2024年展望：人工智能领域将呈现怎样的发展趋势？

  自2022年11月ChatGPT发布以来，2023年可以说是人工智能发展的一个转折点。过去一年，从充满活力的开源领域到复杂的多模态模型，无疑为人工智能的重大进步奠定了基础。

  那么，随着我们步入2024年，人工智能领域将会呈现怎样的发展趋势呢？

  第一，开源大模型扮演重要角色

  构建大模型和其他强大的生成式AI系统是一个昂贵的工程，需要大量的计算和数据。但是使用开源模型使开发人员能够在其他人的工作基础上进行构建，从而降低成本并扩大人工智能的使用范围。开源人工智能是公开可用的，通常是免费的，使企业和研究人员能够为现有代码作出贡献和构建。

  在线代码托管平台GitHub对员工规模超过1000人的美国企业展开全面调查，问卷调查了500名企业开发人员。结果显示，92%的开发人员已经在工作中和工作之余使用AI编码工具，而且70%的程序员认为引入这些工具明显改善了他们的工作效率。

  第二，Agentic AI应用范围不断扩大

  Agentic AI标志着从被动人工智能到主动人工智能的重大转变。Agentic AI具有自主性、主动性和独立行动的能力。与主要响应用户输入并遵循预定程序的传统人工智能系统不同，Agentic AI旨在了解其环境，设定目标并在没有直接人为干预的情况下采取行动实现这些目标。

  例如，在环境监测中，可以训练Agentic AI收集数据、分析模式并启动预防措施，以应对诸如森林火灾的早期迹象等危害。同样，金融Agentic AI可以使用实时响应不断变化的市场条件的自适应策略积极管理投资组合。

  斯坦福大学以人为中心的人工智能研究所研究员、计算机科学家Peter Norvig在一篇博客文章中写道：“2023年是能够与人工智能聊天的一年。2024年，我们将看到Agentic AI有能力为您完成任务。预订、计划旅行、连接其他服务。”

  第三，定制AI模型优势凸显

  ChatGPT等大模型吸引了探索生成式AI用户越来越多地关注。但对于商业用例来说，由于对能够满足利基需求的人工智能系统的需求不断增长，较小的、窄用途的模型可能会被证明具有最持久的力量。

  虽然从零开始创建新模型是可能的，但这是一个资源密集型的命题，对于许多企业来说是遥不可及的。为了构建定制的AI模型，大多数企业会修改现有的AI模型，例如，调整他们的架构或对特定领域的数据集进行微调。这比从头开始构建新模型或依赖对公有大模型的API调用要便宜得多。

  定制模型的关键优势在于它们能够迎合利基市场和用户需求。定制的AI模型可以用于几乎任何场景，从客户支持到供应链管理再到文档审查。这对于具有高度专业化术语和做法的部门尤其重要，例如医疗保健、金融和法律部门。

  相信随着人工智能开发人员的能力开始融合，企业将在未来一年探索更多样化的AI模型。

  此外，德勤(Deloitte)风险咨询主管兼全球技术部门负责人Gillian Crossan曾指出，鉴于这些隐私和安全方面的好处，未来几年更严格的人工智能监管可能会促使企业将精力集中在专有模式上。“这将鼓励企业更多地关注专有的、特定领域的私有模型，而不是关注这些大型语言模型，这些模型是用来自互联网的所有数据和随之而来的一切进行训练的。”Gillian Crossan说道。

  第四，人工智能和机器学习人才需求增大

  设计、训练和测试机器学习模型绝非易事，更不用说将其推向生产环境并在复杂的组织it环境中维护它了。因此，对人工智能和机器学习人才日益增长的需求预计将持续到2024年及以后，这也就不足为奇了。

  特别是，随着人工智能和机器学习技术在商业运营中的日益普及，企业对于能够弥补理论与实践之间鸿沟的专业人才的需求呈现出不断增长的趋势。这些专业人士不仅需要能够深入理解先进技术的内涵，更能将其与实际业务需求相结合，推动企业实现更高效、更智能的运营模式。

