一、合成數據，保護隱私

目前，由于 AI 技術呈指數級發展，變得更加先進，但其局限性仍然存在。例如，某些行業缺乏足夠的真實數據來訓練 AI 模型，又或者合規隱私成為一些行業技術發展的痛點。企業紛紛開始部署 Synthetic data （合成數據），即由計算機人工生成的數據，可用于替代自現實世界中采集的真實數據集。

現階段，基于 GANs 的圖像合成技術和視頻合成技術發展迅猛，但高效且可行的表格數據合成技術仍處于初級階段。整體來看，數據匿名化、隱私合規和糾正算法偏見等優勢使得合成數據技術成為吸引各行業公司的關鍵要素。

二、芯片追逐戰

隨著 AI 技術不斷進步，加速在各行業落地應用。無論是云數據中心還是像照相機這樣的智能邊緣設備，適用于計算密集型的專業硬件需求激增。

由于空間和能源的限制，大型芯片并不適用于許多日常的 AI 應用場景。考慮到這一點，越來越多的公司開始研發可以用于汽車傳感器、照相機、自動化工廠機器人等低功耗設備的 AI 芯片。

三、AI 賦能內容審核

在美國，玩電子游戲的人數達到了史上前所未有的最高水平。76% 的 18 歲以下的青少年沉迷于電子游戲，這讓家長們擔心孩子們極有可能接觸到不合時宜或者充滿仇恨的信息。

隨著元宇宙的火熱以及網絡游戲生態系統的迅速發展，有害信息已經從社交媒體蔓延到新的陣地，即網絡游戲和虛擬世界。

網絡游戲環境惡劣，充斥著各種仇恨言論、網絡霸凌以及故意退出。反誹謗聯盟的一項研究發現，在比較受歡迎的多人游戲中，高達 80% 的玩家都曾受到騷擾。

一些初創公司正著眼于利用 AI 技術進行內容審核。Spectrum Labs 稱，其 NLP 平臺可以將音頻和文本的內容審核工作減少 50% ，有害信息檢測能力提高 10 倍。

利用 AI 技術實現完美的內容審核是不可能的。在線用戶能夠不斷適應審查規則，逃避平臺的審查。但是，在 NLP 和基于深度學習的圖像分類等關鍵領域取得的突破，以及以內容審查為業務方向的 AI 初創企業獲得多輪融資，在一定程度上表明了 AI 審核將成為未來的方向之一。

四、Deepfakes 檢測

Deepfakes（深度偽造）不僅能創造出極其逼真的圖像，還能生成“假”聲音和視頻。

利用 AI 學習算法，Deepfakes 的技術愈發精進，效果十分逼真。網絡上公開發布的視頻和錄音數量之多，容易獲取，這使得訓練 AI 算法和 Deepfakes 容易許多。研究人員表示，對于人們來說，區分 AI 偽造的人像、物體和視頻與真實情況十分困難。

Deepfakes 衍生出的假新聞和假消息是一個大問題。對于消費者來說。Deepfakes 還有可能成為網絡釣魚和勒索詐騙的工具。

為了應對日益增長的網絡安全威脅，一些科技公司開始嘗試各種解決方案，包括設備端認證軟件和 API、區塊鏈等。去年，Meta 的研究人員聲稱他們不僅可以確定圖像是否是偽造的，還可以剖析用于深度偽造的 AI 模型。但是 Deepfakes 技術還將持續演進、無處不在，人們需要尋找新的方法將其摧毀。

五、低代碼/零代碼開發

算法能將自然語言命令翻譯成計算機代碼，特別是對公民開發者來說，這意味著軟件開發新一股的浪潮。

目前自動編程仍處于初級階段。但該領域技術進步促使一些初創公司不斷拓展零代碼/低代碼解決方案，讓非技術用戶能夠參與數據科學項目，縮小技能差距，并加快生產周期。

六、多模態 AI 崛起

多模態 AI 正在打破單一感官的藩籬，使用一個通用 AI 模型科技將多種類型的數據所蘊含的語義信息概念化并作出預測。

多模態 AI 正在從實驗室走到實際應用。例如，谷歌正在使用多模態 AI 來改進搜索體驗。未來，如果用戶上傳了一張登山靴的照片，并附上“我能穿著這雙靴子去富士山徒步旅行嗎？”的文字，搜索引擎將識別上傳的圖像，從文本、圖像和視頻數據中挖掘網絡上關于富士山的信息，并將這些瑣碎的信息連接起來，提供一個貼切的答案。

七、AI for AI

隨著 AI 技術應用延展，企業正在尋求徹底改變現有的數據管理模式的解決方案，轉向“AI 優先”策略。說起來容易做起來難。從采集數據、運行數據質量檢查到開發模型和監測后期生產表現，一個項目從原始數據轉變為生產準備是一個多步驟的過程。

端到端的機器學習公司將 AI 生命周期管理過程中的多步驟融合成一個 SaaS 產品，這將為那些希望快速高效構建 AI 系統的企業提供絕佳選擇。

無代碼和低代碼趨勢也擴展至機器學習平臺，以彌合 AI 技能差距，plug-and-play（即插即用）的功能激勵非專家人員參與到 AI 項目中。為此，2021 年，全球第二高估值 AI 獨角獸公司 Databricks 收購了低程序代碼工具供應商 8080 Labs。

隨著大多數老牌廠商開始布局 Auto ML（自動機器學習）功能，“AI for AI”也成為增長的領域。企業開始使用 AI 技術將 AI 開發過程的各環節自動化，如數據質量檢查或部分模型開發環節。

持續分化，未來已來，“AI for AI”將迎來更廣闊的發展空間。