文/Rob Toews
1) 語言AI將成為核心，與其他類別的AI相比，更多的初創公司將在 NLP（自然語言處理）領域獲得資金。
語言是人類最重要的發明。與其他屬性相比，它是人類智力的決定性標誌。
語言遍及各行業商業活動的方方面面。因此，準確地使語言自動化的能力為價值創造開拓了無窮機會。
在過去幾年中，NLP被一項稱為“轉換器”的新基礎技術所顛覆和加速，這項技術由谷歌研究人員在2017年的一篇論文中首次提出，而這個強大的技術才剛剛成熟到足以大規模生產和商業化的程度。語言AI以及商業領域的一場革命即將到來。
風險投資家將在2022年向NLP初創公司投入創紀錄的資金。領先的NLP初創公司Hugging Face（最新估值為4.4億美元）和Cohere（最新估值為2億美元）明年都將成為獨角獸。
在未來的幾個月，甚至幾年裡，企業家們將在經濟發展中識別出大量基於語言的活動，並透過AI對其展開最佳化、自動化和轉型，而NLP初創公司的新發明將出現寒武紀般的大爆發。
2）Databricks、DataRobot 和 Scale AI即將上市。
這三家公司屬於現代人工智慧經濟的首批大贏家。每家公司都提供了相關工具和基礎設施來幫助其他公司構建人工智慧，這反映出了跨技術週期中的一個常見主題，即基礎設施領先於應用程式。
這三家公司都擁有驚人的高收入增長率。在2021年，它們從參與Pre-IPO的投資機構那兒籌集了大量資金：Franklin Templeton投資了Databricks；Altimeter和Tiger Global投資了DataRobot；Dragoneer、Greenoaks和Tiger Global則投資了Scale AI。
公司通常會聘請曝光率高的首席財務官為即將到來的IPO做準備。今年4月，DataRobot宣佈聘請Damon Fletcher（前Tableau首席財務官）來擔任本公司的首席財務官，而Databricks的現任首席財務官Dave Conte則擔任過Splunk的首席財務官，並幫助Splunk於2012年上市。因此，如果大家看到Scale AI在2022年聘請一位曾為人熟知的首席財務官，也不必感到驚訝。
3）至少三家氣候AI初創企業有望成為獨角獸。
氣候技術已迅速成為初創企業最炙手可熱的領域之一。前所未有的鉅額風投資本在今年湧入這一行業。在氣候與人工智慧的交叉領域，初創企業的良機比比皆是。
近期，一部分氣候人工智慧初創企業憑藉大筆融資名聲驟震（儘管目前商業認可度有限）。到了明年，這些企業中的一部分將藉著氣候技術的東風，達到超10億美元估值，其中最有潛力的獨角獸候選者是為新出現的碳經濟構建配套設定的公司（如企業碳會計，碳抵償基礎建設）。
潛在的獨角獸有：Cervest，ClimateAi，Gro Intelligence，Kettle，KoBold Metals，NCX，Pachama，Patch, Persefoni，Watershed。
4）功能強大的全新AI工具將為影片而生。
影片已成為了我們數字生活中的主要媒介。據思科（Cisco）預測，2022年，影片將佔據超過八成的網路流量。日均有超過70億個影片在YouTube上被觀看，1億個影片被上傳至TikTok。從Netflix到亞馬遜的Prime Video，再到Disney+、Hulu與HBO Max，網路流媒體服務的使用者群與內容庫持續膨脹。
然而，與影象文字等其他資料模式相比，目前對構建基於深度學習的影片化產品及功能的關注相對較少，而這代表著巨大的市場機遇。
2022年，針對影片的人工智慧工具有望遍地開花，覆蓋影片檢索、剪輯、生成等領域，像Synthesia在本月早些時候的B輪5,000萬美元融資，就是對未來（令人既興奮又不安）的預示。
5）擁有十萬億+引數的NLP模型將出現。
當下，自然語言處理（NLP）領域為基於轉換器的模型發展所定義，規模不斷增大。2022年，這一軍備競賽仍將繼續（即使DeepMind近期在小型模型效能方面進行了耐人尋味的動作）。
2019年，OpenAI的GPT-2成為了首個擁有超10億引數的模型（它的15億引數規模在當時似乎大得無可想象）。在2020年，GPT-3再次在AI領域掀起風暴，它擁有1,750億個引數，使此前的一切相形見絀。然而GPT-3作為最大AI模型的統治地位並不持久。2021年，萬億引數的關口被來自谷歌（1.6萬億）與北京智源人工智慧研究院（Beijing Academy of Artificial Intelligence，1.75萬億）的模型所突破。
未來，這一曲棍球式的增長仍將在新一年的大型語言模型規模上延續。到了2022年，最大的模型極可能來自OpenAI，並被命名為GPT-4。
6）中美在人工智慧領域的合作和投資將幾乎停止。
中美之間的地緣政治緊張關係正在升級，這已不是秘密，而人工智慧等尖端技術則代表著衝突中一個特別有爭議的觸點，這種情況將在2022年變得更加糟糕。
就在過去幾周，美國政府將人工智慧初創公司商湯科技、無人機公司大疆以及其他幾家領先的中國人工智慧公司列入了投資黑名單，這些都是中國最重要的人工智慧公司。
美國外國投資委員會（CFIUS）正在採取越來越主動的行為，來阻止中國機構投資或觸及美國的人工智慧技術。另外，由埃裡克·施密特（Eric Schmidt）領導的頗具影響力的美國國家人工智慧安全委員會（NSCAI）進一步煽動了中美之間的人工智慧軍備競賽，例如鼓勵美國政府將美國大學在人工智慧方面的研究與中國隔離開來。
