盡管人工智能技術(shù)已有數(shù)十年的歷史，但其發(fā)展趨勢仍在快速演變。隨著近年來生成式人工智能和人工智能驅(qū)動的自動化的快速進步，人工智能的進化似乎正在以雙倍甚至更高的速度發(fā)展。

在這篇關于當前人工智能發(fā)展趨勢的概覽中，我們將介紹一些最重要的人工智能發(fā)展趨勢，并探討新興技術(shù)、功能和應用場景如何影響從普通消費者到全球企業(yè)IT團隊的人工智能用戶。

（1）生成式人工智能的更廣泛應用

過去的幾個月中，生成式人工智能在全球范圍內(nèi)取得了顯著的進步，為文本、圖像、音頻和其他形式的數(shù)據(jù)生成提供了用戶友好的人工智能模型。OpenAI的GPT-4和ChatGPT等解決方案在生成式AI領域處于領先地位，并與微軟建立了緊密的合作關系，但同時也面臨著如谷歌正在打造的Google Bard等強勁的競爭對手。

有數(shù)十家生成式人工智能創(chuàng)業(yè)公司在特定的細分市場和生成式人工智能企業(yè)應用場景中占據(jù)一席之地，例如藥物研發(fā)/設計和風險管理等領域，未來幾個月，預計將有更多的公司進入生成式人工智能市場。

然而，值得注意的是，大多數(shù)生成式人工智能公司都在微調(diào)或以其他方式依賴第三方的基礎模型，而非構(gòu)建自己的基礎設施。預計不久的將來，生成式人工智能市場將開始整合，谷歌、微軟、OpenAI（甚至可能包括亞馬遜）等領先企業(yè)將競相成為基礎模型和人工智能助手工具的首選供應商。

此外，預計我們會聽到更多來自基礎設施、硬件和計算提供商（例如Nvidia和英特爾）的信息；他們提供的芯片和GPU是稀缺且利潤豐厚的資源，是驅(qū)動大規(guī)模生成式人工智能模型所必需的。

（2）以用戶體驗為中心的嵌入式人工智能展開

許多人工智能公司和創(chuàng)業(yè)公司提供可以微調(diào)并嵌入到第三方系統(tǒng)中的人工智能模型。這些模型使企業(yè)能夠在各個層面，從內(nèi)部員工數(shù)據(jù)庫到面向外部的網(wǎng)站搜索欄和知識庫，創(chuàng)建人工智能驅(qū)動的搜索、幫助和其他以用戶體驗為中心的體驗。

在此領域領先的人工智能獨角獸企業(yè)Glean主要為內(nèi)部工作場所應用程序搜索提供生成式人工智能解決方案。借助Glean等解決方案，企業(yè)可以簡化員工的入職和持續(xù)培訓，使用戶通過簡單的搜索功能輕松找到所需的文檔、對話和其他資源。

除了創(chuàng)業(yè)公司和內(nèi)部企業(yè)用例之外，微軟和谷歌都在努力將有效的人工智能助手融入他們的搜索引擎。

隨著以用戶體驗為導向的人工智能的發(fā)展，人工智能公司可能會更加關注其全球影響力和多語言能力。目前，一些人工智能工具對非英語查詢的處理能力還相對較弱。然而，許多公司正在構(gòu)建能夠訓練人工智能模型和處理全球數(shù)據(jù)集的流程，以使自然語言處理和理解數(shù)十種語言成為可能。

Cohere是這方面的一個很好的例子，這家生成式人工智能獨角獸公司發(fā)布了名為Embed的產(chǎn)品，可以檢索和翻譯100多種語言的文本。

（3）更高的合規(guī)和道德期望

隨著人工智能工具的日益成熟并進入我們生活的新領域，大量的個人和敏感數(shù)據(jù)被用于驅(qū)動它們的有效運行。然而，企業(yè)和個人對于數(shù)據(jù)收集、使用和保護的關注也在日益增加。

因此，人工智能公司正在努力使其數(shù)據(jù)收集和模型訓練過程更加透明，以便用戶了解他們的數(shù)據(jù)是如何被使用的。許多客戶也在推動可解釋的人工智能。這些工具和文檔可以清楚地解釋如何優(yōu)化模型性能，以及如何更好地分析或微調(diào)模型行為。

為了回應用戶隨著我們對這些工具的依賴越來越深，這將是我們每個人需要考慮的事情。

總的來說，這是一個令人興奮的時刻，全球在各種形式的人工智能領域都取得了顯著的進步。這些技術(shù)可以增強我們的能力，改善我們的生活，創(chuàng)造新的機會，也可以提高企業(yè)和其他組織的效率。但是，我們也要考慮到這些工具的使用和發(fā)展的各種挑戰(zhàn)和難題，包括保護隱私和數(shù)據(jù)、應對環(huán)境問題，以及推動更大的公開和透明度。

（4）人工智能的民主化和普遍接入的持續(xù)發(fā)展

企業(yè)通常需要處理大量數(shù)據(jù)，但在處理各種格式的更復雜數(shù)據(jù)時，往往缺乏必要的資源。

此外，由于技術(shù)人才的短缺和技能差距，許多企業(yè)無法在大規(guī)模的基礎上收集、解釋、分析商業(yè)智能和數(shù)據(jù)，并將其應用到業(yè)務運作中。

