【小哈划重点：在强化学习中，人工智能不是根据真实世界的历史数据进行训练。它没有被赋予“解答问题的钥匙”，也没有像监督学习那样被告诉要注意什么。相反地，它被允许以开放的方式探索环境，并在需要被优化的特定目标的指引下了解环境。】
1) 语言AI将成为核心，与其他类别的AI相比，更多的初创公司将在 NLP（自然语言处理）领域获得资金。
语言是人类最重要的发明。与其他属性相比，它是人类智力的决定性标志。
语言遍及各行业商业活动的方方面面。因此，准确地使语言自动化的能力为价值创造开拓了无穷机会。
在过去几年中，NLP被一项称为“转换器”的新基础技术所颠覆和加速，这项技术由谷歌研究人员在2017年的一篇论文中首次提出，而这个强大的技术才刚刚成熟到足以大规模生产和商业化的程度。语言AI以及商业领域的一场革命即将到来。
风险投资家将在2022年向NLP初创公司投入创纪录的资金。领先的NLP初创公司Hugging Face（最新估值为4.4亿美元）和Cohere（最新估值为2亿美元）明年都将成为独角兽。
在未来的几个月，甚至几年里，企业家们将在经济发展中识别出大量基于语言的活动，并通过AI对其展开优化、自动化和转型，而NLP初创公司的新发明将出现寒武纪般的大爆发。
2）Databricks、DataRobot和Scale AI即将上市。
这三家公司属于现代人工智能经济的首批大赢家。每家公司都提供了相关工具和基础设施来帮助其他公司构建人工智能，这反映出了跨技术周期中的一个常见主题，即基础设施领先于应用程序。
这三家公司都拥有惊人的高收入增长率。在2021年，它们从参与Pre-IPO的投资机构那儿筹集了大量资金：Franklin Templeton投资了Databricks；Altimeter和Tiger Global投资了DataRobot；Dragoneer、Greenoaks和Tiger Global则投资了Scale AI。
公司通常会聘请曝光率高的首席财务官为即将到来的IPO做准备。今年4月，DataRobot宣布聘请Damon Fletcher（前Tableau首席财务官）来担任本公司的首席财务官，而Databricks的现任首席财务官Dave Conte则担任过Splunk的首席财务官，并帮助Splunk于2012年上市。因此，如果大家看到Scale AI在2022年聘请一位曾为人熟知的首席财务官，也不必感到惊讶。
3）至少三家气候AI初创企业有望成为独角兽。
气候技术已迅速成为初创企业最炙手可热的领域之一。前所未有的巨额风投资本在今年涌入这一行业。在气候与人工智能的交叉领域，初创企业的良机比比皆是。
近期，一部分气候人工智能初创企业凭借大笔融资名声骤震（尽管目前商业认可度有限）。到了明年，这些企业中的一部分将借着气候技术的东风，达到超10亿美元估值，其中最有潜力的独角兽候选者是为新出现的碳经济构建配套设置的公司（如企业碳会计，碳抵偿基础建设）。
潜在的独角兽有：Cervest，ClimateAi，Gro Intelligence，Kettle，KoBold Metals，NCX，Pachama，Patch, Persefoni，Watershed。
4）功能强大的全新AI工具将为视频而生。
视频已成为了我们数字生活中的主要媒介。据思科（Cisco）预测，2022年，视频将占据超过八成的网络流量。日均有超过70亿个视频在YouTube上被观看，1亿个视频被上传至TikTok。从Netflix到亚马逊的Prime Video，再到Disney+、Hulu与HBO Max，网络流媒体服务的用户群与内容库持续膨胀。
然而，与图像文本等其他数据模式相比，目前对构建基于深度学习的视频化产品及功能的关注相对较少，而这代表着巨大的市场机遇。
2022年，针对视频的人工智能工具有望遍地开花，覆盖视频检索、剪辑、生成等领域，像Synthesia在本月早些时候的B轮5,000万美元融资，就是对未来（令人既兴奋又不安）的预示。
5）拥有十万亿+参数的NLP模型将出现。
当下，自然语言处理（NLP）领域为基于转换器的模型发展所定义，规模不断增大。2022年，这一军备竞赛仍将继续（即使DeepMind近期在小型模型性能方面进行了耐人寻味的动作）。
2019年，OpenAI的GPT-2成为了首个拥有超10亿参数的模型（它的15亿参数规模在当时似乎大得无可想象）。在2020年，GPT-3再次在AI领域掀起风暴，它拥有1,750亿个参数，使此前的一切相形见绌。然而GPT-3作为最大AI模型的统治地位并不持久。2021年，万亿参数的关口被来自谷歌（1.6万亿）与北京智源人工智能研究院（Beijing Academy of Artificial Intelligence，1.75万亿）的模型所突破。
未来，这一曲棍球式的增长仍将在新一年的大型语言模型规模上延续。到了2022年，最大的模型极可能来自OpenAI，并被命名为GPT-4。
6）中美在人工智能领域的合作和投资将几乎停止。
中美之间的地缘政治紧张关系正在升级，这已不是秘密，而人工智能等尖端技术则代表着冲突中一个特别有争议的触点，这种情况将在2022年变得更加糟糕。
就在过去几周，美国政府将人工智能初创公司商汤科技、无人机公司大疆以及其他几家领先的中国人工智能公司列入了投资黑名单，这些都是中国最重要的人工智能公司。
