IEEE2020年12大技術(shù)趨勢(shì)：邊緣計(jì)算、量子計(jì)算、AI等

以下是對(duì)2020年12大技術(shù)趨勢(shì)的預(yù)測(cè)。IEEE計(jì)算機(jī)協(xié)會(huì)自2015年以來(lái)一直在預(yù)測(cè)技術(shù)趨勢(shì)，其年度預(yù)測(cè)因權(quán)威性而受到廣泛關(guān)注。在每年年底，協(xié)會(huì)還使用計(jì)分卡或報(bào)告卡對(duì)年度預(yù)測(cè)進(jìn)行評(píng)級(jí)，這個(gè)評(píng)級(jí)也吸引了與預(yù)測(cè)本身一樣廣泛的受眾。

十二大技術(shù)趨勢(shì)

1. 邊緣人工智能（AI）（AI @ Edge）。在過(guò)去的十年中，我們與云之間的日常交互見(jiàn)證了機(jī)器學(xué)習(xí)（ML）的爆炸式增長(zhǎng)。大量眾包標(biāo)簽數(shù)據(jù)的可用性，以較低成本獲得的計(jì)算機(jī)計(jì)算效率的提高以及機(jī)器學(xué)習(xí)算法的進(jìn)步奠定了這一突破的基礎(chǔ)。隨著技術(shù)的改進(jìn)，自動(dòng)執(zhí)行許多活動(dòng)變得足夠穩(wěn)健，以比原始云用例更普遍的新方式使用機(jī)器學(xué)習(xí)的需求將不斷增加。結(jié)合5G等無(wú)處不在的連接和諸如物聯(lián)網(wǎng)（IoT）之類的智能傳感器，機(jī)器學(xué)習(xí)應(yīng)用將迅速向“邊緣”，也就是靠近我們所有人的物理世界推進(jìn)。在未來(lái)幾年中，我們希望在輔助駕駛，工業(yè)自動(dòng)化，監(jiān)控和自然語(yǔ)言處理等對(duì)我們的日常生活產(chǎn)生更大影響的領(lǐng)域中看到機(jī)器學(xué)習(xí)的廣泛部署。

2. 非易失性存儲(chǔ)器（NVM）產(chǎn)品，接口和應(yīng)用程序。NVM Express（NVMe）SSD將在未來(lái)幾年內(nèi)取代SATA和SAS SSD，而NVMe-oF將在五年內(nèi)成為主要的網(wǎng)絡(luò)存儲(chǔ)協(xié)議。NVMe支持NAND分層技術(shù)和編程功能，可提高耐用性，使能可計(jì)算存儲(chǔ)（computational storage）并允許更多類似內(nèi)存方式的數(shù)據(jù)訪問(wèn)。諸如MRAM，ReRAM和PCM之類的新興內(nèi)存技術(shù)則將在未來(lái)提供更高性能的NVMe設(shè)備。

3. 數(shù)字孿生，包括認(rèn)知孿生。數(shù)字孿生（Digital Twins）在制造業(yè)中已成為現(xiàn)實(shí)，而主要的物聯(lián)網(wǎng)平臺(tái)（例如Siemens MindSphere）正在為它們提供支持。它們也已成為復(fù)雜系統(tǒng)操作中廣泛使用的工具。自2019年1月1日起，它們已在城市的鐵路和發(fā)電廠中使用。新加坡政府使用數(shù)字孿生在新加坡進(jìn)行城市管理的規(guī)劃，模擬和運(yùn)營(yíng)。認(rèn)知數(shù)字孿生（Cognitive digital twins）尚處于試驗(yàn)和實(shí)驗(yàn)的早期階段。

4. 人工智能和關(guān)鍵系統(tǒng)。人工智能將越來(lái)越多地部署在影響公共健康，安全和福利的更多系統(tǒng)中。這些系統(tǒng)將更好地利用稀缺資源，預(yù)防災(zāi)難并提高安全性，可靠性，舒適性和便利性。盡管存在技術(shù)挑戰(zhàn)和公眾擔(dān)憂，這些系統(tǒng)將改善全球數(shù)百萬(wàn)人的生活質(zhì)量。在五年內(nèi)，人工智能在直接影響公眾的關(guān)鍵基礎(chǔ)架構(gòu)系統(tǒng)或“關(guān)鍵系統(tǒng)”中的應(yīng)用將大大增加。在這些系統(tǒng)中，故障很可能會(huì)導(dǎo)致人員死亡或嚴(yán)重傷害，或者資產(chǎn)或隱私的重大損失。關(guān)鍵系統(tǒng)包括發(fā)電和配電，電信，公路和鐵路運(yùn)輸，醫(yī)療保健，銀行等。

