2023年数据与人工智能趋势摘要

随着2023年的结束，ChatGPT的引入标志着人工智能主流化的不可逆转的变化。明年的趋势预计将聚焦在智能数据平台、人工智能代理、个性化人工智能堆栈、以及人工智能治理四个主要方面。

一、智能数据平台

智能数据平台将作为核心数据平台的一部分，利用大语言模型（LLM）基础设施来注入智能。这涉及核心数据应用程序的自动化，如数据操作与分析、以及智能应用程序的发展。企业需要审视当前数据平台架构，解决数据孤岛和质量问题，为人工智能用例提供基础数据和建模基础设施。

二、人工智能代理

人工智能代理可执行任务的自动化，例如数据分析和客户支持。它们通过自然语言界面与人类交互，并可能扩展到更高层次的认知任务。代理基础设施/工具的进步预计将在2024年取得显著进展，虽然仍存在许多挑战。

三、个性化人工智能堆栈

通过使用上下文数据、改进训练数据集（包括合成数据）和矢量搜索，个性化人工智能堆栈将定制模型响应。特定任务的小语言模型（SLM）的兴起预计将解决性能与成本的问题，尽管仍处于实验阶段。

A. 微调模型

微调模型需求将推动定制化发展，尽管存在基础LLM选择、数据集可用性、模型测试和评估等挑战。

B. 高质量数据生态系统

高质量数据集的缺乏是一个问题，合成数据可能提供解决方案。合成数据生态系统可能在2024年取得显著进展。

C. 集成向量数据库

集成矢量数据库将适合需要查询功能和语义搜索的应用程序，随着LLM用例的部署，其重要性将增加。

四、人工智能治理

人工智能治理将确保数据质量、安全性、隐私和符合性。它包括模型发现、模型消费、持续监控和风险管理四个构建模块。人工智能治理计划的成功对于任何人工智能项目都是至关重要的。