2024年AI全景預測

歡迎來到 2024 年人工智能和技術的可能性之旅。在這里，每一個預測都是一個潛在的窗口，通向充滿創新、變革、更重要的是類似于 1950 年代工業革命的未來。 20 世紀 50 年代見證了數字計算的興起，重塑了行業和社會規范。如今，人工智能發揮著類似的作用，正在推動下一次工業革命。

就像戰后的技術繁榮一樣，2024 年我們將迎來行業轉型、新技能需求以及重大道德考慮的提出。這里表達的觀點都是我自己的，是基于我的個人、商業和學術經驗的結合。

1、生成式AI從炒作躍升至舞臺中央

生成式AI準備重新定義科技的生態系統，它從“即將爆炸”的炒作周期氣球轉變為核心戰略，并且更加確定，就像飛艇卷土重來一樣。

對于大型企業來說，這是他們解決問題和創新方式的范式轉變，因為他們從試驗轉向采用生成式AI。這種技術路線的修正類似于云技術的早期采用所帶來的變革浪潮，這表明對技術生態系統的影響類似，甚至更大。

97% 的企業主已經相信 ChatGPT 等生成式AI工具將對他們的業務產生積極影響（福布斯）。

因此，到 2024 年，生成式人工智能將不再只是一個流行詞，而是技術進步和業務轉型的關鍵驅動力。 AI戰略就是戰略。

2、下一代神經網絡開始出現

隨著人們對為 LLM 提供支持的 Transformer 架構的一般認知能力產生懷疑，AGI 的競賽推動了研究界尋找下一個最好的東西。我們看到了現有技術的一些最新進展和發展：

SSM例如Mamba；該模型擅長具有選擇性狀態空間的線性時間序列建模。當今運行大型語言模型的transformer架構的替代方案。它代表了人工智能處理和理解序列的飛躍，而序列是人類認知的一個基本方面。
將神經網絡的最佳學習能力與符號人工智能的精度相結合。這種混合方法有望對復雜問題有更細致和更復雜的理解，縮小類人推理和機器效率之間的差距。
最后是AI對齊與自我校正模型的結合。其目的是創建能夠在沒有持續人為干預的情況下自我調整和糾正的模型，從而更接近一種獨立且負責任的生成形式，而不會產生大規模的幻覺風險。

這些新的模型架構正在描繪一個未來，人工智能的能力可以與人類認知相媲美，并克服當今生成式人工智能的局限性。研究還處于早期階段，但預計有人會堅定信念并在這一領域取得突破。

3、每個數據平臺都推出了矢量數據解決方案

隨著生成式AI對矢量數據庫的依賴，我們將看到所有關鍵數據平臺參與者將他們的解決方案推向市場。盡管矢量數據庫不是一個新概念，但它們傳統上并不是“現代數據堆棧”的一部分，并且過去曾用于搜索引擎和其他類型的機器學習。

矢量數據庫是更復雜的生成式 AI 用例的關鍵要求，例如會話記憶、搜索文檔 (RAG)，以及索引圖像等多模式解決方案。毫不奇怪，隨著多模態AI變得更加便捷，我們在 2023 年中期看到了需求的爆炸式增長。

2023 年 3 月 OpenAI GPT-4 發布后對矢量數據庫的需求 — Google 趨勢（全球）

隨著 Databricks 最近發布其，我們預計 Snowflake 等主要現代數據平臺參與者將在 2024 年追隨這一趨勢。其他相鄰技術提供商也可能會通過提供各種功能和服務來趕上這一趨勢。到 2024 年，幾乎所有數據庫技術都將開始稱自己為“向量存儲”。

除了這種采用轉變之外，我們可能會看到對高級數據和軟件工程師的技能期望，以更好地熟悉向量索引、語義搜索解決方案、嵌入，甚至可能是 BM25 等算法的概念。

進一步來說，我們可能會看到生成式 AI 社區采用的一些最初的現代矢量搜索解決方案（例如?Chroma、Weaveate、Pinecone?和?Qdrant）的收購或進一步融資。

Github “stars” for open source vector database repositories. Growth aligns with GPT3.5 release — Source: Star-History & Github

在矢量商店的開源世界中，Milvus 目前深受大眾喜愛，并憑借其托管服務確立了自己作為企業選擇的地位，但最近 Qdrant 取得了一些非凡的進展，在 2023 年將實現近乎指數級的增長。

