2021，還有3天就結(jié)束了。回顧過去一年，科技圈有什么BIG NEWS還印在你的腦海？元宇宙、AlphaFold2開源、IBM首發(fā)2nm工藝... 2021，AI從不缺重磅新聞。展望2022，科技領(lǐng)域?qū)心男┐筅厔荩?/span>

2021，還有3天就結(jié)束了。

回顧過去一年，科技圈有什么 BIG NEWS還印在你的腦海？

扎克伯格宣布將 Facebook改名Meta，全力進(jìn)軍「元宇宙」 ；微軟推出混合現(xiàn)實(shí)會議平臺Mesh；英偉達(dá)全能阿凡達(dá)平臺的3個虛擬人同時亮相...

過去，當(dāng)馬斯克說要在人類大腦植入芯片時，你一定認(rèn)為他瘋了。

但Neuralink在今年5月讓 一只植入芯片的猴子用意念打乒乓球游戲 時，全世界都被震驚。

另外， DeepMind今年開源了AlphaFold2 ，并能夠預(yù)測出98.5%的蛋白質(zhì)結(jié)構(gòu)，讓學(xué)術(shù)圈再次沸騰。

不僅如此，研究人員還將其做成了數(shù)據(jù)集，將其免費(fèi)開放。

1750億參數(shù)GPT-3在2020年發(fā)布后， NLP大模型 也在不斷刷新紀(jì)錄。

微軟和英偉達(dá)聯(lián)手發(fā)布了5300億參數(shù)的「威震天」，智源1.75萬億參數(shù)的「悟道2.0」，阿里達(dá)摩院發(fā)布創(chuàng)紀(jì)錄的10萬億參數(shù)多模態(tài)大模型「M6」，并且實(shí)現(xiàn)GPT-3同規(guī)模僅需1%能耗…….

還有IBM首發(fā)2nm工藝，人形機(jī)器人Ameca蘇醒......

2021年并不缺重磅新聞，人工智能依然能夠殺出重圍，走進(jìn)主流視野。

展望2022年，科技領(lǐng)域會有哪些大趨勢？

今天，達(dá)摩院重磅發(fā)布2022十大科技趨勢，這是連續(xù)第四年發(fā)布。

通過「 定量發(fā)散 」與「 定性收斂 」，達(dá)摩院分析了近三年來的770萬篇公開論文、8.5萬份專利，通過挖掘其中熱點(diǎn)及重點(diǎn)技術(shù)突破，深度訪談近100位科學(xué)家，提出了2022年可能照進(jìn)現(xiàn)實(shí)的十大科技趨勢。

AI仍是最濃墨重彩的主角，但基本范式正在發(fā)生變革；芯片技術(shù)將更迭；下一代互聯(lián)網(wǎng)即將到來……

AI新范式

科學(xué)研究是在星辰大海里探索未知，其中，實(shí)驗(yàn)科學(xué)和理論科學(xué)是數(shù)百年來科學(xué)界的兩大基礎(chǔ)范式。

而 人工智能正在催生新的科研范式 。

以蛋白質(zhì)為例，通過研究其3D結(jié)構(gòu)，生物學(xué)家不僅可以更加快速地研發(fā)出針對各類疾病的藥物，甚至能夠揭開生命之謎。而「蛋白質(zhì)折疊問題」在過去的50年里一直是生物學(xué)的一個巨大挑戰(zhàn)。

1969年，賽勒斯·萊文塔爾 (Cyrus Levinthal) 指出，通過蠻力計(jì)算列舉出典型蛋白質(zhì)的所有可能構(gòu)型所需的時間比已知宇宙的年齡還要長：一個典型的蛋白質(zhì)可能有10的300次方種折疊形式。

不過，隨著人工智能的發(fā)展，2021年7月，DeepMind先是在Nature上開源了利用AI對蛋白質(zhì)結(jié)構(gòu)進(jìn)行預(yù)測的AlphaFold 2，隨后又發(fā)布了來自人類和20種其他生物共350000種蛋白質(zhì)結(jié)構(gòu)的預(yù)測結(jié)果。

經(jīng)過訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)可以根據(jù)蛋白質(zhì)的基因序列預(yù)測蛋白質(zhì)的特性。主要判斷依據(jù)是氨基酸對之間的距離和連接這些氨基酸的化學(xué)鍵之間的角度。通過已知信息，可以推斷出蛋白質(zhì)折疊之后的角度和距離信息，從而推斷出整個蛋白質(zhì)的結(jié)構(gòu)。

