今年春节，开发者们大显身手的机会来了！利用华为云AI组件，通过简单部署、训练，就可实现老照片上色、动漫脸照片、聊天机器人等30+有用又有趣的应用实例开发体验。终于能在亲朋友好友面前秀一手开发技术：修复老照片，为黑白照片上色，帮爷爷奶奶找回逝去的青春；给弟弟妹妹亲手做一个动漫脸生成器，看看谁的更像柯南、樱桃小丸子；给侄子侄女做一个聊天机器人，让它成为新孩子王，带来更多欢笑。做完这些开发项目（免费体验入口见文章下方），写出体验中的思路、创意、经历等，还有机会获得康佳KC-V5扫地机器人、雷柏机械键盘、HDC开发者长袖文化衫、华为手环等惊喜好礼。有点心动？看看下面活动细则吧：AI免费参与体验入口：项目名入口人脸图像视频动漫生成https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=5ee56b27-732a-40f3-b56f-13d9349ae67fAnimeGANv2照片动漫化https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=6473b148-f59d-4064-84b6-2b6d78ec546c中文聊天机器人https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=16e6b382-d189-47d9-8b46-5fccd5181544实例感知图像上色https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=792c79a5-cc29-4a65-be37-514ab959a692GFP-GAN面部恢复https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=98399bfe-318d-4ec5-9df3-c2da8746d30bDeepSocial-COVID-19社会距离监测https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=c5c241b2-d02b-49e9-88c8-87c32e2b0e0bU-2-Net生成肖像画https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=7828c948-095b-44ee-88a2-9d308cc079a9re-ID用于人员重新识别的联合判别和生成学习的baselinehttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=97bfb1cd-e78c-48b9-a452-36c6810cd3d2通过CNN识别数字验证码https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=3248a0ca-4d72-4864-b2ba-2309b7a744e8图像去模糊算法之DeblurGAN-v2https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=f9363b7d-5b9b-4c21-b30b-84e9724af684ESRGAN图像超分辨率重建https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=f56d4564-e8a4-4dc1-815d-24f1d45c1a23Super-SloMo 超级慢动作https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=e5a8e29b-b271-4384-819b-cb27eed9b8db基于深度学习对特定建筑的黑白照片上色的模型https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=1a96fd12-38c9-433a-b40b-ae1a22b3eff1Panoptic-Deeplab(全景分割/PyTorch)https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=02dad887-0bda-417d-a1f7-1b3762fef3f3Fast-SCNN（语义分割/Pytorch）"https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=9b6ab7a9-9b05-4751-8473-e6e134f830e8TSD（目标检测/Pytorch）https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=96a7c704-908c-41b8-acd9-0ed6d2894eb5CenterNet-Hourglass (物体检测/Pytorch)"https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=e8087d2d-25ae-4605-a9d5-ec42a60ef5b8DynamicRCNN_目标检测_PyTorchhttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=aa5cc2bb-ccd6-4ab7-9a79-6a94745f28a2使用LSTM算法实现UCF-101视频分类https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=151f5768-5641-4bdf-b0dc-4c4377031d8d基于3D-ResNets实现UCF数据集的视频分类https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=e09e16fa-9553-4a9d-a1cf-76b454eba98d强大的视频抠图(RVM)https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=2316748d-ce18-4345-a720-15d56c8b597eAI创作诗词https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=60658dee-1052-4d26-aacd-9ab5828f0ac4Transformer-机器翻译https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=07c0d966-31fb-469e-b64d-fe347b180f96中英机器翻译https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=7e8663ce-5510-4eeb-a57e-b56322fe9449M-SQLhttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=0446b890-b87d-4fc0-930b-84ddd263c914金融情绪分析FinBERThttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=a9a2dc45-6a1a-4404-8853-e099be013ba1ACGAN-动漫头像自动生成https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=355a64f7-09fc-4db2-971a-6ef14b23dd00pix2pix图像风格迁移https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=9f895d12-facf-41c3-b758-2151906b253dCycleGAN图像风格迁移https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=4553d3b9-bd21-4076-b6a3-efeaa3296333天空背景转换https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=1e793f22-d5a2-4ca3-b768-6b19608b5b25damedanehttps://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=bfd2134d-d175-4639-9d85-4a16469ea9a9Convmesh 