从超越传统单模式数据处理、涵盖文本、图像和声音等多种输入类型的多模态人工智能的变革潜力，到量子人工智能的出现，塑造人工智能未来的趋势既令人兴奋又令人畏惧。
“世界的界面是多模式的，”OpenAI 的 Mark Chen 说道
随着人工智能稳步融入我们的日常生活，2024 年值得关注的十大人工智能趋势概括了一系列可能性、挑战以及细致了解人工智能对社会、经济和全球监管格局影响的必要性。
以下是在人工智能黎明之际这一激动人心的一年中值得关注的十大趋势：
- 1. 多模态人工智能 多模态人工智能将通过集成文本、图像和声音等多种类型的数据输入来重新定义用户与技术的交互。 Be My Eyes 等应用程序就是这一进步的例证，该应用程序利用多模式人工智能，通过摄像头反馈解释他们的环境并提供实时反馈来帮助盲人和低视力人士。该技术可以与人工智能进行更自然的交互，例如根据冰箱中可见的成分建议食谱。
- 2. 小语言模型 (SLM) SLM 的趋势侧重于在不牺牲性能的情况下创建高效且易于访问的模型。 SLM 的创新（以 Mistral 的 Mixtral 模型为例）表明，可以使用更少的参数实现或超越 GPT-3.5 等大型模型的性能。 Mixtral 是专家模型的混合体，集成了 8 个神经网络，每个神经网络有 70 亿个参数，可实现更快的推理速度，并在标准基准测试中匹配或超越更大的模型。
- 3. GPU 短缺和云计算成本
实际需求，例如云计算成本的增加以及 GPU 等基本硬件的明显短缺，极大地影响了人工智能中小型模型的发展。
斯坦福 HAI 的 James Landay 强调了大公司内部对 AI 功能不断增长的需求，这导致了对 GPU 的争夺。这种需求预计会给 GPU 的生产以及更便宜、更容易获得的硬件解决方案的创新带来相当大的压力。
2023 年末的 O’Reilly 报告强调了人工智能采用者对云提供商的依赖，原因是设置本地服务器面临挑战和费用，再加上硬件短缺。随着提供商努力通过升级和优化其基础设施来满足生成式人工智能应用程序的需求，这种依赖可能会增加障碍并增加云计算成本。
4.本地模型
人工智能向本地模型的转变反映了人们对隐私、数据安全的日益重视，以及针对特定行业要求定制解决方案的需求。这种趋势在法律、医疗保健和金融领域尤其重要，这些领域的专业词汇和概念很普遍。这些行业受益于在普通硬件上运行的本地模型，使人工智能训练、推理和检索增强生成 (RAG) 能够保留在内部。
这种方法降低了敏感数据暴露给第三方的风险。它解决了大型基于云的模型的实际限制，例如过高的成本和基础设施要求。通过利用本地模型和自定义数据管道，企业可以开发针对其独特运营环境进行微调的人工智能解决方案，而无需对基础设施进行大量投资。
5.Agentic AI
代理人工智能代表了从被动响应用户命令的系统到能够独立行动和决策的主动代理的转变。这种演变使人工智能代理能够了解他们的环境、设定目标并自主地努力实现这些目标。代理人工智能的应用涵盖环境监测（人工智能可以预测森林火灾等自然灾害并采取行动）和财务管理（人工智能可以自适应地实时监督投资组合）等领域。
斯坦福大学以人为中心的人工智能研究所的 Peter Norvig 预计，2024 年将迎来能够执行预订、计划旅行以及代表用户与其他服务交互等任务的人工智能代理。
6.人工智能道德和安全风险问题
随着人工智能技术越来越深入到生活和商业的各个方面，对道德和安全的担忧已成为讨论的焦点。深度造假、复杂的人工智能生成内容和增强的网络钓鱼攻击的激增凸显了人工智能的双重用途性质，它能够带来巨大的好处，但也带来错误信息、操纵、身份盗窃和欺诈等风险。
减轻这些风险的努力包括开发技术来检测人工智能生成的内容，并确保人工智能系统透明和公平，强调仔细审查训练数据和算法是否存在偏见的重要性。人工智能监管格局的不断演变，特别是欧盟开创性的《人工智能法案》，凸显了全球正在努力建立法律和道德框架来管理人工智能的开发和部署。该法案旨在禁止某些人工智能的使用，对高风险人工智能系统的开发商施加义务，并提高使用人工智能的公司的透明度。
7.定制企业生成人工智能模型
定制的企业生成人工智能模型标志着一刀切的方法的背离，可以满足企业的特定需求。与 Midjourney 和 ChatGPT 等通用工具的广泛应用不同，这些专用模型为利基市场需求提供了有针对性的解决方案。该过程通常涉及通过架构调整或使用特定领域的数据集进行微调来修改现有的人工智能模型。对于从头开始开发新模型或与法学硕士 API 调用相关的高额费用来说，这是一种经济高效的替代方案。这种定制允许与具有专门术语和实践的行业高度相关的应用程序，例如医疗保健、金融和法律。
8.开源人工智能
开源人工智能极大地实现了先进人工智能技术的民主化，使初创企业、业余爱好者和小型企业能够利用复杂的人工智能功能。开源模型的并行进步促进了这一趋势，特别是在 3 至 700 亿个参数的空间中，这些模型计算量轻但功能强大。企业越来越多地利用开源人工智能模型和工具来开发针对现实场景的定制解决方案，从提供客户支持到供应链管理和复杂的文档分析。
开源方法促进了协作，允许组织和研究人员在彼此的工作基础上进行开发，从而降低成本和进入壁垒。 Stable Diffusion 和 AutoGPT 等项目吸引了数千名贡献者，展示了开源 AI 生态系统内充满活力的社区参与和创新潜力。
9.影子人工智能
当人工智能技术在未经明确批准或监督的情况下在组织内使用时，影子人工智能就会出现，随着人工智能工具变得更容易使用，这一趋势正在增长。出于对快速解决方案或探索新技术的渴望，员工越来越多地绕过官方渠道独立使用人工智能工具。这种趋势在用户友好且易于访问的人工智能聊天机器人和工具的推动下，带来了各种风险，从安全漏洞到合规问题，因为敏感信息可能会在不知不觉中暴露。
虽然员工的这种创业精神展现了创新思维，但它也强调了建立治理框架的重要性。组织必须在促进创新与防范潜在风险之间取得平衡，需要围绕负责任地使用人工智能制定明确的政策，并采取有效管理影子人工智能的措施。这种方法将有助于减轻与未经批准的人工智能使用相关的风险，同时利用其优势促进组织进步。
10.不断发展的人工智能监管
2024 年对于人工智能监管至关重要，反映出人们对道德和安全日益增长的担忧。随着法律、政策和行业框架在全球范围内迅速发展，组织必须保持信息灵通并适应变化。
欧盟的人工智能法案可能是世界上第一部全面的人工智能法，它可能会禁止某些人工智能的使用，强制执行高风险人工智能系统开发商的义务，并要求人工智能使用公司保持透明度。这一发展与 GDPR 一起可能会将欧盟定位为全球监管者，影响国际人工智能标准。