2023年將成為人工智能歷史上的轉(zhuǎn)折點。語言處理模型的出現(xiàn)導致了廣泛的采用。在新年伊始，人工智能的發(fā)展勢頭并沒有放緩的跡象，反而在 2024 年呈現(xiàn)出積極的趨勢。相反，人工智能在各個領域的擴散正在徹底改變我們的技術(shù)設計、開發(fā)和部署方法。

在更加令人眼花繚亂的進步的推動下，人工智能不再滿足于自動化任務。它是創(chuàng)新和進步的核心，是效率的重要驅(qū)動力。意識到這場哥白尼革命，法國ByteSnap 研發(fā)團隊開始研究人工智能應用于新興技術(shù)的命運。未來幾年將會出現(xiàn)哪些趨勢？產(chǎn)品和服務設計師將獲得哪些未開發(fā)的機會？

智能助理和機器人出租車

2024 年不容忽視的首要人工智能趨勢：機器人出租車和智能助手。人工智能助手與現(xiàn)有工具的日益集成預計將在 2024 年繼續(xù)下去。Zoom 的人工智能助手就是這種演變的具體例子。

ByteSnap 還預計公司將嘗試通過進一步將智能助手貨幣化（以 Alexa 為例）來增加收入。這可能會導致工程師探索其他開源選項。

在智能交通方面，機器人出租車的出現(xiàn)迫在眉睫，第一批無地理圍欄的機器人出租車將在未來幾個月投入運營。如果能夠克服法律挑戰(zhàn)，這項創(chuàng)新可能會取代優(yōu)步成為首選交通方式。

誰將領導生成式人工智能？

蘋果預計將在 2024 年底之前推出一款基于其影響深遠的語言模型的產(chǎn)品，從而進軍生成式人工智能領域。盡管其他公司已經(jīng)集成了人工智能，但蘋果憑借其內(nèi)部開發(fā)的強烈導向，可以在本次比賽中發(fā)揮關鍵作用。

人工智能預計還將在集成電路中發(fā)揮越來越大的作用，Altered Carbon 等公司為這一出現(xiàn)做出了貢獻。包括英特爾在內(nèi)的計算機芯片制造商已經(jīng)將人工智能核心集成到他們的處理器中。這使得從圖像檢測到能耗管理等各種應用的開發(fā)成為可能。

人工智能驅(qū)動的預測為企業(yè)提供了重要的見解，以避免未來發(fā)生事件、優(yōu)化供需并改善供應鏈管理中的客戶體驗?；谌斯ぶ悄艿乃惴ㄟ€可以自動從倉庫檢索貨物，而人工智能驅(qū)動的自動駕駛汽車則可以降低運輸成本。

人工智能還有望影響軟件和電子產(chǎn)品的設計，優(yōu)化硬件配置并將通用功能寫入軟件。然而，由于缺乏可用的模型和電子工程的基本人性化方面，將抽象需求轉(zhuǎn)化為實際電子產(chǎn)品的過渡仍然是一個挑戰(zhàn)。因此，在工程工作面臨風險之前，人工智能的進一步發(fā)展是必要的。

人工智能、聯(lián)網(wǎng)家庭和物聯(lián)網(wǎng)傳感器：2024 年的趨勢

隨著客戶尋求最大限度減少能源費用的解決方案，互聯(lián)家庭市場的創(chuàng)新正在不斷加強。這推動了聯(lián)網(wǎng)恒溫器和恒溫閥(TRV) 的日益普及。Nest 正在探索使用人工智能來了解能源消耗行為，我們預計這一趨勢將會增長。

在電子行業(yè)方面，ByteSnap 預測人工智能與集成電路的集成將顯著增加。據(jù)她介紹，Altered Carbon 等公司將引領這一趨勢。在計算機芯片制造方面，英特爾等巨頭已經(jīng)將人工智能核心集成到他們的CPU中。

如今人工智能算法的使用重點是檢測和分類。當特斯拉用來識別交通標志或道路線時，這些算法會將這些數(shù)據(jù)轉(zhuǎn)化為制動、加速或轉(zhuǎn)彎等動作。

ByteSnap 一直致力于的一個項目涉及將加速度計數(shù)據(jù)發(fā)送到云端以檢測跌倒情況。該公司還在考慮一種方案，將檢測人工智能產(chǎn)生的跌倒的算法集成到傳感器中。這可以減少發(fā)送大量數(shù)據(jù)的需要。而且還可以降低產(chǎn)品的能源密集度。

供應鏈管理中更高效的人工智能

ByteSnap 提供的預測使企業(yè)能夠獲得關鍵信息，以避免未來發(fā)生事件。還要克服供需不平衡的問題。因此，這種方法旨在降低成本并改善客戶體驗。

人工智能驅(qū)動的系統(tǒng)還有助于自動化倉庫中的貨物存儲。因此，他們確保訂單的順利執(zhí)行。至于自動駕駛汽車，它們還有助于降低司機的送貨價格。

硬件優(yōu)化和軟件通用功能集成

如今的人工智能供應商瞄準了軟件開發(fā)和電子設計行業(yè)。然而，他們的目標是尋求優(yōu)化硬件參數(shù)并在軟件中編寫通用函數(shù)。然而，出現(xiàn)了侵犯版權(quán)的問題。

然而，將高度概念化的要求轉(zhuǎn)化為電子產(chǎn)品仍然是一個挑戰(zhàn)。這通常是由于該領域缺乏可用于培訓的模型。但也受到評估可用電路的難度的影響。

電子工程是一個非常關注人際關系的領域。它涉及與供應商、客戶和同事的互動。盡管人工智能培訓師已經(jīng)探索了 Github 等來源，并且 ChatGPT 已經(jīng)接受了萬維網(wǎng)海量內(nèi)容的培訓，但用電子領域的人工智能取代工程工作可能需要新一代的開發(fā)。