2D图生成3D网格https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=bbd42085-fdda-4588-8d28-d0350d800459图像风格化绘画https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=b4e4c533-e0e7-4167-94d0-4d38b9bcfd63StyleCLIP文本操作图像https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=bc052016-534e-4de0-b618-816cf227db4dStyleGAN3生成高清图https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=e62562a1-29d1-4c6b-a057-b7562f44c642使用单张2D图进行3D重建https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=6179f6fc-be99-41d4-9b19-edbba1fdc702OpenPose手势识别https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=c4cd7777-9d2f-4ebb-a617-e5c3916fcaf7面向未知域和未知类别的小样本学习https://marketplace.huaweicloud.com/markets/aihub/notebook/detail/?id=3a1b5b56-abd8-449e-839d-b3adf48c6599*加粗部分为重点推荐项目*部分项目有时间限制，但可在时限内重新刷新，获得时间延续我们需要哪些主题的稿件？原则上，我们欢迎所有能帮助所有学习使用华为AI平台的人成长的文章！如基于自己的实际使用经验，分享对华为AI的技术分析、使用感受及在项目实战中的经验等。只要跟华为云AI平台有关的内容，我们都欢迎：如果你还没尝试过玩华为云AI应用，或者不知道该怎么写，请你务必仔细阅读下面1-3篇文章，可以让你更快上手：使用ModelArts实现动态生成动漫头像ModelArts自动学习实现动漫人物识别基于ModelArts学习Python编程手把手教你用ModelArts模型部署上线&在线推理（一）基于ModelArts自动学习的超市商品分类定位基于ModelArts的昇腾CANN的TensorFlow模型迁移性能优化分析你将获得什么？我们会把收到的优质内容汇编成册，并注明原作者，积累行业口碑，开放给圈内开发者下载查阅，提供实践参考。对于贡献优质内容的作者，我们还将送出各项大礼！同时，在华为云站内外10+个技术社区醒目位置进行推荐，给与百万级流量资源。优质作者更可获得长期约稿和更多内容合作机会。评奖规则说明来自华为云EI的评审组与华为云社区运营组将联合评审此次征文。专家评分依据 ：文章篇幅、技术含金量、排版美观度、阅读量、点赞、收藏等指标综合评分。其他说明 ：1、一二三等奖不能叠加。2、一二三等奖可与创作小能手奖叠加。3、征文投稿数量不计入月度激励活动文章数量。在哪里投稿？文章需要发表在社区博客； 是时候展现真正的技术了， 点击前往发布标题以 【华为云AI贺新年】结尾，例如：手把手教你用ModelArts模型部署上线&在线推理丨【华为云AI贺新年】。文章末尾需加上活动名称及链接地址：【华为云AI贺新年】有奖征文火热进行中：https://bbs.huaweicloud.com/blogs/325842有哪些需要注意的1、文章内容需体现技术看点，图文并茂，建议字数在500字以上；2、文章要求为投稿人原创，凡转载或抄袭一经发现将取消参赛资格；3、文章须在华为云社区为首发，如华为云平台已有文章内容则视为稿件无效；4、稿件投稿后，华为云拥有该稿件的使用权、修改权等。快来华为云社区博客，一起构建趣味应用！ 点击立即体验如果有任何问题，可扫描下方二维码咨询。添加微信时请备注：报名活动时使用的华为云昵称！扫码添加小助手：

正在举行的北京冬奥会上，有众多黑科技被搬到台前：AI 裁判、视觉追踪特效、物流机器人、炒菜机器人等等，它们成为了比赛的重要组成部分。随着技术的进步，人工智能正逐渐进入生活的各个方面。在科技圈提起人工智能，人们会更多地把目光瞄准中美，却忽略增长势头最为迅猛的东南亚。这里有超过 6.6 亿的人口，快速增长的经济，以及不断完善的基础设施。随着消费水平的提升和疫情的推动，当地的技术和人才无法跟上迅速增长的业务量，带来了很多新需求。在这个充满机会的市场中，一些 AI 创业公司正在上演着不同的故事。自 2016 年成立以来，总部在新加坡的 ADVANCE.AI 业务遍布东南亚如印尼、菲律宾、马来西亚、南亚如印度、巴基斯坦、以及拉丁美洲的墨西哥和哥伦比亚，非洲的尼日利亚等国家，现在它正在向欧美地区不断扩展。ADVANCE.AI 成功服务了超过 1000 家银行、金融科技、电子商务与共享经济等领域的企业客户。尽管 2020 年以来疫情对全球经济影响严重，该公司的业务却一直保持稳定持续增长，云服务软件产品的 API 调用量增长了一倍多，2021年，产品全年调用量超过 10 亿次，已成为东南亚 AI 圈中一股不可忽视的力量。最近，我们与 ADVANCE.AI 研发部门负责人王芳林博士进行了对话，王博士在人工智能领域有超过 15 年的经验，拥有上海交通大学博士学位，哈尔滨工业大学硕士和学士学位。曾担任 NCS 集团视频分析和机器学习副总监、KAI Square 首席技术官、新加坡国立大学研究员和 Autodesk 研究科学家。出发，去东南亚市场搞AI王芳林博士王芳林于 2018 年加入 ADVANCE.AI，亲身经历了业务快速增长的过程，积累了丰富的 AI 人才团队搭建与技术本地化经验，围绕中国高科技企业出海东南亚市场发展 AI 技术中遇到的常见问题，分享了他的观点。AI 是技术但不是行业从最初服务于中国出海金融科技公司到现在东南亚当地的银行、保险、电商、支付等多领域企业，随着业务的变化，ADVANCE.AI 的产品也经历了从单一功能，到按客户需求定制解决方案，再到解决方案标准化、产品化的过程。作为一家致力于覆盖不同业务场景的人工智能服务商，ADVANCE.AI 清楚地知道 AI 是方式而不是目的。「在研发内部，我们并不过分强调 AI，一直认为 AI 是特定时间点又火起来的一个技术。团队的每一次变化和重组都是基于当时的业务策略来制定的，我们的目的是一直是帮助客户提高效率和提升业务能力」王芳林说道。相比一些大厂面向前沿技术设立的 AI Lab，ADVANCE.AI 的研发部门更加强调解决实际问题的能力，其面临的挑战主要来自于客户需求。「这并不意味着我们不会把技术做得深。相对于学界，工业界的实际问题往往更加复杂多样，需要对各种算法和技巧足够了解，也需要权衡算法和产品设计的边界。」目前 ADVANCE.AI 的主要研究方向包括计算机视觉、反欺诈、信用评分等领域，自主研发的 OCR、活体检测和人脸识别技术在业内保持领先，基于大数据和机器学习的信用评分算法获得了很多东南亚金融机构的青睐。出发，去东南亚市场搞AIADVANCE.AI 提出的个人信息建模方式。当然作为研发部门，这里也有一部分人会专注于长期性算法研究，追踪先进技术并提出创新，希望能对一些核心问题寻找长期的、更为彻底的解决方案。特别是在长期被外界忽视的新加坡等东南亚地区研究 AI 是什么样的体验？首先，这里的人才市场供远小于求，对于公司来说竞争非常激烈。对此，ADVANCE.AI 的策略是强调人才的质量，最大可能保证团队的稳定性，同时利用多国家办公的优势，在新加坡、北京、雅加达同时招人。「创业公司在初期就需要考虑更多国家的目标市场。由于新加坡本土市场规模较小，只有面向多个东南亚国家，甚至走向中国和欧美市场才能保证成长的天花板足够高。」王芳林说道。「而在研究环境上，这里有世界知名的大学生和研究机构，国内外知名公司设立的研发中心，东南亚独角兽公司的总部也大多设立于此，大环境上来讲整体研发水平很高。这里相较国内文化上更追求工作和生活的平衡，同时非常讲究实效。」随着业务量增大，数据和客户服务经验的不断积累，ADVANCE.AI 的技术水平不断提升，形成了数据、技术和产品的闭环。ADVANCE.AI 的计算机视觉类产品，经过了超过 10 个国家和地区市场大量真实数据的积累，现有的预训练模型和迁移学习方法，可以在无需或极少训练数据的情况下获得比竞争对手更高的准确率。产品类型的多样化为领创带来了优势，在用户信用评分类产品中，受益于内部各类型数据的打通，该公司可以实现相比竞争对手更为完整的建模，很大程度上补充了客户数据种类不丰富，及不具备建模能力的问题。从早期的定制化项目，到现在可以实时处理大量调用需求的 SaaS API，ADVANCE.AI 的产品种类从最初的数字身份验证和风控类工具，已经发展出了目前覆盖身份认证、视频认证、信用评分的丰富产品线。这家公司下一步将提出一系列端到端的反欺诈和风控平台类解决方案。