锐客网

  1. 首页 > 科技 > >

人工智能|AI年度总结与展望：超大规模预训练模型爆发，自动驾驶迎商业化前夜( 八 )

AphaFold2“解锁”98%人类蛋白质组
7月16日，DeepMind在Nature发表论文，宣布已利用Alpha Fold2预测了35万种蛋白质结构，涵盖了98.5%的人类蛋白质组，及其他20种生物几乎完整的蛋白质组 。研究团队还公布了AlphaFold2的开源代码和技术细节 。
RoseTTAFold可十分钟内计算出蛋白质结构
同日，华盛顿大学蛋白设计研究所David Baker教授课题组及其他合作机构在Science上发表论文 ，公布了其开源蛋白质预测工具RoseTTAFold的研究结果 。研究团队探索了结合相关思想的网络架构，并通过三轨网络获得了最佳性能 。三轨网络产生的结构预测精度接近CASP14中的DeepMind团队的AlphaFold2，且速度更快、所需计算机处理能力更低 。仅用一台游戏计算机，在短短十分钟内就能可靠地计算出蛋白质结构 。
其他研究进展
2021年8月，中国研究人员使用Alpha Fold2绘制了近200种与DNA结合的蛋白质结构图 。11月，德国和美国的研究人员利用Alpha Fold2和冷冻电镜绘制了核孔复合物的结构图 。12月22日，深势科技推出了蛋白结构预测工具Uni-Fold，在国内首次复现谷歌Alphafold2全规模训练并开源训练、推理代码 。
2022年，值得关注的重要技术趋势
————01 人工智能工程化近两年，人工智能工程化（AI Engineering）格外受关注 。在Gartner发布的2021年和2022年重要战略技术趋势中，人工智能工程化都被列入其中 。人工智能工程化是一种实现人工智能模型操作化的综合方法 。
不久前，Gartner高级研究总监高挺曾在接受采访时表示，AI工程化本质上是AI在企业中大规模、全流程的落地过程，尽管目前大家现在对AI期待很高，但实际上AI目前的应用仍然是被低估的 。因为，很多AI项目的价值只能体现在一些“点对点”的一次性的方案中 。将AI大规模落地的工程化方法（包含DataOps、ModelOps和DevOps）总和起来，便是“AI的工程化”的一整套体系 。
人工智能工程化对企业有很多好处，企业在进行人工智能落地的时候，落地效率、落地广泛度会更高 。
可以预见，人工智能工程化将会是未来2-3年需要持续关注的方向，人工智能工程化应该关注三大核心要点：数据运维、模型运维、开发运维 。
Gartner预测，到2025年，10%建立人工智能工程化最佳实践的企业从其人工智能工作中产生的价值将至少比90%未建立该实践的企业高出三倍 。
02 生成式AI渐成趋势生成式人工智能（Generative Artificial Intelligence）也被Gartner评为2022年重要战略技术趋势之一 。
该机器学习方法从其数据中学习内容或对象，并运用数据生成全新、完全原创的实际工件 。人们可以用AI来创造出一些新事物，如内容创作、创建软件代码、辅助药物研发等 。
近日，机器学习大牛吴恩达发文回顾了AI在2021年的四个重要进展，其中之一便是，AI生成音频内容呈现出主流化倾向 。现在音乐家和电影制作人们，已经习惯于使用AI支持型音频制作工具 。
在国内的优酷、爱奇艺等视频平台，AI也已经广泛用于音、视频的内容生产和创作中，如AI辅助视频制作、智能字幕生成、智能翻译、特效生成等 。
Gartner认为，未来一段时间内，AI会逐渐从一个做判断的机器变成一个做创造的机器 。预计到2025年，生成式人工智能将占所有生成数据的10%，而目前这一比例还不到1% 。
不过该技术还存在一定的争议，如会被滥用于诈骗、欺诈、政治造谣、伪造身份等，存在道德和法律风险 。
03 元宇宙，狂热的新风口2021年，可能没什么技术名词比“元宇宙”热度更高了 。全球很多公司都在讲元宇宙的概念，认为元宇宙是指向互联网的“终极形态” 。如今，移动互联网的红利已经见顶，不知道互联网的尽头是否会是元宇宙？

推荐阅读


上一篇：理财|2022买基金：不求赚钱，只求回本

下一篇：z13|联想与 AMD 联合打造 ThinkPad Z13 笔记本