如果你有空閑時間，請閱讀 AI 工程師 Prashanth Rao 的矢量數據庫細分?系列文章，以深入了解矢量數據庫解決方案的功能和各個提供商。

4、把控硬件和平臺供應鏈

隨著人工智能的主導地位，更好地端到端控制供應鏈以掌握創新的關鍵變得越來越重要。

例如，芯片制造領域的領導者英偉達 (NVIDIA) 在人工智能競賽中是明顯的贏家。大家都關心的問題是，NVIDIA 是否會將視野擴展到云計算領域，利用其硬件專業知識提供集成的 AI 云服務。 NVIDIA 已經推出了名為 Geforce Now 的云流媒體服務，可按需提供高端圖形處理。此舉可能會重新定義競爭格局，讓 NVIDIA 對人工智能的發展軌跡產生更直接的影響。

過去 5 年 Nvidia 股價（NASD：NVDA） — 來源：Nvidia 投資者關系

另一方面是亞馬遜等云AI提供商以及 Anthropic 和 Mistral 等新興AI參與者。他們目前對 AI 操作的外部硬件資源的依賴提出了一個關鍵問題：他們會追隨 OpenAI 的腳步嗎？ OpenAI已經開始采購自己的芯片，而谷歌則使用?TPU?和?Coral AI？這一戰略可能意味著AI硬件向自力更生和定制化的轉變，有可能為頂級AI提供商提供更定制、更高效的人工智能解決方案。

Google Coral — 本地AI開發板和硬件 — 圖片來源：Coral AI

由于AI底層硬件層的每個人都將爭先恐后地進一步控制他們的供應鏈。芯片制造商 NVIDIA 會轉向云端嗎？亞馬遜或 Antropicic 等云人工智能提供商是否會效仿 OpenAI 采購自己的芯片？像高通這樣的移動芯片制造商會成為新的人工智能移動設備和可穿戴設備的贏家嗎？

人工智能垂直整合的趨勢強調了一個更大的敘述：對人工智能硬件的控制正在成為對科技未來的控制的代名詞。我們預計將看到新的參與者進入專門構建的 AI 芯片來為云玩家提供服務，各國將爭先恐后地推動微處理器的開發，并最終 OpenAI 在 2024 年初進入芯片游戲。

5、AI可穿戴設備和XR元年

今年，我們正在見證我們與技術交互方式的一場親密革命，人工智能和可穿戴設備與擴展現實 (XR) 設備的融合。這些設備不僅僅是小玩意，而且是電子產品。它們是我們數字自我的延伸，無縫融入我們的日常生活。

Humane AI Pin — 來源：Humane

Humane的?AI Pin（由 Qualcomm Snapdragon 處理器提供支持）和?Tab?正在重新定義可穿戴設備的格局。這些設備讓我們得以一睹未來可穿戴設備不再僅僅用于跟蹤健康指標或接收通知。它們旨在增強人類互動，提供實時人工智能幫助，并提供我們周圍世界的增強體驗。

Rewind AI 吊墜 — 來源：Rewind

Rewind 是另一項突破性產品，它正在徹底改變我們捕捉和重溫記憶的方式。想象一下，有一個設備不僅可以記錄我們經歷的時刻，還可以讓我們重新審視、理解、反思我們的記憶。

但掀起波瀾的不僅僅是新玩家。蘋果和 OpenAI 等科技巨頭正在進軍可穿戴領域，承諾將帶來強大的創新能力。蘋果公司在創造引領潮流的設備方面擁有良好的記錄，因此很有可能推出與其生態系統無縫集成的可穿戴設備，這些設備可在 XR?Apple Vision Pro?內或與其一起使用，從而提供無與倫比的用戶體驗。

另一方面，OpenAI 可以利用其在人工智能方面的專業知識來推出可穿戴設備，將先進的人工智能功能帶到我們的指尖（或手腕）。與 ChatGPT 等生成式人工智能模型交互的人工智能可穿戴設備的潛力尤其令人興奮，它提供了我們以前見過的便利性和智能性的結合。

Meta 是另一個值得關注的關鍵人物。他們進軍 VR 可穿戴設備已經向我們展示了沉浸式數字體驗的潛力。隨著他們在這個領域的不斷創新，我們可以期待可穿戴設備不僅增強現實，而且為我們探索和互動創造全新的領域。