如何实现 AI 的本地化软银创始人孙正义有一套著名的「时间机器」理论：互联网美国比日本先进，就先在美国投资，等时机成熟后再带着美国的经验杀回日本，仿佛坐上时间机器，回到了几年前的美国。在充满活力和发展前景的东南亚，人工智能的研究和应用，从中国、美国向印度、印尼等国家推广是否存在「降维打击」的过程？在王芳林看来，短期来看，中国是有明显技术优势的，但问题的核心在于如何真正实现本地化：「任何一家公司都不可能长时间地保有某项技术的优势，大家都有机会，包括本土企业。我们从一开始就不认为自己是一家视觉或者是 AI 公司。工作应该聚焦在做业务上，研发人员要清楚投入会带来多少客户、多少收入。」相较于国内的淘宝、京东等平台和各家银行自带人脸识别的 APP，东南亚地区的 AI 技术落地进展较慢，大数据验证和精准营销方面也同样如此。在国内验证过的机器学习应用在这里具备优势。ADVANCE.AI 提供的技术可以快速整合进原有应用，而且大幅提高用户体验：其算法可以通过刷脸，让用户在一个账户上匹配了一张人脸照片后，就不再需要去填写更多的帐号和密码。出发，去东南亚市场搞AIADVANCE.AI 提供的活体检测算法。从 2019 到 2020 年，东南亚的整个电商零售额增幅达到了 50%，速度远超其他市场。然而想要进入这个市场并不容易。作为发展中国家市场，在印尼等地开展 AI 技术业务会遭遇很多前所未见的挑战。从技术上看，人们使用的手机较为低端，低成像质量和算力难以保证用户体验，同时较差的移动网络会让图像传输延时较长。ADVANCE.AI 必须实行本地化的技术优化：通过压缩模型来降低网络带宽需求，尽量把数据处理的工作放在移动端，并使用小模型；通过质量分析模型提示图像质量问题，并训练算法更好地适应本地数据，解决实际挑战。在信用评分方面，数据科学家面临的主要挑战在于数据不足，银行等传统金融机构所能拿到的交易流水、征信报告等强金融属性的数据比较难以获得，因此积累的借贷、电商、运营商、设备等行为数据显得尤其重要，但这对特征工程的要求很高。ADVANCE.AI 技术人员使用自动时序特征工程以及深度学习算法进行时序特征提取，大大提升了特征挖掘的效果和效率。在东南亚金融信贷领域，客群种类繁多，行为模式差异巨大，金融科技公司无法用一个通用的信用模型解决各不同金融机构的信用评分需求，因此分客群建模是必然的选择。ADVANCE.AI 通过无监督、有监督学习等算法度量客群相似度，使分客群从传统的业务问题变成一个技术问题，最终使客群分得更准确，分客群建模的效果更明显。另一方面，技术的认知和法规也需要适应。「很多时候客户并不理解技术，在一开始，我们需要花费很多时间教育客户。」王芳林说道。第一个重要机会ADVANCE.AI 最大的客户之一是一家全球知名银行。在 2018 年开始启动数字身份验证计划时，这家银行的研发团队对于活体检测、人脸等技术在东南亚能做到怎样程度并没有太多的概念和信心。「这是我们在东南亚的第一个国际大客户，存在四五家竞争对手。刚接触时我们和甲方开过超过 20 次会，不断地和技术、产品团队与高层们打交道。因为我们是一家初创公司，难免受到了很多质疑。比如前两次我发现，他们的负责人一直是很不耐烦的样子。」王芳林介绍道。但好在该银行对于供应商的调研一直在尽职尽责地进行中。在推进的过程中，ADVANCE.AI 不断改进着自身的技术，他们模拟了终端用户的实际体验，完成了手机上的测试版 APP，让负责人直接上手体验，演示新技术的便利性和异常情况的解决方式。ADVANCE.AI 终于获得了进入下一轮验证的机会。「我们的产品比较符合东南亚特色，最终在准确率测试阶段比较容易地击败了所有竞争对手。」但这只是个开始，中标之后还有漫长的技术落地与合规流程，最终一共花费了十几个月的时间。在解决方案正式上线之前，工程上经历了三次内部测试、演示和预上线过程。ADVANCE.AI 的团队还需要帮助银行选型深度学习部署硬件，在基础设施方面提供建议。跨国公司非常强调数据隐私和合规性，注重内部流程和规范，包括采购的流程和合同条款。「客户会要求我们保证在未来几年内声誉不会出问题，一旦违约要做赔偿，」王芳林表示。「我们实现的 AI 模型也不能在不同种族、性别上出现歧视性分析结果。在安全性和可靠性方面，他们会对产品的各个技术环节进行研究，确定用到了哪些技术。」在不断沟通的过程中我们可以发现，这些海外公司能够做到相对客观，而且技术角度上看，新兴市场的竞争没有国内那么相对激烈。这为 AI 创业公司带来了机会。产品是最大的需求在确定了业务前景，选择的方向在未来几年收益的预期之后再扩张团队，或许才是科技公司构建 AI Lab 正确的方式。随着业务不断扩张，ADVANCE.AI 的团队规模从几十人扩张到了如今近 200 人的规模，办公室也从两个国家发展至到五个国家。现在，ADVANCE.AI 的研发团队下设工程、计算机视觉、数据科学，还设有数据标注团队，公司内部还在研发自己的机器学习平台。出发，去东南亚市场搞AI自成立以来，ADVANCE.AI 受到了众多全球顶尖投资机购的青睐，9 月 23 日，领创集团宣布完成了超过 4 亿美元 D 轮融资，由软银愿景基金二期、华平投资领投，北极星资本、元璟资本、高榕资本和新加坡经济发展局投资等跟投。融资完成后，领创集团估值已超过 20 亿美元，成为新加坡最大的独立科技创业公司之一。面向未来，ADVANCE.AI 还是会坚持走自己的路。「我个人比较喜欢 think big，start small，尽量做到脚踏实地。我们需要在商业上快速试错，在技术上快速验证，向笃定确认的方向集中火力。」王芳林说道。

原文链接：https://blog.csdn.net/csdnnews/article/details/122957639作者 | 杨海钦出品 | CSDN（ID：CSDNnews）自1956年的达特茅斯会议开启“人工智能元年”，该领域经过了两起两落。到2006年前后，虽然Hinton等人已发表论文证明，通过增加神经网络的层数，可以学到更好的数据表征，并进一步提升模型的性能，但是大家认为这还是新瓶换旧酒，还在迟疑中。直到深度学习概念的推广，在语言识别等领域获得成功。特别是2012年AlexNet在ImageNet的比赛中取得重大突破，性能提升10多个百分点。深度神经网络的实际效果进一步得到肯定，并掀起了人工智能的第三波热潮。CV“四小龙”亦在此时间段前后成立，开启感知智能的创业浪潮。ResNet和AlphaGo等成果的推出，进一步完善神经网络的训练并拓展了其应用范围，从而将这波浪潮推到新高度。2018年秋季谷歌推出BERT，横扫了11项自然语言处理(NLP)任务，随后OpenAI亦相继推出GPT-2、GPT-3，让大家看到认知智能落地的潜在性。时光如梭，2021年悄然过去。蓦然回首，2021年的AI大事件有哪些呢？新的一年，AI又将呈现怎样的发展趋势？我们将按下述几个主题展开：大模型不断推出，提高行业准入壁垒；构建基石模型, 拓展应用边界；考虑公平和伦理，保证落地的安全和责任。大模型不断推出，提高行业准入壁垒从业界的角度看，2021年的一个关键词是“大模型”。如图1所示，当GPT-3的模型规模达到1750亿参数后，国外大厂又提出了各样的模型，进一步提高了模型的大小。具有代表性的成果有：Switch Transformer：谷歌于2021 年1月11日提出，声称参数量从GPT-3的1750亿提高到1.6万亿。Switch Transformer基于稀疏激活的专家模型(Mixture of Experts), 论文中提到在计算资源相同的情况下，训练速度可以达到 T5 (Text-To-Text Transfer Transformer)模型的4-7倍[1]。MT-NLG：2021 年年底，英伟达与微软联合发布了MT-NLG (Megatron-Turing Natural Language Generation)，该模型含参数5300亿个，宣称是目前最大的且最强的语言生成预训练模型[2]。图1. NLP预训练模型参数随着时间发展的趋势(图片源自[2])国内在今年亦推出了万亿级的预训练模型和开源计划。例如:悟道 2.0：2021 年6月，北京智源研究院发布悟道 2.0，参数规模达到1.75万亿，是GPT-3的10倍，超过了谷歌Switch Transformer的1.6万亿参数记录[3]。“封神榜”大模型：2021 年 11 月，在深圳IDEA大会上，粤港澳大湾区数字经济研究院（简称“IDEA”）理事长沈向洋正式宣布，开启“封神榜”大模型开源计划，涵盖五个系列的亿级自然语言预训练大模型，其中包括了最大的开源中文BERT大模型“二郎神”系列[3]。目前，预训练大模型已成为各家打造人工智能基础设施的利器，从而提高行业的准入壁垒。实现大模型，需要超大规模的算力和海量的数据。这对普通公司或者一般实验室会造成一定的困难。然而就技术而言，目前的大模型离我们期望的通用人工智能还有很大的差距。如何让电脑有更多的创意，知识不断地积累，还需要进行大量的技术探索和创新。在落地的时候还需要更多地跟场景结合，甚至需要场景创新，才能更好地服务相关行业。