2022 年数据科学、人工智能和机器学习五大趋势预测，是TinyML、AutoML还是AI芯片？

作者：Joydeep Bhattacharya
原文链接：https://dzone.com/articles/top-5-data-science-ai-and-ml-trends-for-2022
编译：郭露

预计到2027年，全球人工智能市场将达到惊人的2000亿美元，大数据市场将增长至1030亿美元，其中软件开发约占45%。与此同时，全球深度学习市场将高达400多亿美元，复合年均增长率为39.2%。

如今数据科学、人工智能和机器学习等技术的规模正在迅速扩大。在过去两年的疫情期间，这些技术在医疗和经济复苏等方面发挥了重要作用。例如电子病历、医疗机器人、智能影像识别、经济预测等等。今年3月，清华大学与中国医学科学院合作解析新冠病毒RNA基因组结构，并通过人工智能技术发现了治疗新冠肺炎有效药物。

现在，让我们看看在2022年技术领域中的数据科学、人工智能和机器学习将有哪些发展趋势。

1. 小数据和微型机器学习（TinyML）

小数据是指在无需大数据分析的情况下，用户能够访问并获得可操作的数据，其优势是体量小、管理难度低，且更易于理解。简单来说，小数据能让用户对数据进行快速地认知分析。
TinyML模型是一种机器学习算法，主要目的是让微控制器或低功耗硬件更加便捷智能。一般来说，在终端和边缘侧的微处理器上实现的机器学习过程就叫做TinyML。TinyML模型占用的空间非常小，但能够处理嵌入式计算应用中的大规模应用，例如物联网。

Zyro公司的数据科学家Mantas Lukauskas表示：“我们80%的工作重点在数据上——模型及其部署只是人工智能应用过程中的一部分”。此外，和大型计算机或服务器相比，微控制器的价格要低得多，因此对于小型企业或个人而言，微控制器更为实用。

举个例子，TinyML可用于摄像头的对象检测系统，尽管摄像头可以捕获高分辨率图像，但其存储空间极为有限，在保留所有数据的情况下，往往只能降低分辨率。但如果摄像头内置了数据分析功能，则只会捕获所需对象的画面，同时保留高分辨率。

2022年，小数据和微型机器学习将会进一步应用到越来越多的嵌入式系统中，其中包括汽车、可穿戴式设备、家用电器、工业设备、农业机械等。

2. 自动机器学习（AutoML）

AutoML（Automated Machine Learning）是指将自动化和机器学习相结合的方式，能够使计算机独立完成更复杂的任务，从而解放人类的双手。其最大的好处在于，无论是谁都能够通过AutoML创建自己的机器学习应用程序，这对非专业人员来说更容易上手。

如今，开发人员能够在最短的时间内建立大规模的ML模型，并且保障模型的质量。在今后，AutoML甚至可能实现数据数据清洗和准备等迭代过程的自动化。

2012年，华为首批“天才少年”中的钟钊在入职不到一年的时间里就与团队把AutoML技术应用到数千万台华为手机上，首次实现AutoML大规模商用。去年，其团队又研发出端到端像素级的AutoML流水线，成功将视频摄影原型算法的复杂度降低百倍，再次创下业界与学术界的奇迹。在2022年，AutoML将进一步涉及各个领域。

3. 深度伪造和合成数据的生成式人工智能

Deepfake是由“deep machine learning”和“fake photo”组合而成的单词，指的是深度学习模型在图像合成、替换领域的应用，最常见的方式是AI换脸技术。先进的人工智能还可以将老照片和老电影的清晰度提高到4K甚至更高水平。

生成式人工智能（Generative Artificial Intelligence）是指人工智能算法，可使用现有内容（例如文本，音频文件或图像）产出新的相似内容。尽管生成式人工智能在近几年越来越趋娱乐化，但某些领域中，它依旧有着巨大的优势，例如教育、影视、艺术和刑事等等。

2021年10月，Gartner发布了2022年重要战略技术趋势，生成式人工智能位列12项重要战略之首。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%。

4. AI-on-5G

在2022年，人工智能和5G将通过最快的云访问和数据处理技术来推动下一波技术创新。

5G的优势在于延迟极低，带宽更大且连接稳定。5G的优势与人工智能的决策能力相结合，能够大大优化设备和云之间的计算速度。

在许多行业中，AI和5G的组合已经有着高效的表现，能够部署快速、安全和低成本的物联网设备和智能网络。例如，在汽车制造业中，搭载5G网络的具有深度学习算法的视觉检测软件可以更快地识别车辆的缺陷。因此，汽车制造商可以检测并分析装配线上的质量问题，并实时观察智能设备的反应。

除此之外，人工智能和5G相结合还能够更快地分析并建立智能交通，从而改善城市的安全和空间管理。

5. 人工智能芯片

尽管通用硬件能够处理人工智能任务，但要使用深度学习技术，通用硬件依旧缺乏足够的性能。因此，对于想要使用高效运行人工智能应用程序的处理器的公司来说，人工智能芯片越来越成为它们的首选。

随着人工智能的兴起，人工智能芯片能为中国在处理器领域实现突破性发展提供了绝佳机遇。国内人工智能芯片发展目前还处于起步阶段，但已然呈现出欣欣向荣的局面，先后出现了地平线、海思半导体、寒武纪科技等公司。

在特殊系统调整后，人工智能专用处理器可优化深度学习等任务性能，同时具有并行计算的能力。除此之外，专用人工智能硬件可提供比传统芯片高4-5倍的带宽。

人工智能专用处理器能够大大提高为商业云服务的数据中心网络公司的性能。此外，它也将促进公司内部的人工智能计算。
如今人工智能处理器已经运用在金融、安防、早教以及无人驾驶等众多领域，在2022年将进一步发展。例如，涉及实时面部识别的监控软件，如网络摄像机监控、监控摄像头等。可以预见，未来谁先在人工智能领域掌握了生态系统，谁就掌握住了这个产业的主动权。

总结

在2022年，小数据和TinyML、自动机器学习、生成式人工智能、AI-on-5G和AI芯片等等将不断实现突破，数据科学、人工智能和机器将进一步促进技术的发展和创新，并为各个行业提供更好的改进方案。为了在这个日新月异的行业中保持竞争力，我们需要不断学习了解技术趋势，从而得到更大的回报。

【参考资料】
https://www.gartner.com/en/documents/4006921-top-strategic-technology-trends-for-2022-generative-ai
https://dzone.com/articles/top-5-data-science-ai-and-ml-trends-for-2022