為了解決這個問題，許多企業(yè)正在構(gòu)建或投資于低代碼/無代碼技術(shù)，包括那些用戶友好的、可以篩選和解釋大量結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)的人工智能工具。這些低代碼/無代碼人工智能解決方案在商業(yè)智能、決策智能和數(shù)據(jù)分析的民主化方面發(fā)揮著日益重要的作用。

DataRobot、H2O.ai、Sisu Data和Tellius等公司正在構(gòu)建人工智能驅(qū)動的分析和決策智能解決方案，以降低非數(shù)據(jù)科學家的進入門檻。這些解決方案可以幫助企業(yè)擴大其數(shù)據(jù)分析能力，并幫助新用戶更好地理解業(yè)務數(shù)據(jù)并將其置入上下文中。

盡管許多人工智能和數(shù)據(jù)分析公司都在努力提高技術(shù)含量較低的用戶的可訪問性，但隨著越來越多的公司傾向于使用低代碼/無代碼人工智能來提高民主化，觀察這一點將變得非常有趣。這些公司不僅簡化了工具的使用，還吸引了新的客戶。他們通過將人工智能驅(qū)動的智能集成到用戶已經(jīng)在使用的工具中，例如數(shù)據(jù)湖和數(shù)據(jù)庫、商業(yè)智能儀表板等，實現(xiàn)這一點。

（5）新的人工智能驅(qū)動的網(wǎng)絡安全解決方案

人工智能已經(jīng)被應用于網(wǎng)絡安全解決方案中有一段時間了，隨著功能的增強，人工智能驅(qū)動的網(wǎng)絡安全工具正在變得越來越流行。

網(wǎng)絡檢測和響應（NDR）以及擴展檢測和響應（XDR）供應商不斷將人工智能驅(qū)動的威脅檢測功能加入其解決方案組合中，以幫助安全團隊識別并應對無簽名攻擊等問題，并自動執(zhí)行檢測和響應工作流程的不同環(huán)節(jié)。

漏洞管理、滲透測試以及漏洞和攻擊模擬（BAS）工具也開始嚴重依賴人工智能，以便更真實地模擬高級持續(xù)威脅（APT）。

隨著生成型人工智能的發(fā)展，全新的人工智能驅(qū)動的安全解決方案已經(jīng)出現(xiàn)。谷歌、微軟、CrowdStrike、思科、SentinelOne以及許多其他公司現(xiàn)在都在使用生成型AI來推進智能威脅檢測、行為分析以及自然語言驅(qū)動的查詢和安全分析。

雖然惡意行為者可以創(chuàng)建和利用人工智能驅(qū)動的網(wǎng)絡安全工具，但選擇將人工智能整合進其工具和工作流程的網(wǎng)絡安全公司現(xiàn)在最有能力應對這些新興威脅。

（6）制造業(yè)中的計算機視覺和超級自動化

計算機視覺是一種人工智能，可以讓計算機更好地理解基于圖像的數(shù)據(jù)和場景，已成為簡化和自動化現(xiàn)代制造的關鍵部分。 

計算機視覺和相關人工智能解決方案目前處理的制造任務包括自動產(chǎn)品缺陷檢測、3D 建模、風險管理、產(chǎn)品計數(shù)和包裝支持、預測性維護和庫存管理。這些計算機視覺工具的視覺處理能力使它們能夠處理人類水平的質(zhì)量保證任務，并且在某些情況下，可以取代典型人類可以為這些任務帶來的視覺和技能。 

最新的多模式人工智能模型和機器人技術(shù)對于制造超級自動化變得尤為重要，它允許公司使用圖像輸入來獲得詳細的分類、解釋和建議輸出。從那里，用戶可以手動糾正任何檢測到的問題，也可以依靠機器人流程自動化 (RPA) 進行基于規(guī)則的修復。 

例如，可以訓練多模式模型來處理飛機螺旋槳的圖像，并快速告訴用戶它是什么類型的螺旋槳、影響螺旋槳性能/安全的缺陷類型以及它們所在的位置，和/或如何糾正任何檢測到的問題。在某些情況下，這些人工智能模型與自動化機器人集成，可以自動進行這些更正。  目前，能夠處理這種級別的制造任務自動化的人工智能模型很少，但可能會出現(xiàn)更多的解決方案來支持和自動化質(zhì)量控制流程。 

人工智能趨勢如何影響您和您的業(yè)務 

人工智能解決方案本身正在迅速變化，隨著這種變化帶來了新的機會，使人工智能與新受眾相關并易于使用。人們還產(chǎn)生了深刻而廣泛的焦慮，

這不僅是由于網(wǎng)絡安全和道德問題，還因為許多工人認為這些新工具會搶走他們的工作。  雖然就業(yè)市場確實可能會因所有這些人工智能進步而發(fā)生變化，但就業(yè)機會減少的可能性較小，而且更有可能出現(xiàn)新的機會。 

投資于人工智能特定培訓和認證的公司和個人將發(fā)現(xiàn)自己處于最具戰(zhàn)略意義的位置，準備好并能夠在不斷變化的就業(yè)市場和全球市場中使用這些新工具。好消息是，對人工智能和數(shù)據(jù)民主化的日益重視已經(jīng)降低了那些想要利用人工智能知識鞏固職業(yè)道路的個人的進入門檻——無論是技能還是成本要求。