人工智能未来的7大趋势

在过去十年中，人工智能（AI）已从一个理论概念迅速发展成为一种实用工具，且正在改变许多行业。

然而，人工智能的真正潜力尚未得到充分发挥。

人工智能每年有望为经济增加 4.4 万亿美元的价值，未来几年的发展将带来我们这个时代最重大的经济机遇之一。

但与任何变革性技术一样，前方也存在着挑战和风险。

在本报告中，我们将探讨塑造人工智能未来的七大关键趋势。

1. 人工智能改变我们的工作方式

毫无疑问，在未来几年，我们将看到人工智能技术的进步。

但现有的技术已经可以自动化那些占据员工 60% 至 70% 工作时间的工作活动。

从这个意义上说，只需提高人工智能的应用程度，就能极大地改变职场的动态。事实上，美洲 50% 的职场领导者已经对采用人工智能和机器学习表示欢迎。

在专业领域中，传统的琐碎任务显然是人工智能介入的首要方向。例如，人们对人工智能做笔记的兴趣急剧上升。

这个概念在五年前几乎还未引起公众的关注。但现在它已经成为了现实。

Otter AI 是一款自动转录服务软件。Otter 已经转录了超过 10 亿场会议内容。其在 2023 年推出的 OtterPilot 服务，利用更先进的人工智能生成会议纪要并提出后续任务建议，已在超过 5000 万场会议中得到应用。

整个行业都有可能被人工智能所改变。

而现实是，社会需要积极应对这些变化。一种可能的情况是，人们对 “全民基本收入” 的呼声会越来越高。

全民基本收入是一种普遍性的福利形式。其理念是，当某些工作从劳动力市场上完全消失时，每个人都能得到一种安全保障，通过减轻经济压力，鼓励人们在这个过程中进行更多创造性的努力。

