Gartner 2020年5大新兴技术解读

Brian Burke, Research VP, Yefim Natis, Distinguished VP Analyst, Avivah Litan, Distinguished VP Analyst, Nick Heudecker, VP Analyst, Svetlana Sicular, VP Analyst, Sylvain Fabre, Senior Director Analyst.

责任编辑主要就是9月2日对Gartner的访谈，聘用了多名VP答疑之前5个“幺蛾子”（《Gartner又搞出5个捷伊“幺蛾子”》）说的是甚么，其实能看出来很多都是全面性的态势，前述应用领域的事例并不多，而且由于9月30日除了这场Webinar，所以两位元老假如还是略有留存，蔬果假如单厢回到去年的调查报告中，预估可能是五大安全可靠项目调查报告或者2021五大发展战略控制技术态势调查报告。

此次能说就比方说IntelTiruvanamalai一样，又放出一点儿消息和表明，Nenon紧密结合专访以及自己搜寻的许多数据资料对这四个新经济控制技术做两个单纯阐释。

适用性抛物线的新经济控制技术阐释——Brian Burke

如何从1700个控制技术中挑选出30个备选成员名单？

这需要几个月的时间，但我们具体来说要看大部份正在建立的控制技术概述，接着建立两个他们认为最具声望的控制技术备选成员名单。他们的从1700简化到150，接着通过两个更广为的策略师项目组，他们将对这些控制技术数据资料进行投票表决。前30名是在投票表决过程中产生的。

他们除了两个用作打分的演算法，它主要就考虑几项控制技术对大部份适用性抛物线来说与否都是捷伊。假如是如此一来，此项控制技术将附加罚球。假如该控制技术存在于前两年的任一适用性抛物线中，它就会丧失许多平均分。

这是为了对付两个历史事实：在过去，他们的控制技术在抛物线中高踞了许多年。比如，智能化响岩，这是两个控制技术，在抛物线中保持了6年。这种方法保证了他们对大列佩季哈区有了两个全捷伊观点。考虑到他们的边线非常有限，这一点儿很重要。

去年的态势是甚么？

Composite architectures

Algorithmic trust

Beyond silicon

Formative AI

Digital me

Composite architectures —— Yefim Natis

甚么是复合/可组合架构？为甚么它很重要？

复合架构由打包的业务功能组成，构建在灵活的数据结构上。这使得企业能够真正快速地响应不断变化的业务需求。

复合思维、复合架构、复合企业控制技术的最终好处是组织统一了资源。复合企业将业务专长和控制技术专长紧密结合在一起，重新设计决策，建立策略和组织结构，使其从注重稳定性转向注重敏捷性和持续性变化。

该控制技术为何出现在适用性抛物线中？

如今，每个组织都在寻求更强的弹性、更强的变化响应能力、更强的集成能力，以及在制定发展战略、控制技术和业务决策时更大程度地将业务和IT紧密结合在一起。复合企业承诺了能极大地提高现代企业的这些能力。因此，复合企业会引起厂商的极大兴趣、炒作、承诺和投资，而且越来越多地还会引起用户的兴趣。

分析：复合架构更像是一种控制技术架构，就好像拼乐高一样。其优势在于，在业务发生变化时，能快速重新配置应用领域，就比方说疫情期间。复合企业由打包的业务功能组成，能想象成将各种功能集整合到一起，与API紧密结合使用，并且基于灵活数据来构建。

复合架构中的另两个控制技术态势是数据结构，即如何通过人工智能化来获得来自不同数据源的元数据，以进行无缝数据访问，无论数据在哪。这些都是复合企业数据结构和打包业务的能力。

这就比方说这次新冠疫情一样，完全颠覆了他们以往的认知。许多业务和流程，以及交付都要紧密结合捷伊环境进行改变，制定捷伊解决方案来执行和交付。复合架构的可组合企业也一样，将面临重大变革。

Algorithmic trust —— Avivah Litan

一种方法是人工。能让监管人员去查看麦田，接着判断：“是的，这绝对是有机小麦”。但这不是很好的方式。第二种方法是使用人工智能化模型，并通过观察小麦本身的不同成分、生物方面或DNA来区分有机小麦和非有机小麦。

