chǎn)品經(jīng)理 

僅著眼于未來一年，我們是很難對人工智能（AI）與機器學(xué)習(xí)（ML）的發(fā)展態(tài)勢做出準(zhǔn)確預(yù)測。例如，在臨床步態(tài)分析當(dāng)中，研究人員著眼于患者的下肢運動以識別導(dǎo)致街及跑步障礙問題的根本原因。在這方面，AI與ML等技術(shù)的應(yīng)用尚處于起步階段。Vicon公司在我們最近的《對人類運動的深入了解》報告中強調(diào)了這一點，并提到要真正利用這些方法在臨床步態(tài)研究領(lǐng)域有所進(jìn)步，至少還需要數(shù)年時間。有效的AI與ML方法需要輔以大量數(shù)據(jù)，才能配合適當(dāng)?shù)乃惴ㄓ行в?xùn)練出模型的趨勢與模式識別能力。 

2021年，我們可能會看到更多臨床醫(yī)師以及生物力學(xué)研究人員在數(shù)據(jù)分析層面采用AI與ML方法。過去幾年以來，我們已經(jīng)看到步態(tài)研究領(lǐng)域出現(xiàn)了越來越多的AI與ML學(xué)術(shù)文獻(xiàn)。相信這股勢頭將在2021年得到延續(xù)，臨床與研究小組之間將開展更多合作，借此開發(fā)出有助于自動解釋步態(tài)數(shù)據(jù)的機器學(xué)習(xí)算法。最終，這些算法有望加快在臨床層面提出干預(yù)措施的速度。 

需要再次強調(diào)，機器學(xué)習(xí)的實際成果與收益不大可能在這么短的時間內(nèi)得以顯現(xiàn)。但在處理步態(tài)數(shù)據(jù)時，我們?nèi)詴絹碓蕉嗟乜紤]并采用這些方法。例如，步態(tài)與姿態(tài)研究協(xié)會主席在最近探討量化運動分析的臨床影響時就表示，有必要在大數(shù)據(jù)基礎(chǔ)之上使用機器學(xué)習(xí)等方法，借此提升量化步態(tài)分析的研究效率，進(jìn)而為臨床決策提供更全面的解讀思路并減少主觀性因素。步態(tài)與臨床運動分析學(xué)會也對AI/ML這一新興技術(shù)組合大加贊賞，這同樣會鼓勵更多臨床研究團體將二者納入研究范疇。 

Joe Petro, Nuance Communications公司CTO 

2021年，AI技術(shù)將逐步退出炒作周期，未來AI解決方案的承諾、主張與發(fā)展愿景將更多體現(xiàn)在可證明的進(jìn)步以及可量化的產(chǎn)出當(dāng)中。結(jié)果就是，將有更多組織將更多精力投入到解決特定問題之上，并切實構(gòu)建解決方案以提供可轉(zhuǎn)化為實際投資回報的成果，而不再停留在PPT演示或者為了研發(fā)而研發(fā)的層面。在新一年中，誰能幫助客戶切實解決亟待處理的復(fù)雜性挑戰(zhàn)，誰就能在AI/ML領(lǐng)域保持競爭優(yōu)勢。這樣的客觀現(xiàn)實不僅會影響到科技企業(yè)的研發(fā)資金投入方向，也會影響到技術(shù)從業(yè)者規(guī)劃學(xué)習(xí)路線及職業(yè)生涯的實際思路。 

隨著AI在技術(shù)領(lǐng)域的各個層面不斷滲透，人們也會越來越關(guān)注AI道德問題，并深刻理解AI產(chǎn)生意外偏見性結(jié)果時所暴露出的深刻內(nèi)涵。消費者將更加了解自己的數(shù)字足跡，了解自己的個人數(shù)據(jù)如何被交互系統(tǒng)、行業(yè)及品牌所使用。這意味著與AI供應(yīng)商合作的企業(yè)需要提高對客戶數(shù)據(jù)處理方式審查工作的關(guān)注力度，同時明確是否存在利用個人數(shù)據(jù)牟利的第三方行為。 

Max Versace博士, Neurala公司聯(lián)合創(chuàng)始人兼CEO 

新的一年，我們將能夠以成本更低廉、體型更小巧的硬件部署AI解決方案。2020年是充滿動蕩的一年，面對難以捉摸的經(jīng)濟前景，之前的資本密集型復(fù)雜解決方案必然會朝著輕量化（也許只體現(xiàn)在軟件層面）低成本解決方案轉(zhuǎn)移。這種方式將幫助制造商在短期之內(nèi)實現(xiàn)投資回報，且極大降低前期投入需求。這還將賦予企業(yè)更強大的供應(yīng)鏈與客戶需求波動性應(yīng)對能力——面對新冠疫情的深遠(yuǎn)影響，這種靈活性已經(jīng)成為全球范圍內(nèi)各個行業(yè)爭取生存的必要能力。 

人類也將把注意力轉(zhuǎn)向人工智能“為什么”會做出自己的判斷。在討論AI的可解釋性問題時，大家普遍比較關(guān)注偏見及其他道德問題。但隨著AI的發(fā)展，在結(jié)果變得更為精確、可靠的同時，人們也會更多質(zhì)疑AI做出判斷的依據(jù)。我們不可能完全相信自己無法理解的自動系統(tǒng)。以制造場景為例，AI不僅需要準(zhǔn)確判斷產(chǎn)品屬于“良品”或者“次品”，還要拿出令人信服的理由。只有這樣，人類操作員才會對此類系統(tǒng)建立起信心與信任感，最大程度與其建立合作。 

新的一年，新的預(yù)測。一切展望的答案，都將在來年揭曉；準(zhǔn)確與否，讓我們拭目以待。