目前，美国正在开展 100 多个全民基本收入试点项目。被誉为 “人工智能之父” 的杰弗里・辛顿（Geoffrey Hinton）也是这些计划的倡导者之一。

2. AI 变得更智能

AI 的新用例几乎每天都涌现。

但是，即使 AI 改变了各个行业，人们也在努力使底层技术更智能、更好、更安全。

ChatGPT 现在主导了关于 AI 的讨论。这并不奇怪，Microsoft 向创建者 OpenAI 投资了 130 亿美元。

虽然 GPT-4 改变了游戏规则，但 GPT-5 已经在路上了。早期版本已向业内人士演示。

首席执行官 Sam Altman 预测这将是一次“重大飞跃”。并预测它将减少 GPT-4 有时可能犯的错误。

但是，虽然 OpenAI 很快就掌握了这项技术，但竞争对手也来了。

Google 推出了 Gemini。它每月的访问量已经超过 3 亿次。

Claude 由 Anthropic 创建，该公司由前 OpenAI 成员创立，专注于 AI 伦理。它得到了亚马逊 40 亿美元的支持，而谷歌也进行了大量投资。

3. AI 作为软件开发工具发展

我们可以预期 AI 将继续颠覆软件开发的一个领域。

AI 不仅可以生成代码，还可以审查和测试代码，以检测错误。

利用 AI 已经可以使软件开发过程至少加快 25%。

一些开发人员估计，他们编写的代码中约有 30% 可以由 AI 处理。

OpenAI 确实有一个专门的 Codex 工具用于代码生成。但它去年被弃用，部分原因是最新版本的 ChatGPT 完全有能力在软件开发中部署。

最近的一项研究发现，ChatGPT 可以以 89% 的成功率解决某些编码问题。

尽管对于最困难的问题，这一比例下降到 40%，对于模型不会训练的最新问题，这一比例再次大幅下降。

GitHub 的 Copilot 是目前最流行的专用代码生成 AI 平台。

软件工程师输入提示或开始一段代码，平台会自动创建他们完成代码所需的内容。

有 50,000 多家公司的 130 万个付费 Copilot 账户。现在，在该平台上编写的所有代码中，几乎有一半是 AI 生成的。

公司官员预测，到 2027 年，这一比例将增加到 80%。

Github 归 Microsoft 所有。其他一些熟悉的科技巨头也纷纷加入进来。

Google 的 Gemini Code Assist 支持 20 多种编程语言。

当 Wayfair 采用 Gemini 时，它发现环境设置速度可以提高 55%。

与此同时，亚马逊宣布其 Q Developer 工具将提供免费订阅套餐，震撼了市场。

澳大利亚国民银行报告接受了 Q Developer 提供的 50% 的编码建议。

小公司也在影响市场。

Tabnine 具有 AI 驱动的测试生成工具，以配合其代码生成工具。它拥有超过 100 万用户。并在去年筹集了2500万美元的 B 轮融资。

Magic AI 是另一家希望在未来挑战 Copilot 主导地位的初创公司。该计划的关键是使用巨大的上下文窗口。

它声称“正走在通往通用人工智能 （AGI） 的道路上”，AGI 是人工智能的假设下一步，具有类似人类的推理和批判性思维技能。

尽管最常见的预测是 AGI 要到 2300 年才能实现。

Magic 公司已经筹集了 1.45 亿美元资金，其中包括今年获得的一笔高达 1.17 亿美元的 B 轮融资。

尽管备受关注，但该公司实际的平台目前尚未推出。

4. AI 改变金融格局

麦肯锡估计，如果实施所有用例，AI 驱动的生产力改进每年可以为银行业增加 3400 亿美元的价值。

花旗的研究发现，人工智能可以在未来四年内使该行业的利润增加 9%，使其接近 2 万亿美元。

50% 的财务 CFO 计划在未来 12 到 18 个月内在客户体验工具中实施 AI。

近四分之一的受访者已经在使用 AI 来预防欺诈，另有 36% 的受访者计划引入人工智能。

NVIDIA 的数据显示，金融领域对 AI 的兴趣大多集中在数据分析上。

高级分析与欺诈预防相关联，AI 能够梳理数据集以查找复杂的欺诈模式。

还有一个风险管理因素，可以更轻松地识别投资和贷款中的异常情况。

例如，Zest AI 提供了一个专注于贷款的 AI 平台。

他们的 AI 帮助银行发现好的借款人并避开那些可能违约的借款人。

它实际上可以挑战人类偏见：Zest 帮助贷方在保持风险不变的情况下，将拉丁裔申请人的批准率提高了 49%，黑人申请人的批准率提高了 41%。

自 2020 年以来，其客户群每年增长 50%。

一家资产为 22 亿美元的信用合作社在实施 Zest 的平台后，实现了 70% 到 83% 的消费贷款决策的自动化。

Portrait Analytics是另一家致力于在金融行业取得实际盈利成果的公司。

这家初创公司的产品是 AI 投资分析师。它是一个基于生成式 AI 的自然语言处理平台。

分析师通常会花费数小时阅读和分析公司文件，但这个 AI 应用程序可以提取这些数据并自动总结关键信息。

它比人类分析师快 10 倍，这使公司能够节省时间并在竞争之前实现新的投资机会。

该公司去年筹集了7万美元的种子资金。

5. 医疗保健行业进一步拥抱人工智能

高盛报告称，目前美国医疗保健专业人员完成的超过 25% 的工作可以通过人工智能实现自动化。

麦肯锡和哈佛大学的研究人员估计，在未来五年内，AI 支持的成本每年可能超过 3600 亿美元。

人工智能被用于放射学、病理学和患者监测等方面的历史已经存在。

它甚至被用作 COVID-19 疫苗开发的一部分。

总共有 650 多种支持 AI 的设备已获得 FDA 的批准。这些是直接影响患者护理的 AI 应用程序。

第一个算法于 1995 年获得批准，但直到 2019 年才有太多发展。从那一年到 2023 年，有 400 多种算法获得批准。

新的 AI 开发正在激增。

精准医疗是 AI 在医疗保健领域的一个潜在应用。

这是指根据 DNA 的个体独特部分、病史、影像学等对每位患者进行治疗。

AI 平台将能够分析患者的所有数据，并专门为该患者推荐量身定制的治疗方案。

然而，专家表示，人工智能技术将很快包含更多数据点，并适用于阿尔茨海默氏症、肥胖症和抑郁症等疾病。

