大牛吴恩达对AI技术的2021回顾，我觉得可以等2023年时再回顾

有时候吧，或者很多时候吧，不回过头看看走过的路，可能就不会轻易感触到这一年来究竟有了哪些改变和进展。普通现实生活如此，科技行业某个技术发展亦如此。之前，人工智能界的学术大牛、万千AI学子共同的老师，吴恩达（Andrew Ng）就在其主编的人工智能周讯《The Batch》上发表过回顾2021年全球人工智能五大进展的文章，同时也展望了2022年后的人工智能技术发展前景。

同样，个人也觉得，今年（按农历年算）或者去年2021年（按公历算）这一年来人工智能的进展，可以小结一下，以便再过一年后做一次再回顾。既总结了过去，又很容易验证曾经对过去的一年的展望有哪些对与不对。

介绍一下吴老师此文章提到的五大进展：多模态AI起飞、万亿参数、无声之声、通用架构、政府制定法规。大概简单总结，以此排开就是，多领域的人工智能融合，海量数据训练的大模型，艺术家用人工智能创作音频，架构跨以往领域迈向新领域，政府面对AI可能的挑战制定相应的法律法规。下面分而论之。

一，多模态AI起飞，代表事件是文本和图像之间的结合和探索。这种合并的技术，为大一统多模态AI打开了一扇大门。二，万亿参数，代表事件是大模型超大模型的诞生。当然了，大模型也带来了大挑战。用于训练的超大数据集挑战，用于加载训练处理或推理处理的速度挑战。当然更让机智客个人看得触目惊心的是，这类大模型的能耗挑战。2019年的一项研究发现，在8个英伟达P100 GPU上训练2亿参数的Transformer模型所造成的碳排放，几乎和一辆普通汽车五年驾驶总排放量一样多。仅仅看这一项，就能让你我吓一大跳是吧，反正我个人惊了好一会。三，无声之声，代表事件是制造商或艺术家使用神经网络，生成新声音并修改旧声音。个人之前就想过几次人工智能创作和替代工作岗位的问题，当然不是跟风，而是多半根据AI资讯结合自己的学习进行的一时念想。四，通用架构，也就是Transformer架构从以往传统的自然语言处理领域快速扩展其他覆盖领域，比如视觉领域。这个是发展比较快，被很多人使用和看好的方向。五，政府制定法规。这个不用多说了。

当然上面这些AI领域的大进展，可能我们都关注过，或者根据自己的领域或兴趣侧重点而关注了一部分。具体到某些个技术事件，机智客以前的文章也提到过。深的虽然谈不了，不过还算是跟进人工智能领域的发展而学习和了解了一些相关的技术和知识。个人有个一时的感想，虽然很多时候都觉得自己手头的所谓的学习或琐碎无甚价值，不过当自己告诉自己用文字记录下来，当回顾技术、行业或技术发展时候，自己文字参与的浅显记录能帮上点忙；当未来某一天回顾自己的时候，比如等到2023年或者以后，AI技术发展到哪儿了，和现在的展望有什么落差？于己而言可能也算是一个成长吧。当然话又说回来了，也可能，会后悔记录现在的一切，后悔现在浪费的时光。