构建基石模型，拓展应用边界大模型的不断推出，基本上基于深度神经网络和自学习的方式进行，各个模型趋于“同质化”(Homogenization)。因此，斯坦福大学的Percy Liang于2021年3月份召集了100多位研究学者，发起了基石模型(Foundation Models)的讨论，并于8月发表了一篇200多页的关于基石模型的综述报告[5]。图2 基石模型经文本、图像、语音等多模态数据训练，微调后服务下游应用(图片源自[5])该报告定义了基石模型，试图囊括目前大模型的能力、应用、相关技术和社会影响。主要从语言、视觉、机器人、推理、交互、理解等讨论基石模型的能力，在应用方面主要探讨医疗、法律和教育这三个对社会很重要的学科。与此同时，在构建基石模型方面，亦出现了几个有影响力的工作，拓展了应用的边界。例如：Copilot：6月，微软收购的GitHub联合OpenAI推出首个AI代码生成器[6]。该工具基于GPT-3，即Transformer的架构，通过训练从GitHub上爬取数十亿行开源代码和相关英文注释，实现代码的自动生成，试图进一步辅助程序员的代码开发。FLAVA: 到年底, Facebook (现称Meta)亦基于Transformer[8]推出FLAVA (A Foundational Language And Vision Alignment Model)，试图用一个统一的模型适用于自然语言处理、计算机视觉、多模态的不同任务，论文显示在此三种领域共计35个任务，都有着出色的表现[8]。该模型利用Vision Transformer (ViT) [9]的方式对图像进行编码，BERT[10]的方式对文本进行编码，并设计相应的多模态编码方式和相应的损失函数，对模型进行训练，并获得很好的性能。在学术界，对比学习、多模态多任务联合学习，已经广泛使用于基石模型的训练中。但是模型的解释性和拓展性还有很多的探索空间。考虑公平和伦理，保证落地的安全和责任尽管目前AI技术在刷脸支付、自动驾驶、智能语音、智能安防等应用的商业化探索和落地，已开始改变我们的生活模式，并带来巨大的便利，AI技术仍要面对更多、更复杂的场景。2021 年是AI技术迫切需要落地的一年。在落地的过程中，我们经常需要面对如下问题：落地场景是否有好的数据？AI技术如何更好地降本增效、规模化和商业化？如何保证AI技术者掌握相关业务知识，并理解业务需求？而从AI技术层面看，AI落地的三要素是: 算力、算法和数据。这就涉及到公平性和伦理的问题。特别是，最近几年数据的隐私安全、AI算法的责任，都成为社会的关注热点。在今年我国亦出台相关法律从不同层面保障用户的隐私和利益，包括数据层面：6月《数据安全法》通过，11月《个人信息保护法》开始生效，包括2016年通过的《网络安全法》从不同的角度规范数据的使用和保护用户个人信息。算法层面：1月颁布了《互联网信息服务算法推荐管理规定》和9月亦印发《关于加强信息服务算法综合治理的指导意见》的通知，进一步加强了互联网信息服务算法安全治理。伦理规范：6月28日世卫组织亦发布“卫生领域人工智能的伦理和治理”的报告，提出人工智能为所有国家的公众利益服务的六项原则。9月25日，我国亦发布《新一代人工智能伦理规范》，为从事人工智能相关活动的自然人、法人和其他相关机构等提供伦理指引。11月25日联合国教科文组织亦举行新闻发布会，介绍该组织正式通过的首份人工智能伦理问题全球性协议。AI技术在落地的过程，要兼具安全和确定相关的责任方，同时还要顾及公平和伦理。随着众多新的法案的出台，后续的落地会受到更多的监管和共同治理，走向“科技向善、AI向善”的道路。小结与展望目前人工智能技术距离理想的通用人工智能的路还很长，2021年有更多的大厂试图构建相应的基石模型，并把AI技术拓展到更大的应用范围。在技术层面，还需要大量的探索，例如，是否有更好的架构替代基于深度神经网络的架构？是否有更快的方式提升计算性能？大模型如何在实际场景很好地落地？相关的技术，如Neurosymbolic AI、量子计算都很值得研究。在应用层面，AI跟科学发现、AI制药、AI跟大数据应用结合等等，都有很多的机会。如何将算法与场景结合、技术与产业融合，是未来实现AI落地应用必须思考的问题。国内已有一些机构或团队正在探索研产结合的可能路径，例如IDEA的CTO Labs合作计划，聚集科研人才和产业科技团队，共同挖掘产业痛点，更有效推进核心技术研发和落地。最近亦与数说故事合作，在数说的产品中提供关键技术模块。参考文献：[1] William Fedus, Barret Zoph, Noam Shazeer: Switch Transformers: Scaling to Trillion Parameter Models with Simple and Efficient Sparsity. CoRR abs/2101.03961 (2021).[2] Paresh Kharya and Ali Alvi. Using DeepSpeed and Megatron to Train Megatron-Turing NLG 530B, the World’s Largest and Most Powerful Generative Language Model.[3] 全球最大智能模型“悟道2.0”重磅发布. https://hub.baai.ac.cn/view/8375.[4] 2021 IDEA大会重磅宣布，“封神榜”大模型开源计划开启——“封神榜”大模型系列宣告开源，有多“神”？https://idea.edu.cn/news/20211124222723.html.[5] Rishi Bommasani, Drew A. Hudson, Ehsan Adeli, et al.: On the Opportunities and Risks of Foundation Models. CoRR abs/2108.07258 (2021).[6] Gershgorn, Dave. GitHub and OpenAI launch a new AI tool that generates its own code. The Verge. 29 June 2021 [6 July 2021].[7] Amanpreet Singh, Ronghang Hu, Vedanuj Goswami, Guillaume Couairon, Wojciech Galuba, Marcus Rohrbach, Douwe Kiela: FLAVA: A Foundational Language And Vision Alignment Model. CoRR abs/2112.04482 (2021).[8] Alexey Dosovitskiy, Lucas Beyer, Alexander Kolesnikov, Dirk Weissenborn, Xiaohua Zhai, Thomas Unterthiner, Mostafa Dehghani, Matthias Minderer, Georg Heigold, Sylvain Gelly, Jakob Uszkoreit, Neil Houlsby: An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. ICLR 2021.[9] IDEA合作企业数说故事产品上新 携手推动商业应用智能化.https://zhuanlan.zhihu.com/p/458813386. 2022-01-18.

      超级自动化是机器人流程自动化、流程挖掘、低代码等多种技术与软件工具的有机结合体，可实现软件系统的泛在连接和端到端的自动化，已在金融、制造、电信等行业中得到了广泛应用，有效推动了组织机构的数字化转型，超级自动化的技术研究与应用实践是观察数字未来的重要窗口之一。      2022年1月25日，2021RPA产业推进方阵成果发布会于线上召开，中国信息通信研究院云计算与大数据研究所联合华为技术有限公司在会上发布《超级自动化技术与应用研究报告（2022年）》。      报告重点对超级自动化的概念范围、技术体系、应用场景进行了梳理和分析。概念范围上，明晰了超级自动化的内涵，并阐明其与传统自动化在要素、技术和应用上的重要区别；技术体系上，说明了机器人流程自动化（RPA）、流程挖掘（PM）、智能业务流程管理工具（iBPMS）等超级自动化的关键技术核心作用，分析了“云数智”等支撑技术对超级自动化发展的深刻影响；应用场景上，总结了超级自动化在通用及专用场景上的应用现状，并给出多方探索出的超级自动化实践案例。最后，报告指出了当前超级自动化发展面临的问题及挑战，给出针对性建议并面向用户提出了超级自动化落地的通用参考模式。报告核心观点1、超级自动化相关能力有效迎合了组织机构数字化转型的发展需求。在全社会数字化转型加速的背景下，组织机构的运营效率、成本控制、客户服务等迎来了新一轮的挑战。利用超级自动化可有效降低人力成本、优化管理机制、丰富服务手段和规避业务风险。