2021年12月，DeepMind首次利用人工智能幫助數(shù)學(xué)家們提出了兩個全新的數(shù)學(xué)猜想，登上Nature封面。

作者猜測低維拓?fù)渲写嬖谖粗姆蔷€性關(guān)系，產(chǎn)生了很多數(shù)據(jù)并用神經(jīng)網(wǎng)絡(luò)擬合了近似函數(shù)，發(fā)現(xiàn)其中三個量在擬合過程中起到了很重要的作用。通過反正做擬合實(shí)驗(yàn)，產(chǎn)生新的數(shù)據(jù)，得到新的觀察模型，最終數(shù)學(xué)家利用智慧猜出了一個不等式結(jié)構(gòu)，并進(jìn)一步給了嚴(yán)格的證明。

由此可以看出，機(jī)器學(xué)習(xí)能夠處理多維、多模態(tài)的海量數(shù)據(jù)，解決復(fù)雜場景下的科學(xué)難題，帶領(lǐng)科學(xué)探索抵達(dá)過去無法觸及的新領(lǐng)域。

而 人工智能也將成為科學(xué)家繼計(jì)算機(jī)之后的新生產(chǎn)工具 ：

1. 帶來效率的顯著提升，人工智能將伴隨科研的全流程，從假設(shè)、實(shí)驗(yàn)到歸納總結(jié)，讓科學(xué)家不需要像過去一樣十年寒窗才能產(chǎn)出科學(xué)成果，而是能在一生中保持高產(chǎn)；

2. 讓科學(xué)不再依賴少數(shù)天才，人工智能對科學(xué)研究產(chǎn)生猜想，讓科學(xué)家就其中有意義有價值的部分進(jìn)行實(shí)驗(yàn)與證明，讓更多人能夠參與到科學(xué)研究中。

阿里達(dá)摩院預(yù)測在未來的三年內(nèi)，人工智能技術(shù)在應(yīng)用科學(xué)中將得到普遍應(yīng)用，在部分基礎(chǔ)科學(xué)中開始成為研究工具。

大模型也卷不動了

AI能夠取得這些成就的背后，少不了模型的支撐。

隨著規(guī)模的不斷擴(kuò)大，預(yù)訓(xùn)練模型在文本、圖像處理、視頻、語音等多個AI領(lǐng)域?qū)崿F(xiàn)了突破性進(jìn)展，并逐漸成為人工智能的基礎(chǔ)模型。

2018年，谷歌提出3億參數(shù)BERT模型驚艷四座，大規(guī)模預(yù)訓(xùn)練模型也因此逐漸走進(jìn)人們的視野，成為人工智能領(lǐng)域的焦點(diǎn)。

2019年2月，OpenAI推出了15億參數(shù)的GPT-2，能夠生成連貫的文本段落，做到初步的閱讀理解、機(jī)器翻譯等。

緊接著，英偉達(dá)推出了83億參數(shù)的威震天Megatron-LM，谷歌推出了110億參數(shù)的T5，微軟推出了170億參數(shù)的圖靈Turing-NLG。

2020年6月，大模型來到了一個分水嶺，OpenAI以1750億參數(shù)的GPT-3，直接將參數(shù)規(guī)模刷到千億級別，直逼人類神經(jīng)元的數(shù)量。作詩、聊天、生成代碼等等，無所不能。

在沉寂了一段時間之后，微軟和英偉達(dá)在2021年10月聯(lián)手發(fā)布了5300億參數(shù)的Megatron-Turing自然語言生成模型(MT-NLG)。同時奪得單體Transformer語言模型界「最大」和「最強(qiáng)」兩個稱號。

除了千億規(guī)模的稠密單體模型，還有萬億規(guī)模的稀疏混合模型。

2021年1月，谷歌推出了1.6萬億參數(shù)的Switch Transformer。12月，這個記錄被達(dá)摩院的M6模型的10萬億參數(shù)打破，大模型參數(shù)直接提升了一個量級，而且達(dá)摩院只用了512張GPU進(jìn)行訓(xùn)練。

然而，同樣隨著模型規(guī)模擴(kuò)大的是訓(xùn)練對資源消耗越來大，而參數(shù)數(shù)量增加所帶來的性能提升與消耗提升不成比例。

大模型確實(shí)帶來了非常驚艷的表現(xiàn)，但也有研究開始對「模型參數(shù)越多，性能也越好」是否始終成立提出了質(zhì)疑。

例如，谷歌的研究人員開發(fā)了一個參數(shù)量遠(yuǎn)小于GPT-3的模型——微調(diào)語言網(wǎng)絡(luò)（fine-tuned language net, FLAN），這個1370億個參數(shù)的模型在許多有難度的基準(zhǔn)測試中性能都大幅超過GPT-3。

