2022 年人工智能领域的发展趋势是什么？你都有哪些期待？ 第1页

这里大胆预测下。

学术研究方面：

1. 堆叠模型参数依然有用，更大参数的单体模型将继续出现。

2020年1750亿参数的GPT-3出现后，把语言模型带入了千亿参数时代。2021年，也出现了几个超大模型，例如英文领域有5300亿参数的MT-NLG，中文领域有2457亿参数的源1.0，2600亿参数的ERNIE 3.0 Titan， 甚至还有Switch Transformer这种1.6万亿参数的模型（不过Switch Transformer使用了混合专家（Mix of Expert，MoE），不是单体模型）

从2021年的巨量模型的研究可以看到，这个趋势才刚开始，2022年，万亿级别的单体模型也许会出现。同时，巨量模型的资源使用方面的优化也会成为新的研究方向，相信未来会出现更多参数但需要更少GPU的巨量模型。

2.CV和NLP继续融合。

2021年出现了不少CV和NLP融合趋势，例如在去年年底我写的这篇文章中，

可以看到去年有几个模型在促进CV和NLP继续融合，例如Swin Transformer，女娲等。

但这仅仅是开始，今年这种趋势将会继续。

3.自监督的应用将更广泛。

有监督模型在大数据年代，需要大量的标注，而标注数据主要来源于人工标注。在NLP领域，自监督算法很早就开始应用了，例如大家很熟的word2vec就是一种自监督算法。

在CV方面，去年也有不少相关工作，例如SEER(SElf-supERvised)^[1]，SSViT^[2]等等。相信今年会有更多自监督算法相关的研究。

落地应用方面:

1. 超大型模型会陆续开放，成为很多应用的基础设施

去年年底，GPT-3开放使用了，GPT-3真的非常好用，例如Github Copilot也是基于GPT-3的，对github copilot感兴趣的可以看看我之前做的视频。

其他中文超大模型也在慢慢开放中，感兴趣的可以联系相关发布方申请使用权限。

我相信在GPT-3开放之后，今年会有更多中文英文领域的超大模型会向开发者开放权限。希望有更多的开发者利用这些超大模型做出好玩的应用。

2. 学术研究领域会更多的使用AI模型

例如在 @lokinko 的回答《阿里巴巴达摩院发布 2022 十大科技趋势，今年的趋势预测有哪些亮点？》里，提到2022年的一个趋势是AI for Science，AI成为各领域科学家的新生产工具。^[3]

AlphaFold 2 能很好地预判蛋白质与分子结合的概率，为我们展示了人工智能驱动生物学研究的无限潜力
Science 发表了 MIT 开发的一种通过 AI machine learning 开发的基于人类自然语言的算法，该算法可以计算包膜病毒的膜蛋白对免疫反应发生的突变进化。

3. 保护隐私的AI模型会应用到更多的领域。

2021年，《数据安全法》、《数据安全管理条例》、《个人隐私保护法》陆续出台了，保护数据的安全和个人隐私，已经是大势所趋了。联邦学习、差分隐私和加密计算等保护隐私的算法在过去几年也一直在发展，这些算法既能保护数据安全，也能打破数据孤岛，让数据发挥最大效果的同时，防止数据外流。个人估计2022年会有更多公司会使用保护隐私的AI算法。

个人期待

我是搞算法落地的，我更期待更多的大型模型在2022年免费开放（便宜点也可以接受嘻嘻），同时在隐私保护方面，有更多的公司认知到保护用户数据安全和隐私是无法逆转的趋势，让保护隐私的AI算法更好地落地。

作者： @桔了个仔

人工智能从业者，专注AI风控技术，写作爱好者，天天和猫咪一起写代码，写知乎。面向人生编程，欢迎关注，一起进步，一起吸猫。更多精彩内容见下面的索引。

参考

1. ^ https://arxiv.org/abs/2103.01988
2. ^ https://arxiv.org/abs/2104.14294
3. ^ https://www.zhihu.com/question/508813822/answer/2290601207