不仅如此，超级自动化还打通了组织机构内部的数据、应用、业务等多重孤岛，在软件系统环境中实现了无侵入式的互联互通，有效提高了系统运转效率。2、超级自动化应用优势逐步显现，技术研发与应用热度升温。近年来，越来越多的行业企业开始注重超级自动化相关能力的建设，不论是在财务、人力等通用业务场景，还是银行、证券等专用业务场景，超级自动化的应用优势都在逐步扩大，用户对其认可度显著升高。超级自动化产业发展进入了快速成长期，厂商的技术研发投入加大，更多新兴技术融合发展不断提升着超级自动化的基础能力，专业的交付咨询机构开始为用户量身打造部署运营方案，超级自动化市场的服务供应趋向完备。3、多重工具平台融合应用，超级自动化基础能力趋向稳固。超级自动化是RPA、iBPMS、PM、低代码应用平台（LCAP）等多种技术能力与软件工具的组合，其中RPA扮演“执行者”角色，负责打通流程、连接业务以及执行工作；iBPMS和PM扮演“分析管理者”角色，实现系统化的自动化业务流程发现、分析、优化及管理；LCAP扮演“辅助者”角色，负责自动化业务流程的高效、简洁、定制开发。上述工具和平台的融合应用，筑牢了超级自动化的基础能力。4、AI赋能、“云数”引领，超级自动化综合能力不断攀升。随着人工智能技术赋能的加深，超级自动化的感知认知能力显著提升。计算机视觉和智能语音语义技术，赋予了超级自动化看、听、说能力；知识图谱技术和类脑计算，赋予了超级自动化逻辑推理、类比演绎能力；智能人机交互技术，填补了人机任务衔接的缝隙，有效提升交互效率和用户体验。与此同时，在云计算、大数据技术的加持下，超级自动化的服务能力得到进一步加强，“超级能量”得到了更充分的释放。5、超级自动化产业生态发展，需要多方共同维护。超级自动化产业生态的健康发展需要政府、厂商、用户、产业服务方等共同推动。政府机构可打造应用试点示范，进一步加速推进创新应用与多元实践；厂商可重点突破核心技术、探索融合创新发展，并全局谋划全栈技术储备与供给；用户方可通过总结和反馈应用实践经验，为厂商提供目标更加明确的技术研发方向；产业服务方可深入开展标准制定、规范行业发展，并通过广泛搭建交流与合作平台促进产业供需对接。报告目录一、超级自动化发展现状       （一）概念持续发展演进，关键特性愈发清晰        （二）向内破除多重孤岛，向外实现降本增效        （三）应用优势逐步凸显，效能发挥日益显著        （四）市场生态基本成型，技术研发热度升温 二、超级自动化关键技术      （一）工具平台融合，渗透组织业务并释放技术能效          （二）人工智能加持，加速手脑协同并拓宽能力边界          （三）“云数”引领，提升超级自动化服务能力和效率   三、超级自动化应用场景       （一）赋能范围循序纵深推进，行业应用持续渗透       （二）通用场景应用范围广泛，有效满足共性需求       （三）专用场景应用渗透加深，精确瞄准业务特点       （四）行业各方探索实践路径，应用模式加速创新  四、超级自动化发展建议       （一）价值尚未充分显现，多重业务风险潜伏        （二）加大技术研发投入，系统推广应用实践        （三）能力建设初显范式，未来发展任重道远   更多精彩，敬请阅读解读PPT1234567作者：中国信通院来源：中国信息通信研究院和华为技术有限公司版权声明：本报告版权属于中国信息通信研究院和华为技术有限公司，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院和华为技术有限公司”。违反上述声明者，编者将追究其相关法律责任。

由百度和IDC联合推出的《智能减碳，激发绿色转型动力——2021年中国人工智能助力“双碳”目标达成白皮书》（以下简称《白皮书》）正式发布并公开上线。《白皮书》预测，到2060年，涉及使用人工智能相关技术助力减碳总计将超过350亿吨。其中，在信息技术驱动交通行业减碳方面，无人驾驶、智慧停车等智能交通技术的贡献度均将超过40%。《白皮书》认为，实现碳中和的本质是以技术驱动全社会模式和效率的优化。技术和应用突破是实现碳达峰、碳中和目标的根本路径，也是产业转型升级的必经之路。人工智能技术与行业减碳技术和应用相结合，最具突破潜力。人工智能当前服务于产业智能化的感知、分析、决策及控制机制，同样适用于节能减排领域。潘家华指出，新能源替代化石能源，是应对全球气候变化的大势所趋。当前新能源供给的间歇性问题，可以通过合理调配风能、光能、水能，包括生物质能和储能等多能互补的方式来解决。但这样的调配如果依靠人工判断，会产生时滞效应；但过程中电力不能中断，哪怕是一毫秒都不可以，这就需要人工智能快速、广泛地甄别信息来源，进行整合输出，确保多能互补的协调、稳定、安全、有保障。而在消费领域，伴随着用户对数据中心算力服务的压强不断增高，服务于经济增长的数据中心算力无疑会消耗更多能源。2020年中国数据中心用电量超过2000亿千瓦时，超过了上海市的总体用电量。到2023年底，全国数据中心机架规模年均增速保持在20%左右，数据中心平均利用率要提升60%以上。未来数据中心的用电量还将稳步增长，也将成为减碳重点目标行业。

各位亲爱的版主们，大家好！经过大家一个月的努力角逐，1月外部版主激励评比结果已出炉，数据公示如下，请查看！·外部版主激励规则：点击了解更多转正礼/基础任务（在线时长15小时+，主题帖15+，回帖30+，技术长文5+/原创1+，原创技术干货合集1+，有效回复问题求助帖8+，完成这3项指标可获500元代金券和对应价值的码豆/实物礼品）请完成任务获得激励的版主填写激励发放统计问卷：https://www.wjx.cn/vj/ePLyMZi.aspx反馈截止时间：2022年2月15日，以便小编进行相应的激励发放。注：在线时长数据达标后，才会再去考察达标版主的三项任务完成情况；主题数+回帖数达标后，才会再去考察达标版主的技术长文数量情况。

近日，德勤发布了其 2022 年的科技预测。根据会计咨询公司德勤（Deloitte）的年度科技预测，新的一年将出现持续的芯片短缺、人工智能监管力度加大、智能手机可持续发展的推动以及娱乐订阅量的更大波动。德勤在其年度报告中表示，芯片明年仍供不应求，一些组件的交付周期将延长到 2023 年。这与英特尔和英伟达等芯片制造商的报告一致。德勤还表示，2022 年全球将交付 3.2 亿台消费者健康和可穿戴健康设备。2022 年，Wi-Fi 6 设备的出货量将超过 5G 设备，至少交付 25 亿台 Wi-Fi 6 设备和 15 亿台 5G 设备。全球至少有 1.5 亿流媒体点播服务（streaming video on-demand services，SVOD）付费订阅将被取消。随着游戏机问世 50 周年，游戏机市场将在 2022 年创下 810 亿美元的记录，比 2021 年增长 10%。《2022 年技术、媒体和电信（TMT）预测报告》强调了这些趋势中有哪些是由全球新冠疫情的经济和社会变化所驱动的，这导致了一个日益互联和多设备的世界，推动了世界对更多芯片、连接增长和娱乐选项的需求。德勤美国 TMT 和全球电信、媒体和娱乐（Telecommunications、Media、Entertainment，TME）业务负责人凯文·韦斯科特（Kevin Westcott）在一份声明中说：“这场疫情增加了维持联系、提高生产力和体验娱乐的需求，消费者和企业都加快了适应的节奏。”我们预计，到 2022 年，这些行为将继续增长，但面临挑战。随着这些挑战影响到企业满足市场需求的能力，供应链困境、日益增多的监管问题和不断变化的媒体习惯将成为企业领导人最关心的问题。”芯片需求激增但供应持续紧缩德勤预计，2022 年期间，许多芯片将供不应求，但大多数芯片的短缺情况不会比 2021 年更严重，而且不会影响所有芯片。德勤表示，芯片短缺的持续及其持续程度归结于需求的大幅飙升，这是由数字转型推动的，也是由新冠疫情加速的。毫不奇怪，风险资本对半导体的投资正在起飞，以满足对新型芯片的需求。德勤预测，全球风险投资（centure capital，VC）公司将在 2022 年向半导体初创公司投资 60 多亿美元。这可能只占 2022 年预计的 3000 多亿美元风险投资总额的 2%，但比 2000 年至 2016 年间每年的投资额高出三倍多。Wi-Fi 6 设备销量超过 5G 设备在过去两年中，许多国家已经采用了 5G，但 Wi-Fi 6 设备的销量现在已经悄然超过了 5G 设备，而且在未来几年内可能还会继续如此。德勤预测，2022 年，Wi-Fi 6 设备的出货量将超过 5G 设备，至少达到 25 亿台，而 5G 设备的出货量约为 15 亿台。原因是：Wi-Fi 6 与 5G 一样，在未来的无线连接中扮演着重要角色——不仅对消费者如此，对于企业也是如此。与此同时，智能手机将在 2022 年达到 45 亿台的安装基数，使其成为迄今为止世界上最受欢迎的电子设备。