以下是對2020年12大技術趨勢的預測。IEEE計算機協會自2015年以來一直在預測技術趨勢，其年度預測因權威性而受到廣泛關注。在每年年底，協會還使用計分卡或報告卡對年度預測進行評級，這個評級也吸引了與預測本身一樣廣泛的受眾。
十二大技術趨勢
1. 邊緣人工智能（AI）（AI @ Edge）。在過去的十年中，我們與雲之間的日常交互見證了機器學習（ML）的爆炸式增長。大量眾包標籤數據的可用性，以較低成本獲得的計算機計算效率的提高以及機器學習算法的進步奠定了這一突破的基礎。隨著技術的改進，自動執行許多活動變得足夠穩健，以比原始雲用例更普遍的新方式使用機器學習的需求將不斷增加。結合5G等無處不在的連接和諸如物聯網（IoT）之類的智能傳感器，機器學習應用將迅速向“邊緣”，也就是靠近我們所有人的物理世界推進。在未來幾年中，我們希望在輔助駕駛，工業自動化，監控和自然語言處理等對我們的日常生活產生更大影響的領域中看到機器學習的廣泛部署。
2. 非易失性存儲器（NVM）產品，接口和應用程序。NVM Express（NVMe）SSD將在未來幾年內取代SATA和SAS SSD，而NVMe-oF將在五年內成為主要的網絡存儲協議。NVMe支持NAND分層技術和編程功能，可提高耐用性，使能可計算存儲（computational storage）並允許更多類似內存方式的數據訪問。諸如MRAM，ReRAM和PCM之類的新興內存技術則將在未來提供更高性能的NVMe設備。
3. 數字孿生，包括認知孿生。數字孿生（Digital Twins）在製造業中已成為現實，而主要的物聯網平臺（例如Siemens MindSphere）正在為它們提供支持。它們也已成為複雜系統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電廠中使用。新加坡政府使用數字孿生在新加坡進行城市管理的規劃，模擬和運營。認知數字孿生（Cognitive digital twins）尚處於試驗和實驗的早期階段。
4. 人工智能和關鍵系統。人工智能將越來越多地部署在影響公共健康，安全和福利的更多系統中。這些系統將更好地利用稀缺資源，預防災難並提高安全性，可靠性，舒適性和便利性。儘管存在技術挑戰和公眾擔憂，這些系統將改善全球數百萬人的生活質量。在五年內，人工智能在直接影響公眾的關鍵基礎架構系統或“關鍵系統”中的應用將大大增加。在這些系統中，故障很可能會導致人員死亡或嚴重傷害，或者資產或隱私的重大損失。關鍵系統包括髮電和配電，電信，公路和鐵路運輸，醫療保健，銀行等。
5. 實用快遞無人機。包裹遞送是一個對經濟產生巨大影響的行業，但在過去的幾十年中，其發展相對緩慢。它仍然可能令人沮喪地緩慢，浪費資源，勞動密集型並且昂貴。這些效率低下的問題，再加上無人機技術的最新發展，使該領域變得容易被顛覆。幾家公司最近一直致力於開發實用的快遞無人機，現在可能已經準備好徹底改變這個行業，進而改變整個社會。
6. 增材製造。3D打印至少從1980年代初期就已經存在，但是它主要侷限於零件原型設計和特殊用途或特殊零件的小規模生產。當前，新的流程，材料，硬件，軟件和工作流將3D打印帶入了製造領域，特別是大規模定製。與傳統制造不同，增材製造（Additive Manufacturing）使得生產大批量各不相同的零件在經濟上變得可行。例如，像SmileDirect這樣的公司現在使用3D打印機每天生成成千上萬的模具，每個模具都為每個獨立個體進行了校準定製。更強大，更堅固的材料，更高的分辨率，新的修整技術，工廠級管理軟件以及許多其他進步，正在推動3D打印在醫療保健，鞋類和汽車等行業中的採用。到2020年，隨著其他行業發現大規模定製的好處以及使用傳統方法難以生產或負擔得起的零件打印機會，我們預計這一趨勢將繼續下去。
