每年有數萬篇涉及A.I.的論文發表，但其中許多論文要想明確其潛在的現實世界影響還需要一段時間。與此同時，A.I.的頂級資助者--Alphabets、Apples、Facebook、Baidus和這個世界上的其他獨角獸--繼續閉門造車地磨練他們的許多最令人興奮的技術。

2020年期間在人工智慧領域看到的六個主要發展和新興主題。

1.對語言的理解

在一個普通的年份，一個文字生成工具可能不會被列為最令人興奮的新的人工智慧發展之一。但2020年並不是一個普通的年份，GPT-3也不是一個普通的文字生成工具。作為被貼上世界上最 "危險 "演算法標籤的GPT-2的續作，GPT-3是由研究實驗室OpenAI建立的前沿自迴歸自然語言處理神經網路。用幾個句子作為種子，比如一個新聞故事的開頭，GPT-3可以生成令人印象深刻的精確文字，與最初幾行的風格和內容相匹配--甚至可以編造引號。GPT-3擁有驚人的1750億個引數--為了實現效能而調整的連線權重--據說訓練成本約為1200萬美元。

GPT-3並不是唯一一個在2020年誕生的令人印象深刻的A.I.語言模型。雖然它在炒作週期中很快被GPT-3超越，但微軟的圖靈自然語言生成（T-LG）在2020年2月掀起了波瀾。它擁有170億個引數，一經發布，就是迄今為止釋出的最大的語言模型。作為一個基於Transformer的生成式語言模型，T-NLG能夠生成必要的單詞來完成未完成的句子，也能直接生成問題的答案和總結文件。

Transformers是Google於2017年首次推出的一種新型深度學習模型，它幫助革新了自然語言處理。人工智慧至少早在艾倫·圖靈（Alan Turing）著名的機器智慧假設測試中就一直專注於語言。但是，由於這些最新進展中的一些，機器才剛剛變得驚人地擅長於理解語言。隨著十年的繼續，這將產生深遠的影響和應用。

GPT-3和T-LG代表了A.I.的另一個里程碑，至少是重要的趨勢。雖然不缺乏使用A.I.工具的初創公司、小型大學實驗室和個人，但主要參與者的存在意味著一些嚴重的資源正在被丟擲。越來越多地，具有巨大訓練成本的巨大模型正在主導A.I.研究的前沿。高達十億個引數的神經網路正在迅速成為常態。

"如果我們要複製大腦的人工智慧，更多的引數是必須的。"

GPT-3的1750億個引數仍然是一個瘋狂的外掛，但Meena、Turing-NGL、DistilBERT和BST 9.4B等新模型都已經超過了10億個引數。更多的引數並不一定意味著在每種情況下都有更好的效能。然而，這確實意味著一個文字生成工具能夠更準確地對大範圍的函式進行建模。如果我們要複製大腦一樣的人工智慧，更多的引數是必須的。這也意味著，在最大的模型方面，主要玩家將繼續統治A.I.的地位。據報道，訓練一個網路每1000個引數需要1美元。推斷到10億個引數，好吧，你來算算。

2.為人類造福的人工智慧

隨著人工智慧工具的發展，受益的不僅僅是計算機科學家。其他學科的研究人員也躍躍欲試，他們往往對機器學習的使用方式提出一些創新的想法。無論是能夠從腦部掃描中診斷出耳鳴的A.I.；利用機器學習將思想轉化為口語的讀心耳機，供有聲障的佩戴者使用；DeepMind的AlphaFold可以根據蛋白質的序列準確預測蛋白質的形狀，有可能幫助快速開發新的更有效的療法；或者其他任何數量的演示，很明顯，A.I.在2020年為研究開闢了一些令人興奮的新途徑。

劫難還沒有到來

2020年，生活中許多方面的兩極分化使人們對細微差別的想法望而卻步。但越來越明顯的是，當涉及到機器人接管工作時，細微差別正是適用的。今年，世界各地都出現了巨大的工作崗位流失。然而，這些都是由流行病及其影響帶來的，而不是任何邪惡的天網式對人類工作的攻擊。

雖然肯定有人工智慧和機器人執行人類任務的例子（例如，見翻漢堡的機器人Flippy），但這些通常是為了增強人類的能力，或者在沒有足夠穩定勞動力的領域提供協助。事實上，現在招聘人員最多的公司是那些同時投資於先進技術的公司（讀作：大型科技巨頭）。

這並不是說，劫難是一個錯誤的預測。中產階級的空心化是一個將繼續下去的趨勢，儘管這個趨勢遠比少數科技公司推出新的智慧軟體工具的出現複雜得多。如果說2020年對A.I.和就業有一個說法，那就是事情很複雜。

3.Deepfakes(偽裝者)

Deepfake不是2020年的發明，但今年它們取得了一些重大進展。7月，麻省理工學院高階虛擬中心的研究人員整理了一段引人入勝的高預算Deepfake影片，其中描繪了理查德·尼克松總統為登月提供了另一番演說，這是在阿波羅飛行任務進行得非常糟糕的情況下撰寫的錯誤。

研究人員還建立了一些驚人的準確的音訊深層假貨。最近的一個例子？一個模擬人聲deepfake，與Facebook執行長馬克·扎克伯格發起了激烈的爭論。聽起來令人難以置信，栩栩如生，即使這還不完全符合Em的慣用抒情標準。

4.A.I.的監管

由人工智慧驅動的工具非常強大。這不僅適用於抽象的概念驗證演示，還適用於現實世界的部署，從求職面試的申請人篩選到執法和當局使用的面部識別或假釋決定工具。

在過去的幾年裡，人們對這些工具的認識--以及將偏見編入其中的方式--導致人們對這些工具的使用更加關注。今年1月，底特律警方錯誤地逮捕了一名名叫羅伯特-威廉姆斯的男子，因為演算法錯誤地將他的駕駛執照上的照片與模糊的閉路電視錄影進行了匹配。此後不久，IBM、亞馬遜和微軟都宣佈，他們正在重新考慮將其面部識別技術用於這一身份。