工智能仍是一項新技術(shù)，回顧其發(fā)展歷程，真正大范圍地從實(shí)驗室走向產(chǎn)業(yè)實(shí)踐、 廣泛應用于我們的生產(chǎn)和生活之中，不過(guò)是十年的事情。持續探尋更健壯的技 術(shù)以及科學(xué)管控現有技術(shù)的"缺陷”,構建面向可持續發(fā)展的人工智能技術(shù)體系， 致力于推動(dòng)人工智能技術(shù)可用、可靠、可信，其內涵包括提升技術(shù)安全和構建技術(shù)管理機制兩個(gè)層面工作。
在規劃設計階段機器學(xué)習場(chǎng)景中固有的不可預測性,傳達實(shí)施偏差會(huì )進(jìn)一步加劇;在研發(fā)部署階段模型運行之后的動(dòng)態(tài)更新缺乏足夠驗證等挑戰
G增長(cháng):未來(lái)五年人工智能市場(chǎng)規模平均增速將超過(guò)20%;G集中:軟件占比近40%硬件產(chǎn)品占比接近35%;G壁壘:滲透率還不到4%
我國新一代人工智能治理工作框架應整合社會(huì )各界對AI社會(huì )技術(shù)復合體的離散性認知,突破AI包容審慎實(shí)踐的探索,建立基于“邏輯-秩序-監管“的人工智能治理工作框架
多模態(tài)數據具有異構性 多模態(tài)數據的關(guān)聯(lián)難度表示較大 多模態(tài)知識融合困難 多模態(tài)問(wèn)答大多只能處理簡(jiǎn)單的問(wèn)題 多模態(tài)知識問(wèn)答推理能力弱 可解釋性差
谷歌CVPR 2022擁有18億參數,并使用30億的 標注圖像進(jìn)行訓練,在ImageNet上取得了新的記錄90.45%,證明了視覺(jué)大模型（30億參數）在廣泛視覺(jué)問(wèn)題上的有效性
OpenAI提出DALLE模型,可以根據用戶(hù)輸入的文本生成對應的圖像,Imagen模型,CogView,VQ-Diffusion 模型以及 NUWA-infinity 等效果同樣出色
告立足于算法的技術(shù)趨勢和行業(yè)應用現狀,從法律監管,倫理治理,技術(shù)治理三個(gè)層面梳理總結國內外在算法治理方面的實(shí)踐做法,保障算法技術(shù)創(chuàng )新與應用健康
受基層影像醫師學(xué)歷偏低和經(jīng)驗不足等因素影響,基層影像設備診療能力并未被完全釋放,為人工智能醫學(xué)影像產(chǎn)品在基層落地提供巨大市場(chǎng)機遇
D一級銀行業(yè)金融機構未在任何業(yè)務(wù)建立模型分級方法/流程;D二級銀行業(yè)金融機構從業(yè)務(wù)和技術(shù)層面;第三級銀行業(yè)金融機構明確模型分級原則方法和操作要求
