1） 語言AI將成為核心，與其他類別的AI相比，更多的初創公司將在 NLP（自然語言處理）領域獲得資金語言是人類最重要的發明。 與其他屬性相比，它是人類智力的決定性標誌。語言遍及各行業商務工作的各方面。 因此，準確地使語言自動化的能力為價值創造開拓無窮機會。過去幾年NLP 被一項稱為「轉換器」的新基礎技術所顛覆和加速，這項技術由谷歌研究人員在2017年的一篇論文中提出，這強大的技術剛剛成熟到足以大規模生產和商業化的程度。 語言AI以及商業領域的一場革命即將到來。 風險投資家將在2022年向NLP初創公司投入創紀錄的資金。 領先的NLP初創公司Hugging Face（最新估值為4.4億美元）和Cohere（最新估值為2億美元）明年都將成為獨角獸。 未來幾個月甚至幾年裡，企業家們將在經濟發展中，識別出大量基於語言的活動，並通過AI 展開優化、自動化和轉型， NLP 初創公司的新發明將出現寒武紀般的大爆發。.2）Databricks、DataRobot 和 Scale AI即將上市這三家公司屬於現代人工智能經濟的首批大贏家，它們都提供相關工具和基礎設施，説明其他公司構建人工智能，這反映出了跨技術週期中的一個常見主題：基礎設施領先於應用程式。這三家公司都擁有驚人的高收入增長率，2021年，它們參與Pre-IPO的投資機構，由那裡籌集大量資金：Franklin Templeton投資了Databricks;Altimeter和Tiger Global投資了DataRobot;Dragoneer、Greenoaks和Tiger Global則投資了Scale AI。公司通常會聘請曝光率高的首席財務官，為即將到來的IPO做準備。 今年4月，DataRobot宣佈聘請Damon Fletcher（前Tableau首席財務官）擔任本公司的首席財務官，Databricks的現任首席財務官Dave Conte則擔任過Splunk的首席財務官，並説明Splunk於2012年上市。 因此，如果大家看到Scale AI在2022年聘請曾為人熟知的首席財務官，不必驚訝。.3）至少三家氣候AI初創企業有望成為獨角獸氣候技術已迅速成為初創企業最炙手可熱的領域之一。 今年前所未有的巨額風投資本湧入這一行業。 在氣候與人工智能的交叉領域，初創企業的良機比比皆是。近期一部分氣候AI初創企業，憑藉大筆融資名聲驟震（儘管目前商業認可度有限）。 明年這些企業中的，部分將藉著氣候技術的東風，達到超過10億美元估值，其中最有潛力的獨角獸候選者，是新出現的碳經濟構建配套設置的公司，如企業碳會計和碳抵償基礎建設。潛在的獨角獸有：Cervest，ClimateAi，Gro Intelligence，Kettle，KoBold Metals，NCX，Pachama，Patch， Persefoni，Watershed。.4）功能強大的全新AI工具將為視頻而生視頻已成為我們數碼生活中的主要媒介。 據思科（Cisco） 預測，2022 年，視頻將佔據超過八成的網絡流量。 每日平均有超過70億個視頻在YouTube上被觀看，1億個視頻被上傳至TikTok。 從Netflix到亞馬遜的Prime Video，再到Disney+、Hulu與HBO Max，網絡流媒體服務的使用者群與內容庫持續膨脹。然而，與圖像文本等其他數據模式相比，目前對構建基於深度學習的視頻化產品及功能的關注相對較少，這代表著巨大的市場機遇。2022年，針對視頻的人工智能工具有望遍地開花，覆蓋視頻檢索、剪輯、生成等領域，像Synthesia在本月早些時候的B輪5000萬美元融資，就是對未來的預示。.5）擁有十萬億+參數的NLP模型將出現現在自然語言處理（NLP）領域定義基於轉換器的模型發展，規模不斷增大。 2022年，這軍備競賽仍將繼續，即使DeepMind近期在小型模型性能方面的動作耐人尋味。2019年OpenAI的GPT-2成為首個擁有超10億參數的模型，它的15億參數規模在當時似乎大得無可想像。 2020年，GPT-3再次在AI領域掀起風暴，它擁有1750億個參數，使之前一切相形見絀。 