根据Gartner发布的2017年《技术成熟度报告》，有8项新技术成果，包括5G、人工智能、深度学习、深度强化学习、数字孪生、Edge计算、无服务器PaaS和认知计算。时代变了，2019年科技的创新发展超出了我们的想象。据人工智能行业分析机构CBInsights发布的《2019 年 AI 趋势报告》，人工智能正以肉眼可见的速度向各行各业渗透。深度学习热潮后的“冷思考”2017年，人们对深度学习的发展寄予厚望，认为它会产生最大的利润，大量资本涌入人工智能的各个领域。最好的例子就是AlphaGo的胜利。2017年5月，在中国乌镇围棋峰会上，AlphaGo对阵世界围棋第一冠军柯洁，总比分3-0获胜。到2017年底，超强版AlphaGoZero完全不依赖人类数据，在只知道游戏规则的情况下与自己对弈。经过3天的训练，它以100-0战胜了AlphaGo。在棋类游戏中，围棋所蕴含的巨大搜索空间（状态数量远超整个宇宙的原子数量）一直是机器学习未能攻克的难题，甚至被认为无法通过人工智能在不久的将来。固定的。AlphaGo的成功，不仅让人们看到了强化学习和随机模拟技术（又称“蒙特卡罗”技术）的魅力，也让深度学习更加普及。冷静下来后，人们意识到AlphaGo的算法更适合大规模概率空间的智能搜索，其环境和状态是可以模拟的。DeepMind的创始人DemisHassabis表示，这些算法对于难以模拟的环境中的决策问题也无能为力，例如自动驾驶汽车。NLP完成了从量到质的转变。2017年是自然语言处理领域重要的一年。这一年的各种实践（Word2vec和GloVe）证明，预训练的词嵌入模型已经成为解决NLP问题的关键工具。例如，来自FacebookAIResearch(FAIR)实验室的fastText提供了294种语言的预训练向量，这无疑给整个技术社区带来了巨大的贡献和推动力。虽然取得了一些进展，但在这方面还有很多工作要做，该领域需要更好的预训练模型的出现。2018年，谷歌发布了BERT，因其在从问答到语言推理等任务中的卓越表现而备受关注。BERT是NLP最新模型（GPT、GPT2、ULMFiT和roBERTa）的一部分，其系统性能有了很大的提高，以至于一些研究人员会说NLP正在迎来它的“高光时刻”。谷歌充分利用了BERT的优势，将其加入到搜索引擎中，也从侧面说明了这些技术兼具研究和商业价值。2018年11月24日，谷歌正式发布了BERT官方代码和预训练模型，包括模型的TensorFlow实现，BERT-Base和BERT-Large预训练模型，以及TensorFlow代码。同样，2018年6月，OpenAI发表论文首次介绍了其语言模型GPT。2019年初，OpenAI宣布开发可生成合成文本的大规模语言模型，称为GPT-2。出于谨慎考虑，该公司没有公开所有GPT-2代码，担心它可能被滥用。5月，OpenAI发布了3.5亿参数版本，并宣布将与有限合伙人共享7.62亿参数和15亿参数，同时也在研究针对恶意使用GPT-2的对策。这个号称业内“最强假新闻生成器”的GPT-2AI模型，自诞生之日起就备受关注。时隔半年，GPT-2的阶段性开放终于落下帷幕。11月6日，OpenAI正式发布了GPT-2最后一部分的完整代码——包含15亿个参数的最大版本。这两个预训练模型的开启，解决了标注数据不足的问题，帮助NLP完成了从量的积累到质的飞跃。联邦学习的征途是星辰大海2016年，谷歌提出联邦学习，最初是用来解决Android手机终端用户本地更新模型的问题。可以使用的机器学习算法不仅限于神经网络，还包括随机森林等重要算法。联邦学习本质上是一种分布式机器学习技术，或者机器学习框架。