日前，首屆中國數(shù)字藝術(shù)大展在位于杭州的中國美術(shù)學(xué)院美術(shù)館開幕,。圖為小朋友在首屆中國數(shù)字藝術(shù)大展上進(jìn)行互動體驗(yàn),。新華社李天瑞人工智能發(fā)展至今已經(jīng)是碩果累累,，但新技術(shù),、新模型,、新方法每天仍在涌現(xiàn),，人工智能的應(yīng)用也已經(jīng)滲透到人民大眾的生活中,。然而,，人工智能技術(shù)今天依然面臨著許多根本性的問題沒有解決，人類還需要不斷發(fā)展更加接近人類智能的顛覆性的人工智能新技術(shù),。隨著全球主要國家將人工智能列為戰(zhàn)略性技術(shù)和國家之間競爭的核心關(guān)鍵產(chǎn)業(yè)領(lǐng)域,，人工智能技術(shù)和產(chǎn)業(yè)的發(fā)展迎來了機(jī)遇與挑戰(zhàn)。展望未來,，人工智能將會給人類社會帶來更多的驚喜和難以預(yù)料的變化,。未來的人工智能技術(shù)將更加智能化，能夠?qū)崿F(xiàn)更多自主決策和自我學(xué)習(xí)能力,。同時,，類似于人類接受信息的方式，未來人工智能將更多地使用多種媒介進(jìn)行信息傳遞,，如圖像,、音頻、視頻等多模態(tài)信息,。隨著人工智能技術(shù)的廣泛應(yīng)用,，安全問題也變得尤為重要。未來的人工智能產(chǎn)品將更加注重?cái)?shù)據(jù)保護(hù),、隱私保護(hù)等方面的安全問題,。而總體上，未來人工智能的發(fā)展將更加注重智能化,、個性化,、多模態(tài)融合等方面，并注重實(shí)際生產(chǎn)和生活中的潛在安全問題,。人工智能在追求技術(shù)創(chuàng)新方面不斷突破當(dāng)前,，新模型和新算法不斷涌現(xiàn)，技術(shù)融合,、領(lǐng)域融合成為重要趨勢,。超大規(guī)模預(yù)訓(xùn)練模型不斷推動著相關(guān)領(lǐng)域的性能基準(zhǔn)，人工智能的研究也在朝著規(guī)模更大,、模態(tài)更多的方向發(fā)展,。2020年，OpenAI推出了GPT-3，隨后Google,、智源研究院,、中科院、華為,、阿里巴巴等研究機(jī)構(gòu)和企業(yè)相繼推出超大規(guī)模預(yù)訓(xùn)練模型,，包括Switch Transformer、DALL·E,、MT·NLG,、盤古、悟道2.0,、紫東太初和M6等,，不斷刷新各榜單紀(jì)錄；當(dāng)前,，預(yù)訓(xùn)練模型參數(shù)數(shù)量,、訓(xùn)練數(shù)據(jù)規(guī)模按照300倍/年的趨勢增長，繼續(xù)通過增大模型和增加訓(xùn)練數(shù)據(jù)仍是短期內(nèi)演進(jìn)方向,；另外，跨模態(tài)預(yù)訓(xùn)練模型也在日益增多,，從早期只學(xué)習(xí)文本數(shù)據(jù)到聯(lián)合學(xué)習(xí)文本和圖像,，再到如今可以處理文本、圖像,、語音三種模態(tài)數(shù)據(jù),，未來使用更多種圖像編碼、更多種語言以及更多類型數(shù)據(jù)的預(yù)訓(xùn)練模型將會涌現(xiàn),，這也是實(shí)現(xiàn)人工智能通用化的有益探索,。另外，生成式人工智能技術(shù)不斷成熟,，未來聽,、說、讀,、寫等能力將被有機(jī)結(jié)合起來,，2022年已是生成式AI之年。