美国外国投资委员会（CFIUS）正在采取越来越主动的行为，来阻止中国机构投资或触及美国的人工智能技术。另外，由埃里克·施密特（Eric Schmidt）领导的颇具影响力的美国国家人工智能安全委员会（NSCAI）进一步煽动了中美之间的人工智能军备竞赛，例如鼓励美国政府将美国大学在人工智能方面的研究与中国隔离开来。
所有这一切的结果是：在2022年，无论中美，其企业家、投资者、企业、商业领袖、学术研究人员，都几乎不可能在人工智能项目上进行有意义的合作。
7）多个大型云/数据平台将宣布新的合成数据计划。
获得正确的数据是当今构建人工智能产品最重要和最具挑战性的部分。与收集和标记真实数据集的现有方法相比，合成数据具有引人注目的优势。
Gartner预测，到2024年，在开发人工智能所使用的所有数据里，人工智能数据将占到60%。Facebook在两个月前对合成数据初创公司AI.Reverie的收购是一种警示。
明年，多个主要计算平台将推出新的合成数据，因为他们认识到这项技术对未来人工智能堆栈的重要性，并会努力吸引更多的开发者加入其生态系统。这些计算平台可能包括亚马逊云科技（Amazon Web Services）、微软Azure、谷歌云平台（Google Cloud Platform）、Unity、Scale AI。
8）多伦多将成为硅谷和中国以外的世界上最重要人工智能中心。
可以毫不夸张地说，现代人工智能是在多伦多被发明的，这要归功于Geoff Hinton等深度学习先驱的工作成果。尽管多伦多的人气不如其他地区，但它仍是世界上最重要的人工智能中心之一。
该城市充斥着人工智能领域的人才。根据世邦魏理仕（CBRE）最近的一份报告，多伦多-滑铁卢大都会区是整个北美的第二大技术人才市场，仅次于旧金山湾区，也是增长最快的第一大市场。由Geoff Hinton在多伦多联合创办的Vector研究所（Vector Institute）是世界上最大的人工智能研究机构之一。从谷歌到微软，再到IBM，世界上最大的科技公司近年来都在这个城市开展了重要业务。
从历史上看，多伦多一直是一流的人工智能研究中心，但创业生态系统相对不发达。这种情况正在迅速改变。像Ada（聊天机器人平台）、Cohere（NLP）、Deep Genomics（用于药物研发的人工智能）和Waabi（自动驾驶汽车）等都只是多伦多人工智能初创公司近几个月来获得巨额融资的缩影。
在未来的一年里，预计将有更多世界级的人工智能初创公司从多伦多涌现出来。
9）“负责任的人工智能”将开始从一个模糊的、包罗万象的术语转变为一套可操作的企业实践。
人工智能技术的发展速度快于我们如何负责任地、合乎道德地、公平地部署其能力。
在被谷歌解雇的研究员Timnit Gebru、算法正义联盟创始人Joy Buolamwini和数学家Cathy O 'Neill等人的领导下，一场倡导负责任地使用人工智能的运动正在兴起。这种对更负责任的人工智能的推动涵盖了一系列广泛的问题，包括人工智能偏见、数据来源、模型可解释性和模型可审核性。
尽管人们对这些问题的认识正在增长，但这个主题仍然非常抽象。总的来说，人工智能从业者并不会在他们的日常工作流程中开展“负责任的人工智能”实践。
随着负责任的人工智能实践和工具箱实现了产品化和可操作性，这种情况将在2022年开始改变。这些产品将既来自科技巨头（如微软、IBM），也来自较新的初创公司（如Parity、Fiddler Labs）。随着时间的推移，负责任的人工智能实践将从具有前瞻性思维的组织内部的“可有可无”转变为跨行业的标准实践。
这个过程中，监管将提供一个重要的推动力。例如，看看欧盟提出的《人工智能法》（Artificial Intelligence Act）和纽约市的新法律，后者要求对在招聘决策中使用人工智能的公司进行审计（这种法律首次出现）。另外，企业的自律也将推动这一进程。就在本月，包括沃尔玛、耐克、通用汽车和CVS在内的企业宣布成立数据与信任联盟（Data & Trust Alliance），这是一个跨行业联盟，目标是“检测和打击算法偏见”。
10）强化学习将成为一个越来越重要和有影响力的人工智能范式。
如今，人工智能的主导方法是监督学习，这需要收集大量数据，对其进行标记，并将其输入到人工智能模型中，以便让人工智能形成与世界相关的有用认知。近年来，无监督学习也开始受到关注，它是一种和前者类似的方法，但不需要事先准备人工标注。
其实，人工智能还有另一种范式。虽然它已经存在了几十年，但其巨大的潜力才刚刚开始显现：强化学习。
在强化学习中，人工智能不是根据真实世界的历史数据进行训练。它没有被赋予“解答问题的钥匙”，也没有像监督学习那样被告诉要注意什么。相反地，它被允许以开放的方式探索环境，并在需要被优化的特定目标的指引下了解环境。
强化学习为DeepMind旗下AlphaGo的里程碑式胜利提供了动力。目前，越来越多处于人工智能前沿的研究人员和初创公司正在使用强化学习来开发前所未有的人工智能能力，包括推荐引擎、机器人、自动驾驶汽车等。
强化学习可能会为更复杂、更灵活的机器智能形式提供一条道路。在几个月前发表的一篇颇具争议的论文中，DeepMind甚至提出，强化学习本身就可以把我们带向“通用人工智能”（Artificial General Intelligence）。作为世界上最先进的人工智能研究机构，DeepMind值得关注。
（Rob Toews是福布斯撰稿人、风投机构Radical Ventures的投资人，观点仅代表个人。）
（文章原标题：《2022年十大AI预测：气候独角兽涌现、中美竞争加剧》）
