IEEE（Institute of Electrical and Electronics Engineers）是一个国际性的电子技术与信息科学工程师协会，在其发布的《IEEE全球研究——2024年及以后的技术影响》调查结果中，来自美国、中国、英国、印度和巴西的350名各行各业的首席信息官、首席技术官、IT总监和技术领导者们预测：多种多样的人工智能应用仍将是2024年最重要的技术领域。

　　技术的进步和应用速度从未如此之快。人工智能（AI）已成为推动科学发现和国家经济增长的重要创新引擎。

　　无论是创建逼真的文本、图像或音乐，自动改进算法，利用人工神经网络模仿人类决策，还是自动进行文本翻译和语音重构，人工智能的应用都在持续扩大和普及。

　　2024年，人们有望看到更复杂的人工智能应用和算法，它们可以优化数据、执行复杂任务并以人类般的准确性做出决策。而且，监督AI模型输入数据和输出结果的准确性，管理AI与现有功能的整合，以及接受相关技能培训，这些都是人类未来使用AI工作的方式。还有，不要把量子排除在外。生成式人工智能可能会继续主导技术领域，但量子等其他技术也会产生重大影响，尽管这种影响不太引人注意。大多数受访者认为，2024年，量子计算将因其显著提高的计算能力（比当今最先进的超级计算机高出万亿倍），以及在后量子密码学和网络安全领域的应用而最受关注。不可否认的是，网络安全问题依然存在。2024年的三大网络安全问题与去年相同：数据中心漏洞、云漏洞以及与使用自有设备相关的安全问题。但是，2024年其他的网络安全问题也将会增加，包括勒索软件攻击（2024年为37%，高于2023年的30%）、网络钓鱼攻击（2024年为35%，高于2023年的25%）和内部威胁（2024年为26%，高于2023年的19%)。

　　另外，随着移动通信的普及和世界上几乎所有事物的连接，5G正在无线网络中带来更快的数据传输速度，而6G也在不断发展中。

　　2022年末，当ChatGPT横空出世时，它不仅展示了人工智能所取得的飞跃，还描绘了一个充满可能性的未来，塑造了人们的工作、学习甚至是娱乐方式。许多人都清楚人工智能的好处，但也有一个棘手的问题：潜在的风险。

　　驾驭这些风险就像解决一个巨大的难题——一个决定时代的难题。这就是为什么人工智能背后的许多智囊团都在推动制定一些基本规则，以控制事态发展。毕竟，关于如何使用人工智能的讨论并不是空谈，而是至关重要的。

　　人工智能系统需要使用数据进行训练。但数据集往往是由人创建的，而这些人可能会有偏见或不准确。因此，人工智能系统可能会延续偏见，而管理这些偏见可能非常困难。

　　IEEE高级会员凯恩·麦格拉德里（Kayne McGladrey）说：“我们可以手动或自动审核软件代码的隐私缺陷。同样也可以针对安全缺陷审核软件代码。目前，我们无法审核软件代码是否存在道德缺陷或偏见，而即将出台的大部分法规都将对人工智能模型的结果进行筛查，以确定是否存在歧视性结果。”

　　随着生成式人工智能的兴起，企业正在重新设想如何完成工作。虽然很少有人认为需要创造力和判断力的工作可以完全自动化，但人工智能可以提供帮助。例如，当作家陷入困境时，生成式人工智能可以提供对话创意。

　　IEEE会员托德·里奇蒙德（Todd Richmond）说：“我们需要共同弄清楚哪些是人类的事业，哪些是我们愿意让给算法的，例如制作音乐、电影等。”

　　在《IEEE全球研究——2024年及以后的技术影响》调查结果中，50%的受访者认为，能否利用现有专业人员的机构知识来培训新人是他们未来在其组织中使用生成式人工智能时最关心的三个问题之一。

　　生成式人工智能可以自信地吐露事实。问题是，这些事实并不总是准确的。而且，对于各种形式的人工智能，要想知道软件究竟是如何得出结论的，可能会很困难。

　　在调查中，59%的受访者认为：过度依赖人工智能和潜在的不准确性是企业使用人工智能的首要问题。

　　IEEE终身研究员保罗·尼古里奇（Paul Nikolich）说：“验证训练数据很困难，因为没有出处，而且训练数据量巨大。人工智能可能会越来越多地用于关键任务和拯救生命的特殊任务中。在使用人工智能系统之前，我们必须相信这些人工智能系统能够安全运行并发挥预期性能。2024年及以后，我们也将加大努力，确保人工智能结果更加准确，用于训练人工智能模型的数据更加干净。”

