在过去三年里，由北京智源人工智能研究院（以 下简称“智源研究院”）主办的北京智源大会见证了AI领域的跨越式发展，成为了业内兼具专业性、权威性、丰富性的品牌活动。
今年的大会上，来自海内外的专家纷纷发表了最新的研究进展。其中，图灵奖得主Adi Shamir深入阐述了「凹槽流形」最新理论，揭秘了对抗性样本奥秘；强化学习之父 Richard Sutton 提出了利用经验启发AI发展的思路，将 AI 从利用数据到利用经验的过程分为四个发展阶段，提出了未来构建真正AI（Real AI）的发展方向；梅宏院士介绍了群体智能研究的历史与最新进展， 并讨论了如何构造基于「探索-融合-反馈」机制的群体智能模型；Meta AI 西雅图研究负责人 Luke Zettlemoyer 从团队工作出发，讲述了万亿参数后，大模型是否会持续增长，以及当前如何更好地利用语言模型。
在这第四个年头里，AI 各领域的技术和产业趋势风云变幻，出现了诸多新的拐点。在自然语言处理领域，预训练大模型进展迅猛， 在以「视觉-语言」多模态大模型（如CLIP、 DALL-E 系列等）为代表的下游任务上取得了惊艳的性能，形成了新的研究热点。大模型在隐知识、可解释性方面有较大进展与突破。与此同时，情感计算识别技术也已成为研究热点，在抑郁线索、精神压力分析等方面发挥着重要的作用。产业化方面，伴随着Hugging Face 等公司的强势崛起，人们在工程+产业结合方面取得了一轮又一轮的新突破。除了通过大模型学习通用知识表征，如何以人类为模板，充分利用低资源数据进行小样本学习，也是极具前景的研究方向。
在视觉领域，随着Transformer被引入计算机视觉领域，视觉基础模型研发迎来了又一个新的高潮。一时间，基于视觉Transformer 的骨干模型设计、自监督学习、模型扩展、下游应用等研究井喷式爆发。2021到2022年，Swin Transformer、 ViT 等突破性工作层出不穷。
在强化学习领域，强化学习算法在仓储物流、共享出行、电网优化调度等现实场景中有着广泛的应用。在围棋、Atari、星际争霸等游戏中战胜顶尖人类选手后，游戏场景下的强化学习研究朝着「多样化」、「多智能体协同」决策的方向发展，如何让智能体在复杂多变环境下的游戏中取得超越人类的表现成为一个颇具挑战的问题。
认知神经领域，AI与脑科学的碰撞和交融还有无限的空间。脑科学的「第一性原理」正在成为AI 创新的认知神经基础。Karl Friston 认为，主动推断是知觉行为的第一性原理，如强化学习、主动学习、贝叶斯最优推断等很多和知觉行为相关的算法均可以从这一原理推得。而未来，在无数的基本原理之上，想要真正实现通用人工智能，还需要基于大脑中的无数细节对复杂的「真实世界」进行表征和模拟。
AI for Science 领域，在分子动力学模拟、开源软件和药物设计方面均有诸多体现，以图神经网络为代表的先进机器学习算法在这些领域掀起了颠覆性革命。机器学习与科学模型的有机结合，给传统的科学领域带来了新的发展机遇，也正在推 动科研范式的创新。
在产业落地方面，人工智能技术催生了自动驾驶、生物制药、生命健康等产业领域的飞速发展。未来，人工智能技术将成为元宇宙概念的支柱性技术，实现虚拟与现实的智能互联。那时， AI将无处不在。
......
如果您想下载本文完整的报告，可以在水木人工智能学堂（公众号：smaiedu）回复关键词“ai359”获取。
版权声明：本号内容部分来自互联网，转载请注明原文链接和作者，如有侵权或出处有误请和我们联系。
