1. دیپ‌فیک‌های سیاسی در جهان رواج پیدا می‌کند که به سردرگمی و شایعات دامن می‌زند
فناوری دیپ‌فیک با سرعت زیادی در حال بهبود و توسعه است. اتفاقات اخیر در هند و گابن قدرت مخرب این فناوری در حوزه سیاست را نشان داده است. 2021 سالی است که در آن محتوای دیپ‌فیک در سراسر جهان رواج پیدا می‌کند و تعداد قابل‌توجهی از جمعیت جهان واقعی بودن آن‌ها را باور می‌کنند. احتمالاً این ویدیوها چهره‌های سرشناسی را نشان می‌دهند که نظرات بحث‌برانگیزی ارائه می‌کنند.
بعضی سیاست‌گذاران برای لغو کردن ماده ۲۳۰ قانون شایستگی در ارتباطات مصوب سال ۱۹۹۶ تلاش کرده و استدلال می‌کنند که شرکت‌های فناوری بزرگ باید مسئولیت نظارت بر دیپ‌فیک در پلتفرم خود را به عهده بگیرند.
2. تعداد کل پژوهش‌هایی که در زمینه یادگیری مشارکتی منتشر می‌شود، افزایش می‌یابد
محرمانگی داده برای مصرف‌کنندگان و قانون‌گذاران به مسأله مهمی تبدیل شده است. با توجه به این موضوع، استفاده از هوش مصنوعی برای حفظ حریم خصوصی و به عنوان بهترین روش مدل‌سازی برای یادگیری ماشین، رواج پیدا می‌کند. برجسته‌ترینِ این روش‌ها، یادگیری مشارکتی است.
بر اساس پایگاه «Google Scholar» تعداد کل مقالاتی که در زمینه یادگیری مشارکتی منتشر شده در سال 2018 برابر با 254 مورد، در سال 2019 برابر با 1340 مورد و در سال 2020 برابر با 3940 مورد بوده است. این رشد تصاعدی همچنان ادامه پیدا می‌کند و در سال 2021 بیش از 10 هزار مقاله پژوهشی در زمینه یادگیری مشارکتی منتشر می‌شود.
3. یکی از شرکت‌های بزرگ تولید نیمه‌هادی‌ها، استارتاپی را که در زمینه چیپ‌های هوش مصنوعی فعالیت دارد به قیمت بالای 2 میلیارد دلار خریداری می‌کند
چیپ‌های سیلیکونی که به طور خاص برای عملکرد هوش مصنوعی ساخته شده‌اند، آینده صنعت نیمه‌هادی‌ها را رقم می‌زنند. خرید «Habana Labs» توسط اینتل به قیمت 2 میلیارد دلار، این واقعیت را نشان می‌دهد. در سال 2021، احتمالا یکی از استارتاپ‌هایی که در زمینه چیپ‌های هوش مصنوعی فعالیت دارد به قیمت بالایی توسط شرکت چیپ‌سازی دیگری خریداری خواهد شد.
اهداف احتمالی برای خریده شدن: «Graphcore»، «Cerebras»، «SambaNova»
خریداران احتمالی: «NVIDIA»، «AMD»، «Qualcomm»، «Intel»
4. یکی از شرکت‌های دارویی بزرگ، استارتاپی را که در حوزه کشف دارو با استفاده از هوش مصنوعی فعالیت دارد، به قیمت بالای 2 میلیارد دلار خریداری می‌کند
10 شرکت برتر حوزه دارویی متوجه این حقیقت شده‌اند که یادگیری ماشین پتانسیل ایجاد انقلاب در کشف و توسعه دارو را دارد. در سال 2021 یکی از شرکت‌های دارویی بزرگ، استارتاپی را که در حوزه کشف دارو با استفاده از هوش مصنوعی فعالیت دارد خریداری کرده و فناوری و استعدادهای آن را وارد شرکت خودش می‌کند.
اهداف احتمالی برای خریده شدن: «Recursion»، «Exscientia»، «Insitro»، «Atomwise»
خریداران احتمالی: «Bayer»، «GlaxoSmithKline»، «Novartis»، «Bristol Myers Squibb»، «Eli Lilly»، «Gilead»
5. دولت فدرال ایالات متحده برای اولین بار هوش مصنوعی را در اولویت سیاست‌گذاری‌های خود قرار می‌دهد
ایالات متحده به شکل قابل‌توجهی در زمینه سیاست‌گذاری عمومی در حوزه هوش مصنوعی از کشورهای دیگر، به ویژه چین، عقب مانده است. احتمالا در سال 2021 تغییرات ایجاد شده در کابینه دولت این موضوع را تغییر می‌دهد.