阿里達(dá)摩院認(rèn)為， 接下來大模型的參數(shù)規(guī)模發(fā)展將進(jìn)入冷靜期，大模型與相關(guān)聯(lián)的小模型協(xié)同將是未來的發(fā)展方向 。

其中，大模型沉淀的知識與認(rèn)知推理能力向小模型輸出，小模型基于大模型的基礎(chǔ)疊加垂直場景的感知、認(rèn)知、決策、執(zhí)行能力，再將執(zhí)行與學(xué)習(xí)的結(jié)果反饋給大模型，讓大模型的知識與能力持續(xù)進(jìn)化，形成一套有機(jī)循環(huán)的智能系統(tǒng)。參與者越多，模型進(jìn)化的速度也越快。

而這樣的一種新的智能體系，將會帶來 三點(diǎn)優(yōu)勢 ：

1. 讓小模型更容易獲取通用的知識與能力，小模型專注在特定場景做極致優(yōu)化，提升了性能與效率；

2. 解決了過去大模型數(shù)據(jù)集過于單一的問題，小模型在真實(shí)場景回收的增量數(shù)據(jù)，讓大模型有再進(jìn)化的元素；

3. 全社會不需要重復(fù)訓(xùn)練相似的大模型，模型可以被共享，讓算力與能源的使用效率最大化。

對此，南京大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系主任兼人工智能學(xué)院院長周志華也提出了自己的觀點(diǎn)：

大模型未來會在一些重大任務(wù)上發(fā)揮作用，而在其他一些場景下或許會通過類似集成學(xué)習(xí)的手段來利用小模型，尤其是通過很少量訓(xùn)練來「復(fù)用」和集成已有的小模型來達(dá)到不錯的性能。

阿里達(dá)摩院預(yù)測在未來的三年內(nèi)，個別領(lǐng)域?qū)⒁源笠?guī)模預(yù)訓(xùn)練模型為基礎(chǔ)，對協(xié)同進(jìn)化的智能系統(tǒng)進(jìn)行試點(diǎn)探索。

在未來的五年內(nèi)，協(xié)同進(jìn)化的智能系統(tǒng)將成為體系標(biāo)準(zhǔn)，讓全社會能夠容易地獲取并貢獻(xiàn)智能系統(tǒng)的能力，往通用人工智能再邁進(jìn)一步。

XR，下一代互聯(lián)網(wǎng)

就像《黑客帝國》所描繪情景，未來的虛擬世界是否是矩陣模擬中的那樣，這是未知的。

拉近點(diǎn)距離，我們?nèi)绾尾拍苓M(jìn)入這個虛擬世界才是最重要的一步。

這里就不得不提，頭號玩家中那副眼鏡或許是打開新世界的大門。

未來，眼鏡有望成為新的人機(jī)交互界面，推動形成有別于平面互聯(lián)網(wǎng)的XR（未來虛實(shí)融合）互聯(lián)網(wǎng)。

XR互聯(lián)網(wǎng)將改變用戶的信息感知和獲取方式，最大的特征是由二維平面走向三維立體的沉浸式體驗(yàn)，信息會以自然的方式被獲取，讓用戶所見即所得。

阿里達(dá)摩院預(yù)計(jì)未來3年內(nèi)會產(chǎn)生新一代的XR眼鏡，融合AR與VR的技術(shù)，成為下一代互聯(lián)網(wǎng)的關(guān)鍵入口。

據(jù)報道，蘋果明年預(yù)計(jì)會推出首款A(yù)R/MR頭顯，將配備3D傳感器，能夠?qū)崿F(xiàn)手眼動作全追蹤。

其實(shí)，眼鏡只是構(gòu)成XR互聯(lián)網(wǎng)所需要的四大要素其中的一種。

完整的XR互聯(lián)網(wǎng)包括：硬件（如XR眼鏡等）、內(nèi)容（如娛樂、購物、社交等）、人工智能（如空間感知、數(shù)字孿生）、基礎(chǔ)設(shè)施（如5G、云計(jì)算等）。

四大要素中硬件和內(nèi)容會率先發(fā)展，硬件是獲取數(shù)據(jù)與用戶交互的基礎(chǔ)，也是互聯(lián)網(wǎng)平臺的載體。

XR眼鏡將會成為XR互聯(lián)網(wǎng)的第一入口 ，同時云網(wǎng)端協(xié)同將改變眼鏡的形態(tài)，使其向著體積更小、重量更輕、響應(yīng)速度更快的方向發(fā)展。

