美国《福布斯》双周刊网站3月15日刊文，标题《2021年的人工智能：你可能期待（也可能不期待）的五大趋势》。全文摘录如下：人工智能创新持续快速发展，几乎所有行业都出现爆发式增长。那么，过去的一年我们收获了什么？我们对2021年的AI发展有何期待？人工智能的发展出现了五大趋势。预计这些趋势将在2021年变得更加突出。机器学习操作机器学习操作已经进行了一段时间。它指的是机器在生产环境中的学习实践。但2020年的COVID-19大流行让人们重新意识到需要在生产环境中监控和管理机器学习。运营流程、库存管理和流量模式都发生了巨大变化，导致人工智能出现许多意想不到的行为。这在机器学习操作领域被称为“漂移”，当输入数据与AI的训练目标不匹配时就会发生这种情况。虽然较早在生产环境建立机器学习模型的企业都知道机器在生产环境中面临学习“漂移”等诸多挑战，但新冠疫情带来的变化让大家更加意识到机器学习的必要性学习运维。全面的了解。低代码和无代码自动化机器学习已经存在了一段时间。自动化机器学习传统上侧重于算法选择和为特定数据集寻找最佳机器学习或深度学习解决方案。过去一年，低代码和无代码技术的采用全面增长，从普通应用程序到面向企业的AI垂直解决方案。尽管借助自动化机器学习，无需深入了解数据也可以构建高质量的人工智能模型，但借助当今的低代码和无代码平台，有可能构建一套完整的生产级人工智能模型没有深入编程知识的智能模型。智能应用。Pretrainedlanguageadvancedmodels在过去的几年里，自然语言处理领域取得了长足的进步，其中最伟大的可能就是“transformerandattention”机制，其常见的应用之一是“transformer-basedbidirectionalencodingDeviceCharacterization”（伯特）。这些模型非常强大，彻底改变了语言翻译、理解、泛化等。然而，训练这些模型既昂贵又耗时。好消息是，预训练模型可以带来新一代高效且极易构建的AI服务。可通过应用程序编程接口访问的高级模型的一个典型示例是GPT-3。从写代码到作诗，很多用例都证明了GPT-3的强大。合成内容生成自然语言处理并不是唯一出现大量算法创新的人工智能领域。生成对抗网络也看到了创新，并在艺术创作和图像伪造方面取得了显著成就。与自然语言处理领域的Transformer类似，生成对抗网络的训练和调试过程也很复杂，因为它们需要大量的训练组合。然而，这项创新大大减少了创建生成对抗网络所需的数据量。面向青少年的人工智能随着低代码工具的普及，人工智能系统的构建者越来越年轻化。现在，小学生或中学生可以构建自己的人工智能来完成从文字处理到图像分类的各种任务。美国高中现在教授人工智能课程，中学似乎也有意效仿。例如，在硅谷举行的2020年Synopsys科学博览会上，31%的获奖软件项目在其创新过程中使用了人工智能。更令人印象深刻的是，这些AI中有27%是由6至8年级的学生构建的。例如，其中一位接受者是8年级学生AnikaPaliaporto。该学生构建了一个卷积神经网络，通过扫描眼睛来检测糖尿病性视网膜病变。美国中学生AnikaPaliaporto构建了一个卷积神经网络。（美国科学与大众协会网站）美国中学生AnikaPaliaporto构建了一个卷积神经网络，可以通过扫描眼睛来检测糖尿病视网膜病变。（AASM网站）