  在O'Reilly最近的一份报告中，受访者将人工智能编程、数据分析和统计、人工智能运营和机器学习列为其组织在生成式人工智能项目中最需要的三大技能。然而，这些类型的技能是供不应求的。

  2024年，很多企业都在寻找具备这些技能的人才，而不仅仅是大型科技公司。随着业务功能和人工智能计划越来越受欢迎，IT和数据几乎无处不在，构建内部人工智能和机器学习能力将成为数字化转型的下一个阶段。

  第五，影子人工智能风险与机遇并存

  随着不同工作职能的员工对生成式AI产生兴趣，企业面临着影子人工智能的问题，那就是在没有IT部门明确批准或监督的情况下，在企业内部使用人工智能。随着人工智能的普及，这一趋势越来越普遍，即使是非技术员工也能独立使用它。

  影子人工智能通常出现在员工需要快速解决问题或希望以比官方渠道允许的更快的速度探索新技术时。这在易于使用的人工智能聊天机器人中尤其常见，员工可以在浏览器中轻松使用，而无须经过IT审查和批准流程。

  从好的方面来看，探索使用这些新兴技术的方法显示出积极主动的创新精神。但它也有风险，因为最终用户往往缺乏有关安全、数据隐私和合规性的相关信息。例如，用户可能会将商业秘密输入面向公众的大模型，而没有意识到这样做会将敏感信息暴露给第三方。

  2024年，各企业将需要采取措施，通过在支持创新与保护隐私和安全之间取得平衡的治理框架来管理影子人工智能，这可能包括制定明确的可接受的人工智能使用政策和提供经批准的平台，以及鼓励IT和商业领袖之间的合作，以了解各个部门希望如何使用人工智能。

  第六，生成式AI迎来实质性检验

  随着企业从初期对生成式AI技术的热衷与探索逐渐过渡到实际应用和系统集成阶段，2024年或将迎来对其成效与挑战的实质性检验。

  随着早期的热情开始消退，企业正面临生成式AI的局限性，例如输出质量、安全和道德问题，以及与现有系统和工作流程的集成困难。在商业环境中实施和扩展人工智能的复杂性往往被低估，而确保数据质量、训练模型和维护生产中的人工智能系统等任务可能比最初预期的更具挑战性。

  实际上，构建一个生成式AI应用程序并将其投入到实际产品环境中并不是很容易。令人欣慰的是，这些成长的烦恼虽然在短期内令人不快，但从长远来看，可能会带来更健康、更温和的前景。要跨过这一阶段，就需要对人工智能设定现实的期望，并对人工智能能做什么和不能做什么有更细致的理解。人工智能项目应该清楚地与业务目标和实际用例联系在一起，并有一个明确的计划来衡量结果。

  第七，人工智能伦理和安全风险的关注度日益增加

  深度伪造技术(Deepfake)和复杂人工智能生成内容的快速增多，引发了公众对身份信息被盗用和其他类型的欺诈行为的警惕。人工智能还可以提高勒索软件和网络钓鱼攻击的效率，使它们更有说服力，适应性更强，更难被发现。

  尽管人们正在努力开发检测人工智能生成内容的技术，但这样做仍然具有挑战性。目前的人工智能水印技术相对容易规避，现有的人工智能检测软件容易出现误报。

  人工智能系统的日益普及也凸显了确保它们透明和公平的重要性。例如，通过仔细审查训练数据和算法以消除偏见。因此，在制定人工智能战略的过程中，道德规范和合规性的考量应当作为核心要素贯穿始终。

  写在最后：

  当前，人工智能已经成为推动社会进步和发展的重要驱动力。随着算法的不断优化、计算能力的提升以及数据资源的日益丰富，我们有理由相信，在2024年，人工智能技术将在更多领域发挥更加关键的作用，为我们的工作与生活带来更多便利和惊喜。