目前,，生成式人工智能被廣泛應(yīng)用于智能寫作,、代碼生成、有聲閱讀,、新聞播報(bào),、語音導(dǎo)航、影像修復(fù)等領(lǐng)域；尤其在2022年,，無論是上半年AI繪畫（DALL·E和Mid-journey等模型）,，還是下半年火爆“出圈”的ChatGPT，都意味著通過計(jì)算機(jī)自動生成視頻,、圖像,、文本或語音等技術(shù)正在推動互聯(lián)網(wǎng)信息生成的重大變革，機(jī)器模擬人類聽,、說,、讀、寫的能力并將其進(jìn)行有機(jī)結(jié)合,，成為未來人工智能的發(fā)展趨勢之一,。根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心（IDC）的預(yù)測，全球互聯(lián)網(wǎng)數(shù)據(jù)的規(guī)模在2025年將達(dá)到163ZB（存儲容量單位,，1ZB等于1百萬億GB）,，其中80%~90%是非結(jié)構(gòu)化數(shù)據(jù)，這標(biāo)志著人工智能的快速發(fā)展也推動著數(shù)據(jù)規(guī)模的不斷提升,。數(shù)據(jù)服務(wù)進(jìn)入深度定制化階段,，如百度、阿里巴巴和京東等公司推出根據(jù)不同場景和需求進(jìn)行數(shù)據(jù)定制的服務(wù),；企業(yè)需求的數(shù)據(jù)集從通用簡單場景向個性化復(fù)雜場景過渡,。同時，各方積極探索建立高質(zhì)量知識集來支撐未來知識驅(qū)動的人工智能應(yīng)用發(fā)展,。知識集包含語音,、圖像、文本等傳統(tǒng)數(shù)據(jù)的定義,、規(guī)則和邏輯關(guān)系,，是知識的數(shù)據(jù)化呈現(xiàn)。人工智能作為能力核心：從工程實(shí)踐到技術(shù)應(yīng)用隨著人工智能技術(shù)不斷發(fā)展,，近年來工程落地應(yīng)用呈現(xiàn)加速態(tài)勢,，目前企業(yè)應(yīng)用人工智能呈現(xiàn)出從初步探索到規(guī)模應(yīng)用的過渡，總體上來看,，提升工程實(shí)踐能力將成為人工智能應(yīng)用的關(guān)鍵,，而技術(shù)應(yīng)用的落地將促進(jìn)先進(jìn)人工智能技術(shù)的進(jìn)一步提升與全面發(fā)展。人工智能工程化已成為學(xué)術(shù)界和產(chǎn)業(yè)界關(guān)注的焦點(diǎn),，主要關(guān)注的是工具體系,、開發(fā)流程、模型管理全生命流程的高效耦合：工具體系層面,，體系化與開放化將成為研發(fā)平臺技術(shù)工具鏈的發(fā)展特點(diǎn),，將圍繞機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù),，構(gòu)建起完備的工具體系，大幅降低數(shù)據(jù)處理,、模型開發(fā)和部署,、運(yùn)維管理等難度，其中關(guān)鍵的軟件框架多采用Tensor-Flow,、PyTorch,、Paddle、Mind-Spore,、OneFlow等開源框架,；在工程化層面，標(biāo)準(zhǔn)化,、自動化和持續(xù)性至關(guān)重要,。通過將整個流程標(biāo)準(zhǔn)化并實(shí)現(xiàn)自動化，可以提高開發(fā)效率和質(zhì)量,，并確?？沙掷m(xù)生產(chǎn)、交付和部署的能力,。此外,，基于最佳實(shí)踐的工具和框架可以進(jìn)一步提高工作效率，降低錯誤率,。在模型管理層面,，隨著企業(yè)智能化應(yīng)用的逐步加深，對于模型的管理也變得越來越重要,。