5. 實(shí)用快遞無(wú)人機(jī)。包裹遞送是一個(gè)對(duì)經(jīng)濟(jì)產(chǎn)生巨大影響的行業(yè)，但在過(guò)去的幾十年中，其發(fā)展相對(duì)緩慢。它仍然可能令人沮喪地緩慢，浪費(fèi)資源，勞動(dòng)密集型并且昂貴。這些效率低下的問(wèn)題，再加上無(wú)人機(jī)技術(shù)的最新發(fā)展，使該領(lǐng)域變得容易被顛覆。幾家公司最近一直致力于開(kāi)發(fā)實(shí)用的快遞無(wú)人機(jī)，現(xiàn)在可能已經(jīng)準(zhǔn)備好徹底改變這個(gè)行業(yè)，進(jìn)而改變整個(gè)社會(huì)。

6. 增材制造。3D打印至少?gòu)?980年代初期就已經(jīng)存在，但是它主要局限于零件原型設(shè)計(jì)和特殊用途或特殊零件的小規(guī)模生產(chǎn)。當(dāng)前，新的流程，材料，硬件，軟件和工作流將3D打印帶入了制造領(lǐng)域，特別是大規(guī)模定制。與傳統(tǒng)制造不同，增材制造（Additive Manufacturing）使得生產(chǎn)大批量各不相同的零件在經(jīng)濟(jì)上變得可行。例如，像SmileDirect這樣的公司現(xiàn)在使用3D打印機(jī)每天生成成千上萬(wàn)的模具，每個(gè)模具都為每個(gè)獨(dú)立個(gè)體進(jìn)行了校準(zhǔn)定制。更強(qiáng)大，更堅(jiān)固的材料，更高的分辨率，新的修整技術(shù)，工廠級(jí)管理軟件以及許多其他進(jìn)步，正在推動(dòng)3D打印在醫(yī)療保健，鞋類和汽車(chē)等行業(yè)中的采用。到2020年，隨著其他行業(yè)發(fā)現(xiàn)大規(guī)模定制的好處以及使用傳統(tǒng)方法難以生產(chǎn)或負(fù)擔(dān)得起的零件打印機(jī)會(huì)，我們預(yù)計(jì)這一趨勢(shì)將繼續(xù)下去。

7. 機(jī)器人認(rèn)知能力。機(jī)器人正越來(lái)越多地從生產(chǎn)車(chē)間傳播到人類占據(jù)的空間。在這樣的環(huán)境中，機(jī)器人需要能夠通過(guò)諸如增強(qiáng)對(duì)機(jī)器人所處環(huán)境的理解等功能來(lái)適應(yīng)新任務(wù)。我們預(yù)計(jì)，大規(guī)模仿真、深度強(qiáng)化學(xué)習(xí)和計(jì)算機(jī)視覺(jué)方面的最新突破將共同為機(jī)器人帶來(lái)基本的認(rèn)知能力，這將在未來(lái)幾年中顯著改善機(jī)器人應(yīng)用。

8. AI / ML適用于網(wǎng)絡(luò)安全。網(wǎng)絡(luò)安全是當(dāng)今任何企業(yè)的主要風(fēng)險(xiǎn)之一。不斷增長(zhǎng)的攻擊面包括業(yè)余威脅，復(fù)雜的分布式拒絕服務(wù)攻擊以及熟練的民族國(guó)家行為者。國(guó)防取決于安全分析人員，但許多這樣的稀有品種缺乏足夠的培訓(xùn)，而且這些職位的離職率很高。AI / ML可以幫助檢測(cè)威脅并向安全分析人員提供建議，將響應(yīng)時(shí)間從數(shù)百小時(shí)縮短到幾秒鐘，并將分析人員的有效性從一兩次事件擴(kuò)展到每天數(shù)千次。它可以保留企業(yè)知識(shí)，并將其用于自動(dòng)化任務(wù)和培訓(xùn)新分析師。我們預(yù)計(jì)，全球范圍內(nèi)的行業(yè)、學(xué)術(shù)界和政府成員之間的合作伙伴關(guān)系將推動(dòng)AI / ML在網(wǎng)絡(luò)安全領(lǐng)域的應(yīng)用。

