IEEE2020年Top12技术趋势：边缘计算、量子计算、人工智能、数字孪生等IEEE计算机学会从2015年开始对技术趋势进行预测，其年度预测被广泛认为具有权威性。在每年年底，该协会还使用记分卡或报告卡对年度预测进行评分，这也与预测本身一样吸引了广泛的受众。 十二大科技趋势 1.边缘人工智能(AI)(AI@Edge)。在过去十年中，我们与云的日常交互见证了机器学习(ML)的爆炸式增长。大量众包标记数据的可用性、以较低成本获得的计算机计算效率的提高以及机器学习算法的进步为这一突破奠定了基础。随着技术的改进并变得足够强大以自动化许多活动，将越来越需要以比原始云用例更普遍的新方式使用机器学习。结合5G等无处不在的连接和物联网(IoT)等智能传感器，机器学习应用程序将迅速推进到“边缘”，即与我们所有人都很接近的物理世界。未来几年，我们预计机器学习将广泛应用于辅助驾驶、工业自动化、监控和自然语言处理等领域，这将对我们的日常生活产生更大的影响。 2。非易失性存储器(NVM)产品、接口和应用程序。NVMExpress(NVMe)SSD将在未来几年内取代SATA和SASSSD，而NVMe-oF将在五年内成为主导网络存储协议。NVMe支持NAND分层技术和编程功能，可提高耐用性、支持计算存储并允许对数据进行更多类似内存的访问。MRAM、ReRAM和PCM等新兴内存技术将在未来实现更高性能的NVMe设备。 3。数字孪生，包括认知孪生。数字孪生已经在制造业中成为现实，西门子MindSphere等主要物联网平台正在为它们提供支持。它们也成为复杂系统运行中广泛使用的工具。自2019年1月1日起，它们已被用于城市的铁路和发电厂。新加坡政府使用数字孪生进行新加坡城市管理的规划、模拟和运营。认知数字孪生正处于实验和实验的早期阶段。 4。人工智能和关键系统。人工智能将越来越多地部署在影响公共健康、安全和福利的更多系统中。这些系统将更好地利用稀缺资源、预防灾难并提高安全性、可靠性、舒适性和便利性。尽管存在技术挑战和公众担忧，这些系统仍将改善全球数百万人的生活质量。五年内，人工智能在直接影响公众的关键基础设施系统或“关键系统”中的使用将显着增加。在这些系统中，故障很可能导致人员死亡或重伤，或者资产或隐私的重大损失。关键系统包括发电和配电、电信、公路和铁路运输、医疗保健、银行等。 5.实用的送货无人机。快递是一个对经济影响巨大的行业，但在过去几十年里发展相对缓慢。它仍然令人沮丧地缓慢、浪费资源、劳动密集型和昂贵。这些低效率，加上无人机技术的最新发展，使该领域容易受到破坏。几家公司最近一直致力于开发实用的送货无人机，这些无人机现在可能会彻底改变该行业，进而改变整个社会。 6。添加剂制造。3D打印至少从20世纪80年代初就出现了，但它主要局限于零件原型制作和特殊用途或特殊零件的小规模生产。目前，新工艺、材料、硬件、软件和工作流程将3D打印带入制造领域，尤其是大规模定制领域。与传统制造不同，增材制造（AdditiveManufacturing）使生产大量不同零件在经济上变得可行。例如，像SmileDirect这样的公司现在使用3D打印机每天生成数千个模具，每个模具都针对每个人进行校准和定制。越来越坚固的材料、更高的分辨率、新的修整技术、工厂级管理软件以及许多其他进步正在推动3D打印在医疗保健、鞋类和汽车等行业中的采用。到2020年，我们预计这一趋势将继续下去，因为其他行业会发现大规模定制的好处，并有机会打印使用传统方法难以或负担得起的零件。 7。机器人认知能力。