然而GPT-3作為最大AI模型的統治地位並不持久。 2021年，萬億參數的關口被來自谷歌（1.6萬億）與北京智源人工智能研究院（Beijing Academy of Artificial Intelligence，1.75萬億）的模型所打破。未來這一曲棍球式的增長，仍將在新一年的大型語言模型規模上延續。 2022年最大的模型極可能來自OpenAI，並被命名為GPT-4。.6）中美在人工智能領域的合作和投資將接近停止中美之間的地緣政治愈見緊張，人工智能等尖端技術則代表著衝突中特別有爭議的觸點，這種情況將在2022年變得更壞。過去幾周美國政府將AI初創公司商湯科技、無人機公司大疆以及其他幾家領先的中國AI公司列入投資黑名單，這些都是中國最重要的人工智能公司。美國外國投資委員會（CFIUS） 越來越主動阻止中國機構投資或觸及美國的人工智能技術。 另外由埃裡克·施密特（Eric Schmidt）領導的、頗具影響力的美國國家人工智能安全委員會（NSCAI）進一步煽動中美之間的人工智能軍備競賽，例如鼓勵美國政府將美國大學在人工智能方面的研究與中國隔離。結果是在2022年，無論中美，其企業家、投資者、企業、商業領袖、學術研究人員，都幾乎不可能在人工智能主題上有意義地合作。.7）多個大型雲/數據平台將宣佈新的合成數據計劃獲得正確的數據，是當今構建人工智能產品最重要和最具挑戰性的。合成數據與收集和標記真實數據集的現有方法相比，更為引人注目。Gartner預測，到2024年，在開發人工智能所使用的所有數據里，人工智能數據將佔到60%。 Facebook在兩個月前對合成數據初創公司AI.Reverie的收購是一種警示。明年，多個主要計算平台推出新的合成數據，因為他們認識到這項技術對未來人工智能堆疊的重要性，並會努力吸引更多的開發者，加入其生態系統。 這些計算平台可能包括亞馬遜雲科技（Amazon Web Services）、微軟Azure、谷歌雲平台（Google Cloud Platform）、Unity、Scale AI。.8）多倫多將成為硅谷和中國以外的世界上最重要人工智能中心「現代人工智能是在多倫多發明」，這說法不算誇張。這要歸功於Geoff Hinton等深度學習先驅的工作成果。 雖然多倫多的人氣不如其他地區，但它仍是世界上最重要的人工智能中心之一。多倫多充斥著人工智能領域的人才。 世邦魏理仕（CBRE）最近一份報告顯示，多倫多-滑鐵盧大都會區是整個北美的第二大技術人才市場，僅次於三藩市灣區，也是增長最快的第一大市場。 由Geoff Hinton在多倫多聯合創辦的Vector研究所（Vector Institute），是世界上最大的人工智能研究機構之一。 從谷歌到微軟，再到IBM，世界上最大的科技公司，近年來都在這個城市開展了重要業務。從歷史上看，多倫多一直是一流的人工智能研究中心，但創業生態系統相對不發達。這種情況正在迅速改變。 像Ada（聊天機器人平台）、Cohere（NLP）、Deep Genomics（用於藥物研發的人工智能）和Waabi（自動駕駛汽車）等，都只是多倫多人工智能初創公司近幾個月來獲得巨額融資的縮影。未來的一年裡，預計將有更多世界級的人工智能初創公司，從多倫多湧現出來。.9）「負責任的人工智能」將開始從模糊變為可行人工智能技術的發展速度，比我們如何負責任地、合乎道德地、公平地部署其能力為快。在被谷歌解僱的研究員Timnit Gebru、演算法正義聯盟創始人Joy Buolamwini和數學家Cathy O 'Neill等人的領導下，一場倡導負責任地使用人工智能的運動正在興起。 這種對更負責任的人工智能的推動，涵蓋一系列廣泛的問題，包括人工智能偏見、數據來源、模型可解釋性和模型可審核性。儘管人們對這些問題的認識正在增長，這個主題仍然非常抽象。 總括來說，人工智能從業者並不會在他們的日常工作流程中開展「負責任的人工智能」實踐。負責任的人工智能實踐和工具箱，實現了產品化和可操作性，2022 年這也會開始改變。 