根據 2020 年麥肯錫全球人工智慧 (AI) 調查，2020 年，超過 50% 的公司已經在至少一個業務部門或職能部門採用了人工智慧，因此我們見證了新的人工智慧趨勢的出現。 科技公司將至少 20% 的利潤 (EBIT) 投資於人工智慧技術的研發和應用。 隨著 COVID-19 加速數字化應用，這個數字可能會增加。疫情隔離導致線上活動激增，行業在商業、教育、行政、社交等領域大量採用人工智慧以便開展正常生活。

本文旨在概述 2020 年出現並在 2021 年仍在增加的AI 新趨勢。

人工智慧採用趨勢

人工智慧採用水平因行業而異。使用麥肯錫全球人工智慧調查中提到的資料，我們可以突出四個領先行業：高科技、電信、汽車、裝配。

越來越多的公司將人工智慧應用於服務運營、產品設計、廣告和銷售。在投資方面，藥物發現和研發領域獲得的投資最多——2020年，資產總額超過138億美元，比上年增長4.5倍。

如果應用於庫存和零件優化、定價和促銷、客戶服務分析、銷售和需求預測，人工智慧將推動最高的收入增長。

人工智慧技術趨勢

在 2022年和接下來的幾年裡，人工智慧將被用來簡化運營並提高效率。企業應嘗試通過改善 IT 基礎設施和資料管理，從人工智慧的商業應用中受益。這本文中，我們將關注可能成為主流的 2021-2022 年人工智慧趨勢。

趨勢 1：用於安防和監控的 AI

人工智慧技術已經應用於人臉識別、語音識別和視訊分析。這些技術構成了監視的最佳組合。因此，到 2022年，我們可以預見人工智慧在視訊監控中的大量利用。

人工智慧有利於安全系統的靈活設定。以前，工程師花費大量時間配置系統，但是誤報太多了。多虧了人工智慧，安防系統可以識別物體，這有助於更靈活的設定。

視訊監控中的人工智慧可以通過關注異常行為模式而非面部來檢測可疑活動。這種能力可以通過識別潛在危險來建立更安全的公共和私人空間。這種人工智慧驅動的視訊解決方案也可能有助於物流、零售和製造。

拓展示例：擁有多年視訊處理技術經驗，TSINGSEE青犀視訊深度融合Al人工智慧技術，提供海量視訊的接入、智慧分析及處理能力。目前，EasyCVR已經實現人臉檢測、人流量統計、車輛檢測、車牌識別等AI智慧識別技術的研發，並廣泛應用在交通、物流、安防、消防等場景中。

另一個為人工智慧應用提供前景的利基是語音識別。與語音識別相關的技術可以確定身份。身份是指一個人的年齡、性別和情緒狀態。用於監控的語音識別所基於的原理可能與 Alexa 或 Google Assistant 的情況相同。一個適用於安全和監視的功能是內建的反欺詐模型，可檢測合成和錄製的語音。

生物識別人臉識別是安全最關鍵的技術之一。不同的惡意應用程式試圖通過提供虛假照片而不是真實影象來欺騙安全系統。為了防範這種情況，目前正在開發和大規模使用多種反欺詐技術。

趨勢二：實時視訊處理中的人工智慧

處理實時視訊流的挑戰是處理資料管道。工程師的目標是確保準確性並最大限度地減少視訊處理的延遲。而人工智慧解決方案可以幫助實現這一目標。

為了在實時視訊處理中實現基於 AI 的方法，我們需要一個預訓練的神經網路模型、一個雲基礎設施和一個用於應用使用者場景的軟體層。處理速度對於實時流傳輸至關重要，因此所有這些元件都應緊密整合。為了更快地處理，我們可以並行化程序或改進演算法。程序並行化是通過檔案拆分或使用管道方法實現的。這種流水線架構是最佳選擇，因為它不會降低模型的準確性，並且允許使用 AI 演算法實時處理視訊而沒有任何複雜性。

現代實時流處理與背景去除和模糊的應用密不可分。由於 COVID-19 對視訊會議新趨勢的出現和普及做出了貢獻，因此對這些工具的需求有所增加。這些趨勢將得到積極發展，因為據 GlobeNewswire 稱，全球視訊會議市場預計將從 2021 年的 92 億美元增長到 2026 年的 225 億美元。

有多種方法可以開發用於實時視訊中背景去除和模糊的工具。挑戰在於設計一個能夠將框架中的人與背景分開的模型。可以執行此類任務的神經網路可以基於現有模型，如 BodyPix、MediaPipe 或 PixelLib。選擇模型後，仍然面臨著將其與適當的框架整合並通過 WebAssembly、WebGL 或 WebGPU 的應用程式組織最佳執行過程的挑戰。