在当前的一个例子中，Avenda Health 推出了一个用于管理和治疗前列腺癌的 AI 平台。

该解决方案将患者数据、成像、活检和病理学整合到一个深度学习算法中。然后，它确定癌症的程度并创建 3D 癌症估计图以及最佳治疗可能性。

在临床试验中，使用该平台的情况下，有 28% 的几率会导致治疗方案的改变。大多数时候，这些改变使得癌症治疗更具针对性。

Avenda 声称，其 AI 可以识别的癌症比单独的 MRI 多 159%。

医疗保健领域的一些人认为，人工智能甚至可以在工作的许多方面取代医生。

西北大学凯洛格管理学院的研究人员表示，这种转变可能只需要几十年的时间。但是，他们警告说，医生仍然需要同理心、同情心和人际互动。

AI 在医疗保健领域的另一个未来应用是药物开发。

使药物获得最终批准所涉及的总费用估计平均为 10 亿美元。

在进入人体临床试验的药物中，90% 失败，主要是因为无效或意外的副作用。

AI 技术能够显著提高将药物送到患者手中的速度。

AI 实现此目的的主要方式之一是挖掘开发过程中创建的大量数据。

考虑到 AI 可以在人类研究人员完成相同作所需的时间的一小部分内对所有这些数据进行分类。

AI 可以注意到解锁新疗法的特定分子，或将来自各种研究的数据联系起来以提出更好的药物。

与此同时，谷歌押注于更复杂的 AI 模型实际上不需要那么多数据的想法。

其 AlphaFold3 模型是 DeepMind 和 AI 药物发现公司 Isomorphic 之间的合作，可预测分子和蛋白质将如何反应。

在预测局部结构方面，AlphaFold3 在 20,000 个训练步骤中达到了其最大性能的 97%。

AI 还可用于代替动物试验进行类人试验。

Verge Genomics 通过 AI 创造的潜在 ALS 药物就是这种情况。

该公司的 AI 能够利用人类数据在平台上创建人体模型，并使用这些数据来测试药物。

Verge 的药物现在处于人体试验的第二阶段。第 1 阶段发现 ALS 药物安全、耐受性良好且可能是同类最佳药物。

Exscientia 是一家成立于 2012 年的 AI 药物发现公司，目前有两种药物正在进行人体试验，一种用于治疗癌症，一种用于治疗炎症性疾病。

该公司在 2024 年第一季度花费了 2980 万美元用于进一步研发。

Nvidia 和 Pfizer 最近向另一家 AI 药物发现企业 CytoReason 投资了 8000 万美元。

6. AI 直面环境问题

未来，围绕 AI 及其对环境影响的问题可能会继续存在。

一方面，人工智能应用可以提高可持续性并带来创新的环保实践。

然而，AI 背后的技术需要大量的计算资源，这通常对环境造成破坏。

谷歌的排放量在过去 5 年中攀升了近 50%，它指出人工智能对环境的影响是其 2030 年净零排放目标“并不容易”的原因之一。

它为响应搜索查询而提供的 “AI 概览” 消耗的电量是传统 Google 搜索的 10 倍——相当于在老式家用电话上通话大约一个小时。

不幸的是，对环境的负面影响早在 AI 系统启动和运行之前就开始了。AI 解决方案的制造也存在问题。

制造计算机芯片需要大量能源，使用数十亿加仑的淡水，并排放数百吨危险废物。

但 AI 也帮助社会朝着更可持续的未来迈出了令人难以置信的步伐。

普华永道估计，到 2030 年，将 AI 用于可持续发展应用可以将全球温室气体排放量减少多达 4%。

该技术用于根据大量数据对环境进行计算和预测。AI 可以看到人类几乎不可能看到的趋势和模式。

例如，人工智能经过训练，可以比人类快 10,000 倍来测量冰山的变化。

而 NASA 和 IBM 已经训练了一个专门为帮助解决环境问题而设计的模型，并使其免费访问。

在更日常的层面上，AI 技术可以对各行各业的可持续性产生影响。

AI 可以启用农业传感器，使农民减少用水量，帮助餐馆识别和防止食物浪费，并减少工厂的能源使用等。

该技术在清洁能源领域也发挥着重要作用。

在风能领域，AI 具有广泛的应用。

它可以帮助安排施工时间，因为高度专业化的团队通常会提前两年预订一空。

一旦风电场启动并运行，AI 就可以更好地监控涡轮机。这可以使它们的使用寿命延长 10%。

7. 政府开始应对 AI 监管

人工智能的监管是许多人在未来几个月和几年内将关注的一个因素。

2024 年爱德曼信任度调查显示，只有 30% 的美国人信任人工智能技术。有趣的是，民主党人信任人工智能的比例（38%）明显高于共和党人（24%）。

对 AI 公司的信任度实际上已经下降——从 2019 年的 50% 下降到今天的 35%。

埃隆·马斯克 （Elon Musk） 和其他科技高管要求暂停开发比 GPT-4 更先进的人工智能模型六个月，但这一请求被置若罔闻。但我们看到了监管部门的反应。

欧盟通过了一项“人工智能法案”，该法案将要求委员会设立一个人工智能办公室，并对“高风险”人工智能系统实施检查和监管。

美国的联邦立法尚未出台。但已经通过了一项行政命令，要求 “最强大的人工智能系统” 与政府共享安全测试结果等。

在州一级，科罗拉多州成为第一个通过全面 AI 立法的州。2024 年 5 月，它通过了《科罗拉多州人工智能法案》。

自 2026 年 2 月起生效，它反映了欧盟对“高风险”人工智能系统的定义，即“在部署、做出或成为做出重大决策的重要因素”的人工智能系统。

该立法要求这些系统注意避免偏见和歧视。

很明显，推动负责任的人工智能发展的行动正在进行中。

负责任的 AI 的关键原则以公平和值得信赖的方式开发和部署技术为中心。

这也意味着组织要确保透明度、最大限度地减少偏见、保护数据，并为个人提供一种提出问题的方式。

尽管如此，一些业内人士表示，实现这一目标并不需要政府监管。亚马逊、Anthropic、谷歌、Inflection、Meta、Microsoft 和 OpenAI 去年都向白宫做出了自愿自律承诺。

结论

随着 AI 的不断发展，它不仅会改变公司的运营方式，还会改变个人的生活方式。从个性化医疗保健到自动化投资，AI 有可能彻底改变业务的几乎方方面面。

当然，未来的 AI 技术存在许多挑战。但是，大胆的创新者有无数的机会。

AI 的未来肯定会是一个快速发展的领域。