深度｜吴恩达最新演讲——AI 四大趋势

AI 创新的下一个前沿已悄然到来：智能体（AI Agents）和智能体推理（Agentic Reasoning）的崛起。这些时刻正在以前所未有的铁心和本钱效益，澈底蜕变诳骗的构建情势，为各行业开释出庞杂的潜能。

在 Snowflake Build 2024 的主题演讲中，吴恩达深化探讨了智能体的兴起过甚背后推动的 AI 改进。

他指出，非结构化数据（如文本、图像、视频和音频）正变得比以往任何时候皆愈加要道，为企业带来了庞杂的契机。

此外，吴恩达还共享了奈何通过智能体和生成式 AI 的衔尾，以更快的速率构建和迭代新的 AI 诳骗，以下为此次演讲的主要内容：

你可能听过我说过，AI 是新的电力。这是因为 AI 像电力相通，是一种通用时刻。若是有东谈主问电力的用途是什么，这很难恢复，因为电力真的无所不成。

而如今的新 AI 时刻正在为咱们创造一个前所未有的契机，大要构建以前无法达成的新诳骗。

东谈主们时时问我：“Andrew，AI 限度最大的契机在那儿？”我普通会以“AI 堆栈”来确认。在堆栈的最底层是半导体，然后是云计较和建立器具（包括 Snowflake 这么的器具）。

在这些之上是许多基础模子以及模子的老师过程。而事实是，好多媒体的暖和点皆纠合在这些时刻层面，举例生成式 AI 和新的时刻发达上。

这些照实弥留，但本色上还有另一层更弥留的堆栈——诳骗层。因为咱们需要通过诳骗层来产生更多的价值和收入，从而大要救助底层时刻的握续发展。

因此，我花了大皆时辰念念考 AI 诳骗限度，我以为这是构建新事物的最好契机之一。

畴前几年，尤其是在生成式 AI 的推动下，咱们见证了机器学习模子建立的速率越来越快。

举例，构建一个容颜分类器的传统步骤可能需要一个月来网罗标签数据，再花几个媒妁师 AI 模子，然后再用几个月部署在云工作上。

关于许多价值庞杂的 AI 系统来说，这么的建立经过需要 6 到 12 个月。但有了生成式 AI，某些诳骗场景只需花几天写一个 prompt（辅导词），再用几天时辰完成部署。

这意味着，蓝本需要几个月致使一年着实未必间，当今可能只需要 10 天阁下。这种变化为快速磨练和建立新原型以及快速发布新 AI 居品创造了庞杂可能。

这一趋势的铁心是，快速履行成为发明新用户体验的一种更有用阶梯。畴前，若是需要花 6 个月建立一个东西，咱们会止境严慎地讨论用户需求、制假寓品宗旨，再干预大皆元气心灵来建立。

但当今，快速鼓动的团队不错说：“咱们用一个周末建立 20 个原型，望望哪个有出路。若是 18 个失败了，咱们就废弃它们，只保留胜利的两个。”快速迭代和履行成为了一种新的发明旅途。

然则，这种快速履行带来了新的瓶颈——评估（Evaluation）。在传统的监督学习中，若是你需要网罗 1 万条数据点来老师模子，那么多网罗 1 千条测试数据点也不算什么，因为本钱仅增多了 10%。

但在基于大型言语模子的诳骗中，若是不需要标注数据，那么网罗 1 千条测试样本的本钱和时辰可能显得止境腾贵。

因此，当今的建立经过更像是边建立边网罗数据，而不是先网罗数据再建立。咱们会先构建一个原型，然后跟着需求的增多缓缓完善测试数据，以提高系统的谨慎性和可靠性。

天然模子原型的构建速率快了，但软件诳骗的建立已经包含好多步骤，比如居品推敲、软件集成、部署后的运维等。

这些步骤并莫得像机器学习建模那样大幅提速。这种不平衡的发达对组织产生了压力，迫使他们加速统统这个词经过的速率。

在快速发展的环境中，我不以为“快速举止且龙套”是适合的标语，因为这种步骤着实会龙套好多东西。我更心爱“快速举止且负包袱”这个理念。

我看到好多团队大要快速建立原型，并进行谨慎的测试，而不将可能酿成伤害的居品平直发布到用户手中。这种步骤大要在快速鼓动的同期，作念到负包袱地建立和部署。

在时刻趋势中，我最振作的一个是 智能体 AI（Agentic AI）。这种职责经过不仅不错生成文本，还不错衔尾讨论、宗旨、修改等步骤，进行迭代式建立。

举例，用传统的大型言语模子生成一篇著述可能一次性完成，但智能体 AI 不错先生成提纲，进行讨论，编写草稿，随后再校正和优化。

这种迭代式经过适用于复杂任务，比如法律文档处理、医疗会诊扶持或合规告示惩处。

智能体 AI 的四大推敲模式包括：

反念念（Reflection）：让 AI 注视我方的输出并改进。

器具调用（Tool Use）：大言语模子不错发起 API 肯求，扩充具体任务。

宗旨（Planning）：AI 为复杂任务推敲扩充宗旨。

多智能体互助（Multi-Agent Collaboration）：多个 AI 变装单干互助，共同完成任务。

这些模式让咱们大要构建比以往愈加复杂和苍劲的系统。

另外，视觉 AI 正在崛起。畴前很难从存储的图像和视频数据中赢得价值，而如今，视觉 AI 的才智正在蜕变这一近况。

通过衔尾智能体职责经过，视觉 AI 大要高效处理和分析图像与视频数据，为企业带来新的价值。

举例，自动检测足球比赛中的进球片断、生成视频的元数据等，这些任务以前真的是不可能达成的。

终末，我想强调四大 AI 趋势：

1）加速的生成式职责流：通过硬件和软件优化，让智能体 AI 运转更高效；

2）为器具优化的大模子：新的大模子不仅不错恢复问题，还不错扩充具体操作；

3）非结构化数据工程的弥留性普及：文本、图像和视频数据的处理才智变得至关弥留；

4）图像处理改进行将到来：图像处理时刻的发展将为更多企业带来新的诳骗契机；

本文由东谈主东谈主皆是居品司理作家【江天 Tim】，微信公众号：【有新Newin】，原创/授权 发布于东谈主东谈主皆是居品司理，未经许可，拒接转载。

题图来自Unsplash，基于 CC0 左券。