青島日報社/觀海新聞1月22日訊 2020年，全球經濟與社會陷入諸多不確定性當中，讀懂未來的科技趨勢發展從未像今天一般重要。21日，百度研究院發布了2021年十大科技趨勢預測。
1.疫情加速 AI 融合落地，AI 將更加深入大眾生活
2020年，全球抗疫促使 AI 與 5G、大數據、物聯網等新一代信息技術相互融合，AI 測溫、AI 問診、智能外呼、服務機器人等創新應用開始大規模普及，從生活的方方面面支持抗擊疫情。
后疫情時代，AI 將進一步與交通、能源、制造、農業等基礎產業融合，推動復工復產，促進社會經濟發展。同時遠程辦公、在線教育、在線問診等模式將會延續，成為未來的新常態。AI 不僅助力產業經濟，而且逐漸深入大眾生活，用 AI 解決民生問題有望大規模落地。
2.數字人、虛擬人將大批量出現并在服務行業大放異彩
讓機器像人一樣具備理解和思考的能力，需要融合語言、語音、視覺等多模態的信息。結合知識圖譜和深度學習技術的知識增強的跨模態深度語義理解，讓 AI 具備持續學習的能力。
以此為基礎，結合 3D 建模、情緒識別、智能推薦等多種技術打造的數字人、虛擬人可以看、聽、說，還能與人自然交流。2021年，數字人、虛擬人的生產門檻將進一步降低，并大規模應用在互聯網、金融、電商、醫療等行業，給客戶帶來專業貼心、千人千面的服務。媒體行業也將迎來眾多 AI 虛擬主播，“二次元”的創造力和想象力結合真實世界的感知與交互能力，有望大放異彩。
3.生命科學成為 AI 應用新領地，生物計算成為新的研究熱點
在突如其來且席卷全球的疫情面前，病毒檢測和疫苗研究工作每加快一秒都可能挽救無數人的生命。然而，了解病毒，特別是病毒蛋白質、RNA 等分子結構，卻是一個極其復雜的過程。
疫情期間，LinearFold 和 LinearDesign 等算法，顯著提升了 RNA 二級結構預測和 mRNA 疫苗基因序列設計的速度。AlphaFold 2在 CASP 14蛋白質結構預測競賽的結果也預示著，AI 有望大大提升大分子結構預測的精度和效率。AI、生物計算和病毒研究、疫苗研發等生命科學基礎研究領域的結合將迎來爆發。
除了基礎研究外，AI 也將進一步融入新藥研發的整個鏈條，包括靶點發現、苗頭化合物發現、先導化合物發現和優化等等，從而大大縮短新藥研發周期，降低新藥研發成本，提高醫療診斷的準確性和效率，使人類在面對健康問題時更加主動。
4.交通產業加速轉型，數字交通運營將成為關鍵推動力
AI 和 5G 技術將與交通出行深度融合，成為交通發展的新引擎。
無安全員的 Robotaxi 車輛開展常態化運營有望成為現實，以智能語音交互和車路協同信息服務為特征的“智能座艙”將成為汽車主流標配。
基于“新基建”發展的交通數字化轉型和智能化變革，將會讓傳統交通加速向數字化、網聯化、自動化的“新交通”轉變。同時，數字化的知識和信息將會成為智能交通的關鍵生產要素，智能交通未來將從重視建設向建設和運營并重轉變，“數字交通運營服務商”將成為推動智能交通高質量發展的關鍵力量。
5.AI芯片和輕量級模型加速智能化向邊緣滲透，物聯網發展迎來新機遇
邊緣是一個復雜概念，范圍涉及從簡單的傳感器、嵌入式設備，到手機、機器人，以及高度復雜的自動駕駛汽車等設備。
隨著 AI 芯片提供更專業化的邊緣計算能力，以及模型蒸餾等技術的發展，輕量級模型將被越來越多地部署在小型邊緣設備中，支持離線和在線場景，并且可以為用戶進行定制化服務。
智能技術向邊緣滲透，幾乎會影響所有行業。隨著邊緣智能應用需求的不斷增長，預計具備 AI 功能的邊緣設備以及在邊緣處理的數據量都將持續快速增長。