判断某事物与否能信任的第三种方法是使用与该领域相关的许多控制技术在原点进行认证。比如

这感觉与世界当前的状态确实相关。这是它去年上榜的原因吗？

此项控制技术之所以具有特色，是因为它在他们的数字世界非常必要。你不能随便相信任何事情。这听起来可能很极端，但这就是现实。在生产过程中加入假货和仿冒品的很容易，无论是生产过程还是生产内容，他们都需要

另一种是差分隐私方法（differential privacy是密码学中的一种手段，旨在提供一种当从统计数据库查询时，最大化数据查询的准确性，同时最大限度减少识别其记录的机会），比如他们为数据加密，与第三方分享，这样第三方就能对这些数据进行操作和分析，而无需对其解密。比如医院，想参与医学研究分享，但又不想公开个人信息和患者记录，那么利用差分隐私，他们能查看汇总和结论性数据，而无需查看个体数据和细节。这是演算法信任的两个理念。

Beyond silicon —— Nick Heudecker

DNA计算是甚么，它是怎么运作的？

DNA计算进入了超硅的态势，因为它引入了一种全捷伊计算基质，而不是使用硅。它不仅利用分子之间的反应来存储数据，还为你提供了一种处理数据的新方法。

在DNA中存储数据听起来十分复杂，但控制技术已经成熟并被部分人所理解。具体来说，数字内容被压缩并映射到DNA中的四种核苷酸(adenine腺嘌呤、thymine胸腺嘧啶、guanine鸟嘌cytosine呤和胞嘧啶，或称“ATGC”)。因为有四个核苷酸，每个核苷酸能代表两个数字位。这些核苷酸编码被用来建立匹配的合成DNA，接着复制并存储在DNA链中。当材料从存储容器中提取出来时，这些链会被“放大”，或被复制数百万次，从而使读取数据变得更容易。

当需要读取数据时，会发生相反的过程。DNA链被准备好并重新排列成核苷酸代码，接着这些核苷酸代码又被转换成数字内容。

这在如今会有甚么作用？

你能在任何拥有大量数据的行业中看到DNA计算。欧洲核子研究中心的大型强子对撞机就是两个很好的例子。他们每年收集Pb级的数据。将其储存在磁带中是非常昂贵的。这需要很大的空间，他们只能存储大约10年，接着他们必须把它转移到捷伊磁带。其他的使用事例包括存储国家档案，产生大量数据的科学研究，如天文学，或者像石油和天然气这样的行业。

但这只是半个故事——你还必须能够处理这些数据。这是DNA计算的真正优势之一。你能拥有两个给定数据集的数百万副本，而且复制它的成本非常低。一旦你有了几百万副本数据，你就能把酶引入DNA链池，利用酶反应，它就能做任何你想做的计算。可行的DNA处理还需要几年的时间，但其可能性是令人兴奋的。

从市场应用领域的角度看，控制技术会用在哪里？

DNA计算还处于非常早期的阶段。他们已经看到了许多来自不同规模的控制技术供应商的早期投资。大学里正在进行许多研究，但还为时尚早。我认为在三到五年内，他们将看到DNA存储作为两个可行的选择，很可能出现在云基础设施场景中。到那时，DNA计算控制技术将需要更长的时间来发展。我预估这将在8到10年内发生。

分析：目前已经开始采用的超硅材料是碳基晶体管（碳纳米晶体管）。碳基晶体管能减少十倍的资源需求而且速度更快，另外一种控制技术则是DNA计算和存储，不过这可能离他们除了些遥远。

Formative AI——Svetlana Sicular

甚么是形成性AI？

形成性AI不是一种单一的控制技术，而是多种机器学习方法，它们从数据中学习手工制品，并使用这些数据来生成全捷伊、完全原创的、真实的手工制品。这些手工制品留存了与训练数据的相似性，但不会与其重复。它能生成捷伊内容，如图像、视频音乐、演讲、文本甚至材料，大部份这些都能紧密结合起来生成。它能改进或更改现有内容，还能建立捷伊数据元素或数据本身。