9. 反映安全和隱私的法律相關(guān)啟示。數(shù)據(jù)收集和利用能力變得越來(lái)越復(fù)雜和敏感，通常會(huì)結(jié)合來(lái)自傳感器和其他各種技術(shù)的實(shí)時(shí)信息饋送。這些增強(qiáng)的功能產(chǎn)生了新的數(shù)據(jù)流和新類型的內(nèi)容，引發(fā)了有關(guān)可能因?yàn)闉E用而引起的政策和法律問(wèn)題：惡意行為者和政府可以出于社會(huì)控制的原因而重新利用這些功能。同樣，新技術(shù)的能力也使普通人難以分辨合法和欺詐性技術(shù)內(nèi)容之間的區(qū)別，例如接受真實(shí)視頻而非“深度造假”視頻。因此，明年對(duì)于保持一種脆弱的平衡至關(guān)重要：一方面要保持技術(shù)的社會(huì)效益，另一方面要防止不受待見(jiàn)的惡意利用這些新技術(shù)能力來(lái)實(shí)現(xiàn)社會(huì)控制和自由剝奪。需要更積極的法律和政策工具來(lái)檢測(cè)欺詐并防止濫用這些增強(qiáng)的技術(shù)能力。

10. 對(duì)抗性機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)（ML）通常假定在訓(xùn)練和評(píng)估模型期間環(huán)境沒(méi)有被惡意操縱。換句話說(shuō)，大多數(shù)機(jī)器學(xué)習(xí)模型都沒(méi)有充分考慮敵方攻擊和操縱模型功能的方式。但是，安全研究人員已經(jīng)證明，即使沒(méi)有關(guān)于目標(biāo)模型參數(shù)的完整信息，對(duì)抗性惡意輸入也可以欺騙機(jī)器學(xué)習(xí)模型生成不期望的輸出。隨著ML集成到其他系統(tǒng)中，對(duì)ML進(jìn)行惡意攻擊的頻率將會(huì)上升。因此，針對(duì)對(duì)抗性機(jī)器學(xué)習(xí)的安全性研究以及旨在檢測(cè)ML系統(tǒng)操縱的對(duì)策將變得至關(guān)重要。同樣，對(duì)ML系統(tǒng)的出錯(cuò)性和可操縱性的認(rèn)識(shí)將開(kāi)始為政策制定和法律范例提供信息。

11. 智能系統(tǒng)的可靠性和安全性挑戰(zhàn)。如今，能夠做出自主決策的智能系統(tǒng)正在吸引全球范圍內(nèi)日益增長(zhǎng)的經(jīng)濟(jì)投資。我們希望它們將在智能城市，自動(dòng)駕駛汽車(chē)和自動(dòng)駕駛機(jī)器人等多個(gè)領(lǐng)域中得到越來(lái)越多的采用。針對(duì)不同的應(yīng)用領(lǐng)域，智能系統(tǒng)自主性已通過(guò)定義的水平級(jí)別進(jìn)行了形式化。當(dāng)然，智能水平和隨之而來(lái)的自主能力越高，對(duì)智能系統(tǒng)在現(xiàn)場(chǎng)運(yùn)行的可靠性和安全性的要求就越高，其中可靠性被定義為在給定的時(shí)間內(nèi)正確運(yùn)行的可能性，而安全是指避免對(duì)環(huán)境和用戶造成災(zāi)難性后果的能力。在2020年，保證高度自治的智能系統(tǒng)所要求的高水平的可靠性和安全性，是實(shí)現(xiàn)更智能的世界將面臨的主要技術(shù)挑戰(zhàn)之一。

12. 量子計(jì)算。對(duì)實(shí)用量子計(jì)算的追求將在2020年向前推進(jìn)，但仍未完成。在2020年初，實(shí)驗(yàn)性量子計(jì)算機(jī)演示只需消耗世界上最大的超級(jí)計(jì)算機(jī)大約萬(wàn)分之一的能量，性能卻超過(guò)了它們的1,000倍甚至更多，但是演示的應(yīng)用看起來(lái)更像量子計(jì)算機(jī)自測(cè)。如果量子計(jì)算機(jī)注定要成功，那么它們將通過(guò)提高相關(guān)性和通用性來(lái)實(shí)現(xiàn)，因?yàn)橛?jì)算優(yōu)勢(shì)已經(jīng)顯現(xiàn)。我們預(yù)計(jì)明年的演示活動(dòng)將變得更加引人注目。例如，量子計(jì)算機(jī)可能會(huì)執(zhí)行任何標(biāo)準(zhǔn)超級(jí)計(jì)算機(jī)都無(wú)法實(shí)現(xiàn)的化學(xué)模擬，甚至因此引發(fā)關(guān)于可能發(fā)現(xiàn)的化學(xué)物質(zhì)是否對(duì)社會(huì)有用的爭(zhēng)論。