所有這一切的結果是：在2022年，無論中美，其企業家、投資者、企業、商業領袖、學術研究人員，都幾乎不可能在人工智慧專案上進行有意義的合作。
7）多個大型雲/資料平臺將宣佈新的合成數據計劃。
獲得正確的資料是當今構建人工智慧產品最重要和最具挑戰性的部分。與收集和標記真實資料集的現有方法相比，合成數據具有引人注目的優勢。
Gartner預測，到2024年，在開發人工智慧所使用的所有資料裡，人工智慧資料將佔到60%。Facebook在兩個月前對合成資料初創公司AI.Reverie的收購是一種警示。
明年，多個主要計算平臺將推出新的合成數據，因為他們認識到這項技術對未來人工智慧堆疊的重要性，並會努力吸引更多的開發者加入其生態系統。這些計算平臺可能包括亞馬遜雲科技（Amazon Web Services）、微軟Azure、谷歌雲平臺（Google Cloud Platform）、Unity、Scale AI。
8）多倫多將成為矽谷和中國以外的世界上最重要人工智慧中心。
可以毫不誇張地說，現代人工智慧是在多倫多被髮明的，這要歸功於Geoff Hinton等深度學習先驅的工作成果。儘管多倫多的人氣不如其他地區，但它仍是世界上最重要的人工智慧中心之一。
該城市充斥著人工智慧領域的人才。根據世邦魏理仕（CBRE）最近的一份報告，多倫多-滑鐵盧大都會區是整個北美的第二大技術人才市場，僅次於舊金山灣區，也是增長最快的第一大市場。由Geoff Hinton在多倫多聯合創辦的Vector研究所（Vector Institute）是世界上最大的人工智慧研究機構之一。從谷歌到微軟，再到IBM，世界上最大的科技公司近年來都在這個城市開展了重要業務。
從歷史上看，多倫多一直是一流的人工智慧研究中心，但創業生態系統相對不發達。這種情況正在迅速改變。像Ada（聊天機器人平臺）、Cohere（NLP）、Deep Genomics（用於藥物研發的人工智慧）和Waabi（自動駕駛汽車）等都只是多倫多人工智慧初創公司近幾個月來獲得鉅額融資的縮影。
在未來的一年裡，預計將有更多世界級的人工智慧初創公司從多倫多湧現出來。
9）“負責任的人工智慧”將開始從一個模糊的、包羅永珍的術語轉變為一套可操作的企業實踐。
人工智慧技術的發展速度快於我們如何負責任地、合乎道德地、公平地部署其能力。
在被谷歌解僱的研究員Timnit Gebru、演算法正義聯盟創始人Joy Buolamwini和數學家Cathy O 'Neill等人的領導下，一場倡導負責任地使用人工智慧的運動正在興起。這種對更負責任的人工智慧的推動涵蓋了一系列廣泛的問題，包括人工智慧偏見、資料來源、模型可解釋性和模型可稽核性。
儘管人們對這些問題的認識正在增長，但這個主題仍然非常抽象。總的來說，人工智慧從業者並不會在他們的日常工作流程中開展“負責任的人工智慧”實踐。
隨著負責任的人工智慧實踐和工具箱實現了產品化和可操作性，這種情況將在2022年開始改變。這些產品將既來自科技巨頭（如微軟、IBM），也來自較新的初創公司（如Parity、Fiddler Labs）。隨著時間的推移，負責任的人工智慧實踐將從具有前瞻性思維的組織內部的“可有可無”轉變為跨行業的標準實踐。
這個過程中，監管將提供一個重要的推動力。例如，看看歐盟提出的《人工智慧法》（Artificial Intelligence Act）和紐約市的新法律，後者要求對在招聘決策中使用人工智慧的公司進行審計（這種法律首次出現）。另外，企業的自律也將推動這一程序。就在本月，包括沃爾瑪、耐克、通用汽車和CVS在內的企業宣佈成立資料與信任聯盟（Data & Trust Alliance），這是一個跨行業聯盟，目標是“檢測和打擊演算法偏見”。
10）強化學習將成為一個越來越重要和有影響力的人工智慧正規化。
如今，人工智慧的主導方法是監督學習，這需要收集大量資料，對其進行標記，並將其輸入到人工智慧模型中，以便讓人工智慧形成與世界相關的有用認知。近年來，無監督學習也開始受到關注，它是一種和前者類似的方法，但不需要事先準備人工標註。
其實，人工智慧還有另一種正規化。雖然它已經存在了幾十年，但其巨大的潛力才剛剛開始顯現：強化學習。
在強化學習中，人工智慧不是根據真實世界的歷史資料進行訓練。它沒有被賦予“解答問題的鑰匙”，也沒有像監督學習那樣被告訴要注意什麼。相反地，它被允許以開放的方式探索環境，並在需要被最佳化的特定目標的指引下了解環境。
強化學習為DeepMind旗下AlphaGo的里程碑式勝利提供了動力。目前，越來越多處於人工智慧前沿的研究人員和初創公司正在使用強化學習來開發前所未有的人工智慧能力，包括推薦引擎、機器人、自動駕駛汽車等。
強化學習可能會為更復雜、更靈活的機器智慧形式提供一條道路。在幾個月前發表的一篇頗具爭議的論文中，DeepMind甚至提出，強化學習本身就可以把我們帶向“通用人工智慧”（Artificial General Intelligence）。作為世界上最先進的人工智慧研究機構，DeepMind值得關注。
Rob Toews是福布斯撰稿人、風投機構Radical Ventures的投資人，觀點僅代表個人。
