今天翻看Gartner，突然看到一篇趨勢的簡報，有關新興技術趨勢成熟度曲線的，大概看了一下，可以說是刷新的我的三觀，也觸及了本人的認知盲區，這五個新趨勢是真的沒有了解過。不得不佩服一下Gartner的腦洞和創新思維。本文只是對簡報的簡單翻譯，并沒有其他相關解讀(因為是真的不懂)，后邊會針對這些趨勢進一步做些功課和研究，感覺還是蠻有意思的。Gartner的VP在9月30日會在線講解這五個趨勢，現在可以預約Webinar。

圖1 健康碼

Gartner 2020年新興技術成熟度曲線，重點介紹了將在未來5到10年內明顯改變社會和商業的30項技術概況。

在中國的大多數城市，市民和訪客必須下載健康碼(一款顯示COVID-19狀態的應用)才能訪問許多公共和私人場所和服務。綠碼表示此人可以自由通行，黃色表示需要隔離，紅色表示確診感染。

在印度，Aarogya Setu會提示哪些旅客乘坐火車和飛機是“安全的”。阿拉伯聯合酋長國最近推出了目前被用于航空旅行的ALHOSN UAE，它可以通過顏色顯示一個人是否健康、需要隔離或已感染，也包括“尚未測試”。

所有這些被稱為“健康護照”(Health Passport)的應用，都是應對疫情的例子，也是Gartner 2020年新興技術成熟度曲線中新增的技術之一。在印度和中國，使用健康護照的人口數量使這項技術的市場滲透率達到了5%-20%，對于一項剛剛進入曲線的技術來說，這是前所未有的。

Gartner研究副總裁Brian Burke表示：“這種曲線展現了那些將在未來5到10年內對企業、社會和人類產生重大影響的技術。這包括實現復合企業技術，渴望社會重拾對技術的信任，以及能夠改變大腦狀態的技術。”

新興技術成熟度曲線是一條獨特的曲線，它將1700多種特有技術提煉成一份技術和趨勢清單。今年的榜單突出了五個獨特趨勢：

• 復合架構(Composite Architectures)
• 算法信任(Algorithmic trust)
• 超硅(BeyondSilicon)
• 形成性AI(Formative AI)
• 數字版個人(Digital me)

趨勢1：復合架構

面對快速變化和分散化，組織需要轉向更加敏捷、響應更快的架構。復合架構由構建在靈活數據結構上的打包業務功能組成。這允許企業對快速變化的業務需求迅速做出響應。

例如，由復合架構支持的“復合企業”提供了增強型的業務彈性。這種模塊化設計使組織能夠在需要時進行“重組”，比如在全球疫情或經濟衰退期間。組合式企業有四個核心原則：模塊化、效率、持續改進和適應性創新。盡管許多組織應用這些原則的方式比較零散，但組合式企業會在其整個組織應用這四個原則——從業務模式到員工工作方式。

這種模塊化的業務模型使組織能夠從嚴格的、傳統的計劃過渡到自主敏捷化。組合式的企業思維可以創造更多的創新、降低成本以及更好的合作關系。

這一趨勢下的其他技術分支包括業務能力打包、數據結構、私有5G和嵌入式人工智能。

趨勢2：算法信任

消費者信息曝光、虛假新聞和視頻，以及帶有偏見的AI等事件越來越多，已經導致組織開始從對政府(政府登記機構、清算機構)的信任轉向對算法的信任。算法信任模型確保了數據隱私和安全、資產的來源以及人和事物的身份。

例如，“經過驗證的來源(authenticated provenance)”是一種對區塊鏈上資產進行身份驗證并確保其真實或非偽造的方法。雖然區塊鏈可以用來認證商品，但是只能追蹤其被給予的信息。

為了能充分地跟蹤資產，必須從其源頭進行跟蹤。例如，如果在區塊鏈中添加了一個仿冒品作為正品，那么區塊鏈將根據錯誤的原始數據輸入繼續驗證其真實性。由于不可變的分類賬性質，它將永遠不可修改或刪除。

Gartner認為，對區塊鏈興趣的增加將帶來更多的數字認證和驗證(方式)的選擇。

在算法信任趨勢中的其他技術分支包括差分隱私、負責任AI和可解釋AI。

趨勢3：超硅

摩爾定律預測高密度集成電路中晶體管的數量每兩年就會翻一番，但技術方面正在迅速接近硅所能承受的物理極限。這推動了新型材料的發展，這些材料具有更強的性能，能夠支持更精密、更快的技術。

例如， “DNA計算和存儲”使用DNA和生物化學來代替硅或量子結構以執行計算或存儲數據。數據被編碼到合成DNA鏈中進行儲存，酶通過化學反應提供處理能力。

盡管有兩款成功的原型機，但該技術目前還處于初級階段，價格昂貴，在主流應用方面存在重大技術障礙。一旦成功，DNA計算和存儲這一技術將影響和改變數據存儲、處理并行性和計算效率。

這一趨勢的其他技術分支包括生物降解傳感器和碳基晶體管。

趨勢4：形成性AI

這里提一下形成性評價的概念，可以有助于理解形成性AI。教學形成性評價(formative evaluation)是相對于傳統的終結性評價(summative evaluation)而言的。所謂形成性評價，“對學生日常學習過程中的表現、所取得的成績以及所反映出的情感、態度、策略等方面的發展”做出的評價，是基于對學生學習全過程的持續觀察、記錄、反思而做出的發展性評價。

[[338661]]

形成性AI是一種能夠動態變化以對真實情況作出反應的人工智能。種類有很多，從能夠隨時間動態適應的AI到能夠生成新模型來解決特定問題的AI。

例如，形成性AI是AI的一種，它可以創建新內容(圖像、視頻等)或改變現有內容。新的作品與原始作品相似，但不完全相同。這種技術會產生深度造假內容，這可能會導致嚴重的虛假信息和聲譽風險，預計在未來五年內，此類情況還會增加。然而，如果利用得當也會獲得各種收益，比如藥物發現和合成數據生成，甚至AI可以生產藝術品。

這一趨勢的其他技術分支包括組合式AI、差分隱私、小數據和自我監督學習。

趨勢5：數字版個人

例如，雙向腦機接口(BMIs)是一種改變大腦的可穿戴設備，能夠在人腦和計算機或機器接口之間進行雙向通信。BMIs既可以是可穿戴設備，也可以是用來監測腦電圖和個人精神狀態的植入設備。常規監測BMI與雙向監測BMI的區別在于后者可以通過電刺激改變人的心理狀態。

[[338662]]

在商業領域，潛在的應用包括身份驗證、訪問和支付、沉浸式分析和外骨骼系統。但其他應用也有其自身的社會和倫理問題，可能包括使用刺激來提高疲勞員工的集中力，或通過向大腦施加電流來改變易怒教師的情緒。雖然存在許多潛在的用例，但BMIs也為潛在的攻擊者帶來了額外的漏洞。