7. 機器人認知能力。機器人正越來越多地從生產車間傳播到人類佔據的空間。在這樣的環境中，機器人需要能夠通過諸如增強對機器人所處環境的理解等功能來適應新任務。我們預計，大規模仿真、深度強化學習和計算機視覺方面的最新突破將共同為機器人帶來基本的認知能力，這將在未來幾年中顯著改善機器人應用。
8. AI / ML適用於網絡安全。網絡安全是當今任何企業的主要風險之一。不斷增長的攻擊面包括業餘威脅，複雜的分佈式拒絕服務攻擊以及熟練的民族國家行為者。國防取決於安全分析人員，但許多這樣的稀有品種缺乏足夠的培訓，而且這些職位的離職率很高。AI / ML可以幫助檢測威脅並向安全分析人員提供建議，將響應時間從數百小時縮短到幾秒鐘，並將分析人員的有效性從一兩次事件擴展到每天數千次。它可以保留企業知識，並將其用於自動化任務和培訓新分析師。我們預計，全球範圍內的行業、學術界和政府成員之間的合作伙伴關係將推動AI / ML在網絡安全領域的應用。
9. 反映安全和隱私的法律相關啟示。數據收集和利用能力變得越來越複雜和敏感，通常會結合來自傳感器和其他各種技術的實時信息饋送。這些增強的功能產生了新的數據流和新類型的內容，引發了有關可能因為濫用而引起的政策和法律問題：惡意行為者和政府可以出於社會控制的原因而重新利用這些功能。同樣，新技術的能力也使普通人難以分辨合法和欺詐性技術內容之間的區別，例如接受真實視頻而非“深度造假”視頻。因此，明年對於保持一種脆弱的平衡至關重要：一方面要保持技術的社會效益，另一方面要防止不受待見的惡意利用這些新技術能力來實現社會控制和自由剝奪。需要更積極的法律和政策工具來檢測欺詐並防止濫用這些增強的技術能力。
10. 對抗性機器學習。機器學習（ML）通常假定在訓練和評估模型期間環境沒有被惡意操縱。換句話說，大多數機器學習模型都沒有充分考慮敵方攻擊和操縱模型功能的方式。但是，安全研究人員已經證明，即使沒有關於目標模型參數的完整信息，對抗性惡意輸入也可以欺騙機器學習模型生成不期望的輸出。隨著ML集成到其他系統中，對ML進行惡意攻擊的頻率將會上升。因此，針對對抗性機器學習的安全性研究以及旨在檢測ML系統操縱的對策將變得至關重要。同樣，對ML系統的出錯性和可操縱性的認識將開始為政策制定和法律範例提供信息。
11. 智能系統的可靠性和安全性挑戰。如今，能夠做出自主決策的智能系統正在吸引全球範圍內日益增長的經濟投資。我們希望它們將在智能城市，自動駕駛汽車和自動駕駛機器人等多個領域中得到越來越多的採用。針對不同的應用領域，智能系統自主性已通過定義的水平級別進行了形式化。當然，智能水平和隨之而來的自主能力越高，對智能系統在現場運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間內正確運行的可能性，而安全是指避免對環境和用戶造成災難性後果的能力。在2020年，保證高度自治的智能系統所要求的高水平的可靠性和安全性，是實現更智能的世界將面臨的主要技術挑戰之一。
12. 量子計算。對實用量子計算的追求將在2020年向前推進，但仍未完成。在2020年初，實驗性量子計算機演示只需消耗世界上最大的超級計算機大約萬分之一的能量，性能卻超過了它們的1,000倍甚至更多，但是演示的應用看起來更像量子計算機自測。如果量子計算機註定要成功，那麼它們將通過提高相關性和通用性來實現，因為計算優勢已經顯現。我們預計明年的演示活動將變得更加引人注目。例如，量子計算機可能會執行任何標準超級計算機都無法實現的化學模擬，甚至因此引發關於可能發現的化學物質是否對社會有用的爭論。
譯者介紹：
承群，15年以上IT從業經歷，先後從事過存儲系統研發和雲計算相關軟件研發，對桌面虛擬化有一定的研究。
原文鏈接：
https://www.computer.org/publications/tech-news/trends/exclusive-content-ieee-cs-tech-trends-for-2020/?from=timeline&isappinstalled=0
閱讀更多 雲技術 的文章