6.無監督學習成為基礎支撐技術，促進 AI 多領域技術融合，提升跨模態理解能力
深度學習模型依賴大量的標注數據，以獲得優異的性能。而無監督學習是一種無需人工標注數據幫助的學習方法，是 AI 下一步發展的重要方向之一。
利用無監督學習對不同模態的數據進行預訓練，通過跨模態信息的共享提升跨模態理解，將成為一種趨勢。其所形成的先驗知識，還可以幫助小樣本學習快速泛化至新任務中，有助于將 AI 技術應用到更廣泛的領域，值得更進一步探索。
7.AI 提升機器對現實的理解，服務機器人將擁有更多物理交互能力
隨著 AI 對數據、行為和運動學的分析和理解的逐漸成熟，機器在現實生活復雜場景中與人進行交互的可行性和安全性將得到提升。服務機器人或將被賦予更多的物理交互能力，可以替人完成簡單、重復的日常工作。
將有更多酒店應用服務機器人來實時響應客房需求，自動配送物品。家庭服務機器人所能完成的任務則會更加精細和多樣，例如幫助老人從冰箱拿食品或沖泡飲料，同時避免和房屋內的其他物體或運動的人碰撞，還可以在主人外出時幫助整理房間等。
8.量子科技創新觀念深入人心，直接推動量子計算相關產業發展
量子科技創新的重要性和緊迫性將被社會各界廣泛認可，這將進一步推動量子計算相關軟硬件產業呈現快速發展。
量子硬件的性能將進一步提升，相應地，會催生出一批具有實用價值的量子算法，用于真正展示這些量子硬件的優勢。量子軟件云化和服務化成為趨勢，逐步實現與硬件的深度融合，逐步開放和輸出量子計算能力。量子計算與 AI 和云計算也將會持續深度融合，碰撞出新一輪的火花。
伴隨著量子生態雛形逐漸形成，越來越多的政府機構、高等院校以及科技公司將開啟在量子計算領域的戰略謀劃和系統布局，以便做好充分準備以迎接量子計算時代。
9.社會對構建負責任的 AI 需求不斷上升，科技企業推動落地實踐
AI 的發展需要遵循一定的基本原則，以人為本、公正包容、可解釋性、透明性與可追溯、隱私安全等原則，已成為國際社會 AI 倫理和治理的基本共識。
AI 倫理將推動智能應用發展從獲取用戶注意力向促進用戶福祉轉變。2021年，從技術落地的角度看，AI 模型的可解釋性和魯棒性將取得更多的進步，視頻合成技術的“矛”（合成）和“盾”（鑒別）之爭也會愈演愈烈，隱私保護計算還將加速在組織間運用，為釋放數據價值提供安全和隱私保證。同時，近年來快速發展的深度學習也極大地增加了能耗，未來 AI 的發展將會更注重有選擇性地進行運算，追求經濟、社會與環境的可持續發展。
10.AI 基礎設施創新促進產業人才培養，AI 大眾化加速
讓 AI 普惠大眾，需要讓人們平等便捷地獲取 AI 能力，這需要在算法、算力、數據等 AI 基礎設施和人才兩大方面持續投入。
以深度學習框架為核心的開源平臺已大大降低 AI 技術的開發門檻，自動化深度學習、少代碼或無代碼的 AI 開發平臺等將進一步發展，持續降低 AI 開發所需的專業技能。AI 的大規模應用和對更大算力的需求將驅動 AI 芯片新一輪的增長，幫助 AI 突破當前的算力瓶頸，更普惠地釋放 AI 算力。高質量的數據能有效提升對應用場景理解能力，安全的定制化數據方案、優化的數據采集和標注、健全的數據要素市場體系將推進 AI 在各細分領域的應用落地。此外，AI 的大眾化離不開人才，無論是研究型、應用型的人才，又或是 AI 素養的培養都不可或缺，相信隨著科技公司進一步促進 AI 產教融合，各個產業都會涌現出更多既懂 AI 技術又懂 AI 場景的產業復合型人才。（青島日報/觀海新聞記者 耿婷婷）
責任編輯：王逸群
