報告下載：新增199IT官方微信【i199it】，回覆關鍵詞【2021年十大人工智慧技術趨勢】即可
趨勢1：科學計算中的資料與機理融合建模
機器學習與科學計算的結合，即資料和機理的融合計算，為科學研究提供了新的手段和正規化，成為了前沿計算的典型代表。從機理出發的建模以基本物理規律為出發點進行演繹，追求簡潔與美的表達；從資料出發的建模從資料中總結規律，追求在實踐中的應用效果。這兩方面的建模方法都在科學史中發揮了重要作用。
近年來，科學計算髮展的一個重要趨勢是由單純基於機理或資料的正規化向資料與機理的融合建模與計算髮展。眾多前沿科學領域中的許多重要問題常常涉及多個發生在不同時空尺度上相互耦合的物理過程，具有高度的各向異性、奇異性、非均勻性以及不確定性等特徵。人類只能知道部分原理和資料，此時機理與資料結合的方式將成為研究這些問題的有力手段。
趨勢2：深度學習理論迎來整合與突破
深度學習在應用領域取得了令人矚目的成功，但其理論基礎仍十分薄弱，研究者對深度學習為何表現出比傳統機器學習方法更優越的效能背後存在的機理尚不清楚。深度學習的理論分析需要從數學、統計和計算的不同角度，以及表示能力、泛化能力、演算法收斂性和穩定性等多個方面進行探索和創新。當前對深度學習理論碎片式的理解，將進一步迎來整合與突破，從對淺層網路和區域性性質的理解向深度網路和全域性性質不斷深化，最終能夠完整解答關於深度學習能力與極限的重大理論問題。
趨勢3：機器學習向分散式隱私保護方向演進
當前，全球多個國家和地區已出臺資料監管法規，如HIPAA（美國健康保險便利和責任法案）、GDPR（歐盟通用資料保護條例）等，通過嚴格的法規限制多機構間隱私資料的互動。分散式隱私保護機器學習通過加密、分散式儲存等方式保護機器學習模型訓練的輸入資料，是打破資料孤島、完成多機構聯合訓練建模的可行方案。
趨勢4：大規模自監督預訓練方法進一步發展
GPT-3的出現激發了研究人員在視覺等更廣泛的範圍內，對大規模自監督預訓練方法繼續開展探索和研究，未來，基於大規模影像、語音、視訊等多模態資料，以及跨語言的自監督預訓練模型將進一步發展，研究人員也將持續探索解決當前大規模自監督預訓練模型不具有認知能力等問題的方法。
趨勢5：基於因果學習的資訊檢索模型與系統成為重要發展方向
人工智慧演算法是推薦系統、搜尋引擎等智慧資訊檢索系統的核心技術，深刻地影響著億萬網際網路產品使用者的工作和生活。當前基於人工智慧演算法的資訊檢索模型大多關注給定資料中變數間相關性的建立，而相關性與更為本源的因果關係並不等價，導致當前資訊檢索的結果存在較為嚴重的偏差，對抗攻擊的能力不佳，且模型往往缺乏可解釋性。
為了實現真正智慧化的資訊檢索系統，基於因果學習的檢索模型是必然要邁過的一道坎。因果學習能夠識別資訊檢索中變數間的因果關係，釐清事物發展變化的前因後果，全面認識使用者需求和檢索方法的本質，修正檢索模型中的偏差，提升檢索系統的可解釋性、可操作性和可溯源性。
趨勢6：類腦計算系統從“專用”向“通用”逐步演進
以類腦計算晶片為核心的各種類腦計算系統，在處理某些智慧問題以及低功耗智慧計算方面正逐步展露出優勢。但從設計方法角度看，類腦晶片往往根據目標應用要求通過歸納法來確定其硬體功能與介面，並定製化工具鏈軟體，導致軟硬體緊耦合、目標應用範圍受限等問題。
類腦計算晶片設計將從現有處理器的設計方法論及其發展歷史中汲取靈感，在計算完備性理論基礎上結合應用需求實現完備的硬體功能。同時類腦計算基礎軟體將整合已有類腦計算程式語言與框架，提出與具體晶片無關的高層次程式設計抽象與統一開發框架，針對目標晶片研發類腦計算編譯優化與對映優化技術，實現類腦計算系統從“專用”向“通用”的逐步演進。
趨勢7：類腦計算從散點獨立研究向多點迭代發展邁進
類腦計算在諸多方面已經取得了大量基礎性研究成果，但目前的研究仍呈現相對獨立狹窄的縱向分佈特點，尚未形成相互促進的橫向貫通局面。未來的類腦計算將更加註重在單點獨立研究的同時與其他層面研究的結合，推動類腦計算的基礎理論演算法、晶片硬體平臺、評估測試基準、程式設計編譯工具以及系統應用的相互協同和促進，構建更具全棧性的類腦計算迭代發展生態，進入良性前進的軌道。
趨勢8：神經形態硬體特性得到進一步的發掘並用於實現更為先進的智慧系統
新型神經形態器件，如RRAM（可變電阻式儲存器）、PCM（相變儲存器）等，目前已經在人工智慧領域發揮了重大作用，基於這些器件構建的智慧硬體系統已經能夠有效地提升智慧演算法執行的速度和能效，並保持演算法的效能。
然而當前大部分硬體智慧系統僅僅利用了神經形態器件的部分特性，如非易失性、線性等，缺乏對器件更豐富特性，如易失性、非線性、隨機性等特性的應用。通過對器件的全面探究，下一代智慧系統將會把演算法的各種需求同器件的豐富特性緊密結合起來，從而進一步擴充智慧系統的功能和應用範圍，提升系統的效能和效率。
趨勢9：人工智慧從腦結構啟發走向結構與功能啟發並重
腦啟發的人工智慧在強調對腦結構和神經形態模仿的同時，還需要了解人類神經元和神經迴路的功能與機制。這是因為腦結構與腦功能並不存在簡單的一一對應的關係，即類似的結構可能有著不同的功能。
例如，作為古老結構的海馬體在人和動物的大腦上有著類似的結構，但是它們採用了不同的記憶編碼方式。動物的海馬體在編碼記憶時，採用的是“模式分離”的方式，即神經元形成不同的神經元群組來儲存記憶，以避免記憶的混淆。但是，人類的海馬體則採用了“概念和聯想”的編碼方式，即同樣的一組神經元可以儲存多個不同的記憶。人類這種獨特的記憶編碼方式可能是人類智慧脫穎而出的一個關鍵因素，有助於解釋人類相比於其它物種所具備的獨特的認知能力，如人類的抽象思維能力和創造性思維能力。
趨勢10：人工智慧計算中心成為智慧化時代的關鍵基礎設施
近年來，人工智慧對算力的需求迅猛增長，併成為最重要的計算算力資源需求之一。AI計算是智慧時代發展的核心動力，以人工智慧算力為主的人工智慧計算中心應運而生。
人工智慧計算中心基於最新人工智慧理論，採用領先的人工智慧計算架構，是融合公共算力服務、資料開放共享、智慧生態建設、產業創新聚集的“四位一體”綜合平臺，可提供算力、資料和演算法等人工智慧全棧能力，是人工智慧快速發展和應用所依託的新型算力基礎設施。未來，隨著智慧化社會的不斷髮展，人工智慧計算中心將成為關鍵的資訊基礎設施，推動數字經濟與傳統產業深度融合，加速產業轉型升級，促進經濟高質量發展。
報告下載：新增199IT官方微信【i199it】，回覆關鍵詞【2021年十大人工智慧技術趨勢】即可