在未來兩年或者更短的時間內(nèi)，健康護照具有超越其他所有技術(shù)的潛力，而中國（健康碼）和印度（Aarogya Setu）這兩個早期采用者推動了這種趨勢。由于大量的媒體報道和客戶咨詢，社交疏離技術(shù)首次進入了過高預期高峰（Peak of Inflated Expectations）的成熟度曲線（Hype Cycle）。在今年的“成熟度曲線”（Hype Cycle）榜單中，Gartner繼續(xù)擴大了對人工智能潛力的覆蓋范圍，今年又增加了幾類，包括復合人工智能、生成式人工智能、負責任的人工智能、人工智能增強開發(fā)嵌入式人工智能和增強型人工智能設(shè)計。

這些和其他許多的新觀點都來自于《Gartner2020年新興技術(shù)成熟度曲線》（Gartner Hype Cycle For Emerging Technologies， 2020），該榜單是今年早些時候發(fā)布的，Gartner近期在官方博客上對其進行了總結(jié)——《推動Gartner2020年新興技術(shù)成熟度曲線榜單的五大趨勢》（5 Trends Drive the Gartner Hype Cycle for Emerging Technologies， 2020）。

Gartner每年都要在自己的“成熟度曲線（Hype Cycles）”榜單上列舉很多種新技術(shù)，值得注意的是，該公司評估了超過1，700種新興技術(shù)，篩選出一組（大約30種）在未來五到十年內(nèi)最具變革性的技術(shù)，并進行了簡明的介紹。下圖中列舉了首次出現(xiàn)在這份榜單上的人工智能技術(shù)。下面是Gartner定義的2020年新興技術(shù)成熟度曲線榜單：

2020年Gartner新興技術(shù)“成熟度曲線（Hype Cycle）”榜單上關(guān)于人工智能技術(shù)的新內(nèi)容

健康護照是一種移動應用程序，可顯示一個人的相對感染風險等級以及他們是否可以進入建筑物、超市、飯店、公共場所和交通工具。中國和印度這兩個早期采用者正在證明，結(jié)合使用健康護照和篩查手段，可以有效地阻止新冠肺炎的傳播，同時也使人們能夠自由使用公共場所和交通工具。中國的健康碼被廣泛用作篩查工具，以最大程度地降低新冠肺炎的傳播風險。它針對用戶的認定健康狀況顯示為彩色的二維碼：紅色是確診感染了新冠肺炎的病患，黃色的二維碼應該隔離，而綠色的二維碼可以自由出行。健康碼檢查非常普遍，如果沒有綠碼，簡直可以說是寸步難行。健康護照的早期領(lǐng)導者包括支付寶、Circle Pass Enterprises、Folio、Vottun和微信。

形成性人工智能是Gartner預測中的一個新的技術(shù)類別，它將能夠感知并動態(tài)響應不斷變化的情況。形成性人工智能的主要用例之一是為UI / UX設(shè)計人員提供實時的交互式反饋，以提高軟件和智能產(chǎn)品的可用性。Gartner還預測，形成性人工智能將用于簡化數(shù)學模型和機器學習模型的創(chuàng)建并隨著時間的推移進行微調(diào)。構(gòu)成炒作周期榜單上形成性人工智能的關(guān)鍵技術(shù)包括：人工智能增強設(shè)計、人工智能增強開發(fā)、本體和圖形、小數(shù)據(jù)、復合人工智能、自適應機器學習（ML）、自我監(jiān)督學習、生成式人工智能和生成式對抗網(wǎng)絡(luò)。

人工智能增強設(shè)計是今年“成熟度曲線（Hype Cycle）”榜單上的新內(nèi)容，具有改變數(shù)字化和智能聯(lián)網(wǎng)產(chǎn)品的設(shè)計、生產(chǎn)和銷售方式的潛力。Gartner對人工智能增強設(shè)計的定義是利用人工智能（AI）、機器學習和自然語言處理技術(shù)自動生成，并通過機器學習、用戶流程、屏幕設(shè)計、內(nèi)容和表示層代碼幫助數(shù)字化產(chǎn)品進行演變。人工智能增強設(shè)計已經(jīng)通過CX產(chǎn)品和網(wǎng)站構(gòu)建平臺（包括B12在內(nèi)的公司已經(jīng)在使用人工智能技術(shù)，可以在一分鐘內(nèi)為你的業(yè)務類型組合內(nèi)容并提供最佳實踐）的決策支持和個性化，改變了客戶體驗。Gartner期望能夠看到人工智能在數(shù)字化產(chǎn)品設(shè)計平臺市場中發(fā)揮作用。Gartner預測Adobe Xd、Figma和InVision將在這一新興技術(shù)類別中領(lǐng)先。

復合人工智能是今年“成熟度曲線（Hype Cycle）”榜單上的一個新類別，該類別是指將不同的人工智能技術(shù)匯集或組合在一起，以提高學習的準確度和效率。Gartner認為，對于無法使用大型歷史數(shù)據(jù)集或內(nèi)部不具備人工智能專業(yè)知識的組織來說，復合人工智能將是一種賦能技術(shù)，讓它們可以完成復雜的分析。其次，Gartner認為復合人工智能將有助于擴大人工智能應用程序的范圍和質(zhì)量。該領(lǐng)域的早期領(lǐng)導者包括ACTICO、Beyond Limits、BlackSwan Technologies、Cognite、Exponential AI、FICO、IBM，Indico、Petuum和ReactiveCore。