到 2024 年，人工智能可穿戴設備將超越單純的技術。它們正在成為個人伴侶、數字助理和通往新現實的門戶。它們代表了一種與技術更加親密和互動的關系的轉變，我們的數字世界和物理世界無縫地交織在一起。今年，我們不僅穿著科技產品，還穿著科技產品。我們正在生活。

6、AI 代理將開始與其他 AI 代理進行通信

設想一個生態系統，其中每個專業代理都有其獨特的專業知識和知識庫，可以進行交互和協作。隨著人工智能“代理”的發展，我們將在 2024 年繼續看到這一領域的增長。

AI Agent市場全景 — 圖片來源：Olivia Moore

我們將看到代理的出現不僅僅滿足個人需求，例如寫電子郵件、解決客戶支持問題或向生態系統訂購雜貨，在該生態系統中，代理將開始與其他代理進行交互。這種范式轉變與數據產品的概念密切相關，企業將有機會以與模型和數據集相同的方式將其代理貨幣化。這將培育一個由互聯的智能代理組成的新生態系統。

Tesla Optimus Gen 2 人形機器人 — 2023 年 12 月

我們看到波士頓動力和特斯拉等公司的機器人和類人機器人必須考慮解決這個問題，因為各種機器人需要共存并在本地進行溝通，以決定如何執行任務。

彭博社（金融）和 LexisNexis（法律）等特定垂直領域內擁有數據據點的公司有望成為該領域的潛在領跑者。彭博社憑借其在金融數據方面的優勢，可以引進成熟的金融代理人，并已經開始啟動自己的LLM，而LexisNexis則可以利用其龐大的法律信息庫來培養法律代理人。這些代理由各自深厚的數據支持，不僅可以為其直接用戶提供服務，還可以作為其他企業和系統的寶貴資源，為新的數字勞動力提供動力。

預計將開始看到新的代理解決方案，超越數字勞動力，到代理編排、管理、監控以及數字機器人流程自動化領域的參與者，如?UiPath?以及制造和工廠工作的人形機器人進步，開始利用現有技術進入這一領域。大規模自動化和機器人系統的經驗。

7、生成式AI的模態繼續擴展

超越文本、代碼、圖像、視頻和音頻，轉向更身臨其境的新模式和感官，如 3D、基因組學、嗅覺、味覺，并將開始以早期形式進入市場。

生成式空間AI生成新的城鎮布局 — https://www.generativespatialai.com/

生成式AI將超越當前文本、代碼、圖像、視頻和音頻的界限。我們將采用更身臨其境的方式，幫助科學研究蛋白質結構和材料，或引入 3D、嗅覺和味覺等額外感官。這些新穎的模式預計將以早期形式出現，標志著下一波生成式人工智能用例。

高斯潑濺演示——將視頻變成3D虛擬現實

自主人工智能代理和多模態模型的興起，加上可穿戴設備和擴展現實 (XR) 的進步，正在為消費者提供更加身臨其境的互動體驗鋪平道路。

想象一下你的夢想變成了 VR 世界，每款游戲都有一個根據你的視角量身定制的獨特世界？

借助最近的?3D 建模技術（高斯潑濺），視頻可以轉換為 3D 虛擬現實，我們將看到這種技術通過生成技術發展到新的高度。

伯克利 A-Lab 實驗室，機器人測試新材料 — 圖片來源：Marilyn Sargent/伯克利實驗室

最大的影響將來自材料科學和基因組學。谷歌 Deepmind 開發的?GNoME?模型已經被用來在材料科學領域取得突破，發現新的晶體結構，驅動更好的電池和更高效的計算機。

科學等這些領域可能會出現最深刻的研究進展。

8、消費者和監管機構推動AI更加民主化

這將繼續推動人工智能的可及性和包容性，但由于開發基礎人工智能模型的復雜性和成本，挑戰仍然存在。這種二分法為公眾對人工智能透明度和道德監督的要求不斷提高奠定了基礎。

歐盟人工智能法案—建議的風險水平—來源：安永

對隱私和AI社會影響的擔憂正在推動消費者和監管機構（尤其是在歐盟等地區，GDPR 是現代數據隱私法的催化劑）提倡對人工智能進行更嚴格的治理。今年，我們預計在建立人工智能模型審計框架、標準化準確性以及引入人工智能系統“成績單”方面取得進展，但仍有很長的路要走。

