Recientemente, se celebró en Beijing la reunión temática del Foro Mundial de Ciencia, Tecnología y Desarrollo 2024 "La innovación en la gobernanza de la inteligencia artificial crea una base de confianza internacional para cultivar un ecosistema de gobernanza de la ciencia y la tecnología" y Qiao Hong, presidente de la Organización Mundial de Cooperación de Robots. Académico de la Academia de Ciencias de China, publicó la Inteligencia Artificial (Inteligencia Artificial) 2024 en la reunión AI) Perspectivas de las diez principales tendencias tecnológicas de frontera.
"Están llenos de infinitas posibilidades y potencial. No sólo traerán un estilo de vida más conveniente y eficiente, sino que también promoverán la innovación y el desarrollo en todos los ámbitos de la vida", dijo Qiao Hong, con la esperanza de que este comunicado pueda guiar a todos a pensar en ". cómo comprender la dirección del desarrollo de la inteligencia artificial, cómo promover la innovación tecnológica y la modernización industrial, y cómo garantizar el desarrollo sostenible de la tecnología de inteligencia artificial ".
Estas diez tendencias tecnológicas de vanguardia son:
Tecnología común de IA
1. Datos pequeños y datos de alta calidad
Una gran cantidad de datos no válidos no solo consume recursos informáticos, sino que también plantea desafíos para el entrenamiento confiable de modelos. En este contexto, el valor de los datos pequeños y de alta calidad es cada vez más importante. Small data presta más atención a la precisión y relevancia de los datos, esencialmente reduciendo la dependencia y la incertidumbre de los algoritmos de inteligencia artificial de los datos y mejorando la confiabilidad de la red. La creación de diversos conjuntos de datos no solo puede respaldar teóricamente el desarrollo de la IA con diferentes rutas técnicas, sino que también puede brindar nuevas posibilidades para resolver el problema de los cuellos de botella de la inteligencia artificial general.
2. Alineación hombre-máquina
Solo cuando los resultados de la IA sean consistentes con los valores humanos podremos garantizar que las capacidades y el comportamiento del modelo de IA sean consistentes con las intenciones humanas. Depender únicamente de datos y algoritmos no es suficiente para lograr la alineación entre humanos y máquinas, lo que significa que al diseñar un mecanismo de recompensa, no solo se debe considerar la eficiencia, la efectividad y la efectividad de la tarea, sino también si el comportamiento cumple con los estándares éticos humanos. estándares.
3. Límites de uso de la IA y modelo de supervisión ética
En la actualidad, las cuestiones de cumplimiento, seguridad y ética de los sistemas de IA se han vuelto cada vez más prominentes, y es particularmente necesario establecer un marco modelo de supervisión de la IA. Su objetivo principal es garantizar que todos los sistemas de IA sigan principios establecidos durante el desarrollo y uso mediante la formulación de estándares y especificaciones claros, reduciendo así el riesgo de uso excesivo de la IA sin un sistema definido.
4. Modelo de interpretabilidad
Partiendo de la premisa de garantizar la eficacia, mejorar la explicabilidad ayudará a reducir el consumo de recursos públicos, mejorará la confianza de los usuarios en los sistemas de IA y promoverá su aplicación en áreas clave. Por ejemplo, en el campo médico y de la salud, un sistema de diagnóstico de IA altamente interpretable puede facilitar que los médicos comprendan la base de su juicio y reducir exámenes y procedimientos de tratamiento innecesarios.
Modelos preentrenados a gran escala.
5.La ley de la escala
Los modelos de preentrenamiento a gran escala basados en parámetros masivos y datos de entrenamiento pueden mejorar efectivamente la interacción entre humanos y las capacidades de razonamiento, y mejorar la diversidad y riqueza de las tareas que se pueden completar. En la actualidad, la ley de escala sigue siendo válida, no sólo reflejada en modelos de lenguaje, sino también verificada en muchos campos como el procesamiento de imágenes y el reconocimiento de voz.
6. Modelo grande totalmente modal
El modelo grande totalmente modal puede procesar y comprender varios tipos de entrada de datos, como texto, imágenes, audio, tablas de datos, etc., y generar varios tipos de salida según los requisitos de la tarea. Por ejemplo, la introducción de la modalidad de datos de nube de puntos 3D, que normalmente se utiliza para capturar información espacial tridimensional, es particularmente importante para la navegación de robots y la evitación de obstáculos.
7. Investigación científica impulsada por la IA
Utilice modelos grandes, tecnologías generativas, etc. para mejorar la eficiencia y precisión de la propuesta de hipótesis, el diseño experimental, el análisis de datos y otras etapas de la investigación científica. Los científicos pueden utilizar la tecnología de IA para el seguimiento y ajuste experimental en tiempo real, la retroalimentación rápida sobre los resultados experimentales y la optimización dinámica de los diseños y suposiciones experimentales.
inteligencia encarnada
8. Modelo de cerebelo encarnado
Los modelos grandes tradicionales pueden ayudar a los robots en tareas de respuesta de canal lento, como la toma de decisiones, el desmantelamiento de tareas y la comprensión del sentido común, pero no son adecuados para tareas de respuesta de canal rápido, como la planificación y el control de robots con tiempo real fuerte y alto. estabilidad. Inteligencia incorporada (una extensión adicional de la inteligencia artificial en el mundo físico, generalmente se refiere a un sistema inteligente que puede percibir, comprender e interactuar con el mundo físico. El modelo cerebeloso puede utilizar métodos de aprendizaje integrados, como la votación multimodelo, combinado con). La selección de la estructura de la ontología del robot y las características ambientales de los algoritmos de control del modelo razonables garantizan que los robots puedan completar acciones de control planificadas altamente dinámicas, de alta frecuencia y robustas bajo la premisa de comprender sus propias restricciones de ontología, lo que hace que los robots inteligentes sean más capaces de cumplir con las condiciones precisas. necesidades de operación y control en tiempo real del mundo real.
9. Sistema de inteligencia artificial física
El sistema de inteligencia artificial física potencia la inteligencia incorporada a los objetos físicos en el mundo físico, lo que permite que los equipos tradicionales superen sus limitaciones funcionales originales y alcancen un mayor nivel de operación inteligente. Los robots humanoides son la forma definitiva de sistemas físicos de inteligencia artificial. No sólo tienen capacidades de percepción y comprensión multimodal, pueden interactuar naturalmente con los humanos, sino que también pueden tomar decisiones y actuar de forma autónoma en entornos complejos, y se espera que se apliquen a más. tareas complejas en el futuro.
inteligencia artificial generativa
10. Simulador mundial
El simulador mundial puede proporcionar una experiencia inmersiva de alta simulación y brindar a los usuarios un mundo de juego más rico y diverso. Puede usarse en educación, entretenimiento y otros campos, y también puede crear escenas más súper digitales. En el campo de la robótica, esta tecnología también se puede utilizar para construir conjuntos de datos de comportamiento de robots multimodales estandarizados a gran escala, mejorando las capacidades de diseño de ontologías de robots, entrenamiento de simulación y migración de algoritmos.