達摩院提出，AI將成為科學家繼計算機之后的新生產(chǎn)工具，一是帶來效率的顯著提升，二是可能幫助科學家可能突破長久以來的研究瓶頸。
此前一些領域的科學家需要“板凳枯坐10年冷”才能產(chǎn)出科學成果的時代將會過去，而AI將伴隨科研從假設、實驗到歸納總結的全流程，從而讓科學家能在一生中都能保持“高產(chǎn)”。
AI與科研深度結合仍然需要解決三個挑戰(zhàn)：人機交互問題（AI與科學家的協(xié)作機制與分工需更明確）、AI的可解釋性（AI需要更容易被理解）、交叉學科人才（專業(yè)領域科學家與AI研究者彼此促進的障礙待破除）。
趨勢二：大小模型協(xié)同進化
過去幾年里，谷歌的BERT、OpenAI的GPT-3、智源的“悟道”、達摩院的M6和AliceMind等大規(guī)模預訓練模型如軍備競賽般迅猛發(fā)展，使得大模型的性能飛速提升，為下游的AI模型訓練打下良好基礎。然而，大模型訓練對資源消耗過大、參數(shù)量劇增所帶來的性能提升與消耗提升不成比例，使大模型效率遭到挑戰(zhàn)。
達摩院認為，大模型沉淀的知識與認知推理能力向小模型輸出，小模型在此基礎上疊加在垂直場景的感知、認知、決策、執(zhí)行能力，再將執(zhí)行結果反饋給大模型，可讓大模型的知識與能力持續(xù)進化，從而形成一套有機循環(huán)的智能系統(tǒng)——參與者越多、受惠者越多，同時模型進化的速度也越快。

趨勢三：硅光芯片
達摩院認為，硅光芯片更高計算密度與更低能耗的特性是極致算力場景下的解決方案，并提出光電融合是未來芯片的發(fā)展趨勢。
達摩院預測：未來 3 年，硅光芯片將支撐大型數(shù)據(jù)中心的高速信息傳輸；未來 5-10 年，以硅光芯片為基礎的光計算將逐步取代電子芯片的部分計算場景。
趨勢四：綠色能源 AI
綠色能源的大規(guī)模開發(fā)和利用已經(jīng)成為當今世界能源發(fā)展的主要方向。但在高比例綠色能源并網(wǎng)的趨勢下，傳統(tǒng)電力系統(tǒng)難以應對綠色能源在大風、暴雨、雷電等天氣下發(fā)電功率的不確定性，缺乏高穩(wěn)定性的多能協(xié)調，復雜故障及時響應的應對能力。
達摩院因此認為，針對大規(guī)模綠色能源并網(wǎng)在穩(wěn)定運行和規(guī)劃上面臨的各種挑戰(zhàn)，以人工智能為主的新一代信息技術將對能源系統(tǒng)整體的高效穩(wěn)定運行提供技術保障和有力支撐。
達摩院提出，AI技術將在發(fā)電功率的精準預測、電力優(yōu)化調度、電站性能評估、故障監(jiān)測和風險管理等方面將發(fā)揮不可替代的作用，并帶來三大突破：精準的功率預測、智能的調度控制、自動化的故障響應。
趨勢五：柔性感知機器人
具有柔軟靈活、可編程、可伸縮等特征的性機器人，結合人工智能技術使其具備感知能力，將有望提升機器人的通用性與自主性、降低對于預編程的依賴，從而大大拓展機器人的使用場景。
因此，在達摩院的預測中，柔性感知機器人的出現(xiàn)將讓工業(yè)機器人從大規(guī)模標準化的產(chǎn)線走向小規(guī)模非標的產(chǎn)線，將使得服務機器人可實現(xiàn)與人更近距離的交互。
柔性感知機器人也有三個需要克服關鍵挑戰(zhàn)：一是智能水平受制于端側算力與小樣本學習的有效性，有賴于云端協(xié)同的突破；二是精度受制于材料的剛性，有賴于可變材料的突破；三是受制于高昂成本，有賴于工藝優(yōu)化及進一步通用化使得價格具備競爭力。
趨勢六：高精度醫(yī)療導航
目前，AI技術已被證明可與基因檢測、靶向治療、免疫治療等新技術研究有效結合，改變單純依賴醫(yī)生經(jīng)驗的診斷模式。達摩院認為，未來三年，以AI為代表的新興技術將逐漸滲透到臨床診療的多病種全流程中去。

熱點：數(shù)據(jù) 計算機 錢包