基金會模型提供商是否遵守歐盟人工智能法案草案？ — 資料來源：斯坦福大學 CRFN

人工智能對風險管理的關注將變得更加明顯。企業將面臨這樣一個局面：人工智能不僅是創新工具，而且還受到嚴格的監管審查。統一的框架和標準將會出現，指導企業負責任地采用人工智能，并確保人工智能安全地融入主流社會并符合公共福利。

9、人工智能營銷策略的新時代

傳統上占據企業預算大部分的營銷領域，現在正在經歷一場變革。催化劑？ ChatGPT 等基于聊天的工具的興起。這些創新可能會導致傳統搜索量顯著下降，從根本上改變消費者處理信息的方式。

關于搜索引擎與聊天 GPT 的爭論和統計 — 來源：Twitter Greg Sterling

在這種不斷變化的情況下，營銷人員發現自己處于十字路口。在這些AI驅動的對話中影響或監控品牌提及的能力仍處于初級階段。因此，針對生成式AI世界調整營銷策略的趨勢日益明顯。這種適應涉及在短期內對傳統媒體的戰略依賴，利用其影響力來建立和維持品牌影響力。

與此同時，我們正在目睹技術格局的重大轉變。從基于瀏覽器的工具到設備上的應用程序的轉變正在加速。引領這一潮流的是 Microsoft Co-Pilot、Android 等設備上的 Google Bard 等創新，以及預計在 2024 年某個時候推出的 Apple 自己的大型語言模型 (LLM)。這種轉變表明從以網絡為中心的交互到更多的交互的范式轉變。集成的、基于設備的人工智能體驗。

新款 Microsoft Surface X 預計將于 2024 年底推出 — 來源：Microsoft

這種轉變不僅僅只是為了方便。它代表了用戶交互范式的根本性變化。隨著人工智能更加無縫地集成到設備中，線上和線下交互之間的區別變得越來越模糊。用戶可能會在更加個性化、情境感知的環境中與人工智能進行交互，從而帶來更加有機和引人入勝的用戶體驗。對于谷歌、微軟和蘋果等已經在營銷服務領域根深蒂固的科技巨頭來說，這代表著一個重新定義其產品的機會。

我們可以預見營銷中新的“答案分析”平臺和運營模式的出現，以支持答案引擎優化。這些工具可能會專注于理解和利用人工智能驅動的交互的細微差別，但可能會更好地利用培訓數據來了解如何為給定品牌或產品描繪結果。

數字營銷人員將開始更深入地思考如何在這些訓練數據集中對他們進行索引，就像他們曾經對搜索引擎所做的那樣。

Commoncrawl 抓取的熱門域名的屏幕截圖，用于訓練大多數大型語言模型的數據集 — https://commoncrawl.github.io/cc-crawl-statistics/plots/domains.html

此外，OpenAI 等平臺可能推出的廣告贊助結果或媒體測量工具可能會為數字廣告帶來新的維度。這一發展不僅為品牌推廣提供了新的途徑，而且挑戰了現有的數字營銷策略，促使人們重新評估指標和投資回報率評估方法。

隨著LLM遷移到設備，遠離傳統的網絡界面，營銷格局即將發生重大變化。營銷人員必須適應這些轉變，利用傳統媒體和新興人工智能技術，在這個新的數字時代有效地與受眾互動。這種雙重方法將傳統媒體的影響力與人工智能驅動分析的精確性相結合，很可能成為 2024 年快速發展的營銷環境中取得成功的關鍵。

10、“垃圾進，垃圾出”的困境加劇

隨著組織越來越多地轉向利用生成式AI模型并開發自己的微調解決方案，人們的注意力急劇集中在輸入數據的質量上。隨著數據質量現在重新回到桌面上，數據管理界的經典說法“垃圾輸入，垃圾輸出”再次流行起來。

趨勢：數據質量主題 — 來源：Google 全球趨勢

組織和領導者面臨著殘酷的現實，即高質量、準確標記的數據是有效人工智能部署的基石。這個問題超出了數據的明顯可用性；這是關于它的相關性、準確性和它提供的背景。偏差和誤導的訓練數據問題可能會給模型的輸出帶來災難。

在大型語言模型使用的一系列訓練數據中發現了一系列偏差。來源：大型語言模型中的偏見和公平性：一項調查 - arxiv

然而，挑戰還不止于此。現有的數據和人工智能管道技術曾經看似足夠，但現在正被推向極限。面對先進人工智能模型的微妙需求，它們經常被發現存在不足。能力和需求之間的差距需要數據處理工具和方法的發展。

