作为站在科技前沿且不断迭代中的“技术派”，AI在引领人类进入智能时代的同时，自身的发展趋势一直备受关注。日前，百度研究院发布了2021年十大科技趋势预测，用清晰的技术路标，成功勾画出人工智能未来的发展蓝图。

    疫情加速AI融合落地

    2020年，全球抗疫促使AI 与5G、大数据、物联网等新一代信息技术相互融合，AI 测温、AI 问诊、智能外呼、服务机器人等创新应用开始大规模普及，从生活的方方面面支持抗击疫情。

    后疫情时代，AI将进一步与交通、能源、制造、农业等基础产业融合，推动复工复产，促进社会经济发展。同时远程办公、在线教育、在线问诊等模式将会延续，成为未来的新常态。

    生命科学成AI新领地

    疫情期间，AI、生物计算和病毒研究、疫苗研发等生命科学基础研究领域的结合将迎来爆发。除了基础研究外，AI也将进一步融入新药研发的整个链条，包括靶点发现、苗头化合物发现、先导化合物发现和优化等等，从而大大缩短新药研发周期，降低新药研发成本，提高医疗诊断的准确性和效率，使人类在面对健康问题时更加主动。

    数字人在服务行业放异彩

    让机器像人一样具备理解和思考的能力，需要融合语言、语音、视觉等多模态的信息。结合知识图谱和深度学习技术的知识增强的跨模态深度语义理解，让AI具备持续学习的能力。

    以此为基础，结合3D建模、情绪识别、智能推荐等多种技术打造的数字人、虚拟人的生产门槛将进一步降低，并大规模应用在互联网、金融、电商、医疗等行业。

    AI助交通产业加速转型

    AI和5G技术将与交通出行深度融合，成为交通发展的新引擎。

    无安全员的Robotaxi 车辆开展常态化运营有望成为现实，以智能语音交互和车路协同信息服务为特征的“智能座舱”，将成为汽车主流标配。基于“新基建”发展的交通数字化转型和智能化变革，将会让传统交通加速向数字化、网联化、自动化的“新交通”转变，“数字交通运营服务商”将成为推动智能交通高质量发展的关键力量。

    物联网发展迎来新机遇

    随着AI芯片提供更专业化的边缘计算能力，以及模型蒸馏等技术的发展，轻量级模型将被越来越多地部署在小型边缘设备中，支持离线和在线场景，并且可以为用户进行定制化服务。智能技术向边缘渗透，几乎会影响所有行业。

    随着边缘智能应用需求的不断增长，预计具备AI功能的边缘设备，以及在边缘处理的数据量都将持续快速增长。

    无监督学习成AI重要方向

    深度学习模型依赖大量的标注数据，以获得优异的性能。而无监督学习是一种无需人工标注数据帮助的学习方法，是AI 下一步发展的重要方向之一。

    利用无监督学习对不同模态的数据进行预训练，通过跨模态信息的共享提升跨模态理解，将成为一种趋势。其所形成的先验知识，还可以帮助小样本学习快速泛化至新任务中，有助于将AI 技术应用到更广泛的领域，值得更进一步探索。

    AI提升机器对现实的理解

    随着AI 对数据、行为和运动学的分析和理解的逐渐成熟，机器在现实生活复杂场景中与人进行交互的可行性和安全性将得到提升。服务机器人或将被赋予更多的物理交互能力，可以替人完成简单、重复的日常工作。

    AI推动量子计算产业发展

    量子硬件的性能将进一步提升，相应地会催生出一批具有实用价值的量子算法，用于真正展示这些量子硬件的优势。量子软件云化和服务化成为趋势，逐步实现与硬件的深度融合，逐步开放和输出量子计算能力。量子计算与AI和云计算也将会持续深度融合，碰撞出新一轮的火花。

    AI将更加重视可持续发展

    AI的发展需要遵循一定的基本原则，以人为本、公正包容、可解释性、透明性与可追溯、隐私安全等原则，已成为国际社会AI 伦理和治理的基本共识。而从技术落地的角度看，AI 模型的可解释性和鲁棒性将取得更多的进步，隐私保护计算还将加速在组织间运用，为释放数据价值提供安全和隐私保证。同时，近年来快速发展的深度学习也极大地增加了能耗，未来AI的发展将会更注重有选择性地进行运算，追求经济、社会与环境的可持续发展。

    AI大众化进一步加速

    以深度学习框架为核心的开源平台已大大降低AI技术的开发门槛，自动化深度学习、少代码或无代码的AI开发平台等将进一步发展，持续降低AI开发所需的专业技能。AI的大规模应用和对更大算力的需求，将驱动AI芯片新一轮的增长，帮助AI突破当前的算力瓶颈，更普惠地释放AI算力。（科文）