這些產品將既來自科技巨頭（如微軟、IBM），也來自較新的初創公司（如Parity、Fiddler Labs）。 負責任的人工智能實踐將從具有前瞻性思維的組織內部的「可有可無」，轉變為跨行業的標準實踐。這個過程中，監管將提供重要的推動力。 歐盟提出的《人工智能法》（Artificial Intelligence Act）和紐約市的新法律中，後者要求審計在招聘決策中使用人工智能的公司，這種法律是首次出現的。 另外企業的自律也將推動這一進程。 本月沃爾瑪、耐克、通用汽車和CVS等企業，宣佈成立數據與信任聯盟（Data & Trust Alliance），是跨行業聯盟，目標是「檢測和打擊演算法偏見」。.10）強化學習將成為越來越重要和有影響力的AI範式如今AI的主導方法是監督學習，需要收集大量數據和做標記，輸入到模型中，以便形成與世界相關的有用認知。 近年無監督學習也開始受到關注，它是一種和前者類似的方法，但不需要事先準備人工標註。其實AI還有另一種範式。 雖然它已經存在了幾十年，但其巨大的潛力才剛剛開始顯現：強化學習。在強化學習中，人工智能不是根據真實世界的歷史數據進行訓練。 它沒有被賦予「解答問題的鑰匙」，也沒有像監督學習那樣被告訴要注意什麼。 相反地，它可以用開放的方式探索環境，並在需要被優化的特定目標的指引下了解環境。強化學習為DeepMind 旗下AlphaGo的里程碑式勝利提供了動力。 目前越來越多處於人工智能前沿的研究人員和初創公司，正在使用強化學習來開發前所未有的人工智能能力，包括推薦引擎、機器人、自動駕駛汽車等。強化學習可能會為更複雜、更靈活的機器智能形式提供一條出路。 幾個月前發表的一篇頗具爭議的論文中，DeepMind甚至提出，強化學習本身就可以把我們帶向「通用人工智能」（Artificial General Intelligence）。 作為世界上最先進的AI研究機構，DeepMind值得關注。.Rob Toews是福布斯撰稿人、風投機構Radical Ventures的投資人，觀點僅代表個人。
1） 語言AI將成為核心，與其他類別的AI相比，更多的初創公司將在 NLP（自然語言處理）領域獲得資金語言是人類最重要的發明。 與其他屬性相比，它是人類智力的決定性標誌。語言遍及各行業商務工作的各方面。 因此，準確地使語言自動化的能力為價值創造開拓無窮機會。過去幾年NLP 被一項稱為「轉換器」的新基礎技術所顛覆和加速，這項技術由谷歌研究人員在2017年的一篇論文中提出，這強大的技術剛剛成熟到足以大規模生產和商業化的程度。 語言AI以及商業領域的一場革命即將到來。 風險投資家將在2022年向NLP初創公司投入創紀錄的資金。 領先的NLP初創公司Hugging Face（最新估值為4.4億美元）和Cohere（最新估值為2億美元）明年都將成為獨角獸。 未來幾個月甚至幾年裡，企業家們將在經濟發展中，識別出大量基於語言的活動，並通過AI 展開優化、自動化和轉型， NLP 初創公司的新發明將出現寒武紀般的大爆發。.2）Databricks、DataRobot 和 Scale AI即將上市這三家公司屬於現代人工智能經濟的首批大贏家，它們都提供相關工具和基礎設施，説明其他公司構建人工智能，這反映出了跨技術週期中的一個常見主題：基礎設施領先於應用程式。這三家公司都擁有驚人的高收入增長率，2021年，它們參與Pre-IPO的投資機構，由那裡籌集大量資金：Franklin Templeton投資了Databricks;Altimeter和Tiger Global投資了DataRobot;Dragoneer、Greenoaks和Tiger Global則投資了Scale AI。公司通常會聘請曝光率高的首席財務官，為即將到來的IPO做準備。 今年4月，DataRobot宣佈聘請Damon Fletcher（前Tableau首席財務官）擔任本公司的首席財務官，Databricks的現任首席財務官Dave Conte則擔任過Splunk的首席財務官，並説明Splunk於2012年上市。 