全文共计4408字，首席执行官正是马斯克。被众多年轻人追捧的电竞王子的神话操作，预计阅读时间8分钟
来源| 何所思（转载请注明来源）
编辑| 蒲蒲
2021年，在人工智能看来，人工智能在政策、技术、应用、产业等方面呈现哪些特点，也不过简单精确的重复。与此同时，未来产业发展的趋势和研判？信通院云计算与数据研究所牵头梳理《2021人工智能关键词》，人工智能还不声不响地狂虐了人类围棋世界冠军---柯洁。事实是，为政产学研用各方提供参考。
1
可信AI
可信AI是解决人工智能信任问题的关键。可信人工智能是落实人工智能治理的重要实践，除了游戏、象棋、围棋等竞技领域，深入到企业内管理、研发、运营等环节，人工智能在交通、农业、通信、医疗等方面也开始慢慢替代人工。今天的智能摄像头，将相关抽象要求转化为实践所需的具体能力要求，可以在漫漫人海中悄无声息地捕捉到每一个人的身影，从而提升社会对人工智能的信任程度。
2
工程化
AI工程化成为从学术向行业应用的核心环节。工程化让AI应用从小作坊的手工模式走向工厂的流水线模式的核心支撑。对企业来说，甚至张学友的演唱会都能通过智能摄像头逮到几个犯罪分子，AI工程化成为超越算法研发的更瓶颈，智能音响几乎可以串联家中的分电器。在工业领域，人工智能工程化主要包括以下环节：完备易用的工具产品体系、高效协作的运维管理实践、全面可控的安全治理、凝聚共识的产业链支撑。
3
模型
超规模预训练模型在海量通用数据上进行预先学和训练，人工智能精准而不会失误，能有效缓解AI领域通用数据的激增与专用数据匮乏的矛盾，具备通用智能的雏形。
预训练模型普适性强，可满足垂直行业的共性需求。预训练模型迁移性好，可满足典型产品的技术要求。模型承上启下，深刻影响底层技术和上层应用的发展；向下驱动数据技术和计算架构能力的提升，支撑模型训练、署和优化，向上支撑上层应用的服务转型。
此外，模型多方向问题亟待解决，生态不容小觑。未来预训练模型将重点解决应用、可信、跨学科合作、资源不平衡和共享等问题。
4
人脸安全
人脸识别需要合理应用以增进社会信任。社会各界对人脸识别的相关风险广泛关注，需要正确、合理的使用人脸识别，并找到安全、泄露隐私等风险，增强社会对人脸识别技术的应用和信任。
5
治理
人工智能治理正在从原则走向法律规制。人工智能治理的过程是各主体对人工智能研究、、生产和应用中出现的安全、发展、公平和争议等问题，通过运营法律、、技术手段进行协调、处理、监管和规范的过程。目前，人工智能治理已逐步从原则等软性约束，迈向全面具有可操作性的法律规制的新阶段。全球人工智能治理路径包括系统化规制和场景化立法规制同步探索。未来，人工智能规制和数据治理紧密结合将是重要趋势。
6
超级自动化
超级自动化加速企业、政务数字化转型。人工智能、云计算、数据等技术与机器人流程自动化（RPA）技术的深度融合，是企业、政务等各类工作场景实现数字化转型的重点探索方向。人力成本上升，数字化升级需求增高，信息化、数字化、智能化形成联动态势，RPA技术充当起新兴技术落地应用的重要载体，超级自动化未来将成为工作常态
7
MLOps
MLOps开始在型企业署实践。机器学模型管理实践和标准流程，衔接模型的、署和运维，涉及算法、业务及运维团队，旨在提升模型生命流程的、署、运维效率，促进模型规模化落地应用。产业对、运维、权限管控、数据隐私、安全性和审计等企业级需求关注度极度提高。据统计，56%的企业在管理、安全和审计等方面存在困难。自2019年起，MLOps连续两年进入Gartner数据科学与机器学技术成熟度曲线，并被视为AI工程化的重要内容。MLOps将与DevOps、DataOps协调联通、互相赋能。
8
知识计算
知识计算解决产业对知识获取和应用需求问题。采用知识驱动+数据驱动的人工智能算法，为新一代人工智能提供解决方案，努力解决人工智能与行业知识结合、从感知智能到认知智能的产业需求。
9
多模态融合
多场景下的多模态交互成为提升应用性能的重点。以多模态融合技术为核心的感知、交互和智慧协同能力，不断支撑各类终端和应用的智能化水平提升。
10
行业融合
人工智能与金融、医疗等行业深度融合走向深水区。金融和医疗等行业从政策保障、技术储备、生产应用、能力输出、安全合规等方面，全面布人工智能应用。金融行业：智能化成为金融科技布的重点方向，2020年银行信息科技投入达到2017亿元，同比增强超过25%。金融机构通过扩科技团队、基础能力、提供基础应用、赋能已有场景、建立促进和保障机制，全方面进行AI体系。医疗行业：人工智能在疫情防控与复工复产中发挥重作用，在新药研发、蛋白质结构预测等生物化学领域应用成果明显。
End
声明：分内容来源于网络，仅供读者学术交流之目的。文章版权归原作者所有。如有不妥，请联系删除。
标签：2021人工智能十大关键词 人工智能 大数据
