Recentemente, a reunião temática do Fórum Mundial de Ciência, Tecnologia e Desenvolvimento de 2024 "Inovação em Governança de Inteligência Artificial Constrói uma Fundação Internacional de Confiança para Cultivar um Ecossistema de Governança de Ciência e Tecnologia" foi realizada em Pequim, Qiao Hong, Presidente da Organização Mundial de Cooperação de Robôs. Acadêmico da Academia Chinesa de Ciências, divulgou a Inteligência Artificial (Inteligência Artificial) de 2024 na reunião AI) Top Ten Frontier Technology Trend Outlook.
"Eles estão cheios de possibilidades e potenciais infinitos. Eles não apenas trarão um estilo de vida mais conveniente e eficiente, mas também promoverão a inovação e o desenvolvimento em todas as esferas da vida", disse Qiao Hong, esperando que este lançamento possa orientar todos a pensarem sobre ". como compreender a direção do desenvolvimento da inteligência artificial, como promover a inovação tecnológica e a modernização industrial e como garantir o desenvolvimento sustentável da tecnologia de inteligência artificial."
Essas dez tendências tecnológicas de ponta são:
Tecnologia comum de IA
1. Dados pequenos e dados de alta qualidade
Uma grande quantidade de dados inválidos não apenas consome recursos computacionais, mas também traz desafios ao treinamento confiável de modelos. Neste contexto, o valor dos pequenos dados e dos dados de alta qualidade é cada vez mais importante. O pequeno volume de dados presta mais atenção à precisão e relevância dos dados, reduzindo essencialmente a dependência e a incerteza dos algoritmos de inteligência artificial nos dados e aumentando a fiabilidade da rede. A construção de diversos conjuntos de dados pode não só apoiar o desenvolvimento da IA com diferentes rotas técnicas numa base teórica, mas também fornecer novas possibilidades para resolver o problema do estrangulamento da inteligência artificial geral.
2. Alinhamento homem-máquina
Somente quando os resultados da IA forem consistentes com os valores humanos poderemos garantir que as capacidades e o comportamento do modelo de IA sejam consistentes com as intenções humanas. Depender apenas de dados e algoritmos não é suficiente para alcançar o alinhamento homem-máquina, o que significa que ao projetar um mecanismo de recompensa, você deve considerar não apenas a eficiência, eficácia e eficácia da tarefa, mas também se o comportamento está em conformidade com a ética humana. padrões.
3. Limites de uso de IA e modelo de supervisão ética
Actualmente, as questões éticas, de conformidade e de segurança dos sistemas de IA tornaram-se cada vez mais proeminentes e é particularmente necessário estabelecer um quadro de modelo de supervisão de IA. O seu principal objetivo é garantir que todos os sistemas de IA sigam princípios estabelecidos durante o desenvolvimento e utilização, formulando normas e especificações claras, reduzindo assim o risco de utilização excessiva de IA sem um sistema definido.
4. Modelo de Interpretabilidade
Com a premissa de garantir a eficácia, melhorar a explicabilidade ajudará a reduzir o consumo de recursos públicos, aumentará a confiança dos utilizadores nos sistemas de IA e promoverá a sua aplicação em áreas-chave. Por exemplo, no domínio da medicina e da saúde, um sistema de diagnóstico de IA altamente interpretável pode facilitar aos médicos a compreensão da base do seu julgamento e reduzir exames e procedimentos de tratamento desnecessários.
Modelos pré-treinados em grande escala
5.A lei da escala
Modelos de pré-treinamento em grande escala baseados em parâmetros massivos e dados de treinamento podem efetivamente melhorar a interação humano-computador e as capacidades de raciocínio e aumentar a diversidade e a riqueza das tarefas que podem ser concluídas. Actualmente, a lei da escala ainda é válida, não só reflectida em modelos de linguagem, mas também verificada em muitos campos, como processamento de imagem e reconhecimento de voz.
6. Modelo grande totalmente modal
O grande modelo totalmente modal pode processar e compreender vários tipos de entrada de dados, como texto, imagens, áudio, tabelas de dados, etc., e gerar vários tipos de saída de acordo com os requisitos da tarefa. Por exemplo, a introdução da modalidade de dados de nuvem de pontos 3D, que geralmente é usada para capturar informações espaciais tridimensionais, é particularmente importante para a navegação de robôs e para evitar obstáculos.
7. Pesquisa científica baseada em IA
Utilizar grandes modelos, tecnologias generativas, etc. para melhorar a eficiência e precisão da proposta de hipóteses, desenho experimental, análise de dados e outras etapas da pesquisa científica. Os cientistas podem usar a tecnologia de IA para monitoramento e ajuste experimental em tempo real, feedback rápido sobre resultados experimentais e otimização dinâmica de projetos e suposições experimentais.
inteligência incorporada
8. Modelo de cerebelo incorporado
Grandes modelos tradicionais podem ajudar robôs em tarefas de resposta de canal lento, como tomada de decisão, desmontagem de tarefas e compreensão de bom senso, mas não são adequados para tarefas de resposta de canal rápido, como planejamento e controle de robô com forte tempo real e alta estabilidade. Inteligência incorporada (uma extensão adicional da inteligência artificial no mundo físico, geralmente se refere a um sistema inteligente que pode perceber, compreender e interagir com o mundo físico). O modelo cerebelar pode usar métodos de aprendizagem integrados, como votação multimodelo, combinado com). a seleção da estrutura da ontologia do robô e das características ambientais. Algoritmos de controle de modelo razoáveis garantem que os robôs possam completar ações de controle planejadas altamente dinâmicas, de alta frequência e robustas sob a premissa de compreender suas próprias restrições de ontologia, tornando os robôs inteligentes mais capazes de atender às necessidades precisas. necessidades de operação e controle em tempo real do mundo real.
9. Sistema físico de inteligência artificial
O sistema físico de inteligência artificial capacita inteligência incorporada a objetos físicos no mundo físico, permitindo que equipamentos tradicionais rompam suas limitações funcionais originais e alcancem um nível mais elevado de operação inteligente. Os robôs humanóides são a forma definitiva de sistemas físicos de inteligência artificial. Eles não apenas possuem capacidades de percepção e compreensão multimodais, podem interagir naturalmente com humanos, mas também podem tomar decisões e agir de forma autônoma em ambientes complexos, e espera-se que sejam aplicados a mais. tarefas complexas no futuro.
inteligência artificial generativa
10. Simulador Mundial
O simulador mundial pode fornecer uma experiência imersiva de alta simulação e trazer aos usuários um mundo de jogo mais rico e diversificado. Ele pode ser usado em educação, entretenimento e outros campos, e também pode criar mais cenas super digitais. No campo da robótica, esta tecnologia também pode ser usada para construir conjuntos de dados de comportamento de robôs multimodais padronizados e em larga escala, melhorando as capacidades de projeto de ontologias de robôs, treinamento de simulação e migração de algoritmos.