形成性AI的弊端有哪些？

由于深度伪造，形成性AI产生了许多负面评价。假如AI能够生成人脸、文本或视频，它就可能被用作进行对某人出于政治或勒索目的攻击。他们已经看到了第两个人造声音被用作贪污的事例。两个CEO的声音被仿造并用来要求快速转移一大笔资金。但他们不能否定它的好处，比如生殖控制技术被用来预估某些疾病，比如关节炎，在未来三年内会如何发展。

分析：他们看到的是更远的AI控制技术的适应性和创造力，即AI能像人一样有创意。这涉及到自适应机器学习，它是一种能在生产环境中更捷伊ML模型。通常他们会通过大量数据来训练机器学习模型，先测试模型，接着将静态模型投入生产。这就是常规的自适应机器学习。而后模型将在生产环境持续训练，动态更新。

而形成性AI则是在没有足够训练数据的情况下，能生成综合数据，或是想要保证数据隐私性，能生成代表真实数据的综合数据，但并非真实数据。这也是该控制技术会有许多负面评价的原因之一。

再者，是许多逆向设计工程，用作材料科学领域，搜寻哪些材料具有你想要的属性；在优化搜寻中搜寻大部份潜在空间，来识别物质或识别药物（特定药物的结构）

Digital me —— Sylvain Fabre

双向脑机接口能做些甚么？

双向脑机接口能把人脑变成物联网设备。它是两个界面，能记录大脑在一段时间内的活动，并猜测或推断某人的情绪或状态。他们称它为双向，因为你也能像你写入内存设备或电脑一样进行写入操作，你能发送或移除大脑中的电流。

两个早期的应用领域是发送电流来改变人的情绪。比如，在中国，已经开始进行实验，观察同事与否开始生气或激动等等。所以它基本上是分析个体的心理状态，并有可能改变它。

此项控制技术有一种科幻的感觉，它离现实有多远？

除了实验室的研究，除了许多非侵入性的的早期产品。他们认为下一步将会是更具侵略性的变种，人们可能

就目前的规划而言，他们自己的设想是，到2025年，员工在试验双向脑机器接口时，至少会导致一次重大的企业数据安全可靠中断。他们认为，到2030年，北美约有5%的员工将使用某种形式的双向脑机接口。

比如，能对教师、护士或司机的警觉性和他们在工作中保持积极态度的能力进行监测，还能要求他们参与脑电波管理。比如，提高警觉性或认知能力。其中许多是员工自主的，除了许多是公司执行的。这也引发了准许、数据隐私和安全可靠等问题。

分析：双向脑机接口实践的事例

就应用领域而言，健康和健身的早期例子是监测并记录大脑活动。另两个例子是专职司机安全可靠保障，能检测微睡眠状态。也能监控员工的压力和健康状况。他们已经看到了用作医疗的控制机器的早期应用领域，如瘫痪者，他们能用大脑来控制外骨骼。

也可能有许多结果对个体产生消极作用，比如，抗抑郁药，目前主要就使用的化学形式。通过双向脑机接口分发的抗抑郁药物波能用来使人更坚强。有人可能有上瘾的问题，习惯通过脑机器接口发送愉悦的脉冲。所以有许多负面功能需要监管。

他们研究了来自风险投资者的投资，这让他们有了两个方向——从双向脑机接口的优先顺序着手。他们没发现安全可靠或隐私方面的问题，这有点令人担忧。该控制技术具有开发积极用例的巨大潜力，同时还存在不可忽视的个人数据和公司敏感信息和安全可靠风险，以及对用户造成物理伤害的风险。这些风险必须要解决，以保护个人和企业。

最后补充两个观点

了解这些控制技术以及其对行业和组织的影响非常重要。具体来说了解控制技术，了解控制技术能力，而后你能知道它能做些甚么。能力会随着时间不断提升，对于使用中的大多数控制技术而言，功能通常也就是事例，那么潜在的用例是甚么？此项控制技术的适用性怎么样？在特定用例中使用该控制技术，你想要做些甚么？以此为组织增加业务能力。

通过利用新控制技术，从而使用例与业务相匹配，识别这些商业机会，接着持续跟踪控制技术，随着控制技术的成熟，这些机会到了能抓住的时候，在许多特定业务场景中能进行部署。因此，重点是控制技术能力、用例、控制技术相关业务场景、跟踪控制技术，直到控制技术成熟。

精彩推荐