　　但问题是：将人工智能融入现有工作并不像打开开关那么简单。整合其他技术，从云计算到物联网设备，往往成败参半。一些证据表明，数字化转型的失败率高得惊人，这意味着它们没有达到预期，或是超出成本、超过期限，甚至在某些情况下被放弃。

　　引入人工智能等先进技术可能会更加困难。那么，采用人工智能的现实路线图是什么？未来几年，企业将如何使用人工智能？

　　在调查中，47%的受访者表示，他们认为在2024年使用生成式人工智能时，难以将人工智能集成到现有工作流程中是三大担忧之一。

　　“生成式人工智能的新应用案例及其与通用架构的集成可能会变成严峻的挑战。”IEEE终身资深会员劳尔·科尔切（Raul Colcher）说，“优秀的业务分析师和系统集成商将变得至关重要。”

　　调查中的其他数据也揭示了这一问题。受访者被要求列出他们在寻找人工智能相关职位候选人时最需要的技能。其中包括各种技术技能，但各种软技能也名列前茅。

　　IEEE高级会员Yu Yuan说：“能够迅速展开工程设计、具有创造性的思维和验证人工智能交付成果的能力，这三种技能是借助生成式人工智能产生有意义的成果所需要的。”

　　最有可能采用和使用人工智能解决方案的行业往往是已经依赖技术技能的行业。调查显示，未来一年，人工智能的主要用途将包括实时网络安全、提高供应链效率、辅助和加速软件开发、实现客户服务自动化以及加快求职者筛选。

　　凯恩·麦格拉德里说：“从现实角度看，人工智能在网络安全领域的应用，将有助于减轻安全运营中心一级分析师的认知负担。人工智能有望自动处理人类难以处理的海量数据，而不是在针堆中寻找一根针。”

　　技术领域最大的瓶颈之一是编码人力资源的可用性。在许多情况下，智力工作具有高附加值，但许多软件开发活动相对简单，应该很快实现自动化。

　　而在客户服务方面,很多客户服务互动都很糟糕。培训不力、资金不足和激励机制不协调等因素交织在一起。因此,简单的问题往往得不到解决,造成浪费、客户不满意和结果不佳。任何能够切实改善客户服务体验的措施都应该受到欢迎。

　　数百万人每个工作日的开始和结束都被堵在路上。根据Inrix全球交通调查，2022年英国伦敦的司机因堵车损失了约156个小时，而哥伦比亚首都波哥大的司机则损失了122个小时。

　　如果通勤者在这段时间里除了开车，还能做点什么，岂不更好？或者跳过拥堵路段，岂不更好？

　　世界各地的创业公司和政府都在努力实现空中出租车。在业内人士看来，这类飞行器被称为“先进空中交通（AAM）”，指的是自主驾驶的电动飞机，通常具有垂直起降能力。美国联邦航空管理局准备在2028年之前支持在一个或多个地点部署空中出租车。得克萨斯州的一个研究联盟提出了一个空中交通管制框架。在中国，一辆空中出租车的制造商表示，预计其车辆将很快获得认证。

　　不过，人们很有可能会看到空中出租车在开始载客之前就投入使用。制造商及其合作伙伴已开始努力寻找其他应用场景，如货物运输和应急响应，这些应用将为运营商提供完善运营所需的数据和经验。

　　在调查中，29%的受访者表示，他们认为通过提供更快、更清洁的包裹运输方式（包括大型货运飞机和小型无人机包裹递送）来推动货物运输业的发展，是无人机市场未来的最大优势。

　　应急响应也会为无人机市场的近期效益。有专家认为：使用飞机和直升机灭火非常危险，而且成本高昂。前视红外（FLIR）相机等救援设备也非常稀少和昂贵，而且闲置时间很短。如果能够在不需要训练有素的飞行员的情况下，自主执行救灾功能，将是公共安全的一大福音。

　　十年星空体育智能科技前，各大公司纷纷押注自动驾驶技术，并承诺该技术指日可待。但随着时间的推移，自动驾驶显然比许多支持者想象的更难解决。

　　IEEE高级会员Eleanor Watson说：“许多城市已经开始推出自动驾驶汽车。需要注意的是，在一个地区行之有效的方法，在另一个地区未必行之有效。在新加坡市区行之有效的东西，在扎伊尔农村可能就行不通。”