因此，如果大家看到Scale AI在2022年聘請曾為人熟知的首席財務官，不必驚訝。.3）至少三家氣候AI初創企業有望成為獨角獸氣候技術已迅速成為初創企業最炙手可熱的領域之一。 今年前所未有的巨額風投資本湧入這一行業。 在氣候與人工智能的交叉領域，初創企業的良機比比皆是。近期一部分氣候AI初創企業，憑藉大筆融資名聲驟震（儘管目前商業認可度有限）。 明年這些企業中的，部分將藉著氣候技術的東風，達到超過10億美元估值，其中最有潛力的獨角獸候選者，是新出現的碳經濟構建配套設置的公司，如企業碳會計和碳抵償基礎建設。潛在的獨角獸有：Cervest，ClimateAi，Gro Intelligence，Kettle，KoBold Metals，NCX，Pachama，Patch， Persefoni，Watershed。.4）功能強大的全新AI工具將為視頻而生視頻已成為我們數碼生活中的主要媒介。 據思科（Cisco） 預測，2022 年，視頻將佔據超過八成的網絡流量。 每日平均有超過70億個視頻在YouTube上被觀看，1億個視頻被上傳至TikTok。 從Netflix到亞馬遜的Prime Video，再到Disney+、Hulu與HBO Max，網絡流媒體服務的使用者群與內容庫持續膨脹。然而，與圖像文本等其他數據模式相比，目前對構建基於深度學習的視頻化產品及功能的關注相對較少，這代表著巨大的市場機遇。2022年，針對視頻的人工智能工具有望遍地開花，覆蓋視頻檢索、剪輯、生成等領域，像Synthesia在本月早些時候的B輪5000萬美元融資，就是對未來的預示。.5）擁有十萬億+參數的NLP模型將出現現在自然語言處理（NLP）領域定義基於轉換器的模型發展，規模不斷增大。 2022年，這軍備競賽仍將繼續，即使DeepMind近期在小型模型性能方面的動作耐人尋味。2019年OpenAI的GPT-2成為首個擁有超10億參數的模型，它的15億參數規模在當時似乎大得無可想像。 2020年，GPT-3再次在AI領域掀起風暴，它擁有1750億個參數，使之前一切相形見絀。 然而GPT-3作為最大AI模型的統治地位並不持久。 2021年，萬億參數的關口被來自谷歌（1.6萬億）與北京智源人工智能研究院（Beijing Academy of Artificial Intelligence，1.75萬億）的模型所打破。未來這一曲棍球式的增長，仍將在新一年的大型語言模型規模上延續。 2022年最大的模型極可能來自OpenAI，並被命名為GPT-4。.6）中美在人工智能領域的合作和投資將接近停止中美之間的地緣政治愈見緊張，人工智能等尖端技術則代表著衝突中特別有爭議的觸點，這種情況將在2022年變得更壞。過去幾周美國政府將AI初創公司商湯科技、無人機公司大疆以及其他幾家領先的中國AI公司列入投資黑名單，這些都是中國最重要的人工智能公司。美國外國投資委員會（CFIUS） 越來越主動阻止中國機構投資或觸及美國的人工智能技術。 另外由埃裡克·施密特（Eric Schmidt）領導的、頗具影響力的美國國家人工智能安全委員會（NSCAI）進一步煽動中美之間的人工智能軍備競賽，例如鼓勵美國政府將美國大學在人工智能方面的研究與中國隔離。結果是在2022年，無論中美，其企業家、投資者、企業、商業領袖、學術研究人員，都幾乎不可能在人工智能主題上有意義地合作。.7）多個大型雲/數據平台將宣佈新的合成數據計劃獲得正確的數據，是當今構建人工智能產品最重要和最具挑戰性的。合成數據與收集和標記真實數據集的現有方法相比，更為引人注目。Gartner預測，到2024年，在開發人工智能所使用的所有數據里，人工智能數據將佔到60%。 Facebook在兩個月前對合成數據初創公司AI.Reverie的收購是一種警示。明年，多個主要計算平台推出新的合成數據，因為他們認識到這項技術對未來人工智能堆疊的重要性，並會努力吸引更多的開發者，加入其生態系統。 