信息來源：安全內(nèi)參

2022年8月16日，在“2022可信AI峰會(huì)”上，中國信息通信研究院云計(jì)算與大數(shù)據(jù)研究所所長何寶宏正式發(fā)布并解讀了“2022 人工智能十大關(guān)鍵詞”。

關(guān)鍵詞一：大模型

大模型技術(shù)創(chuàng)新和工程落地齊頭并進(jìn)，掀起行業(yè)大模型落地?zé)岢?。大模型的更新迭代速度不斷加快，開始從“可用”的基礎(chǔ)大模型轉(zhuǎn)向?yàn)椤昂糜谩钡男袠I(yè)大模型。在技術(shù)創(chuàng)新方面，大模型的網(wǎng)絡(luò)構(gòu)建、模型訓(xùn)練、算法調(diào)優(yōu)等技術(shù)趨于成熟，持續(xù)提升其通用性和泛化性，已初步具備通用智能雛形。例如，近期開源的NLLB可支持200種語言的相互翻譯。在工程落地方面，已初步形成大模型As a Service的應(yīng)用模式，加速向互聯(lián)網(wǎng)、ICT、金融、政務(wù)等垂直行業(yè)滲透。為支撐應(yīng)用方更便捷地開發(fā)和部署大模型，多家頭部企業(yè)發(fā)布了行業(yè)大模型及開發(fā)工具。

關(guān)鍵詞二：生成式AI

生成式AI開辟AI創(chuàng)作能力，加速AI與數(shù)據(jù)要素深度融合。近幾年生成式AI的技術(shù)能力越來越成熟，可生成逼真且富有創(chuàng)意的多模態(tài)數(shù)據(jù)，形成自動(dòng)寫作、代碼生成、數(shù)字人等典型的應(yīng)用形態(tài)，已連續(xù)兩年入選《人工智能技術(shù)成熟度曲線報(bào)告》。在技術(shù)方面，生成式AI借助生成對(duì)抗學(xué)習(xí)等技術(shù)，能夠生成更加真實(shí)、更有創(chuàng)意、更有趣味的內(nèi)容。例如，2017至2022年，在圖片生成權(quán)威榜單上，真實(shí)度和趣味度綜合評(píng)分提升了近5倍。在應(yīng)用方面，生成式AI既是生產(chǎn)要素，也是生產(chǎn)工具。除了圖像生成以外，在寫作和編程等方面也取得進(jìn)展。

關(guān)鍵詞三：AI4S（AI for Science）

AI for Science在多個(gè)傳統(tǒng)科學(xué)領(lǐng)域取得重大突破。隨著人工智能技術(shù)的快速發(fā)展和大規(guī)模應(yīng)用，AI在逐漸成為科學(xué)研究新的生產(chǎn)工具，AI4S將進(jìn)一步釋放科學(xué)研究的生產(chǎn)力，促進(jìn)人工智能的工程落地。一方面，AI與傳統(tǒng)科學(xué)領(lǐng)域的深度融合，極大拓展該領(lǐng)域解決問題的能力，目前AI在生物、數(shù)學(xué)、材料、物理、基因、化學(xué)等基礎(chǔ)科學(xué)領(lǐng)域都取得了諸多成果和突破，并對(duì)科學(xué)研究范式產(chǎn)生了深刻的影響，例如，目前人工智能已經(jīng)能夠預(yù)測幾乎所有的生物蛋白質(zhì)的可能結(jié)構(gòu)，被譽(yù)為人類在21世紀(jì)取得的最重要的科學(xué)突破之一，可能開啟“數(shù)字生物學(xué)”的新時(shí)代。另一方面，傳統(tǒng)科學(xué)領(lǐng)域的進(jìn)步和對(duì)AI技術(shù)的需求加速了AI本身的發(fā)展。當(dāng)前產(chǎn)學(xué)研共同發(fā)力人工智能與科學(xué)的融合，產(chǎn)業(yè)界聚焦工具創(chuàng)新，開源工具和基于開源工具產(chǎn)生的創(chuàng)新成果呈爆發(fā)趨勢，AI4S的研究范圍也擴(kuò)展到了更多基礎(chǔ)問題領(lǐng)域。高校和研究院聚焦算法和應(yīng)用，用AI算法更好地將科學(xué)計(jì)算和物理模型相連接，進(jìn)而指導(dǎo)科學(xué)與產(chǎn)業(yè)創(chuàng)新。

