世界 01 / 25
人工智能
人工智能的实用地图：从科学起源到在领域、机构、研究和工业中的值得信赖的部署。
起源与进化
人工智能通过几种不同的范式发展起来。每一项都增加了一项新功能，但不需要人工判断、可靠数据和仔细验证。
- 符号推理和专家系统
- 统计机器学习
- 深度神经网络
- 基础和多模式模型
- 连接到工具的代理系统
现在
现代人工智能是一个操作堆栈，而不是单一模型。只有当数据、计算、模型、评估、人员角色和真实工作流程组装成一个受管系统时，价值才会显现。
- 数据和知识架构
- 计算和模型基础设施
- 测试、评估、验证和确认
- 人工监督和操作程序
- 监控、事件响应和持续改进
关键技术
世界结合了感知、生成、检索、推理、预测和行动的系统。有用的配置取决于任务、风险级别、语言、地区和可用的基础设施。
- 多模态基础模型
- 检索增强生成和知识图
- 计算机视觉、语音和语言系统
- 边缘人工智能和高效的本地模型
- 代理编排和工具使用
- 体现人工智能和机器人技术
领土申请
一个地区可以使用人工智能作为决策支持和服务层，同时让负责人保持控制。项目从具体的公共、科学、工业或基础设施问题开始。
- 公共服务和文档工作流程
- 医疗保健和人口健康支持
- 教育、研究和科学发现
- 交通、公用事业和关键基础设施
- 工业、农业和环境监测
- 应急计划和灾难响应
部署路线
可靠的程序从定义的问题转移到受监控的操作系统。每个阶段都有证据、负责任的所有者、停止条件以及是否继续的决定。
- 定义结果、用户和不可接受的危害
- 审计数据、权利、安全和基础设施
- 建立一个有人类后备的有界飞行员
- 评估质量、偏见、稳健性和滥用
- 安全集成并培训操作员
- 监控结果、事件、偏差和公共价值
全球中心和来源
这些独立的官方资源提供标准、治理框架和实用工具。它们是学习路线，并不意味着与 Distributed Hub 合作。
风险与治理
值得信赖的使用需要的不仅仅是准确性。治理必须涵盖整个生命周期以及对人员、机构、基础设施和环境的实际影响。
- 无效、不可靠或捏造的输出
- 偏见、排斥和不平等的机会
- 隐私、知识产权和数据泄露
- 网络安全、操纵和模型滥用
- 自动化偏见和不明确的责任
- 能源、水和供应链影响
不久的将来
下一阶段将把更强大的模型与更小的本地系统、科学仪器、机器人和可验证的工作流程结合起来。进展将取决于证据、效率和机构能力以及规模。
- 高效的多语言和特定领域模型
- 在明确授权下运作的可验证代理
- 科学副驾驶和自主实验室
- 设备上和边缘智能
- 在物理世界中工作的具体系统
- 可互操作的评估和保证基础设施
分布式中心准备什么
对于政府、城市、大学、公司或社区来说，第一个结果是可供决策的地图，而不是通用的销售演示。它将任务与证据、能力、风险和现实的实施路线联系起来。
- 地域人工智能机遇与问题图
- 按价值和风险排名的用例组合
- 数据、基础设施和能力差距评估
- 试点架构和评估计划
- 专家、研究和技术景观
- 适合机构的简报或演示
Distributed Hub
描述实际任务、领域、可用数据和预期结果。 Distributed Hub将构建下一步所需的研究路线、相关技术、验证要求以及专家档案。
制定AI发展路线