人工智能的语言模型是基于自然语言处理技术和算法创建的。比如在某一句话说一半的时候，这个模型会根据以往记录的实例，来推断出这句话后面的几个字。总的来说就是总结文本信息，甚至从纯文本中创建视觉图表。

" 模态 "（Modality）是德国理学家赫尔姆霍茨提出的一种生物学概念，即生物凭借感知器官与经验来接收信息的通道，如人类有视觉、听觉、触觉、味觉和嗅觉模态。多模态是指将多种感官进行融合，而多模态交互是指人通过声音、肢体语言、信息载体（文字、图片、音频、视频）、环境等多个通道与计算机进行交流，充分模拟人与人之间的交互方式。

传统的深度学习算法专注于从一个单一的数据源训练其模型。例如，计算机视觉模型是在一组图像上训练的，NLP 模型是在文本内容上训练的，语音处理则涉及声学模型的创建、唤醒词检测和噪音消除。这种类型的机器学习与单模态人工智能有关，其结果都被映射到一个单一的数据类型来源。而多模态人工智能是计算机视觉和交互式人工智能智能模型的最终融合，为计算器提供更接近于人类感知的场景。

机器学习操作（MLOps），是一个将机器学习投入到工业生产中的实践，是机器学习和 DevOPs 在软件领域交叉的产物，所以它在许多方面与 2012 年的 DevOps 相似。在 2012 年 DevOps 上线的时候，许多企业就意识到了它的价值，但是他们在实施 DevOps 的时候很困难，工具链非常复杂，生态系统也不够完善。而 MLOps 相比来说更加复杂，它的软件包包括安装、配置训练、推理基础设施、配置特征存储、配置模型注册表、监控模型的衰减以及检测模型漂移等所有的相关内容。其庞大的软件包也导致 MLOps 的部署比 DevOps 还困难。

在未来，人工智能几乎会影响到 IT 行业的每个方面，包括编程和开发。在过去的几年里，我们已经看到了诸如亚马逊代码大师这样的工具，该产品会在开发者编程时，为其提供智能建议，以提高代码质量，并识别出应用程序中最重要的代码行。就在最近，Github Copilot 作为一个 " 人工智能配对程序员 " 首次亮相，协助开发人员编写高效的代码。

世界领先的人工智能供应商，包括亚马逊、谷歌和微软，都正专注于将研究和开发工作商业化。他们通过旗下的云平台提供托管服务，并建立硬件设备，配备人工智能加速器和针对特定场景的预训练模型。亚马逊连接和谷歌联络中心 AI 是垂直整合的典型例子。两者都利用机器学习能力来执行智能路由，由机器人驱动的客服对话，以及对联络中心代理商的自动协助。