人工智能

2021 年将在人工智能的可信数据方面取得更多的进步。2021 年将展示人造数据的好坏。它分为两种形式：允许用户创建数据集来训练人工智能的合成数据和反其道而行之的假数据，以及它会扰乱训练数据以故意摆脱人工智能。

美国《福布斯》双周刊网站9月21日刊载题为《2021年人工智能的四大趋势》的报道，作者系伯纳德·马尔，文章根据当下形势，预测了明年人工智能的四个趋势。

深度学习网络模型训练困难的原因是，cnn包含很多隐含层，每层参数都会随着训练而改变优化，所以隐层的输入分布总会变化，每个隐层都会面临covariate shift的问题。

在当今这样一个人工智能、大数据和自动化的时代，技术技能和数据素养显然非常重要。但是这并不意味着我们应该忽略工作中的人的因素——机器无法很好实现的各种技能。我相信，随着工作本质的发展变化，机器承担了更多容易实现自动化的工作，这些软技能对于成功来说将变得更加至关重要。换句话说，人类的工作从总体上来说将变得更多，就是人类的工作。

目前人工智能技术的落地主要是在预测能力能达到应用级的应用上，算是在享用这些应用的能有的红利。一旦人工智能在应用层的红利消失，剩下的可能就得靠人力了。那么自然的问题是，人工智能的红利，在各种相关的应用上还能持续多久？ 人工智能的尽头会是人工吗？ 还是必然会走向人机混合呢？

人工智能、自动化等颠覆性技术的迅速发展正在改变现代企业。这些技术为企业提高效率、提高生产率铺平了道路。大多数企业将人工智能和自动化视为一种变革的驱动力，可以带来业务的增长。通过利用它们，公司，无论是小型、中型还是大型，都将使其营销活动的投资回报最大化。

负责任的AI可以增强竞争力，同时反映出对经济弹性和人口福祉的高级思考。尽管如此，落后还是很危险的。各国政府应像其他经济和社会进步一样重视AI和数据竞争力，并采取长期的战略方针。为了提高AI和数据竞争力，各国政府应在其集成策略中优先考虑这7个因素。

我们听到5G的好处已经很多年了，但直到今年，远程工作、视频会议和数字协作成为我们生活的核心部分，对可靠连接和更多带宽的需求才真正成为我们都能理解的一项具体好处。我们对手机、平板电脑和其他设备的依赖——包括越来越多的物联网传感器——凸显了对多车道信息高速公路的需求，电信公司早就知道我们会需要这种高速公路。如今，企业无法承受断开连接的后果，5G部署已经成为解决方案的一个重要组成部分。

本文摘自最新出版的《中国科技热点述评2019》（科学出版社，2020年7月）。为了避免曲解院士意思，我们这次只做院士思想的搬运工，全部是原汁原味的干货摘抄。作为读书笔记与大家分享，全文约2000字。