嵌入式人工智能是今年“成熟度曲線（Hype Cycle）”榜單上引入的、引人入勝的新技術(shù)之一，它具有提升當前和下一代傳感器準確性、洞察力和智能的潛力。Gartner對嵌入式人工智能的定義是指在嵌入式系統(tǒng)中使用人工智能/機器學習技術(shù)來分析本地捕獲的數(shù)據(jù)。減少分析傳感器數(shù)據(jù)所需的時間，并且利用基于傳感器的智能和通過物聯(lián)網(wǎng)以及智能傳感器捕獲的數(shù)據(jù)提升所獲得的見解質(zhì)量。從消費電子產(chǎn)品到生產(chǎn)機械和長壽命資產(chǎn)，嵌入式人工智能可以提供改善客戶體驗、提升生產(chǎn)效率所需的見解，并且更深入地了解維護、維修和大修（MRO）周期，該領(lǐng)域的早期領(lǐng)導者包括Arm、Cartesiam、NXP Semiconductors、One Tech、Renesas Electronics和STMicroelectronics。

生成性人工智能也是今年首次出現(xiàn)在“成熟度曲線（Hype Cycle）”榜單中，它是最常用于創(chuàng)建“深度偽造（deep fakes）”視頻和數(shù)字內(nèi)容的技術(shù)。生成性人工智能是指多種機器學習方法，它們從數(shù)據(jù)中學習工件的表示，并使用它來生成全新的、完全原生的、真實的工件，這些工件保留了與訓練數(shù)據(jù)相似的特征，但不再重復。生成性人工智能可以產(chǎn)生原生內(nèi)容（圖像、視頻、音樂、語音、文本，甚至還可以將他們組合在一起），改善或更改現(xiàn)有內(nèi)容并創(chuàng)建新的數(shù)據(jù)元素。那些心懷不軌的人會試圖利用生成性人工智能技術(shù)創(chuàng)建“深度偽造”的內(nèi)容，并試圖以此對地區(qū)和政治穩(wěn)定造成危險的破壞。人們正在結(jié)合使用人工智能和DARPA技術(shù)搜尋、發(fā)現(xiàn)“深度偽造”的內(nèi)容，以抵制欺詐、虛假、以及可能煽動社會動蕩的信息。

負責任的人工智能是今年“成熟度曲線（Hype Cycle）”榜上的另一個新類別，這一系列的技術(shù)的目標是通過努力減少偏差來幫助企業(yè)做出更道德、更平衡的業(yè)務決策。負責任的人工智能技術(shù)的目標是簡化組織如何落實負責任的實踐，以確保人工智能得到積極的開發(fā)和使用。負責任的人工智能技術(shù)最迫切的用例之一是在全球范圍內(nèi)識別和阻止“深度偽造（deep fakes）”生產(chǎn)。Gartner用用例來定義了這個技術(shù)類別，這些用例涉及提升業(yè)務和社會價值、降低風險、增加信任度和透明度以及減少偏差對人工智能的影響。作為今年新上榜的人工智能技術(shù)，負責任的人工智能技術(shù)在利用人工智能向善的方面可謂獨領(lǐng)風騷。Gartner認為，負責任的人工智能技術(shù)還需要提高組織的可解釋性、責任性、安全性、隱私性和法規(guī)遵從性。

人工智能增強開發(fā)（AI-augmented development）今年首次出現(xiàn)在“成熟度曲線（Hype Cycle）”榜上，其目的是加快應用程序和DevOps團隊的時間周期，以便更快、更一致地創(chuàng)建高質(zhì)量的軟件。Gartner對人工智能增強開發(fā)（AI-augmented development）的定義是使用諸如機器學習（ML）、自然語言處理（NLP）以及類似的技術(shù)來加速應用程序和DevOps周期。該領(lǐng)域的早期領(lǐng)導者包括Codota、Deep Code、谷歌、Kite、Mendix、微軟、OutSystems和Parasoft。

自我監(jiān)督學習是今年“成熟度曲線（Hype Cycle）”榜上的新客，這是一種被定位為能夠幫助組織采用監(jiān)督機器學習技術(shù)的賦能技術(shù)。在Craftworks、Facebook、谷歌和微軟最初進行研發(fā)的時候，自我監(jiān)督學習還是只一種處于萌芽階段的技術(shù)，旨在克服監(jiān)督學習的最大缺點之一——通常需要使用大量的標記數(shù)據(jù)。Gartner預測，自我監(jiān)督學習的潛在影響和好處都非常巨大，因為它可以將機器學習的適用性擴展到那些沒有大型數(shù)據(jù)集可用的組織。

和2019年的榜單相比，今年的“成熟度曲線（Hype Cycle）”榜上有22種技術(shù)下榜或者進行了重新調(diào)整。這22種不再屬于新興技術(shù)炒作周期（Hype Cycle for Emerging Technologies）的技術(shù)包括：3D感測攝像頭、5G、人工智能云服務、 AR云、增強智能、4級自動駕駛、5級自動駕駛、生物芯片、去中心化網(wǎng)絡(luò)、DigitalOps、邊緣人工智能、邊緣分析、情緒人工智能（Emotion AI）、飛行自動駕駛交通工具、圖片分析、沉浸式工作區(qū)、知識圖、輕型貨運無人機、低地球軌道衛(wèi)星系統(tǒng)、擬人化、合成數(shù)據(jù)和轉(zhuǎn)移學習。
責任編輯:pj