但到 2022 年，这些手机将产生 1.46 亿吨二氧化碳或等量的排放量（CO2e）。尽管这一数字还不到全球 2021 年二氧化碳排放量的 340 亿吨的百分之一的一半，但仍值得减少。有明显证据表明，该行业正在通过减少对非计划更换的需求、为智能手机提供更长时间的软件支持，最终帮助减少智能手机对环境的影响，从而使智能手机更加可持续发展。管理敏感数据日益紧迫德勤预测，2022 年将有大量关于更系统地监管人工智能的讨论并制订一些议案——尽管将这些议案制定为完全执行的法规可能要到 2023 年或以后才会发生。一些司法管辖区甚至可能试图完全禁止人工智能的所有子领域，如公共场所的面部识别、社会评分和潜意识技术等。此外，由于保护人工智能应用程序中使用的数据日益紧迫，受此驱动，新兴的隐私增强技术，如同态加密（homomorphic encryption, HE）和联邦学习（federated learning, FL），也将经历巨大的增长。同态加密和联邦学习目前已经被领先的技术公司使用，其合并市场在 2022 年将以两位数的速度增长到 2.5 亿美元以上，到 2025 年，该市场预计将超过 5 亿美元。德勤美国技术部门负责人保罗·西尔弗格莱特（Paul Silverglate）在一份声明中表示：“人工智能前景广阔，但随着监管者寻求更好地理解新兴人工智能应用对隐私和数据安全的影响，并实施策略来保护消费者，我们可能会在 2022 年看到更多的审查。科技公司发现自己正处于一个交汇点，在此他们再也不能对这样的道德问题听天由命。现在需要的是一种解决道德责任的整体方法；采取这种方法的公司，特别是在人工智能等较新的领域，可以期待更高的接受度、更高的信任度和更高的收益。”随着世界的动荡：流媒体战争走向全球随着领先的流媒体提供商在全球范围内扩张，而各国媒体公司也在发展自己的国内流媒体服务，不断扩大的竞争创造了丰富的消费者选择，并加速了客户流失。德勤预测，在 2022 年，全球至少有 1.5 亿流媒体视频点播服务（SVOD）付费订阅被取消，每个市场的流失率高达 30%。这是个坏消息。比较好的消息是，总的来说，增加的订阅量将多于取消的订阅量，人均订阅量将上升，而且，在客户流失率最高的市场中，许多取消订阅的人可能会重新订阅他们以前离开的服务。这些都是 SVOD 市场竞争和成熟的迹象。随着 SVOD 的成熟，具有不同成本敏感性的全球区域的增长可能需要不同的商业模式创新和盈利途径。德勤美国电信、媒体和娱乐（TM&E）部门负责人贾纳·阿巴纳斯（Jana Arbanas）在一份声明中表示：“我们在过去一年中了解到的一件事是，消费者在内容、成本以及通过体验与社会联系的能力方面都需要娱乐选项。随着越来越多的全球玩家进入这些已经竞争激烈的全球市场，娱乐公司将面临不断创新、行动灵活、快速响应市场变化的挑战，从而抓住日益精明的消费者的头脑和钱包。”在另一个问题上，德勤预测将继续关注多样性、公平性和包容性；尽管科技行业的大公司正在缩小性别差距，2022 年女性在劳动力中的总体比例将达到 33%，但担任技术职务的女性继续落后 8%，而新冠疫情已加剧人员流失，57% 的 TMT 行业女性希望在两年内更换雇主，而令人吃惊的 22% 的 TMT 行业女性以工作量增加影响幸福为由考虑离职。体育不可伪造代币（sports nonfungible tokens，NFTs）将体育纪念品带入了数字时代。德勤预测，基于区块链的体育媒体 NFTs 将在 2022 年产生超过 20 亿美元的交易额，约为 2021 年交易额的两倍。到 2022 年底，我们预计全球将有 400 万到 500 万体育迷购买或被赠送 NFT 体育收藏品。体育 NFTs 的利益可能会受到更广泛的 NFT 市场的推动，包括数字艺术，其中最重要的五项销售额在 2021 年 8 月之前已经超过 1 亿美元。

1. AI-on-5G2022 年，工业 AI 和 AI-on-5G 物联网应用将会成为主流。想象一下，当我们以元宇宙为目标的时候，我们对物理空间的升级方式同样令人印象深刻。AI-on-5G 组合计算基础设施为传感器、计算平台和人工智能应用的整合提供了一种高性能、安全的链接结构，无论是在现场、场所还是云端中。具体包括：汽车系统；智能空间；工业 4.0，如新的自动化和机器人系统。AI-on-5G 通常与无线环境中的超低延迟、保证服务质量以及提高安全性有关。人工智能和工业物联网解决方案的融合，以及边缘人工智能的发展，使得这一切成为可能，并更容易实现。2. 生成式人工智能生成式人工智能，或评估现有数据（如文本、音频或视觉文件）的算法，主要识别该数据的基本模式，然后复制该模式以生成类似的内容。这种算法正在逐步改进。随着模型的输入数据的变化和业务结果的变化，模型本身也需要调整。缺乏维护会导致人工智能算法最终丧失价值。具体来说，生成式人工智能包括多种技术： 生成对抗网络。生成对抗网络是两个神经网络：一个生成器和一个判别器，它们相互竞争，以找到两个网络之间的平衡。生成器网络负责生成与源数据相似的新数据或内容。判别器网络负责区分源数据和生成的数据，以便识别哪些数据更接近原始数据。Transformer。像 GPT-3、LaMDA 和 Wu-Dao 这样的 Transformer 模拟了认知注意力，并对输入数据部分的重要性进行差异测量。它们被训练来理解语言或图像，学习一些分类任务，并从大量数据集中生成文本或图像。变分自编码器。编码器将输入编码为压缩码，而解码器则从该码中重现初始信息。如果选择和训练正确，这种压缩表示将输入数据分布存储在一个更小的维度表示中。3. 增强的人类和人工智能混合劳动力的到来 虽然工作流管理是工作中的新常态，但未来的工作更多的是在增强的环境中与人工智能配对。所有重复性的工作都是可能实现的，并且将是自动化的。 无论你从事的是人力资源、行政、营销、销售还是工程领域，随着人工智能/机器学习工具的不断增加，你的工作效率也会提高。这也只是未来工作的一个常规部分。 例如，人工智能/机器学习技术在诸如法学和医药等知识领域中得到了广泛的应用，以浏览不断增加的数据量，并为特定任务找到正确的信息。因此，许多白领工作都有很大的提升空间，他们可能会创造出更有成效的工作，使他们能够做自己天生擅长的事情。 在每个行业中，都会涌现出人工智能驱动的智能工具，这些工具可以帮助该行业的个人高效工作。这通常被称为增强型劳动力或人类-人工智能混合工作。4. IT 中的云计算和边缘管理 虽然边缘计算正迅速成为许多企业的必备工具，但部署仍处于早期阶段。云计算和边缘原生业务流程将在 IT 领域占据更多的主导地位，并在商业世界中更加无处不在。 一些人认为人工智能管理将成为 IT 部门的责任。为了应对与可管理性、安全性和规模有关的边缘计算挑战，IT 部门将转向云原生技术。例如，作为容器化微服务的平台，Kubernetes 已经成为大规模管理边缘人工智能应用的主要工具。 那些在云端上使用 Kubernetes 的 IT 部门可以利用他们的经验来构建自己的边缘云原生管理方案。预期将会有更多的第三方和相关的服务被采用。5. 人工智能在网络安全中的应用 现代企业环境中的网络攻击面是巨大的，并且它还在继续快速增长。这意味着，分析和改善一个组织的网络安全态势需要的不仅仅是人类的干预。人工智能在各个领域都有很好的应用前景，而网络安全正是其中的一项重要内容。具体包括： 威胁检测；战斗机器人；端点保护；违约风险保护；服务停机保护。 在网络安全方面，人工智能的作用必须通过自动化来提高。有 69% 的机构相信，人工智能是处理网络攻击的必备条件，但是这一领域在 2022 到 2032 年期间都有升级的需求。6. 更大更好的语言模型 OpenMind 的 GPT-4 将能够做什么？北京智源人工智能研究院（Beijing Academy of Artificial Intelligence，BAAI）是否能跟上步伐？2022 年将回答很多问题，即更大、更好的语言模型将如何能够创造新的工作、新的应用程序和新的商业模式——新型技术创业公司将改变互联网，并在元宇宙中帮助我们组织内容。 更大的人工智能模型也许可以让人工智能完成一些事情，也可以让它学习一些新的可能性。人工智能和机器学习模型需要海量数据，这些模型将继续扩大，并利用更大的数据集来做出越来越准确的决策。 虽然 OpenAI 的大规模生成性预训练 Transformer（GPT）模型的持续发展成为时尚的头条新闻，但 DeepMind、微软研究院以及其他公司的做法也值得关注。围绕着高度进化的大型人工智能语言模型，已经出现了几十家新的初创公司。 2022 年，它将把我们引向何处？ 一些分析家认为或透露，GPT-4 可能包含大约 100 万亿个参数，使其比 GPT-3 大 500 倍。我们可以推测，这一发展朝着离创造能够发展语言并进行与人类无异的对话的机器又近了一步。7. 人工智能在元宇宙中的应用 人工智能在元宇宙和虚拟现实中更多的沉浸式工作和社交场景中可能会有哪些应用，并与消费者脑机接口的演变有关？手机最终将如何被颠覆？ 元宇宙是一个术语，是指一个环境，更具体地说是一个数字环境，多个用户可以一起工作和游戏。