　　例如，Robotaxis可以在许多城市地区工作，但它们通常都在规定的地理范围内工作，以限制汽车在遇到未经训练的情况下出现问题的可能性。梅赛德斯奔驰公司（Mercedes Benz）已宣布面向大众消费市场推出首款三级自动驾驶汽车，这是无人驾驶汽车发展过程中的一个重要里程碑。

　　IEEE高级会员英德普里特·考尔（Inderpreet Kaur）说：“三级自动驾驶意味着眼睛可以离开系统，驾驶员可以以开会的形式利用这段时间。”

　　那么，道路上的大多数汽车还要多久才能实现这种级别的自动驾驶呢？在IEEE的调查中，近一半（49%）的受访者表示，全球销售的大部分汽车将在三到五年内实现自动驾驶，22%的受访者认为这一里程碑将更快实现。超过一半的受访者（56%）表示，他们很有可能在未来五年内驾驶自动驾驶汽车。

　　IEEE高级会员尼基尔·古普塔（Nikhil Gupta）说：“曾几何时，每部电梯都有一名电梯操作员。汽车司机将被淘汰。路径规划和传感器将使驾驶更加高效、无事故和舒适。”

　　5G技术具有低延迟和超高速的特点，长期以来一直被誉为移动通信领域的一大飞跃。

　　但是，5G在许多地区的推广仍在进行中，并没有跟上人们的期望。2023 年，约43%的美国人是拥有5G的用户。在中国，这一数字约为59%。但消费者通常不会注意到5G和4G速度之间的差异，企业也没有像电信公司设想的情况投资5G服务。更重要的是，许多地方根本没有支持5G的光纤基础设施。5G的基础设施并没有想象中的那么全面。

　　不过，5G技术的前景也并非一片黑暗。尽管许多发展中国家因4G技术成本较低而继续投资4G技术，但2023年至少有26个新的5G网络已经启动，其中近一半在撒哈拉以南的非洲。

　　5G是一项关键的技术，它能带来自动化、物联网和关键数据交换方面的改进，通过实现更智能、更高效的流程，从根本上重塑各行各业的运营方式。换句线G的威力可能不在于你的智能手机，而在于机器对机器通信等方面。

　　传感器无处不在。在道路空旷时关闭高速路灯，监测桥梁的健康状况，监控电信网络。这些传感器的每一次闪烁都是一个字节的数据，都被精心记录和存储。随着过去十年数据存储成本的急剧下降，以数字方式存储的数据正在急剧增长。

　　这些数据中的许多一直处于黑暗中，未被分析和查看。这就是专家们所说的黑暗数据。而现在，随着人工智能进入基础设施领域，这些沉睡的数据即将成为焦点。

　　IEEE终身会员劳尔·科尔切（Raul Colcher）说：“事实上，在基础设施运营方面收集的数据量非常大，这些数据可以更好地用于提高基础设施的效率。”

　　人工智能的发展离不开数据，甚至是越多越好。而在训练复杂的人工智能模型时，这些多年来从无数传感器和系统中收集的暗数据可能极具价值。

　　首先，它将改变基础设施运营的游戏规则。随着人工智能算法对大量以前未使用过的数据进行处理，人们可以期待效率的飞跃以及设计和使用基础设施的新方法，以适应数据移动比人移动更频繁的未来。

　　其次，按字节构建更好的数据。很多时候，暗数据之所以没有被使用，是因为它们没有被正确标记，因此难以分析。一些研究表明，使用暗数据可以大大改进在移动通信网络中分配资源的机器学习算法。在另一个案例中，一家石油和天然气工厂的数据科学家能够利用暗数据改进工厂的数字模型，而不会中断运营。

　　对这些数据进行分析和建模的好处是多方面的。从规划到运营、维护以及其他方面，基础设施的方方面面都会发生转变。人们将看到更准确的模型、更好的自动化以及更深入地了解系统的运行。

　　总之，暗数据虽然丰富，但并不总是干净无误的。偏见、数据来源和安全性等问题迫在眉睫。如何应对这些挑战，对于释放人工智能在基础设施中的全部潜力仍然至关重要。