趨勢 3：用於內容建立和聊天機器人的生成式 AI

現代 AI 模型可以生成非常高質量的文字、音訊和影象，幾乎與非合成的準確資料無法區分。

文字的核心是自然語言處理 (NLP)。 NLP 的快速發展導致了語言模型的出現。例如，谷歌和微軟成功地使用 BERT 模型來補充他們的搜尋引擎。

與 NLP 相關的技術的發展還能如何推動公司發展？首先，結合 NLP 和 AI 工具可以建立聊天機器人。據 Business Insider 稱，聊天機器人市場預計在 2024 年將達到 94 億美元，所以讓我們強調企業從人工智慧驅動的聊天機器人佈局中受益。

聊天機器人試圖瞭解人們的意圖，而不僅僅是執行標準命令。在不同領域工作的公司使用人工智慧驅動的聊天機器人為其客戶或使用者提供人類級別的交流。聊天機器人的應用廣泛應用於以下業務領域：醫療、銀行、廣告、旅遊和酒店。

人工智慧驅動的聊天機器人有助於自動化管理任務。例如，在醫療領域，他們減少了醫務人員的工作量。在這裡，聊天機器人幫助安排預約，傳送與服藥相關的提醒，併為患者提供問題的答案。在其他領域，聊天機器人被引入來傳遞有針對性的資訊，提高客戶參與度和支援度，併為使用者提供個性化的服務。

除了聊天機器人，NLP 是其他尖端技術解決方案的核心。示例之一是可用於業務應用程式的 NLP 文字生成。

最近推出的 GPT-3 模型使 AI 工程師每天平均可以生成 45 億個單詞。這將使 AI 的大量下游應用能夠用於對社會有益和價值較低的目的。這也促使研究人員投資於檢測生成模型的技術。請注意，在 2021-2022 年，我們將見證 GPT-4——“人工普遍智慧的 AI”的到來。

回到生成 AI，我們要關注 GAN，即生成對抗網路，它能夠建立與人工生成的影象無法區分的影象。這可能是不存在的人、動物、物體和其他型別媒體（例如音訊和文字）的影象。現在是實施 GAN 發揮其能力的最佳時機。他們可以對真實資料分佈進行建模並學習有用的表示，以改進 AI 管道、保護資料、發現異常並適應特定的現實世界案例。

趨勢 4. AI 驅動的 QA 和智慧檢測

計算機視覺最引人注目的分支是人工智慧檢測。由於應用深度學習模型提高了準確性和效能，這個方向近年來一直在蓬勃發展。 越來越多的公司正在以更快的速度開發計算機視覺系統。

製造行業中的自動化檢查意味著對產品是否符合質量標準進行分析。 該方法也適用於裝置監控。以下是AI檢測的幾個用例：

• 檢測流水線上的產品缺陷
• 識別機械和車身零件的缺陷
• 行李檢測和飛機維修
• 核電站/電力巡檢

示例：TSINGSEE青犀視訊EasyCVR視訊融合平臺基於AI計算機視覺技術，實現對實時視訊的AI智慧檢測與識別，例如車牌識別、人臉檢測、安全帽檢測、口罩佩戴檢測、危險行為檢測等等，已經廣泛應用在安防、旅遊、消防等專案中。

趨勢 5：醫療領域顛覆性的 AI 突破

近年來，與在醫療行業實施人工智慧相關的趨勢得到了廣泛的討論。科學家使用 AI 模型和計算機視覺演算法來對抗 COVID-19，包括疫情檢測、疫苗開發、藥物發現、熱篩查、帶口罩的面部識別和分析 CT 掃描等領域。

為了抵消 COVID-19 的傳播，人工智慧模型可以檢測和分析潛在危險並做出準確預測。此外，人工智慧通過識別使疫苗有效的關鍵元件來幫助開發疫苗。

人工智慧驅動的解決方案可用作醫療物聯網上的有效工具，並處理特定於醫療行業的隱私問題。 如果我們將醫療中的 AI 用例系統化，很明顯它們的目標是一致的——確保快速準確地診斷患者。

人工智慧的演變和未來

趨勢表明，人工智慧的未來充滿希望，因為人工智慧解決方案正變得司空見慣。用於製造業預測分析的自動駕駛汽車、機器人和感測器、虛擬醫療助理、用於媒體報道的 NLP、虛擬教育導師、人工智慧助理和可以在客戶服務中取代人類的聊天機器人——所有這些人工智慧驅動的解決方案都在向前邁進一大步。