如果我们今天在有愚蠢算法和推荐引擎的平台上游戏，那么明天的人工智能确实会帮助我们在虚拟世界中导航和监控我们未来的工作、社交和约会生活？ 新类型的应用程序、更智能的数字代理、深度造假人类（实际上是机器人），所有这些都在互联网的未来等待着我们，似乎是元宇宙产品。8. 人工智能的民主化和可达性——低代码/无代码人工智能 人工智能是否会真正实现民主化？在一个更加自动化的世界里，亿万富翁创造的财富会不会分配给我们其他人？在这个意义上，拯救地球的不是加密技术，而是低代码/无代码人工智能。 在未来，人们无需昂贵的工程师团队，也无需非常专业的技能，就可以开始新的业务。尽管今天对人工智能工程师的需求很高，但是我们可以设想一个完全不同的世界。一个人工智能可以自己编码的世界。人工智能最终将能够修改自己的代码，在 2022 年，我相信我们会在这个方向上取得突破性进展。 今天，组织面临的主要挑战之一是缺乏能够研发出所需要的工具和算法的有经验的人工智能工程师。随着无代码或低代码解决方案的出现，这一挑战可以通过提供简单而直观的界面来解决，这些界面可以用来创建人工智能上的复杂系统。 随着我们加快人工智能在商业中的应用，并升级人工智能流程，随着程序员与人工智能-人类系统的合作，我们通过软件工程来制造产品的方法将会发生根本性的变化，并更容易被所有人接受，从而以更分散的方式分配其部分价值。

ModelArts是面向AI开发者的一站式开发平台，提供海量数据预处理及半自动化标注、大规模分布式训练、自动化模型生成及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期AI工作流。https://www.huaweicloud.com/product/modelarts.html“一站式”是指AI开发的各个环节，包括数据处理、算法开发、模型训练、模型部署都可以在ModelArts上完成。从技术上看，ModelArts底层支持各种异构计算资源，开发者可以根据需要灵活选择使用，而不需要关心底层的技术。同时，ModelArts支持Tensorflow、PyTorch、MXNet等主流开源的AI开发框架，也支持开发者使用自研的算法框架，匹配您的使用习惯。ModelArts的理念就是让AI开发变得更简单、更方便。面向不同经验的AI开发者，提供便捷易用的使用流程。例如，面向业务开发者，不需关注模型或编码，可使用自动学习流程快速构建AI应用；面向AI初学者，不需关注模型开发，使用预置算法构建AI应用；面向AI工程师，提供多种开发环境，多种操作流程和模式，方便开发者编码扩展，快速构建模型及应用。产品架构ModelArts是一个一站式的开发平台，能够支撑开发者从数据到AI应用的全流程开发过程。包含数据处理、模型训练、模型管理、模型部署等操作，并且提供AI Gallery功能，能够在市场内与其他开发者分享模型。ModelArts支持应用到图像分类、物体检测、视频分析、语音识别、产品推荐、异常检测等多种AI应用场景。ModelArts架构产品优势一站式易上手高性能灵活

2022 年 1 月 25 日，2022 年人工智能全球最具影响力学者榜单——AI 2000 重磅发布！人工智能全球最具影响力学者榜单（简称“AI 2000”），由清华大学计算机系 AMiner 团队联合智谱AI、清华—中国工程科技知识中心知识智能联合研究中心共同发布，旨在通过 AMiner 学术数据在全球范围内遴选过去十年人工智能学科最有影响力、最具活力的顶级学者。自 2020 年首届 AI 2000 发布以来，受到各界高度认可，已成为 AI 领域的重要风向标之一。其 2020 和 2021 年度相关榜单得到权威媒体和学术机构的报道，如人民日报、新华网、科技日报及加州伯克利分校、康奈尔大学等国际知名院校。2022 年度榜单基于 2012-2021 十年间人工智能领域 46 个顶级期刊会议收录的共计 185,241 篇论文和 258,268 位作者的学术数据，榜单涵盖了人工智能 20 个核心领域（经典人工智能、机器学习、计算机视觉、自然语言处理、机器人、知识工程、语音识别、数据挖掘、信息检索与推荐、数据库、人机交互、计算机图形、多媒体、可视化、安全与隐私、计算机网络、操作系统、计算理论、芯片技术和物联网 20 个核心领域）以及一个新兴领域——虚拟现实。从学者国家分布来看，美国入选 AI 2000 学者及提名学者的数量最多，有 1146 人次，占比 57.3%，超过总人数的一半以上。中国排在美国之后，位列第二，有 232 人次，占比 11.6%。英国位列第三，有 115 人次，占比 5.75%。德国位列第四，人次未超过 100，但依旧是欧盟学者数量最多的国家。整个欧洲学者数量表现较上年有所流失。转发自：https://blog.csdn.net/csdnnews/article/details/122680878

 华为RPA结合OCR、NLP等深度学习AI算法，通过模拟并增强人与计算机的交互过程，实现了工作流程自动化。　　近年来，在数字经济大潮的推动下，在市场、政策、技术等多重因素的驱动下，建筑行业加速推进数字化转型。在国务院、住建部、工信部等多项利好政策的指导下，以技术赋能产业发展，为建筑行业进行数字化、智慧化转型指明了发展方向。　　作为世界500强企业，中铁十一局集团有限公司(下称中铁十一局)积极拥抱新技术，深入探索人工智能、大数据、物联网、云计算等新技术在建筑行业的场景应用与落地实践，不断用技术武装自己，在推进企业数字化转型的路上大步向前，越走越快。通过与华为云产业云的深度合作，中铁十一局将华为自研的RPA智能机器人率先应用到集团财务智能化场景中，在合同文件识别、凭证制证、结算办理等流程中快速响应，提升了集团办事效率和服务能力，为集团数字化实践树立了典范。　　拥抱前沿科技，用AI技术破解发展困境　　武昌，长江南岸一座活力迸发的现代化魅力之城。　　作为全国著名的设计之都，武昌区拥有众多国字号建筑设计单位。其中，中铁十一局集团总部就坐落于此。集团下辖11个全资子公司，拥有国家专利授权33项，省级技术中心1个，湖北省高新技术企业4家。　　作为建筑工程行业中的龙头企业，虽然中铁十一局的业务发展势头迅猛，企业规模也越做越大，但是面对劳动力向新兴产业转移这一大趋势，即使在建筑工程行业中排在全国前列，名声鹊起，也同样面临着招人难、用人难、老龄化严重等难题，出现了在库存管理、项目生产安全监督管理等诸多业务中人手不足的困境。尤其是在企业的共享中心，逐年增加的工作量使得库存管理、时效管理难度加大，迫切需要突破人力瓶颈，利用新兴技术处理操作规范化、重复性较高、耗费时间较长的工作，以此来节约人力成本，缓解共享中心业务人员紧张的局面。　　面对业务发展中的困境，中铁十一局积极寻找数字化解决方案，着力增强AI、BIM、大数据、智能化、移动通讯、云计算、物联网等信息技术集成应用能力，力求借助前沿科技驱动“智能建造”与“建筑工业化”的协同发展，有效提升企业管理效率和水平，为加快推动建筑行业数字化转型做出贡献。　　为此，中铁十一局选择与华为云产业云合作，在集团财务智能化场景中共同探讨使用华为自研RPA智能机器人来解决伴随集团规模日益增长、业务流程复杂漫长等问题，并取得了显著的成效。　　加速推进数字化实践，树立建筑行业转型典范　　在国家“双碳”战略的推动下，绿色环保产业按下了发展“加速键”，数字经济已经成为中国未来发展的重要方向，数字化、智能化的深入发展为建筑行业转变发展方式、转换增长动力、推进建筑产业现代化、促进建筑业高质量发展提供了基础能力支持。　　在数字化转型的进程中，中铁十一局不断用新技术武装自己，从部分替代人工到大规模替代人工，在根本上解决了燃眉之急。同时，借助华为云，中铁十一局将华为RPA智能机器人率先应用于集团财务智能化场景中替代人工操作。　　华为RPA结合OCR、NLP等深度学习AI算法，通过模拟并增强人与计算机的交互过程，实现了工作流程自动化。借助规范的业务流程，华为RPA在中铁十一局财务智能化场景中的合同文件识别、凭证制证、结算办理等流程中快速响应，达到了比人工操作更为高效、精准的能力，避免了人工操作存在的有效工作时间局限性问题，让有限的人力资源从简单重复的低价值劳动中解放出来，转向价值更高、更有创造力的工作中，从而提升了集团的办事效率和服务能力。　　实践证明，借助华为RPA打开待生成凭证任务、预览会计凭证等操作，效率提升了13倍。　　由于华为RPA还能够学习并自动执行既定的业务控制规则，有效避免了人工操作可能存在的理解、执行偏差等问题，为合理管理介入管控提供了辅助，更好更快地控制了风险。除此之外，华为RPA还提供了人机交互界面，并具备了低代码快速开发APP小程序的能力，让业务人员也能够根据需要快速开发应用，为业务创新夯实基础。　　中铁十一局与华为自研RPA智能机器人的携手合作，既是双方针对建筑行业数字化转型的成功落地实践，又是双方针对建筑行业数字化转型中AI应用场景的深入探讨。可以说，双方的合作树立了数字化转型的行业标杆。　　未来，武昌区将充分与华为云产业云合作，通过华为公司的技术、生态及解决方案能力，助力区内更多企业数字化、智能化转型升级，将人工智能技术赋能于更多传统产业，孵化“新技术、新业态、新模式”。  作者：张诚本文转载来自51CTO，原文链接：https://www.51cto.com/article/700357.html