內(nèi)容則以娛樂社交和辦公場景開始，再逐漸發(fā)展至購物、教育、醫(yī)療等對遠(yuǎn)距互動有一定需求的場景。

就比如，微軟推出的混合現(xiàn)實(shí)會議平臺Mesh，人們可以通過虛擬化身的形式見面和互動，還能共享Office文件等。

XR互聯(lián)網(wǎng)改變?nèi)伺c科技互動的方式：

· 模擬真實(shí)世界的時空，解決真實(shí)世界遠(yuǎn)距移動的問題，如遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療、遠(yuǎn)程辦公等，克服地理空間的限制。

· 創(chuàng)造真實(shí)世界不存在的時空，解決真實(shí)世界不完美的問題，如游戲、社交等，讓用戶能夠重新建立自我認(rèn)可，并以接近真實(shí)世界的方式進(jìn)行交互。

XR互聯(lián)網(wǎng)也將重塑現(xiàn)有的產(chǎn)業(yè)結(jié)構(gòu)，催生一批從元器件、設(shè)備、操作系統(tǒng)到應(yīng)用的新產(chǎn)業(yè)生態(tài)。

2022，AI還有什么看點(diǎn)？

除了AI for Science、大小模型協(xié)同進(jìn)化、XR互聯(lián)網(wǎng)之外，阿里達(dá)摩院還預(yù)測了2022另外七大科技趨勢。

硅光芯片

當(dāng)前，硅基半導(dǎo)體已經(jīng)推進(jìn)到5nm和3nm，IBM今年也宣布了突破2nm的「PPT 工藝」。

電子芯片發(fā)展逼近摩爾定律極限，集成技術(shù)進(jìn)步趨于飽和，高性能計(jì)算對數(shù)據(jù)吞吐要求不斷增長，亟需技術(shù)突破。

光子芯片是用光子代替電子進(jìn)行信息傳輸，可以承載更多的信息和傳輸更遠(yuǎn)的距離。

光電融合是未來芯片的發(fā)展趨勢，硅光子和硅電子芯片取長補(bǔ)短，充分發(fā)揮二者優(yōu)勢，促使算力的持續(xù)提升。

未來三年，硅光芯片將支撐大型數(shù)據(jù)中心的高速信息傳輸；未來五到十年，以硅光芯片為基礎(chǔ)的光計(jì)算將逐步取代電子芯片的部分計(jì)算場景。

柔性感知機(jī)器人

特斯拉AI日上，馬斯克宣布明年即將推出Tesla Bot；波士頓動力公司的機(jī)器人Atlas上演驚艷跑酷；還有英國Engineered Arts開發(fā)的人形機(jī)器人Ameca讓人直呼恐懼。

近年來，柔性機(jī)器人結(jié)合柔性電子、力感知與控制、人工智能技術(shù)，獲得了力覺、視覺、聲音等感知能力，應(yīng)對多任務(wù)的通用性與應(yīng)對環(huán)境變化的自適應(yīng)性大幅提升。

預(yù)計(jì)未來5年，兼具柔性和類人感知的機(jī)器人將逐步替代傳統(tǒng)工業(yè)機(jī)器人，成為產(chǎn)線上的主力設(shè)備，并在服務(wù)機(jī)器人領(lǐng)域開始規(guī)模化應(yīng)用。

還有以下這五大科技趨勢，它們分別是：

綠色能源AI ：人工智能助力大規(guī)模綠色能源消納，實(shí)現(xiàn)多能互補(bǔ)的電力體系

高精度醫(yī)療導(dǎo)航 ：人工智能與精準(zhǔn)醫(yī)療深度融合，助力診療精度與效率提升

全域隱私計(jì)算 ：破解數(shù)據(jù)保護(hù)與流通兩難，隱私計(jì)算從小數(shù)據(jù)走向大數(shù)據(jù)

星地計(jì)算 ：衛(wèi)星及地面一體化的通信與計(jì)算，促進(jìn)空天地海全面數(shù)字化

云網(wǎng)端融合 ：云網(wǎng)端融合形成新計(jì)算體系，催生云上新物種

過去一年，我們見證了人工智能以全新的方式深入我們的生活，這些進(jìn)步賦予未來很多可能。

2022年，對于AI必將是令人興奮的一年。

未來可期。

本文來自微信公眾號 “新智元”（ID：AI_era），作者：新智元，編輯：桃子好困，36氪經(jīng)授權(quán)發(fā)布。