每一年， AI都變得越來越智能，這背后的主要原因之一是對于許多企業而言，人工智能被視為許多不確定性的最佳解決方案，通過人工智能應用可以達到降本增效的目標，并有效避免由于人為因素導致的失誤操作。盡管 2023 年的整體經濟環境我們還不能準確地預測，但對于希望推動自動化的企業而言，人工智能肯定會成為一個重要的關注和投資領域，在本文中，我們將探討 2023 年一些主流的 AI 發展趨勢，以及現實這些AI應用所需的數據標注。

用于文本、語音和視覺的人工智能將開始成為主流

ZOOM（在線會議軟件）實時字幕翻譯

(資料圖片)

企業可以通過增加對文本，語音和視覺 AI 的使用從而實現業務增長。例如，當您公司的銷售代表通過 zoom、騰訊會議或其他在線視頻會議軟件與其他公司的客戶在網上對話時，會議軟件會錄制通話記錄， 并且，背后的AI可以通過分析這些對話來提供一些改進銷售方法的見解。客服電話也是如此，因為人工智能可以幫助公司匯總客戶的常見問題并為在日后為客戶們分配準確的自助服務渠道，增加客戶體驗感并識別強意向的客戶，從而獲得大量的潛在客戶。

在自然語言AI方面，我們已經可以看到ChatGPT瘋狂地登上科技熱榜，我們可以預見諸如此類的模型會變得更加智能（雖然它已經十分強大了），因為研究人員們還在不斷地提出新的解決方案，提升語意理解、上下文關系分析，文本摘要、翻譯準確性、情感分析，甚至能夠幫助程序員們通過文字描述直接生成代碼。

在計算機視覺領域的企業和科研機構正在開發用于目標檢測、語義分割、目標跟蹤等更強大的模型，這些模型提供了以前無法達到的準確度，在強大的 GPU 加持下，這些模型將變得越來越普遍。

生成式AI將在藝術領域發揮更大作用

通過漂亮的插圖和有趣的文案吸引和留住客戶是許多公司都在努力解決的難題，畢竟我們很難批量制作出引人入勝的高質量內容，專業人士的內容創作服務又十分昂貴，這是生成式 AI 可以提供很大幫助的地方，因為它可以快速并且低成本地幫助公司批量生產藝術作品和文案，生成式 AI 模型的使用方式是：向AI用文字描述出你腦海中的畫面，無論這些畫面多抽象，AI模型都能生成出你想要的畫面，因此我們有理由期待生成式 AI 成為未來企業創造內容的主要手段。

人機協作的發展

在世界各地，自主機器人的使用正在增加，在一些特定的園區中，貨物的配送都是通過自動巡航的機器人實現的，以滿足大量的運輸需求并降低人工搬運的成本。機器人監控超市貨物的缺貨情況，以及在生產線上與人類一起工作的機器人手臂，這些智能機器正變得越來越普遍。Gartner的研究表明，由于智能機器人在智能、社交互動和人類增強能力方面的進步，到 2030 年，80% 的人類將每天與智能機器人互動，而目前這一比例還不到 10%。

通過 AI 提升線下和線上的客戶體驗

借助AI的能力，電商企業不僅可以根據消費者曾經的購買記錄預測他可能喜歡什么，還可以通過用戶的瀏覽行為或社交網絡中獲得的信息來為每位客戶提供個性化推薦，這就是為什么你在觀看短視頻或逛購物網站的時候經常看到喜歡的產品。人工智能在電子商務中的作用是在營銷、客戶服務和銷售領域為企業提供支持。人工智能、智能機器、計算機視覺、圖像分類、深度學習和人臉識別正在改變電子商務的格局。

在線下購物方面，門店將專注于基于計算機視覺和基于邊緣計算的人工智能系統提升消費者的購物體驗，減少消費者的排隊等待時間將是一個主要的發展領域。未來的零售店還將能夠提供高度個性化的建議，并通過店內的攝像頭分析消費者的行為并給出個性化的推薦，以此提升消費者的購物體驗并有效提高銷售額。

邊緣AI的增長

邊緣 AI 是在整個物理世界的設備中部署 AI 應用程序，之所以稱為“邊緣 AI”，是因為邊緣 AI 的算力是通過用戶附近的設備完成的，靠近數據所在的位置，而不是通過非常遙遠的云端服務器或私有數據中心。到目前為止，人工智能幾乎完全在云端運行。但是，邊緣傳感器全天候生成越來越多樣化的數據流，這些需要實時計算，這導致更多的 AI 部署轉向邊緣計算。對于機場、商店、醫院等，人工智能帶來了更高的效率、自動化，甚至降低了成本，這就是邊緣人工智能在近些年被大量采用的原因。

對自動駕駛汽車的需求增加

根據最近的數據，從 2023 年到 2032 年，汽車市場中的人工智能將以超過 55% 的復合年增長率增長。自動駕駛汽車的日益普及將推動該行業的發展。如今，越來越多的消費者意識到自動駕駛汽車帶來的好處，一些世界領先的汽車制造商正在開發自動駕駛技術，除此之外，世界各地的政府和汽車制造商已經開始采取措施促進自動駕駛汽車領域的創新。對自動駕駛汽車的所有這些需求也將導致對訓練 AI 車輛所需的數據標注場景的需求增加，包括基礎的2D目標檢測標注、語義分割標注、車道線標注、點云標注等等。

道德和非偏見的人工智能將受到更多關注

隨著人工智能技術的不斷進步，企業們開始考慮這些技術的道德影響，IBM 的一項研究表明，85% 的消費者表示，企業在使用 AI 解決社會問題時考慮道德因素很重要，此前，一些企業為了訓練AI模型使用了大量的用戶隱私數據，在AI道德更加受到關注和監管后，這種情況將有所好轉。另外，無偏見的數據集是 AI 模型做出可靠和非歧視性預測的重要基礎。例如，人工智能模型正被銀行用于信用評分、簡歷篩選和一些司法系統，然而，人們注意到，在某些情況下，數據集在膚色、年齡和性別方面存在一些固有偏見，比如說如果在訓練人臉識別模型時使用了大量的白膚色，那么在黑膚色人種上的表現將會十分差勁。

未來的 AI 應用需要哪些類型的數據標注？

我們在本文中談到的 AI 應用的準確性取決于用于訓練它們的訓練數據的質量。例如，如果我們看一下在文本、語音和視覺 AI 方面看到的第一個發展趨勢，就會發現這些 AI應用中的每一種類型都需要許多不同場景的數據標注。對于文本 AI，訓練數據需要使用實體提取等方法進行標注，實體標注將各種標簽附加到引用概念和實體（例如人物、地點或主題）的文本。

文本實體提取標注

對于語音 AI，一定會用到音頻訓練數據，這意味著需要人工對音頻和語音數據進行標注，比如在AI客服系統中，將客戶的聲音與話務員的聲音分開，并按照既定規則對語言進行轉寫。語音標注有助于開發執行特定重復任務的聊天機器人。

語音標注

對于計算機視覺，需要更多復雜類型的數據標注，從較為簡單的目標檢測說起，數據標注員需要識別圖像中一個或多個目標的存在、位置和數量，并準確地用2D包圍框緊緊地標注，稍微復雜一些的語義分割也將是必要的，通過多邊形工具對目標的邊緣進行標注將使AI模型能夠更準確地識別圖像中的每一個像素。近些年，隨著自動駕駛和計算機視覺技術的發展，我們開始涉足多傳感器融合標注，這對于標注工具的開發和標注員的素質都提出了更高的要求。

關鍵詞：