دولت بایدن طرح را ارائه کرده و مجلس آن را تصویب می‌کند و بودجه‌ای دولتی برای هوش مصنوعی در نظر گرفته می‌شود. علاوه بر این، مجلس یک استراتژی ملی را نیز تصویب می‌کند که به موضوعاتی مثل اخلاق در هوش مصنوعی، اولویت‌های پژوهشی، اقدامات امنیت ملی و اتوماسیون کاری می‌پردازد.
6. مدل پردازش زبان طبیعی با بیش از یک تریلیون پارامتر ساخته می‌شود
«OpenAI» در سال 2019 اولین مدل پردازش زبان طبیعی (GPT-2) را با یک و نیم میلیارد پارامتر عرضه کرد. این حجم در آن زمان خیلی زیاد به نظر می‌رسید. «OpenAI» در سال 2020، «GPT-3» را به جهانیان عرضه کرد که دارای 175 میلیارد پارامتر بود.
این مسابقه در سال 2021 هم ادامه پیدا می‌کند و برای اولین بار مدلی با بیش از یک تریلیون پارامتر ساخته می‌شود. به احتمال زیاد این مدل توسط «OpenAI» عرضه می‌شود و نام آن «GPT-4» خواهد بود. سازمان‌های دیگری که ممکن است یک تریلیون پارامتری را بشکنند عبارتند از مایکروسافت، فیس‌بوک، گوگل و «NVIDIA».
7. «[۱]MLOps» شروع به تحکیم بازار می کند
استارتاپ‌های زیادی در سال‌های اخیر پدیدار شده‌اند که در زمینه ابزارها و زیرساخت‌های لازم برای یادگیری ماشین فعالیت دارند. تعداد نسبتاً کمی از این استارتاپ‌های ابزاری پابرجا می‌مانند و به شرکت‌های مستقل تبدیل می‌شوند. در سال 2021 ادغام قابل‌توجهی در این حوزه اتفاق می‌افتد.
شرکت‌های بزرگ که به دنبال ایجاد پلتفرم‌های جامع و بدون واسطه هستند، استارتاپ‌هایی را که راهکارهای موردی ارائه می‌دهند، خریداری می‌کنند. خرید «SigOpt» و «Cnvrg.io» توسط اینتل در سال 2020 نمونه‌ای از این موضوع است.
اهداف احتمالی برای خریده شدن: «Alectio»، «Algorithmia»، «Arize AI»، «Arthur AI»، «Comet»، «DarwinAI»، «Fiddler Labs»، «Gradio»، «OctoML»، «Paperspace»، «Snorkel AI»، «Truera»، «Verta»، «Weights & Biases» و غیره.
خریداران احتمالی: «IBM»، مایکروسافت، آمازون، «Databricks»، «DataRobot»، «Oracle»
8. هوش مصنوعی به قسمت مهمی از داستان بی‌اعتمادی رگولاتور‌ها نسبت به شرکت‌های فناوری بزرگ تبدیل می‌شود
مقامات رگولاتوری ایالات متحده و اروپا، در سال 2020 اقداماتی را علیه آمازون، اپل، فیس‌بوک و گوگل انجام دادند. تا اینجای کار، رگولاتوری در پرونده‌هایی که علیه غول‌های فناوری ایجاد کرده تمرکز خاصی روی هوش مصنوعی نداشته است.
در سال جدید، در عین حال که رگولاتوری‌ها تلاش می‌کنند به دلیل دشواری رقابت با این شرکت‌ها با آن‌ها مقابله کنند، انتظار این را داشته باشید که از هوش مصنوعی نیز به عنوان بهانه جدیدی استفاده کنند. استدلال اصلی آن‌ها این خواهد بود که انحصار داده‌ها در این شرکت‌ها باعث برتری آن‌ها در ایجاد الگوریتم‌های یادگیری ماشین می‌شود.
9. بیولوژی برجسته‌ترین حوزه‌ای خواهد بود که از یادگیری ماشین در آن استفاده می‌شود
از نظر تحقیقات آکادمیک، بودجه استارتاپی و میزان توجه رسانه‌ها می‌توان گفت بیولوژی تاثیرگذارترین و پربازده‌ترین حوزه‌ای است که می‌توان از هوش مصنوعی در آن استفاده کرد. دستاورد «AlphaFold» از شرکت «DeepMind» (که بهره‌برداری از آن سال‌ها طول می‌کشد) نمونه‌ای کوچک از دستاوردهایی است که انسان می‌تواند با استفاده از روش‌های محاسباتی و یادگیری ماشین در حوزه بیولوژی به آن دست پیدا کند.
