“它們都充滿了無限可能和潛力，不僅將帶來更加便捷、高效的生活方式，還將推動各行各業的創新和發展。”喬紅說，希望此次發布能引導大家共同思考“如何把握人工智能的發展方向，如何推動技術創新與產業升級，如何確保人工智能技術可持續發展”。
這十大前沿技術趨勢分別為：
AI共性技術
1.小數據和優質數據
大量的無效數據不僅消耗了計算資源，也給模型可靠訓練帶來挑戰。在此背景下，小數據和優質數據的價值越來越重要。小數據更注重數據的精度和相關性，從本質上減少人工智能算法對數據的依賴和不確定性，增強網絡可靠性。建設多樣性的數據集不僅能夠從理論基礎上支撐不同技術路線的AI發展，還為解決通用人工智能的瓶頸問題提供新的可能。
2.人機對齊
只有AI的輸出結果與人類價值觀相符，才能確保AI模型的能力和行為與人類意圖保持一致。僅依靠數據和算法并不足以實現人機對齊，這意味著在設計獎勵機制時，不僅要考慮任務的效率、效益和效果，還需要考慮行為是否符合人類的倫理標準。
3.AI使用邊界和倫理監督模型
當前AI系統的合規性、安全性和倫理問題越發突出，建立一個AI監督模型框架尤為必要。其主要目的是通過制定明確的標準和規范，確保所有AI系統在開發和使用過程中遵循既定的原則，從而減少AI在制度沒有確定的情況下被過度使用所帶來的風險。
4.可解釋性模型
在保障有效性的前提下，提高可解釋性，有助于減少對公共資源的消耗，增強用戶對AI系統的信任度，并促進其在關鍵領域的應用。例如在醫療健康領域，一個具有高可解釋性的AI診斷系統能夠讓醫生更容易理解其判斷依據，減少不必要的檢查和治療程序。
大規模預訓練模型
5.規模定律
基于海量參數和訓練數據的大規模預訓練模型能夠有效提高人機交互和推理能力，增強可完成任務的多樣性和豐富性。目前規模定律依然有效，不僅體現在語言模型上，也在圖像處理、語音識別等多個領域中得到了驗證。
6.全模態大模型
全模態大模型可處理和理解文本、圖片、音頻、數據表格等多種類型的數據輸入，并根據任務需求生成多種類型的輸出。例如引入通常用于捕捉三維空間信息的3D點云數據模態，對于機器人的導航和避障尤其重要。
7.人工智能驅動的科學研究
使用大模型、生成式技術等來提高科學研究中提出假說、試驗設計、數據分析等階段的效率和準確性。科學家們可以利用AI技術進行實時的試驗監測和調整，快速反饋試驗結果，動態優化試驗設計和假設。
具身智能
8.具身小腦模型
傳統大模型可以協助機器人處理決策、任務拆解和常識理解等慢通道反應任務，但不適合做強實時性和高穩定性的機器人規劃與控制快通道反應任務。具身智能（人工智能在物理世界的進一步延伸，一般是指可以感知、理解物理世界并與其形成互動的智能系統）小腦模型可以通過多模型投票等集成學習方法，結合機器人本體結構與環境特性選擇合理的模型控制算法，確保機器人在理解自身本體約束的前提下，完成高動態、高頻、魯棒的規劃控制動作，使智能機器人更加滿足現實世界的精細操作與實時控制需求。
9.實體人工智能系統
實體人工智能系統是將具身智能賦能于物理世界中的實體對象，使傳統設備能夠突破其原有的功能限制，實現更高水平的智能化操作。人形機器人是實體人工智能系統的終極表現形態，它不僅具備多模態感知和理解能力，能夠與人類自然互動，還可以在復雜環境中自主決策和行動，并有望在未來應用到更多復雜的工作場景中。
生成式人工智能
10.世界模擬器
世界模擬器能提供沉浸式的高仿真體驗，為使用者帶來更加豐富和多樣化的游戲世界，可應用于教育、娛樂等領域，還可以創造更多超級數字場景。在機器人領域，這種技術還可用于構建大規模、標準化的多模態機器人行為數據集，提高機器人本體設計、仿真訓練和算法遷移的能力。
關鍵詞：
營業執照公示信息