關(guān)鍵詞四：知識(shí)驅(qū)動(dòng)AI

知識(shí)驅(qū)動(dòng)助力人工智能認(rèn)知能力的提升，滿足人工智能深入各個(gè)行業(yè)不同應(yīng)用場景的需求。隨著深度學(xué)習(xí)與知識(shí)圖譜等多重技術(shù)的深度融合，綜合利用大量知識(shí)數(shù)據(jù)中的因果和邏輯關(guān)系，可以助力人工智能認(rèn)知能力的提升，來解決人工智能深入各個(gè)行業(yè)時(shí)場景復(fù)雜、可解釋性較低等問題。在技術(shù)方面，知識(shí)和數(shù)據(jù)雙輪驅(qū)動(dòng)的人工智能技術(shù)路線展現(xiàn)了強(qiáng)勁的發(fā)展?jié)摿?，知識(shí)的融合應(yīng)用有效地提升了智能問答、智能推薦、大規(guī)模預(yù)訓(xùn)練模型等人工智能技術(shù)中的效果。文心大模型、孟子大模型等均嘗試?yán)弥R(shí)增強(qiáng)技術(shù)路線提升效果。在應(yīng)用方面，知識(shí)與人工智能的融合拓展了人工智能的應(yīng)用范圍，促進(jìn)形成知識(shí)凝練、知識(shí)流轉(zhuǎn)、知識(shí)賦能閉環(huán)，推動(dòng)數(shù)字化發(fā)展下行業(yè)與企業(yè)各類知識(shí)的沉淀、流轉(zhuǎn)，顯著提升實(shí)際場景的智能應(yīng)用水平。

關(guān)鍵詞五：超級(jí)自動(dòng)化

超級(jí)自動(dòng)化已經(jīng)成為企業(yè)即開即用、敏捷配置的數(shù)字化轉(zhuǎn)型工具箱。經(jīng)過一年多的發(fā)展，超級(jí)自動(dòng)化有了很多新的價(jià)值。在概念深化方面，中國信息通信研究院在今年發(fā)布的《超級(jí)自動(dòng)化技術(shù)與應(yīng)用研究報(bào)告（2022）》中首次對(duì)其主要概念進(jìn)行了深入剖析和理解，認(rèn)為“超級(jí)自動(dòng)化是多種技術(shù)能力與軟件工具組合，覆蓋了自動(dòng)化從需求發(fā)現(xiàn)到應(yīng)用實(shí)踐的全流程”；在技術(shù)發(fā)展方面，機(jī)器人流程自動(dòng)化、智能流程管理、低代碼應(yīng)用平臺(tái)、流程挖掘等工具和平臺(tái)，銜接起了企業(yè)級(jí)各類復(fù)雜業(yè)務(wù)場景，其綜合應(yīng)用、交互使能是超級(jí)自動(dòng)化發(fā)揮效能的重要手段。人工智能、大數(shù)據(jù)、云計(jì)算等技術(shù)作為底座，為超級(jí)自動(dòng)化發(fā)展注入了源源不斷的強(qiáng)大動(dòng)力；在應(yīng)用拓展方面，政府和企業(yè)使用超級(jí)自動(dòng)化技術(shù)開始呈現(xiàn)出全面爆發(fā)的狀態(tài)。例如，日本全面引入RPA實(shí)現(xiàn)政務(wù)的數(shù)字化轉(zhuǎn)型，據(jù)統(tǒng)計(jì)各級(jí)政府的引入率已經(jīng)超過90%。同時(shí)，產(chǎn)業(yè)創(chuàng)新層面，領(lǐng)先的RPA企業(yè)都不再局限于RPA或流程挖掘等單點(diǎn)能力的輸出，而是圍繞信通院提出的超級(jí)自動(dòng)化技術(shù)與工具體系，開始由點(diǎn)及面的建立起立體服務(wù)架構(gòu)。

關(guān)鍵詞六：人工智能中臺(tái)

人工智能中臺(tái)重塑企業(yè)智能化轉(zhuǎn)型的能力底座。隨著企業(yè)從重視人工智能的“研發(fā)”，到“研發(fā)-運(yùn)營”并重，AI開發(fā)平臺(tái)也逐漸向AI中臺(tái)演進(jìn)。理念層面，AI中臺(tái)更加重視管理和運(yùn)營，技術(shù)層面，AI中臺(tái)高度集約了AI能力，具有規(guī)?；?、標(biāo)準(zhǔn)化、可擴(kuò)展等特點(diǎn)。其中，規(guī)模化是指整合了豐富的人工智能開發(fā)、部署、測試、運(yùn)維等能力，標(biāo)準(zhǔn)化是指將異構(gòu)的軟硬件環(huán)境封裝為標(biāo)準(zhǔn)化的界面，可擴(kuò)展是指可以不斷適配新的技術(shù)和工具，保證AI技術(shù)的動(dòng)態(tài)演進(jìn)。通過與數(shù)據(jù)中臺(tái)、云平臺(tái)、業(yè)務(wù)中臺(tái)、運(yùn)營平臺(tái)的打通，AI中臺(tái)正在加速融入企業(yè)的技術(shù)平臺(tái)體系中。當(dāng)前階段，大型的行業(yè)企業(yè)正在積極構(gòu)建AI中臺(tái)體系，通過高效的組織管理實(shí)踐，推動(dòng)全場景全領(lǐng)域的AI賦能。

