工智能仍是一項新技術(shù)，回顧其發(fā)展歷程，真正大范圍地從實驗室走向產(chǎn)業(yè)實踐、 廣泛應(yīng)用于我們的生產(chǎn)和生活之中，不過是最近十年的事情。持續(xù)探尋更健壯的技 術(shù)以及科學管控現(xiàn)有技術(shù)的"缺陷”,構(gòu)建面向可持續(xù)發(fā)展的人工智能技術(shù)體系， 致力于推動人工智能技術(shù)可用、可靠、可信，其內(nèi)涵包括提升技術(shù)安全和構(gòu)建技術(shù)管理機制兩個層面工作。
在規(guī)劃設(shè)計階段機器學習場景中固有的不可預測性,傳達實施偏差會進一步加劇;在研發(fā)部署階段模型運行之后的動態(tài)更新缺乏足夠驗證等挑戰(zhàn)
高增長:未來五年全球人工智能市場規(guī)模平均增速將超過20%;高集中:軟件占比近40%硬件產(chǎn)品占比接近35%;高壁壘:滲透率還不到4%
我國新一代人工智能治理工作框架應(yīng)整合社會各界對AI社會技術(shù)復合體的離散性認知,突破AI包容審慎實踐的探索,建立基于“邏輯-秩序-監(jiān)管“的人工智能治理工作框架
多模態(tài)數(shù)據(jù)具有異構(gòu)性 多模態(tài)數(shù)據(jù)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)問答大多只能處理簡單的問題 多模態(tài)知識問答推理能力弱 可解釋性差
谷歌CVPR 2022擁有18億參數(shù),并使用30億的 標注圖像進行訓練,在ImageNet上取得了新的記錄90.45%,證明了視覺大模型（30億參數(shù)）在廣泛視覺問題上的有效性
OpenAI提出DALLE模型,可以根據(jù)用戶輸入的文本生成對應(yīng)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(yīng)用現(xiàn)狀,從法律監(jiān)管,倫理治理,技術(shù)治理三個層面梳理總結(jié)國內(nèi)外在算法治理方面的實踐做法,保障算法技術(shù)創(chuàng)新與應(yīng)用健康
受基層影像醫(yī)師學歷偏低和經(jīng)驗不足等因素影響,基層影像設(shè)備診療能力并未被完全釋放,為人工智能醫(yī)學影像產(chǎn)品在基層落地提供巨大市場機遇
第一級銀行業(yè)金融機構(gòu)未在任何業(yè)務(wù)建立模型分級方法/流程;第二級銀行業(yè)金融機構(gòu)從業(yè)務(wù)和技術(shù)層面;第三級銀行業(yè)金融機構(gòu)明確模型分級原則方法和操作要求
