尽管人工智能技术已有数十年的历史，但其发展趋势仍在快速演变。随着近年来生成式人工智能和人工智能驱动的自动化的快速进步，人工智能的进化似乎正在以双倍甚至更高的速度发展。

在这篇关于当前人工智能发展趋势的概览中，我们将介绍一些最重要的人工智能发展趋势，并探讨新兴技术、功能和应用场景如何影响从普通消费者到全球企业IT团队的人工智能用户。

（1）生成式人工智能的更广泛应用

过去的几个月中，生成式人工智能在全球范围内取得了显著的进步，为文本、图像、音频和其他形式的数据生成提供了用户友好的人工智能模型。OpenAI的GPT-4和ChatGPT等解决方案在生成式AI领域处于领先地位，并与微软建立了紧密的合作关系，但同时也面临着如谷歌正在打造的Google Bard等强劲的竞争对手。

有数十家生成式人工智能创业公司在特定的细分市场和生成式人工智能企业应用场景中占据一席之地，例如药物研发/设计和风险管理等领域，未来几个月，预计将有更多的公司进入生成式人工智能市场。

然而，值得注意的是，大多数生成式人工智能公司都在微调或以其他方式依赖第三方的基础模型，而非构建自己的基础设施。预计不久的将来，生成式人工智能市场将开始整合，谷歌、微软、OpenAI（甚至可能包括亚马逊）等领先企业将竞相成为基础模型和人工智能助手工具的首选供应商。

此外，预计我们会听到更多来自基础设施、硬件和计算提供商（例如Nvidia和英特尔）的信息；他们提供的芯片和GPU是稀缺且利润丰厚的资源，是驱动大规模生成式人工智能模型所必需的。

（2）以用户体验为中心的嵌入式人工智能展开

许多人工智能公司和创业公司提供可以微调并嵌入到第三方系统中的人工智能模型。这些模型使企业能够在各个层面，从内部员工数据库到面向外部的网站搜索栏和知识库，创建人工智能驱动的搜索、帮助和其他以用户体验为中心的体验。

在此领域领先的人工智能独角兽企业Glean主要为内部工作场所应用程序搜索提供生成式人工智能解决方案。借助Glean等解决方案，企业可以简化员工的入职和持续培训，使用户通过简单的搜索功能轻松找到所需的文档、对话和其他资源。

除了创业公司和内部企业用例之外，微软和谷歌都在努力将有效的人工智能助手融入他们的搜索引擎。

随着以用户体验为导向的人工智能的发展，人工智能公司可能会更加关注其全球影响力和多语言能力。目前，一些人工智能工具对非英语查询的处理能力还相对较弱。然而，许多公司正在构建能够训练人工智能模型和处理全球数据集的流程，以使自然语言处理和理解数十种语言成为可能。

Cohere是这方面的一个很好的例子，这家生成式人工智能独角兽公司发布了名为Embed的产品，可以检索和翻译100多种语言的文本。

（3）更高的合规和道德期望

随着人工智能工具的日益成熟并进入我们生活的新领域，大量的个人和敏感数据被用于驱动它们的有效运行。然而，企业和个人对于数据收集、使用和保护的关注也在日益增加。

因此，人工智能公司正在努力使其数据收集和模型训练过程更加透明，以便用户了解他们的数据是如何被使用的。许多客户也在推动可解释的人工智能。这些工具和文档可以清楚地解释如何优化模型性能，以及如何更好地分析或微调模型行为。

为了回应用户随着我们对这些工具的依赖越来越深，这将是我们每个人需要考虑的事情。

总的来说，这是一个令人兴奋的时刻，全球在各种形式的人工智能领域都取得了显著的进步。这些技术可以增强我们的能力，改善我们的生活，创造新的机会，也可以提高企业和其他组织的效率。但是，我们也要考虑到这些工具的使用和发展的各种挑战和难题，包括保护隐私和数据、应对环境问题，以及推动更大的公开和透明度。

（4）人工智能的民主化和普遍接入的持续发展

企业通常需要处理大量数据，但在处理各种格式的更复杂数据时，往往缺乏必要的资源。

此外，由于技术人才的短缺和技能差距，许多企业无法在大规模的基础上收集、解释、分析商业智能和数据，并将其应用到业务运作中。

为了解决这个问题，许多企业正在构建或投资于低代码/无代码技术，包括那些用户友好的、可以筛选和解释大量结构化、非结构化和半结构化数据的人工智能工具。这些低代码/无代码人工智能解决方案在商业智能、决策智能和数据分析的民主化方面发挥着日益重要的作用。