目标是在保证数据隐私安全和合法合规的基础上，实现通用建模，提升AI模型的效果。在过去几年中，这项技术的标准不断提高。IEEE联邦学习国际标准项目应运而生。该项目由微众银行发起，去年12月获批。是全球首个为人工智能协同技术框架制定标准的项目。迄今已召开了四次工作组会议。会议。联邦学习标准草案预计2020年2月出台，正式标准预计2020年上半年出台。联邦学习正在从“点对点开发阶段”转向“应用落地和案例积累阶段”。在框架方面，2019年取得重要进展，首个工业级开源框架FATE诞生。这是微众银行AI团队自主研发的开源框架。第一个外部Contributor，同时GitHubStar突破100，5月发布0.2版本，支持联邦特征工程和在线推理，6月发布0.3版本，将主要合作伙伴迁移到FATE，并将FATE捐赠给Linux基金会，发布版本8月1.0，支持FATE-Flow和FATE-Board。10月31日，FATEv1.1版本正式发布，联合VMware中国研发开放创新中心云原生实验室团队发布KubeFATE项目。通过将FATE的所有组件以容器的形式封装起来，使用DockerCompose或Kubernetes（HelmCharts）进行部署。在不到三年的时间里，联邦学习发展迅速，也得到了业界的响应。京东、腾讯云、平安科技等企业也加入了联邦学习的队伍。在推动联邦学习的过程中，建立一致的标准是目前的一大挑战。就在近日，IEEEP3652.1（联邦学习基础设施与应用）标准工作组第四次会议在北京顺利召开。北京大学、IEEE、微众银行、创新工场、京东、中国电信、腾讯、小米、阿里巴巴、依图、星云星云、第四范式、华为终端、VMWare、LogiOcean、SensesGlobal、SwissRe、Intel、CETCBigData共22家蚂蚁金服、华夏基金、复数科技等龙头企业和研究机构参会。会议围绕联邦学习的场景分类和需求，重点规划了联邦学习的安全评估和评级，进一步探索了联邦学习标准的制定，可谓是对联邦学习发展的基础性贡献。虽然联邦学习还没有迎来爆发式的发展阶段，但好在未来可期。自动驾驶既不是天使也不是魔鬼。2017年年中，自动驾驶的消息一飞冲天。几乎每隔一个月，自动驾驶领域就会爆发一件大事。6月13日，通用汽车宣布，首批搭载公司最新一代自动驾驶技术的130辆测试版雪佛兰Bolt纯电动汽车在密歇根州Orion工厂下线。算上当时50辆雪佛兰Bolt纯电动汽车的测试车队，通用汽车已经拥有180辆Bolt的自动驾驶车队，在旧金山、斯科茨代尔、亚利桑那州和底特律进行公共道路测试。7月11日，奥迪全新A8发布。它号称全球首款具备L3级自动驾驶功能的量产车型，可实现60km/h以下低速拥堵路况自动驾驶。同年年底，北京出台了《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见(试行)》和《北京市自动驾驶车辆道路测试管理实施细则(试行)》两个红头文件，标志着北京成为中国第一个开放公共道路自动驾驶路测的城市。当时，在自动驾驶风生水起的大背景下，人们将自动驾驶技术比作解放双手的“天使”。只是好景不长。2018年，优步的自动驾驶汽车发生了世界上第一起致命车祸，一名女性在过马路时丧生。这一事件立即引起了全球对无人驾驶汽车的关注，尤其是安全问题。这场悲惨的事故让人们认识到了一个最重要的事实——安全比什么都重要，科技能避免多少事故是绝对无法估计的。不够。同年5月，谷歌旗下自动驾驶公司Waymo也发生车祸，一名测试人员受伤。随后的调查显示，这起车祸仍然是人为因素造成的。