關(guān)鍵詞七：MLOps

MLOps落地開花，AI資產(chǎn)沉淀和治理成為實(shí)踐新風(fēng)向。隨著業(yè)界對(duì)人工智能研發(fā)效率、團(tuán)隊(duì)協(xié)作、安全保障等需求進(jìn)一步提升，整個(gè)MLOps產(chǎn)業(yè)實(shí)踐呈現(xiàn)出“內(nèi)涵很明確、落地很困難”的現(xiàn)狀。從技術(shù)內(nèi)涵來看， MLOps的核心和要求已明確，即圍繞“一個(gè)基礎(chǔ)、兩個(gè)關(guān)鍵、三個(gè)提升”，逐步建設(shè)從需求、開發(fā)、交付到模型運(yùn)營的全生命周期運(yùn)營管理機(jī)制。一個(gè)基礎(chǔ)是指持續(xù)交付，通過搭建工廠流水線式的模型生產(chǎn)方式，提高規(guī)?；a(chǎn)效率。許多頭部企業(yè)都已開始實(shí)踐模式的持續(xù)交付，部分企業(yè)模型研發(fā)效率提升超過40%。兩個(gè)關(guān)鍵是指持續(xù)訓(xùn)練和持續(xù)監(jiān)控，通過持續(xù)訓(xùn)練和持續(xù)監(jiān)控搭建高效閉環(huán)的運(yùn)營管理體系，提高機(jī)器學(xué)習(xí)可觀察性，保證模型質(zhì)量，增加賦能效果。三個(gè)提升是指數(shù)據(jù)管理、特征管理、模型管理能力的提升。對(duì)數(shù)據(jù)、特征和模型等AI資產(chǎn)加以沉淀、安全管控和風(fēng)險(xiǎn)治理，提升企業(yè)級(jí)AI治理能力，已成為MLOps新風(fēng)向。從落地現(xiàn)狀來看，持續(xù)交付、持續(xù)訓(xùn)練、持續(xù)監(jiān)控和模型治理難度依次提升，產(chǎn)業(yè)界當(dāng)前尚處在提升持續(xù)交付和持續(xù)監(jiān)控能力過程中，模型治理等僅有少量探索，未來仍然是AI工程化的重點(diǎn)方向。此外，MLOps的工具市場持續(xù)火熱，端到端的MLOps一體化工具和細(xì)分場景的專項(xiàng)工具都非?；馃?，端到端工具追求大而全的功能集，專項(xiàng)工具在局部或某些場景下功能和性能較好，例如流水線編排、模型監(jiān)控、特征存儲(chǔ)、可觀測等工具，未來MLOps相關(guān)工具可能會(huì)成為AI軟件市場的重要賽道。

關(guān)鍵詞八：人工智能新基建

AI軟件設(shè)施加速新基建的賦能效應(yīng)。自2018年新基建的概念提出以來，政產(chǎn)學(xué)研用多方主體發(fā)力建設(shè)人工智能基礎(chǔ)設(shè)施，AI新基建的內(nèi)涵也在這個(gè)過程中逐步明晰。AI新基建主要包括數(shù)據(jù)基礎(chǔ)設(shè)施、算力基礎(chǔ)設(shè)施和AI軟件設(shè)施。數(shù)據(jù)和算力基礎(chǔ)設(shè)施非常重要，但是如果沒有軟件設(shè)施作為連接樞紐，則難以充分發(fā)揮人工智能的賦能效應(yīng)，支撐起豐富的AI應(yīng)用和服務(wù)。因此，AI軟件設(shè)施在近兩年成為產(chǎn)業(yè)焦點(diǎn)，AI開源框架生態(tài)、預(yù)訓(xùn)練大模型體系、AI軟件平臺(tái)生態(tài)等內(nèi)容都得到了長足的發(fā)展。AI新基建的愿景是讓AI像水、電一樣成為觸手可得的普惠資源：政策層面，國家以及各行業(yè)的“十四五”規(guī)劃相繼對(duì)人工智能新基建提出指導(dǎo)意見，不斷推動(dòng)新基建的落地應(yīng)用；產(chǎn)業(yè)層面，頭部科技企業(yè)聯(lián)合地方政府，積極建設(shè)運(yùn)營區(qū)域性基礎(chǔ)設(shè)施，不斷加速AI生態(tài)的培育。