《2023 年數據完整性趨勢和見解報告》發現，數據質量差是整個行業組織的一個普遍主題，其中 70% 對數據信任度較低的組織指出，數據質量是做出自信決策的最大挑戰。

此外，追求人工智能卓越也面臨著一系列后勤障礙。這些復雜的人工智能模型所需的密集計算能力轉化為對 GPU 的巨大需求。

描繪“GPU 短缺”的表情包

但這不僅僅是擁有投資硬件的財力；還在于擁有足夠的資金來投資硬件。這與市場上這些資源的可用性有關。隨著越來越多的參與者進入人工智能領域，對 GPU 的爭奪加劇，導致人工智能開發和部署的潛在瓶頸，這進一步增加了組織適應人工智能常態的能力的復雜性。

隨著 2024 年的到來，我們見證了人們對數據質量和基礎設施增強的重新關注，從而塑造了人工智能的發展軌跡。

11、專門構建的較小的基礎模型很常見

2024 年很可能是小型基礎模型的一年。這些專門的、專門構建的人工智能模型將占據中心舞臺，在效率和精度方面超越通用模型。

組織現在有多種選擇使用易于訓練的通用大型語言模型，例如 OpenAI GPT、Google Bard、Anthropic Claude [下圖中的 RL 模型]，或者冒險構建自己的模型。

LLM 發展階段，由 InstructGPT 論文開創，導致 ChatGPT。該圖改編自 Chip Huyen 的文章“RLHF：來自人類反饋的強化學習”——來源：Argilla

可以選擇微調哪些是采用基礎/基礎語言模型，但教它新的東西（就像你想象的微調汽車跑得更快一樣），或者深入創建你自己的基礎（基礎）模型。

面向企業的開放 AI GPT 自定義模型 — 來源：OpenAI

對于通用模型，例如具有 1000 億個參數（或模型編程中的“開關”）的 GPT 模型，重建成本約為 400 萬美元以上。 OpenAI 最近還開始為企業提供“構建自己的 GPT”服務，定價從 2-300 萬美元起。

開發了自己的基礎模型或根據特定用例對現有模型進行微調的組織已經做好了成功的準備。這種方法符合 80:20 規則，重點是滿足特定需求的小型定制模型，而不是試圖通過通用解決方案來吸引大眾。

對于組織來說，真正的價值在于能夠為離散任務開發這些專門構建的模型。這些模型不僅提供了更高的準確性和相關性，而且還提供了新的貨幣化機會。在一個日益受到專業需求驅動的世界中，這些模型成為無價的資產，提供既有效又經濟可行的解決方案。

此外，這種趨勢正在從僅僅依賴大型通用模型轉變，因為它們并不能完美滿足所有需求。許多組織在這些廣泛的模型之上構建了解決方案，充當“瘦包裝器”，提供有限的定制和可擴展性范圍。雖然這些解決方案可能是一個墊腳石，但它們不太可能提供開發專有模型所能提供的長期價值。

通用模型可用性和質量預測 — 來源：紅杉資本

在這個不斷發展的領域中的贏家將是那些投資開發自己的通用模型或小型基礎模型以填補通用空間中的空白的人。該策略不僅提高了準確性和有效性，而且還降低了成本開銷。較小的模型不僅運行成本更低，而且適應速度更快且更易于管理。

這就引出了“建模總成本”的概念，其中開發和維護這些模型的好處超過了初始投資，從長遠來看提供了一種更具可持續性和成本效益的方法。

展望 2024 年，很明顯，創建和利用小型基礎模型的能力將成為競爭激烈的人工智能市場的關鍵差異化因素。這一轉變標志著朝著更加個性化、高效且經濟合理的人工智能解決方案邁出了重大一步。

12、AI Agent市場的黎明

人工智能市場正在成為適應性和響應性平臺，重塑了我們對技術交易和交互的思考方式。

OpenAI GPT 商店將于 2024 年推出 — 來源：OpenAI

OpenAI 率先推出了備受期待的“GPT 市場”，將于 2024 年初推出，在 AI 領域樹立新標桿。此舉預計將打開閘門，Meta 等其他科技巨頭也會迅速效仿。我們可以看到一系列參與者，從亞馬遜、蘋果甚至字節跳動等老牌巨頭到新興初創公司，紛紛涉足這一領域。

