2023年四大人工智能发展趋势有哪些？
在相互工作成果的基础上，研究人员、工程师和数据科学家继续创新的趋势越来越流行。工程师和科学家通过可解释性、量化和修剪，在主流模型开发中有了更多的选择，将AD781JN人工智能(包括深度学习和传统机器学习模型)扩展到主流模型。
人工智能的发展证明了它对工程师的价值，从对未来的好奇到关键的企业工具。不久前，Gartner预测，利用人工智能工程实践建设和管理自适应人工智能系统的企业在实施人工智能模型方面的表现将优于至少25%的同行，这将为各组织继续推动人工智能的应用增加外部压力。2023年将成为人工智能发展的重要一年，因为工程师不断发现新的用例可以为其组织带来价值。
下面是2023年工程师可以采用或为其制定计划的四大人工智能发展趋势。
1、教学机器了解现实世界：基于物理信息的AI
除了以数据为中心的AI方法，以模型为中心的AI方法也越来越受欢迎。大多数以数据为中心的AI模型都试图根据收到的数据不断优化以提高精度，这使得模型在推断时不需要考虑现实世界的规则和原则。随着AI不断扩展到复杂的工程系统等越来越多的研究领域，模型需要考虑各种物理约束。例如，麻省理工学院的一名首席研究人员使用基于物理信息的AI来设计新的生物医疗设备，以改善轻度创伤性脑损伤的检测结果。
同样，利用基于物理原理简化模型的模型降阶。（ROM）作为一种新趋势，方法也在兴起。高保真模型不能用于系统级设计，因为计算量太大。降级模型可以替代高保真模型，从而降低计算门槛。使用AI可以通过替代系统的第一原理模型来加速模拟，同时保持系统的预期保真。在ROM等基于物理信息的应用中，AI会促进模型计算的收敛，同时由于引入了规则算法，可以提高模型的可解释性。
基于物理信息的AI的核心是模拟的需求:这些复杂的模型可以在模拟中配置为变体，使工程师能够在模型之间快速切换，从而获得最佳、最准确的计算结果。
2、对跨AI合作的需求：对AI的开放访问将继续扩大
在相互工作成果的基础上，研究人员、工程师和数据科学家继续创新的趋势越来越流行。根据工程师工作流程和职责的几个变化，我们可以看到更多的合作需求。
推动交叉合作的主要趋势是使用AI进行越来越多的研究，这也使得最新模型的需求提供变得更加紧迫。GitHub是获得即时可用的最新研究模型的首选平台。几个小时后，GitHub新发布的模型有了一个基于它的新解决方案，这并不少见。大量高质量的模型使所有从业者能够在比以前更短的时间内使用最新的研究。
第二个趋势是越来越依赖开源解决方案。模型可能来自几个不同的框架，所以工程团队需要的解决方案应该能够弥合其首选系统和最终解决方案之间的差距。这就需要谈谈不同框架之间的相互操作，这使得AI可以被纳入更多样化的研究领域。
最后，企业正在增加与学术界的合作，使其特定的应用能够利用AI研究的日益加快的成果。在AI领域与学术界的合作可以帮助企业应对新的挑战，例如利用基于物理信息的机器学习和生物医学图像处理等主题的学术研究。
3、公司将专注于更小、更容易解释的AI模型。
在模型的早期探索中，准确性是工程师和科学家的主要关注点，而模型的其他优缺点可能不是关键点。然而，AI从业者发现，为了使模型具有现实意义，它们必须能够部署并匹配硬件要求，并使其决策易于解释和理解。
一个逐渐流行的趋势是使用传统的机器学习模型来满足低成本、低功耗设备的要求，并输出可解释的结果。越来越多的公司希望使用特定的公式和参数来获得安全的结果，这使得参数模型再次焕发青春。虽然传统的机器学习技术不是最先进的，但它们可以通过可理解和重复的方式完成工作。这些模型本身非常紧凑，可以满足低内存占用的硬件需求，其易于解释的输出也为用户提供了满足应用预期的信心。
如果需要更新，内存占用更大的模型，量化和修剪技术提供了一种压缩模型的方法，可以减少模型的大小，以最大限度地减少对准确性的影响。此外，可解释的方法也用于解释模型的决策，从而提高输出的可信度。
工程师和科学家通过可解释性、量化和修剪，在主流模型开发中有了更多的选择，将人工智能(包括深度学习和传统机器学习模型)扩展到主流模型。
4、在最先进的工程系统设计、开发和运行中，AI变得非常重要
人工智能在突破性工程创新中不太可能缺失。人工智能将继续影响现有领域，包括涉及时间序列和传感器数据的领域。随着人工智能在所有行业和应用中的主流，不使用任何复杂的人工智能工程系统将成为不同的类型。
电气化趋势是一个可能的例子，人工智能使更多的应用，如电池管理、虚拟传感和模型降级。然而，在人工智能技术的成熟领域工作的工程师可能需要具备人工智能技术的相关背景。这就催生了对特定参考例子的需求。这些例子可以帮助工程师确定如何在干扰最小的情况下将人工智能整合到工作中。例如，开发电池管理系统的工程师希望使用数据和专业知识修改例子来应对特定情况，从验证例子开始。
今天的问题不再是人工智能是否会影响企业，而是这种影响什么时候会发生，各个组织面临什么具体影响。从跨学科合作到独特的组件设计，人工智能的持续应用对整个组织都有影响。因此，对于工程师来说，确定与其短期和长期目标一致的用例并相应实现这些用例是非常重要的。