机器人越来越多地从生产车间扩散到人类占据的空间。在这样的环境中，机器人需要能够通过增强对机器人环境的理解等特性来适应新的任务。我们预计最近在大规模模拟、深度强化学习和计算机视觉方面的突破将为机器人带来基本的认知能力，从而在未来几年显着改善机器人应用。 8.用于网络安全的AI/ML。网络安全是当今任何企业面临的主要风险之一。不断扩大的攻击面包括业余威胁、复杂的分布式拒绝服务攻击和熟练的民族国家行为者。国防依赖于安全分析师，但这些稀有品种中的许多缺乏足够的培训，而且这些职位的离职率很高。AI/ML可以帮助检测威胁并向安全分析师提供建议，将响应时间从数百小时缩短到几秒，并将分析师的效率从每天一两个事件扩展到数千个。它可以保留公司知识并使用它来自动执行任务和培训新的分析师。我们预计全球工业界、学术界和政府成员之间的伙伴关系将推动AI/ML在网络安全中的采用。 9.反映安全和隐私的法律含义。数据收集和利用能力正变得越来越复杂和敏感，通常与来自传感器和各种其他技术的实时信息馈送相结合。这些增强的功能会产生新的数据流和新类型的内容，从而引发有关可能滥用的政策和法律问题：出于社会控制的原因，恶意行为者和政府可以重新利用这些功能。同样，新技术的能力会使普通人难以区分合法和欺骗性的技术内容，例如接受真实视频而不是“深度伪造”视频。因此，明年对于在维护技术的社会效益与防止不受欢迎的恶意利用这些新技术能力进行社会控制和剥夺自由之间保持微妙的平衡至关重要。需要更积极的法律和政策工具来检测欺诈并防止滥用这些增强的技术能力。 10。对抗性机器学习。机器学习(ML)通常假设环境在训练和评估模型期间没有被恶意操纵。换句话说，大多数机器学习模型都没有充分考虑对手攻击和操纵模型能力的方式。然而，安全研究人员已经证明，即使没有关于目标模型参数的完整信息，对抗性恶意输入也可以欺骗机器学习模型生成不需要的输出。随着ML被集成到其他系统中，针对ML的恶意攻击频率将会上升。因此，对抗性机器学习的安全研究和旨在检测ML系统操纵的对策将变得至关重要。同样，对ML系统的易错性和可操作性的认识将开始为政策制定和法律范式提供信息。 11。智能系统的可靠性和安全性挑战。如今，能够做出自主决策的智能系统正在吸引全球越来越多的经济投资。我们希望它们在智慧城市、自动驾驶汽车和自动驾驶机器人等多个领域得到越来越多的采用。对于不同的应用领域，智能系统的自主性已经通过定义的水平层次形式化。当然，智能化程度越高，随之而来的自主化程度越高，对现场运行的智能系统的可靠性和安全性的要求也越高，其中可靠性定义为在给定时间内正确运行的概率，而安全性则指避免对环境和用户造成灾难性后果的能力。2020年，确保高度自治的智能系统所需的高可靠性和安全性将成为实现更智能世界的主要技术挑战之一。 12。量子计算。对实用量子计算的探索将在2020年向前推进，但仍未完成。2020年初，实验性量子计算机演示的性能比世界上最大的超级计算机高出1,000倍或更多，同时消耗的能量大约是世界上最大的超级计算机的十分之一，但演示的应用看起来更像是量子计算机的自测。如果量子计算机注定要成功，它们将通过增加相关性和多功能性来实现，因为计算优势已经显而易见。我们预计明年的演示活动将变得更加引人注目。例如，量子计算机可能会执行任何标准超级计算机都不可能进行的化学模拟，甚至引发关于可能发现的化学物质是否对社会有用的争论。 译者介绍： ChengQun，拥有超过15年的IT行业经验，一直从事存储系统开发和云计算相关软件开发，对桌面虚拟化有一定的研究。