但這場革命的連鎖反應超出了傳統科技實體的范圍。隨著自主代理的發展和可穿戴技術的激增，Apple iPhone 和 App Store 的時刻將會再次出現。開發商將將此視為下一次淘金熱的機會。

在這個變革階段，人工智能市場現象正在從 B2B 領域擴展到 B2C 領域。我們很可能會看到各種各樣的參與者嘗試這樣做，每個人都會帶來獨特的價值主張。從以消費者為中心的人工智能應用程序到企業級解決方案，這些市場中的一系列產品將滿足廣泛的需求和愿望。

13、AI產品將超越SaaS模式

隨著人工智能市場和工具的激增，傳統的定價策略正在被重新評估，為迎合人工智能服務獨特性質的創新方法讓路。

基于使用的公司 — 來源：Open Venture Partners

我們可能會見證從傳統應用商店定價模式向更加動態、基于消費的計費系統的重大轉變。這些模型讓人想起電話線等公用事業計費，有望變得更加普遍，與租賃人工智能代理的概念相一致。在這種設置中，客戶將根據其人工智能使用的程度和性質付費，從而提供靈活且可能更公平的定價結構。

但進化并不止于此。人工智能市場和工具的日益普及也為各種定價策略和新穎的商業模式鋪平了道路。這一變化是由于需要適應廣泛的人工智能應用程序和服務，每個應用程序和服務都有自己的價值主張和使用模式。這可能會為開發者及其人工智能服務或市場代理試行收入分成（App Store）或使用費（Spotify）模式。

另一種新興模式可能是基于績效的定價，其中收費與人工智能工具提供的成果或結果保持一致。這種模型在人工智能影響可以定量衡量的領域尤其有吸引力，例如營銷分析、財務預測，甚至創意產業。

定價中的捆綁策略與非捆綁策略 — 來源：Matt Brown

此外，隨著人工智能不斷滲透到各個領域，跨行業合作可能會催生捆綁服務。這些捆綁包可以將人工智能工具與傳統軟件服務結合起來，提供一個全面的包來滿足更廣泛的業務需求。

這些新定價模型和策略的出現反映了市場正在迅速適應人工智能帶來的獨特挑戰和機遇。隨著企業和消費者越來越熟悉人工智能功能，對靈活、透明和價值一致的定價模型的需求可能會加劇。

14、BYO AI 運動推動了對安全數字身份的需求

現代和生成式人工智能工具的擴展將導致數字足跡的擴展，需要安全、便攜式的數字身份，其中的挑戰是在強大的安全性與用戶可訪問性之間取得平衡。用戶將期望獲得個性化的體驗，其中偏好、歷史記錄和上下文將成為在網絡上使用許多人工智能服務的關鍵。

銀行和電子政務平臺正在成為這些單一數字身份和個人偏好的潛在托管者。這種整合指向一種精簡、更安全的數字化存在。但這不僅僅關乎安全；還關乎安全。這是關于我們的數字自我在不同平臺上的無縫集成。

“自帶人工智能”（BYO AI）與此直接相關。想象一下，將你的數字偏好、學習方式甚至購物習慣從一種數字交互無縫地轉移到另一種數字交互中。這種便攜性不僅方便，而且方便。這是變革性的。它實現了以前無法達到的個性化水平和效率。可穿戴設備也正在成為管理我們的數字身份不可或缺的一部分。通過不斷地從我們的互動中學習，它們演變成個人數據中心，不僅了解我們的偏好，而且預測我們的需求。

將人工智能融入工作環境意味著我們的數字偏好可以自動調整辦公應用程序、通信工具甚至物理工作空間中的設置。想象一下進入一間會議室，那里的燈光、溫度甚至數字顯示器都會根據你的喜好自動定制。

然而，這種級別的個性化和數據集成引發了有關隱私和數據使用的問題。隨著這些數字身份變得更加復雜并與人工智能交織在一起，利用它們為數字體驗提供商提供超個性化廣告的潛力是巨大的。這可能會帶來上下文廣告和消費者參與的新時代，其中促銷不僅有針對性，而且深入融入我們的數字角色。

身份與人工智能的整合將重新定義我們在個人和專業領域與技術互動的方式，從而帶來更加個性化、高效和互聯的存在。當我們擁抱這個未來時，道德考慮和隱私保護的重要性變得比以往任何時候都更加重要。