测试人员走神打瞌睡，未能及时处理突发情况，才酿成悲剧。目前，一些汽车厂商也已经实现了L3级别的自动驾驶。最著名的案例就是特斯拉一直推崇的自动驾驶功能。许多用户拍摄了相关的自动驾驶视频并将其上传到社交网络。虽然是对自动驾驶技术最好的宣传，但特斯拉官方仍然表示不支持用户完全放弃自动驾驶。该功能仍然需要驾驶员随时集中注意力观察路况。L4级别的自动驾驶是目前大部分企业正在攻克的难点。如今，公众开始更加客观地看待自动驾驶技术。它既不是无害的“天使”，也不是残忍的“恶魔”。AI芯片已经从受制于人变成了“力求实力”。2016年中国芯片领域相关设计企业数量较2015年增加600余家；截至2017年底，中国约有1380家芯片设计公司。Soopat数据显示，国内芯片相关专利数量每年都在增加。2018年以来，已公开专利18871件。然而，这些还远远不够。2018年的美国制裁和中兴事件给我们上了“惨痛的一课”。随后，华为被美国各种目标盯上，进一步唤醒过度依赖国外芯片进口的企业——落后就要挨打，任何领域都是如此。在核心技术方面，要争先恐后，需要大企业出一份力。不掌握核心技术，就是在别人的基础上盖房子。种种困难，让中国科学界意识到“芯片要自强”的重要性。2019年，在意识到这些问题后，不少中国芯片企业开始奋起直追，尤其是在专用芯片领域。9月25日的“杭州云栖大会”上，阿里巴巴集团首席技术官、阿里云智能总裁、达摩院院长张建峰现场展示了AI芯片——含光800。阿里巴巴表示：在行业标准ResNet-50测试中，含光800的推理性能达到了78563IPS，比当时行业最好的AI芯片性能高出4倍；能效比为500IPS/W，为第二名的3.3。次。继双模5G芯片巴龙5000和全球首款5G基站芯片天罡问世后，华为今年又推出了首款内置5G基带的麒麟9905GSoC——首款商用5G旗舰芯片。前不久，芯片厂商联发科也宣布推出全新的5G芯片品牌天玑，以其中一颗北斗七星命名，寓意领先，并推出了该品牌首款产品5GSoC芯片——天玑1000。国产芯片也已经开始在经历过“受制于人”的冷眼之后，要自强自立。可见，只有核心技术掌握在自己手中，才能立于不败之地。5G从技术萌芽到大爆发。2017年12月21日（北京时间），第五代移动通信结束。“5GNR”第一版在第78届RAN全会代表的掌声中正式冻结发布。这就是5G的标准化。一个重要的里程碑。从年初3GPP提出加速5G网络建设，到年底3GPP宣布完成首个可实施的5G新空口（5GNR）规范，今年5G发展迅猛。2019年，5G真正从技术名词走向商用。今年6月6日，我国向三大运营商和中国广电颁发了5G牌照，这标志着5G正式进入商用阶段，基站部署速度大大加快，将带来巨大的业绩人工智能的改进。边缘计算即将掀起波澜根据研究公司Forrester的调查，目前全球32%的电信公司决策者正在部署或扩建边缘计算设施，另有27%计划在一年内部署边缘计算设施。越来越多的企业开发和部署边缘计算的主要动机来自带宽、成本和网络延迟的紧迫性和敏感性。边缘计算是计算系统从扁平化向边缘化和5G网络架构演进的必然技术。它还提供了一个新的生态系统和价值链。第三方数据分析机构IDC预测，到2020年，全球将有约500亿台智能设备联网，主要涉及智能手机、可穿戴设备和个人交通工具，其中40%的数据需要边缘计算计算服务。边缘计算具有强大的市场潜力，受到了各研究机构、标准组织、服务提供商和业界的高度关注。结论：对于瞬息万变的技术领域来说，三年足够了。我们已经从人工智能即将改变未来的遥远梦想中逐渐醒来，能够真正冷静客观地思考技术发展的利弊。那么，作为一名技术从业者，2017年到2019年，你发生了哪些变化？
