多模態(tài)檢索成為近期關(guān)注的問(wèn)題，當前的方法包括單流方法、多流方法，以及不同模態(tài)之 間對齊的技術(shù)，已經(jīng)在知識挖掘領(lǐng)域開(kāi)展應用。
圖像問(wèn)答可以分為三個(gè)層次:
1.初級:從圖像識別啲結果中直接得到答案
2.中等：答案需要簡(jiǎn)單事實(shí)的支持
3.高級:對于復雜的問(wèn)題，答案不在圖像中，可能涉及常識、具體 話(huà)題和百科知識進(jìn)行推理
多模態(tài)問(wèn)答的挑戰：
1 多模態(tài)數據具有異構性
2 多模態(tài)數據的關(guān)聯(lián)難度表示較大
3 多模態(tài)知識融合困難
4 多模態(tài)問(wèn)答大多只能處理簡(jiǎn)單的問(wèn)題
5 多模態(tài)知識問(wèn)答推理能力弱
6 多模態(tài)知識問(wèn)答可解釋性差
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
第一級銀行業(yè)金融機構未在任何業(yè)務(wù)建立模型分級方法/流程;第二級銀行業(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
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
高增長(cháng):未來(lái)五年全球人工智能市場(chǎng)規模平均增速將超過(guò)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%
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
構建面向可持續發(fā)展的人工智能技術(shù)體系,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
企業(yè)作為落實(shí)人工智能治理原則的重要主體,形成覆蓋人工智能產(chǎn)品全生命周期的風(fēng)險管理機制,提出了面向可持續發(fā)展的人工智能治理基本框架
數據不完備和濫用風(fēng)險突出而損害用戶(hù)的權益;人工智能算法存在固有缺陷在可解釋性魯棒性偏見(jiàn)歧視等方面尚存在局限;企業(yè)人工智能管理體系不完善
調度決策外賣(mài)調度系統困住騎手;個(gè)性化推薦電商場(chǎng)景下的信息繭房和馬太效應;內容治理如何守護清朗健康的網(wǎng)絡(luò )環(huán)境;人工智能可以放心使用嗎
全球人工智能市場(chǎng)收支規模達850廳美元,預測,2022年該市場(chǎng)規模將同比增長(cháng)約20%至 1017廳美元,并將于2025年突破2000廳美元大關(guān), CAGR 達24.5%
頭部科技企業(yè)先后發(fā)布了AI治理戰略和治理體系,成立了相關(guān)委員會(huì )和工作組,聚焦企業(yè)層面的AI治理和風(fēng)險管理體系,可信AI技術(shù)和保障工具也在蓬勃發(fā)展
智能文檔處理、智能會(huì )議、知識管理、智能客服等各類(lèi)企業(yè)智能應用不斷發(fā)展，全面賦能企業(yè)辦公、管理、決策、風(fēng)控、營(yíng)銷(xiāo)、服務(wù)等各個(gè)環(huán)節
AI軟件設施在近兩年成為產(chǎn)業(yè)焦點(diǎn),AI開(kāi)源框架生態(tài),預訓練大模型體系,AI軟件平臺生態(tài)等內容都得到了長(cháng)足的發(fā)展,像水電一樣成為觸手可得的普惠資源
到端的MLOps一體化工具和細分場(chǎng)景的專(zhuān)項工具都非常火熱,端到端工具追求大而全的功能集,專(zhuān)項工具在局部或某些場(chǎng)景下功能和性能較好