DataRobot、H2O.ai、Sisu Data和Tellius等公司正在构建人工智能驱动的分析和决策智能解决方案，以降低非数据科学家的进入门槛。这些解决方案可以帮助企业扩大其数据分析能力，并帮助新用户更好地理解业务数据并将其置入上下文中。

尽管许多人工智能和数据分析公司都在努力提高技术含量较低的用户的可访问性，但随着越来越多的公司倾向于使用低代码/无代码人工智能来提高民主化，观察这一点将变得非常有趣。这些公司不仅简化了工具的使用，还吸引了新的客户。他们通过将人工智能驱动的智能集成到用户已经在使用的工具中，例如数据湖和数据库、商业智能仪表板等，实现这一点。

（5）新的人工智能驱动的网络安全解决方案

人工智能已经被应用于网络安全解决方案中有一段时间了，随着功能的增强，人工智能驱动的网络安全工具正在变得越来越流行。

网络检测和响应（NDR）以及扩展检测和响应（XDR）供应商不断将人工智能驱动的威胁检测功能加入其解决方案组合中，以帮助安全团队识别并应对无签名攻击等问题，并自动执行检测和响应工作流程的不同环节。

漏洞管理、渗透测试以及漏洞和攻击模拟（BAS）工具也开始严重依赖人工智能，以便更真实地模拟高级持续威胁（APT）。

随着生成型人工智能的发展，全新的人工智能驱动的安全解决方案已经出现。谷歌、微软、CrowdStrike、思科、SentinelOne以及许多其他公司现在都在使用生成型AI来推进智能威胁检测、行为分析以及自然语言驱动的查询和安全分析。

虽然恶意行为者可以创建和利用人工智能驱动的网络安全工具，但选择将人工智能整合进其工具和工作流程的网络安全公司现在最有能力应对这些新兴威胁。

（6）制造业中的计算机视觉和超级自动化

计算机视觉是一种人工智能，可以让计算机更好地理解基于图像的数据和场景，已成为简化和自动化现代制造的关键部分。 

计算机视觉和相关人工智能解决方案目前处理的制造任务包括自动产品缺陷检测、3D 建模、风险管理、产品计数和包装支持、预测性维护和库存管理。这些计算机视觉工具的视觉处理能力使它们能够处理人类水平的质量保证任务，并且在某些情况下，可以取代典型人类可以为这些任务带来的视觉和技能。 

最新的多模式人工智能模型和机器人技术对于制造超级自动化变得尤为重要，它允许公司使用图像输入来获得详细的分类、解释和建议输出。从那里，用户可以手动纠正任何检测到的问题，也可以依靠机器人流程自动化 (RPA) 进行基于规则的修复。 

例如，可以训练多模式模型来处理飞机螺旋桨的图像，并快速告诉用户它是什么类型的螺旋桨、影响螺旋桨性能/安全的缺陷类型以及它们所在的位置，和/或如何纠正任何检测到的问题。在某些情况下，这些人工智能模型与自动化机器人集成，可以自动进行这些更正。  目前，能够处理这种级别的制造任务自动化的人工智能模型很少，但可能会出现更多的解决方案来支持和自动化质量控制流程。 

人工智能趋势如何影响您和您的业务 

人工智能解决方案本身正在迅速变化，随着这种变化带来了新的机会，使人工智能与新受众相关并易于使用。人们还产生了深刻而广泛的焦虑，

这不仅是由于网络安全和道德问题，还因为许多工人认为这些新工具会抢走他们的工作。  虽然就业市场确实可能会因所有这些人工智能进步而发生变化，但就业机会减少的可能性较小，而且更有可能出现新的机会。 

投资于人工智能特定培训和认证的公司和个人将发现自己处于最具战略意义的位置，准备好并能够在不断变化的就业市场和全球市场中使用这些新工具。好消息是，对人工智能和数据民主化的日益重视已经降低了那些想要利用人工智能知识巩固职业道路的个人的进入门槛——无论是技能还是成本要求。