2020年是人工智能元年。
今年充满机遇，科技公司继续以惊人的速度大步前进。
随着互联网和人工智能的高速发展，亚马逊、Facebook、谷歌、旷视科技Face++、商汤科技、吉联科技Video++等公司将抓住机遇，在人工智能和互联网领域持续加速，快速占领市场。
行业赛道。
新年即将结束，那么哪些令人惊喜的新技术将继续改变我们的生活呢？一。
深度学习加速器（GPU、FPGA、TPU） 近年来，异构加速器凭借优异的性能和功耗比成为当前架构研究的主流方向。
与此同时，随着深度学习的兴起，深度学习神经网络的研究又回到了机器学习领域的前沿。
因此，如何在加速器上高效实现神经网络处理系统受到了学术界和工业界的广泛关注。
越来越多的企业宣布计划设计自己的深度学习加速器，这些加速器通常用于数据中心，并可能部署在边缘。
我们从深度学习领域最常见的卷积神经网络出发，抽象出了三个典型的神经网络层级，结合算法的特点，并在最常用的基准平台和加速器平台上实现了这些网络层级。
主要贡献包括以下三个方面： 1.以卷积神经网络和深度神经网络为起点，我们抽象并剥离了最常见的三个神经网络层次。
并结合不同平台的架构特点，包括SIMD架构的Intel SSE指令集、GPU加速器的CUDA编程环境、以及我们自己专用的神经网络加速器，对这三种神经网络层算法进行分块探索数据复杂性。
优化可用性等方面，并对算法进行重新定制和实现。
2、在3个平台上进行了10个测试程序的神经网络处理实验。
结果表明，与SIMD基准平台相比，专用神经网络加速器的性能处于平均水平。
提升87倍，功耗平均提升21.08倍，而面积仅相当于Ivy Bridge架构的1.87%。
与GPU相比，专用神经网络加速器平均性能提升0.22倍，而面积仅为GPUC片上面积的0.56%。
3、通过实验分析发现，对于神经网络算法来说，GPU架构的主要性能瓶颈是PCIe带宽对数据传输的限制； SIMD架构的主要性能瓶颈是并行化程度不够高。
专用神经网络加速器旨在利用DMA来利用数据可重用性来优化数据访问过程，不完全管道旨在利用计算独立性来实现高并发处理。
这两点都在架构上克服了上述性能瓶颈。
二。
自动驾驶我们距离完全自动驾驶汽车还有几年的时间，但个人和市政车辆都越来越多地集成自动辅助系统。
这些技术的广泛使用将为完全无人驾驶汽车铺平道路。
无人驾驶的未来将导致人们不再驾驶自己的汽车，货运将由拥有自动驾驶车队的公司提供。
停车场、车库等设施将被移至废弃地点，未来交通将发生巨大变化。
基于自动驾驶汽车的技术和设计，将会有一笔惊人的财富转移到少数拥有专利权的人手中。
这是指自动驾驶汽车软件的所有者，他们需要对其生产的自动驾驶车辆负责。
最初，汽车只是我们的交通工具，但现在自动驾驶汽车已经发生了很大的变化。
我们可以坐在上面打电话、吃饭、看书或看报等。
由于自动驾驶汽车是电动的，不需要驾驶员控制，因此这些汽车将用更少的零件制造，因此车辆的生产速度会更快，需要较少的生产劳动力。
此外，车辆的设计也将发生变化。
由于事故发生的几率将大大降低，车辆制造中使用的材料（例如碳纤维）将允许设计多样化，自动驾驶车辆将有不同的尺寸和形状。
三。
IoB 消费者继续采用越来越靠近人体的物联网 (IoT) 和自我监控设备，甚至包括健身追踪器和智能眼镜。
数字药丸正在进入主流医学，附着式、植入式和嵌入式 IoB 设备也开始与环境中的传感器进行交互。
这些设备可以提供更丰富的数据，实现更有趣和有用的应用程序，但也引发了对安全、隐私、身体伤害和滥用的担忧。
四。
社会信用算法 社会信用算法使用面部识别和其他生物识别技术来识别人员并从社交媒体和其他在线档案中检索有关他们的数据，以便批准对产品或社会服务的访问。
报告指出，中国等一些国家已经在使用这些系统来评估对国家的忠诚度。
在我们的网络世界中，生物识别技术和混合社交数据流的结合可以将简短的观察转变为对一个人的判断。
据报道，一些国家已经在使用社会信用算法来评估对国家的忠诚度。
五。
智能材料和设备先进的材料和设备，如可调光玻璃和可摄入传感器，将在医疗保健、包装、电器和其他领域创造新的应用。
报告称，使用这些技术将对我们感知物联网设备和新产品的方式产生重大影响。