這些計算平台可能包括亞馬遜雲科技（Amazon Web Services）、微軟Azure、谷歌雲平台（Google Cloud Platform）、Unity、Scale AI。.8）多倫多將成為硅谷和中國以外的世界上最重要人工智能中心「現代人工智能是在多倫多發明」，這說法不算誇張。這要歸功於Geoff Hinton等深度學習先驅的工作成果。 雖然多倫多的人氣不如其他地區，但它仍是世界上最重要的人工智能中心之一。多倫多充斥著人工智能領域的人才。 世邦魏理仕（CBRE）最近一份報告顯示，多倫多-滑鐵盧大都會區是整個北美的第二大技術人才市場，僅次於三藩市灣區，也是增長最快的第一大市場。 由Geoff Hinton在多倫多聯合創辦的Vector研究所（Vector Institute），是世界上最大的人工智能研究機構之一。 從谷歌到微軟，再到IBM，世界上最大的科技公司，近年來都在這個城市開展了重要業務。從歷史上看，多倫多一直是一流的人工智能研究中心，但創業生態系統相對不發達。這種情況正在迅速改變。 像Ada（聊天機器人平台）、Cohere（NLP）、Deep Genomics（用於藥物研發的人工智能）和Waabi（自動駕駛汽車）等，都只是多倫多人工智能初創公司近幾個月來獲得巨額融資的縮影。未來的一年裡，預計將有更多世界級的人工智能初創公司，從多倫多湧現出來。.9）「負責任的人工智能」將開始從模糊變為可行人工智能技術的發展速度，比我們如何負責任地、合乎道德地、公平地部署其能力為快。在被谷歌解僱的研究員Timnit Gebru、演算法正義聯盟創始人Joy Buolamwini和數學家Cathy O 'Neill等人的領導下，一場倡導負責任地使用人工智能的運動正在興起。 這種對更負責任的人工智能的推動，涵蓋一系列廣泛的問題，包括人工智能偏見、數據來源、模型可解釋性和模型可審核性。儘管人們對這些問題的認識正在增長，這個主題仍然非常抽象。 總括來說，人工智能從業者並不會在他們的日常工作流程中開展「負責任的人工智能」實踐。負責任的人工智能實踐和工具箱，實現了產品化和可操作性，2022 年這也會開始改變。 這些產品將既來自科技巨頭（如微軟、IBM），也來自較新的初創公司（如Parity、Fiddler Labs）。 負責任的人工智能實踐將從具有前瞻性思維的組織內部的「可有可無」，轉變為跨行業的標準實踐。這個過程中，監管將提供重要的推動力。 歐盟提出的《人工智能法》（Artificial Intelligence Act）和紐約市的新法律中，後者要求審計在招聘決策中使用人工智能的公司，這種法律是首次出現的。 另外企業的自律也將推動這一進程。 本月沃爾瑪、耐克、通用汽車和CVS等企業，宣佈成立數據與信任聯盟（Data & Trust Alliance），是跨行業聯盟，目標是「檢測和打擊演算法偏見」。.10）強化學習將成為越來越重要和有影響力的AI範式如今AI的主導方法是監督學習，需要收集大量數據和做標記，輸入到模型中，以便形成與世界相關的有用認知。 近年無監督學習也開始受到關注，它是一種和前者類似的方法，但不需要事先準備人工標註。其實AI還有另一種範式。 雖然它已經存在了幾十年，但其巨大的潛力才剛剛開始顯現：強化學習。在強化學習中，人工智能不是根據真實世界的歷史數據進行訓練。 它沒有被賦予「解答問題的鑰匙」，也沒有像監督學習那樣被告訴要注意什麼。 相反地，它可以用開放的方式探索環境，並在需要被優化的特定目標的指引下了解環境。強化學習為DeepMind 旗下AlphaGo的里程碑式勝利提供了動力。 目前越來越多處於人工智能前沿的研究人員和初創公司，正在使用強化學習來開發前所未有的人工智能能力，包括推薦引擎、機器人、自動駕駛汽車等。強化學習可能會為更複雜、更靈活的機器智能形式提供一條出路。 幾個月前發表的一篇頗具爭議的論文中，DeepMind甚至提出，強化學習本身就可以把我們帶向「通用人工智能」（Artificial General Intelligence）。 作為世界上最先進的AI研究機構，DeepMind值得關注。.Rob Toews是福布斯撰稿人、風投機構Radical Ventures的投資人，觀點僅代表個人。
