美国《福布斯》双周刊网站3月15日刊登文章，题为《2021年的人工智能：你可能期待（也可能不期待）的五大趋势》。全文摘编如下：
人工智能创新继续快速发展，几乎所有行业都出现了爆炸式增长。那么，过去一年里我们收获了什么？我们可以对2021年的人工智能发展有何期待？人工智能发展已经出现了五大趋势。预计这些趋势将在2021年变得更加突出。
机器学习运维
机器学习运维已持续一段时间。它指的是机器在生产环境中的学习实践。但2020年的新冠疫情让人们重新认识到监控和管理机器在生产环境中的学习情况的必要性。操作流程、库存管理、交通模式都发生了巨大的变化，导致很多人工智能出现出人意料的行为。这在机器学习运维的世界中被称为“漂移”，即输入数据与人工智能的受训目标不符时发生的情况。虽然早前在生产环境中设置机器学习模型的公司都知道，机器在生产环境中学习面临“漂移”等诸多挑战，但新冠疫情带来的变化使大家对机器学习运维的必要性有了更全面的认识。
低代码和无代码
自动化机器学习已存在一段时间。自动化机器学习历来注重算法选择，以及为特定数据集找到机器学习或深度学习的最佳解决方案。去年，低代码和无代码技术的应用实现全面增长，从普通应用到面向企业的人工智能垂直解决方案无所不包。虽然有了自动化机器学习，无需深入掌握数据知识，就能建立高质量的人工智能模型，但在现在的低代码和无代码平台的帮助下，无需深入学习编程知识，就能建立整套生产级人工智能应用。
预训练语言高级模型
在过去几年里，自然语言处理领域取得了长足的进步，其中最伟大的或许要属“变换器和注意力”机制，其常见应用之一是“基于变换器的双向编码器表征”（BERT）。这些模型极其强大，给语言翻译、理解、概括等带来了革命性的变化。不过，训练这些模型费用高，耗时长。好消息是，预训练模型能够催生出新一代高效的、极易构建的人工智能服务。可通过应用程序编程接口访问的高级模型的一个经典例子是GPT-3。从编写代码到创作诗歌，诸多使用案例已证明了GPT-3的强大。
合成内容生成
自然语言处理并不是唯一见证大量算法创新的人工智能领域。生成式对抗网络同样见证了创新，并在艺术创造和图像造假方面展现了非凡成就。类似于自然语言处理领域的变换器，训练和调试生成式对抗网络的过程也很复杂，因为它们需要大量的训练组合。然而，创新大大减少了创建生成式对抗网络所需的数据规模。
面向青少年的人工智能
随着低代码工具的普及，人工智能系统构建者日益低龄化。现在，一名小学生或中学生都有可能构建自己的人工智能，用于完成从文字处理到图像分类的各种任务。现在，美国高中已开始教授人工智能课程，初中似乎打算效法。例如，在硅谷2020年的“新思科学博览会”上，31%的获奖软件项目在创新过程中使用了人工智能。更令人印象深刻的是，在这些人工智能中，有27%是由6至8年级学生构建的。比如，其中一名获奖者是8年级学生阿妮卡·帕利亚波图。这名学生构建了一个卷积神经网络，能通过扫描眼部来检测糖尿病性视网膜病变。
美国中学生阿妮卡·帕利亚波图构建了一个卷积神经网络。（美国科学与大众协会网站）
美国中学生阿妮卡·帕利亚波图构建了一个卷积神经网络，能通过扫描眼部来检测糖尿病性视网膜病变。（美国科学与大众协会网站）