六。
虚拟现实（VR）和增强现实（AR） 目前，VR和AR技术主要应用于员工培训、教育、工程等领域。
不过，报告指出，VR和AR的成本仍然居高不下。
但随着VR游戏机越来越主流，可能会在2020年达到一个临界点。
从软件角度来看，现阶段存在很多视觉困难：VR的核心技术是跟踪和CG（计算机图形）。
在三自由度方向跟踪和六自由度位置跟踪的虚拟现实技术出现之前，体验者主要依靠全封闭的头戴式显示器来观看计算机模拟生成的虚构世界的图像，并配备带有耳机和运动传感器。
或者其他设备等，为他们提供视觉、听觉、触觉等感官体验。
虚拟现实系统的整套设备可以根据体验者的反应提供反馈，使体验者达到身临其境的感觉。
虚拟现实是一个造梦产业，它三维地拓展了我们的感知空间。
或许虚拟现实技术的未来还不能清晰勾画，相关产品的普及还需要很长的时间。
目前，VR 耳机还不够清晰，你仍然可以看到颗粒状的像素，而且你无法触摸你所看到的东西，但这会随着时间的推移而改变。
虽然目前虚拟现实技术的发展还不够成熟，也存在很多争议，但不可否认的是，虚拟现实技术将成为重要的新媒介、新平台，无论是对于游戏、社交网络，还是其他更多领域。
七。
安全保护随着黑客变得越来越老练，有关网络攻击和数据泄露的头条新闻变得更加频繁。
攻击者无处不在：在企业之外——黑客、有组织的犯罪集团和国家网络间谍，他们的能力和残暴程度都在不断增长；内部——员工和承包商，无论有意还是无意，都可能成为恶意或意外事件的罪魁祸首。
物理攻击和网络攻击将同时部署，造成前所未有的破坏。
许多民族国家行为体和恐怖组织（或两者一起合作）将有能力将其全方位的武装部队（传统的和数字的）聚集在一起，进行“混合”攻击。
如果攻击成功，将会造成巨大的破坏。
最先受到影响的将是电信服务和互联网连接，使个人和组织与外界隔绝。
由于基本的物理和数字基础设施将崩溃，紧急服务以及地方和中央政府的援助将缓慢或根本不存在。
这些攻击的目的是制造最大程度的混乱、恐惧和担忧。
受影响的城市将陷入瘫痪，危及生命和商业运营。
人们在家无法也不愿意去上班，或者没有电力和通讯来支持他们在家工作。
已经在办公室里的人也会被困在这个地方，无法逃脱，因为攻击会从各个角度袭击他们。
现有的业务连续性计划将毫无用处；当每个系统都瘫痪并且个人生命受到威胁时，他们既没有能力也没有精力为可能发生的事件做好准备。
人们会感到恐慌，工作议程也会被取消。
新一代安全方法采用比过去更加主动的方法，利用机器学习等方法识别攻击成为2019年技术变革的关键。
八．智能人工智能机器人报告称，人工智能（AI）聊天机器人通常在基本客户服务和操作系统中用作虚拟助手，近年来其易用性和实用性持续增长。
该技术今年还将继续扩展到其他行业，以获得更多用例。
目前，机器人已经开始大量应用于工业领域，可以完成人类无法完成的事情。
然而，机器人只能在少数领域超越人类，比如制造业和服务业。
如果通用机器人能够全面超越人类，那将是一个巨大的震撼。
九。
防止垃圾电话 垃圾电话是一个持续存在的问题，尤其是来自受害者家人或同事的伪造来电显示的诈骗。
这导致人们经常忽略电话，从而产生诸如真正的紧急电话无人接听等风险。
然而，新兴技术现在可以阻止欺骗性来电显示并拦截可疑电话，以便计算机可以向呼叫者询问问题以评估他或她是否合法。
十。
机器学习技术很快就能帮助解决社会问题。
尽管机器学习取得了长足的进步，解决了很多实际问题，但客观地说，机器学习领域仍然存在巨大的挑战。
首先，主流的机器学习技术是一种黑匣子技术，它让我们无法预测隐藏的危机。
为了解决这个问题，我们需要让机器学习变得可解释、可干预。
其次，当前主流机器学习的计算成本非常高，迫切需要发明轻量级机器学习算法。
此外，在物理、化学、生物和社会科学中，人们常常用一些简单而优美的方程（如薛定谔方程这样的二阶偏微分方程）来描述表象背后的深刻规律。
那么在机器学习领域，我们是否也可以追求简单而优美的规则呢？这样的挑战还很多，但我们对这个领域未来的发展仍然充满信心。
未来，机器学习、机器人和无人机的大规模使用预计将有助于改善农业、缓解干旱、确保粮食供应并改善偏远地区的健康状况。
其中一些活动已经开始，我们预计明年将有更多的采用并报告成功案例。