管理機(jī)制需要跟蹤每個模型的版本歷程、性能表現(xiàn),、相關(guān)數(shù)據(jù)以及衍生模型等信息,，并確保這些信息的標(biāo)準(zhǔn)化和可靠性。人工智能作為科技創(chuàng)新產(chǎn)物,，正加速向醫(yī)療,、交通、智慧城市等應(yīng)用領(lǐng)域滲透,，在改變?nèi)祟惿a(chǎn)方式,、促進(jìn)社會進(jìn)步、加快產(chǎn)業(yè)發(fā)展等方面發(fā)揮著越來越重要的作用,。目前人工智能的應(yīng)用場景被進(jìn)一步地拓展細(xì)分,，正通過“AI+”賦能百業(yè)。每一次技術(shù)革命都將引發(fā)人類生產(chǎn)力方式的重大變革,，或許人工智能將在未來替代或部分替代人類傳統(tǒng)職業(yè),，最終引發(fā)人類生產(chǎn)方式的革命性變化,。安全可信人工智能技術(shù)朝著一體化發(fā)展隨著人工智能的可解釋性問題得到了越來越多地關(guān)注，其安全性與可靠性已經(jīng)成為一個熱門話題,。重點(diǎn)解決如何提高人工智能的穩(wěn)定性,、可解釋性、隱私保護(hù)以及公平性等問題,，從而為人工智能的可信應(yīng)用提供理論與技術(shù)支持,。人工智能系統(tǒng)穩(wěn)定性技術(shù)重點(diǎn)逐步從數(shù)字域擴(kuò)展到物理域。人工智能系統(tǒng)面臨中毒攻擊,、對抗攻擊,、后門攻擊等特有攻擊，這加大了安全性方面的挑戰(zhàn),。這些攻擊技術(shù)既可以互相獨(dú)立,，也可以同時存在。圍繞著人工智能系統(tǒng)的穩(wěn)定性測試技術(shù)也成為關(guān)鍵,，華為,、百度等紛紛推出基于模糊理論的相關(guān)測試技術(shù)，致力于探索提高人工智能系統(tǒng)的穩(wěn)定性,。人工智能可解釋性方面的研究仍處于初級階段,，多種路徑持續(xù)探索。增強(qiáng)人工智能系統(tǒng)的可解釋性成為熱點(diǎn)工作,。使用透明模型（如決策樹或線性回歸等）,，這些模型可以被解釋并且不會掩蓋其內(nèi)部運(yùn)作機(jī)制。通過可視化技術(shù),，將模型輸出以圖形方式呈現(xiàn)出來,，以便用戶更好地理解和解釋模型的結(jié)果。局部解釋性方法專注于對單個預(yù)測結(jié)果進(jìn)行解釋,，例如LIME（局部可解釋性模型評估）算法,，它可以生成關(guān)于特定預(yù)測的局部解釋。提供上下文信息,。在解釋模型的結(jié)果時,，提供上下文信息，比如數(shù)據(jù)來源,、算法使用的特征等,，這樣用戶就能更加全面地了解模型的邏輯。隱私計(jì)算技術(shù)助力人工智能數(shù)據(jù)安全可信地進(jìn)行協(xié)作,。眾所周知,，人工智能的發(fā)展離不開海量數(shù)據(jù)，但海量數(shù)據(jù)在其傳輸和深度建模中存在著隱私信息泄露的風(fēng)險(xiǎn),。人工智能結(jié)合隱私計(jì)算技術(shù),，可從數(shù)據(jù)源端確保原始數(shù)據(jù)真實(shí)可信,。利用隱私計(jì)算技術(shù)，數(shù)據(jù)“可用不可見”,，形成物理分散的多源數(shù)據(jù)的邏輯集中視圖,，保證AI模型有充足的、可信的數(shù)據(jù)可供利用,。（作者系西南交通大學(xué)計(jì)算機(jī)與人工智能學(xué)院教授,、博士生導(dǎo)師，文章摘自《人工智能社會前沿問題哲學(xué)研究》一書,，有刪節(jié)）