關(guān)鍵詞九：企業(yè)智能

企業(yè)智能化建設(shè)手段與方法實(shí)現(xiàn)全新變革，逐漸向全場景、全流程、全層級(jí)深度融合應(yīng)用轉(zhuǎn)變。隨著智能化技術(shù)的不斷發(fā)展和應(yīng)用深入，企業(yè)智能建設(shè)從部分場景、外部維護(hù)、單點(diǎn)優(yōu)化逐漸向系統(tǒng)化、全面化轉(zhuǎn)變，通過智能基礎(chǔ)設(shè)施和智能應(yīng)用雙驅(qū)重塑企業(yè)智能化發(fā)展勢能。一方面，企業(yè)建設(shè)完善人工智能中臺(tái)、知識(shí)中臺(tái)、大模型等智能基礎(chǔ)設(shè)施，筑牢了企業(yè)智能的底座、打造了企業(yè)的知識(shí)大腦、拓寬了企業(yè)的全新賽道，整體上夯實(shí)了企業(yè)智能化發(fā)展的根基。例如國有六大銀行、電力、石油等大型央企都已經(jīng)建設(shè)了各類智能基礎(chǔ)設(shè)施，并依托該設(shè)施為企業(yè)的智能轉(zhuǎn)型提供支持。另一方面，智能文檔處理、智能會(huì)議、知識(shí)管理、智能客服等各類企業(yè)智能應(yīng)用不斷發(fā)展，全面賦能企業(yè)辦公、管理、決策、風(fēng)控、營銷、服務(wù)等各個(gè)環(huán)節(jié)，促進(jìn)業(yè)務(wù)的數(shù)據(jù)化與知識(shí)化、工作流程的信息化與智能化。智能基礎(chǔ)設(shè)施和智能應(yīng)用相輔相成，智能基礎(chǔ)設(shè)施促進(jìn)智能應(yīng)用的敏捷高效，智能應(yīng)用助推智能基礎(chǔ)設(shè)施底座的升級(jí)優(yōu)化，共同推動(dòng)企業(yè)智能化的加速發(fā)展。

關(guān)鍵詞十：可信落地

可信AI由理論研究邁向工程化落地。隨著人工智能技術(shù)的快速發(fā)展，社會(huì)各界對(duì)可信AI研究已經(jīng)從理論探索逐步走向工程化落地實(shí)踐。政府與研究機(jī)構(gòu)相關(guān)政策和規(guī)范從宏觀指導(dǎo)，開始向可操作、可落地的規(guī)范演進(jìn)。在法律監(jiān)管層面，各政府部門的法規(guī)政策愈發(fā)重視實(shí)施和操作。例如新加坡于5月出臺(tái)世界首個(gè)AI治理測試框架及工具包；英國6月宣布首個(gè)人工智能倫理和監(jiān)管的重大研究計(jì)劃。 在行業(yè)可信實(shí)踐層面，各國研究機(jī)構(gòu)紛紛開展可信AI技術(shù)研究及標(biāo)準(zhǔn)制定工作，為業(yè)界提供評(píng)估準(zhǔn)則并聚焦準(zhǔn)入落地。如英國BSI與艾倫圖靈實(shí)驗(yàn)室合作開發(fā)技術(shù)標(biāo)準(zhǔn)改善人工智能治理，美國NIST發(fā)布《人工智能偏差識(shí)別和管理標(biāo)準(zhǔn)》和《AI風(fēng)險(xiǎn)管理框架(草案)》，為企業(yè)和機(jī)構(gòu)的AI風(fēng)險(xiǎn)管理提供了大量可參考的要求和指導(dǎo)。在企業(yè)可信實(shí)踐層面，產(chǎn)業(yè)界從企業(yè)戰(zhàn)略管理和技術(shù)工具研發(fā)創(chuàng)新雙線并進(jìn)，加速了可信AI在企業(yè)的落地實(shí)踐。如頭部科技企業(yè)先后發(fā)布了AI治理戰(zhàn)略和治理體系，成立了相關(guān)委員會(huì)和工作組，聚焦企業(yè)層面的AI治理和風(fēng)險(xiǎn)管理體系。同時(shí)可信AI技術(shù)和保障工具也在蓬勃發(fā)展，各大企業(yè)積極研發(fā)可信產(chǎn)品應(yīng)用，也開源了一批聚焦隱私性、魯棒性、安全性、可解釋性、公平性等可信能力的測試工具。