--- ## 视频数据量激增，数据处理和内容运营成本居高不下 云计算、大数据、物联网、人工智能等信息技术飞速发展及传统产业数字化的转型，一方面媒体数据量呈现几何级增长，据IDC预测，全球数据总量预计2020年达到44ZB，我国数据量将达到8060EB，占全球数据总量的18%；另一方面，媒体的生产、传播和消费形式升级。巨量数据中，70%将会以图片和视频的形式存储和传播。这些数据从生产、传播到用户消费，传统方式运营成本居高不下。人工智能在视觉领域发展趋于成熟，基于人工智能的视频内容分析能从根本上解决传统内容分析方法性能低下的问题。AI助力，视频分析将全面进入智能时代。 ## 视频从生产到消费全流程智能化 视频从生产到消费的全流程升级，如图1所示。  图1 视频生产、编辑、分发和消费流程升级 华为云EI助力视频分析全面进入智能时代。  **生产** **视频采集**，从专业设备到移动终端，视频内容采集大众化。华为云EI在采集阶段可提供美颜、个性化等特效处理技术，助力视频采集即处理。 **内容审核**，用户采集内容上传存储前，华为云EI提供视频内容智能审核能力，包括视频质量评估、黄/暴/恐鉴别、重复/相似鉴别及版权指纹分析等，解决重复/疑似不安全内容进入传播流程。  **编辑** **结构化分析**，华为云EI针对各种类型的长、短视频，提供智能结构化分析，将视频以镜头、内容片段等结构化形式进行描述，便于后续的内容分析、存储和分发。 **内容分析**，对结构化表示的视频内容，华为云EI从场景识别、主体识别、行为/事件检测、语音/文本分析及内容描述等方面对其进行智能化分析，支持多维护内容查询和检索。 **智能编辑**，基于智能内容分析，初步提供以下智能视频编辑技术： **(1)** **视频拆条** 相比较长视频，短视频更有利于在互联网传播，对传统媒体的节目进行拆条是不可或缺的。华为云EI基于人物、场景、语音、OCR字幕等多模态信息分析技术，快速精确地把长视频分割成不同主题的片段。面向海量多媒体视频，大幅提高视频识别、剪辑、检索等处理的效率，降低人工运营的成本。整体效率相对人工提升10+倍，新闻类视频拆条准确率超过95%，特定场景准确率超过98%。  **(2)** 视频摘要 静态摘要，基于视频镜头变换、内容理解技术，华为云EI针对不同类型的长、短视频提供视频静态摘要服务，能够将1个小时视频压缩成5分钟的摘要内容，可用于运营管理人员的内容快速浏览及用户快速内容播放。 视频浓缩，使用背景建模、主体检测、运动轨迹跟踪、前/背景融合技术，华为云EI提供视频浓缩服务，将极长的视频中的事件提取出来，浓缩到较短的视频片段，便于视频内容中事件的快速观看。 **(3)** **视频封面** 基于视频镜头变换、内容理解和分析技术，快速提取内容相关、构图优美的关键帧作为封面吸引用户进一步观看。相比于人工选取封面，智能封面选取速度提高20+倍，大幅降低运营成本；同时精彩的封面能够吸引用户的注意，大幅提高视频点击率。  **(4)** **视频内容标签** 视频OCR，视频物体识别，视频人物识别，从多维度对视频内容进行提取，将非结构化的视频文件，转换为结构化的数据，为视频搜索，视频推荐，视频运营等提供了必不可少的信息。  **(5)** **水印处理** 用户上传的内容除了新采集的视频，还有很大一部分为已有视频的重新传播。而重复传播的这部分视频极有可能已经打上了不同的水印。为了便于企业内容管理，华为云EI提供水印检测和处理技术，能够智能检测水印位置、重构水印并对水印进行处理。 **(6)** **音视频指纹** 视频指纹具有极大的使用场景，包括：(1) 对用户上传的内容进行重复检测；(2) 可对内容进行版权追踪；(3) 支持多维度、多粒度内容存储和检索； 华为云基于音频、视频内容分析技术，提供音、视频指纹生成、存储及检索技术。 **(7)** **自动唱词** 在新闻媒体、教育等领域往往只有视频和对应的音频信息，自动唱词技术可以根据视频自动添加字幕，相比人工添加字幕，可以极大提高视频发布的及时性，提高生产效率。 **分发**，基于前述的视频结构化和智能分析，视频内容可按照多维度进行存储，结合用户行为日志分析，支持快速检索和关联推荐，将内容以最快的速度推送到相应的用户。 **消费**，在用户消费视频的过程中，华为云EI提供自动评论及交互播放技术方案，提升终端用户体验。 来源：华为云社区 大道无形

没想到没想到 AI音箱返场3点日历提醒华为云兑换刷了两分钟 没啥想要的突然一刷新 出来刷个音箱 哈哈哈 换到了

AI for Science人工智能成为科学家的新生产工具，催生科研新范式实验科学和理论科学是数百年来科学界的两大基础范式，而人工智能正在催生新的科研范式。机器学习能够处理多维、多模态的海量数据，解决复杂场景下的科学难题，带领科学探索抵达过去无法触及的新领域。人工智能不仅将加速科研流程，还将帮助发现新的科学规律。预计未来三年，人工智能将在应用科学中得到普遍应用，在部分基础科学中开始成为科学家的生产工具。机器学习帮助数学家发现两大猜想，以及采用机器学习、多尺度建模和高性能计算相结合的方式解决超大规模量子随机电路实时模拟问题，让人们看到了人工智能应用于科学研究，在处理数据、设计新型实验以及创建更高效的计算模型方面的巨大潜力。正在兴起的 AI for Science 有望促进数据驱动和理论推演两大科研范式的深度融合。预计未来几年，AI 将进一步与数学、物理、化学、材料、工程学等不同领域深度结合，在基础科学的进步中发挥更大作用。大小模型协同进化大模型参数竞赛进入冷静期，大小模型将在云边端协同进化超大规模预训练模型是从弱人工智能向通用人工智能的突破性探索，解决了传统深度学习的应用碎片化难题，但性能与能耗提升不成比例的效率问题限制了参数规模继续扩张。人工智能研究将从大模型参数竞赛走向大小模型的协同进化，大模型向边、端的小模型输出模型能力，小模型负责实际的推理与执行，同时小模型再向大模型反馈算法与执行成效，让大模型的能力持续强化，形成有机循环的智能体系。

本文转自：人民网人民网北京1月25日电 （记者赵竹青）记者从清华—中国工程科技知识中心知识智能联合研究中心获悉，1月25日发布的2022年人工智能全球最具影响力学者榜单AI 2000显示，全球入选该榜单的2000名学者中，美国共有1146人次，中国有232人次，分别位于第一、第二名。在人才流向上，中国呈现出令人欣喜的正向流入状态。该榜单由清华大学计算机系AMiner团队联合智谱AI、清华—中国工程科技知识中心知识智能联合研究中心共同发布，旨在通过AMiner学术数据在全球范围内遴选过去十年人工智能学科最有影响力、最具活力的顶级学者。2022年度榜单基于2012-2021十年间人工智能领域46个顶级期刊会议收录的共计185241篇论文和258268位作者的学术数据，涵盖了人工智能20个核心领域（经典人工智能、机器学习、计算机视觉、自然语言处理、机器人、知识工程、语音识别、数据挖掘、信息检索与推荐、数据库、人机交互、计算机图形、多媒体、可视化、安全与隐私、计算机网络、操作系统、计算理论、芯片技术和物联网20个核心领域）以及一个新兴领域——虚拟现实。整体而言，AI 2000榜单21个子领域的榜首人才，主要聚集于美国，以及中国、新加坡、加拿大、德国等国家。与上届相比，没有出现较大的数据波动。美国依旧在人工智能人才上占有强势领先位置，囊括13个领域的榜首学者。由此可见，美国在人工智能整体人才资源、高水平科研成果上仍然占有绝对优势，这为美国人工智能的发展奠定了坚实的人才基础。中国收入两个榜首学者，分别是信息检索与推荐和多媒体两个领域；德国收入两个榜首，分别是机器人和可视化两个领域；另外还有意大利取得物联网领域榜首；日本取得计算机图形领域榜首。值得注意的是，相较于去年美国人才占据了16个人工智能子领域的榜首，今年各领域榜首出现了更多的国家，这间接表明其他国家在逐渐强化自己的优势领域，壮大自己的技术力量。从AI 2000最具影响力学者入选数量来看，谷歌、Meta（原Facebook）及微软三大科技公司占据优势地位，公司拥有的顶级AI学者数量，无论是top 10还是top 100数量，均远多于高校。其中位居首位的谷歌公司，共181人次入选榜单，也是唯一一家学者数过百的机构。在学者性别分布方面，AI 2000上榜学者整体呈现男多女少特征。具体而言，男性学者在人工智能各领域中均占多数，女性学者占少数，但女性学者的数量也呈现了逐年上升的趋势，并首次出现了女性学者获得两个榜单榜首。在人机交互领域女性学者比例高达37.4%，其榜首学者也为女性学者，知识工程和可视化两个领域，女性学者占比超过了15%，而其他剩余领域占比均为10%以下。