2019年这十大新技术值得关注

摘要 2019年即将到来,在新的一年里这些新的科技技术将会继续改变我们的未来生活:1、深度学习加速器(GPU、FPGA和TPU);2、自动驾驶;3、IoB;4、社会信用算法;5、智能材料和设备;6、虚拟现实(VR)与增强现实(AR)……
        在2018这一年里充满了机会,技术公司继续以惊人的节奏大步前进,随着高速互联网和人工智能的发展,亚马逊、Facebook、谷歌、旷视科技Face++、商汤科技、极链科技Video++这样的公司都抓住机会,在人工智能和互联网等方面持续加速,快速占领了行业赛道。
 

        2018年即将结束,那么2019年会有哪些让人惊喜的新技术继续改变我们的生活?

        一、深度学习加速器(GPU、FPGA和TPU)

        近年来异构加速器凭借其优秀的性能功耗比成为了目前体系结构研究的主流方向。同时随着深度学习的兴起,深度学习神经网络的研究也重新回到了机器学习领域的潮头。因此,如何在加速器上高效地实现神经网络处理系统受到了学术界和工业界广泛的关注。越来越多的企业宣布计划设计自己的深度学习加速器,这些加速器通常用于数据中心,并且有可能部署在边缘。

        深度学习领域最常见的卷积神经网络出发,抽象出三种典型的神经网络层次,结合算法特点,在目前最常用的基准平台与加速器平台上实现了这些网络层次。主要的贡献包括以下三个方面:

        1、以卷积神经网络和深度神经网络为出发点,抽象并剥离出三种最常见的神经网络层次。并结合不同平台的架构特点,包括SIMD体系架构的Intel SSE指令集,GPU加速器的CUDA编程环境以及我们自己实现的专用神经网络加速器,对这三种神经网络层算法进行分块化、发掘数据复用性等优化,对算法进行重定制和实现。

        2、在10个测试程序上对三种平台进行了神经网络处理的实验。结果表明,专用神经网络加速器在性能上相比于SIMD基准平台有平均117.87倍的提升,在功耗利用率上有平均21.08倍的提升,而面积则仅相当于Ivy Bridge架构的1.87%。相比于GPU,专用神经网络加速器在性能上有平均0.22倍的提升,而面积上则仅有GPUC2070片上面积的0.56%。

        3、通过对实验分析发现,对于神经网络算法,GPU架构的主要性能瓶颈在于PCIe带宽对于数据传输的限制;SIMD架构的主要性能瓶颈在于并行化程度不够高。专用神经网络加速器则设计DMA利用数据复用性优化数据存取流程,设计不完全流水利用计算独立性实现高并发处理,这两点都从体系架构上越过了上述性能瓶颈。

        二、自动驾驶

        我们距离完全自主驾驶的自动驾驶汽车还有几年的时间,但个人和市政车辆都越来越多地集成了自动化辅助系统。这些技术的广泛应用将为完全无人驾驶汽车铺平道路。

        无人驾驶的未来将使人们不再亲自驾驶自己的汽车,货物运输将是由拥有自主驾驶汽车车队的公司提供的服务。停车场和车库等设施将退到一个废弃的位置,未来交通也将发生巨大变化。
 

        基于无人驾驶汽车的技术和设计,将有一个惊人的财富转移给少数拥有专利权的人。这是指自动驾驶汽车软件的所有者,这些人需要对自己生产出的自动驾驶车辆负责任。

        最初,车辆只是我们的代步工具,但如今自动驾驶车辆发生了很大变化,我们可以坐在上面打电话、吃东西、看书或报纸等。由于自动驾驶车辆是电动的,不需要司机的控制,因此这些汽车将会用更少的零件构成,因此车辆将生产的更快,所需生产劳动力变得更少。另外,车辆的设计也会发生变化。由于事故的几率将会大大减小,用于车辆构造的材料,如碳纤维将将允许多样性的设计,自动驾驶车辆将以不同的大小和形状出现。

        三、IoB

        消费者继续采用物联网(IoT)和自我监控设备,这些设备越来越靠近人体,甚至包括健身追踪器和智能眼镜。数字药片正在进入主流医学领域,身体附着,植入式和嵌入式IoB设备也开始与环境中的传感器互相作用,这些设备可以提供更丰富的数据,使更多有趣和有用的应用程序,但也引起了对安全性、隐私、物理伤害和滥用的担忧。

        四、社会信用算法

        社会信用算法使用面部识别和其他生物识别来识别人,并从社交媒体和其他在线简档中检索关于他们的数据,以便批准对产品或社会服务的访问。报告指出,中国等一些国家已经在使用这些系统来评估对国家的忠诚度。

        在我们的网络世界中,生物识别技术和混合社交数据流的结合,可以将一个简短的观察结果转化为对一个人的判断。据报道,一些国家已经在使用社会信用算法来评估对国家的忠诚度。

        五、智能材料和设备

        先进的材料和设备,如可调光玻璃和可摄取传感器,将在医疗保健、包装、电器和其他领域创造新的应用。报告称,使用这些技术将对我们感知物联网设备的方式产生重大影响,并导致新的产品诞生。

        六、虚拟现实(VR)与增强现实(AR)

        当前,VR和AR技术主要用于员工培训、教育、工程及其他领域。然而,报告指出VR和AR的成本一直居高不下。但随着VR主机变得越来越主流,可能会在2019年达到临界点。

        从软件角度来说,现阶段视觉上的难点比较多:

        VR的核心技术是tracking(追踪)和CG(计算机图形)。三自由度的方向追踪,六自由度的位置追踪前的虚拟现实技术的呈现,主要是体验者依靠全封闭的头戴型显示器观看电脑模拟产生的虚构世界的影像,并配有耳机、运动传感器或其他设备等,为其提供视觉、听觉、触觉等方面的感官体验,虚拟现实系统的整套设备可以根据体验者的反应做出反馈,使体验者达到身临其境的感觉。
 

        虚拟现实是一个造梦的行业,立体化的拓展了我们的感知空间,也许现在虚拟现实技术的未来还不能够清晰的被勾勒出来,相关产品的普及也还需要很长一段时间。现在,虚拟现实头戴显示的画面还不够清晰,仍然可以看到像素颗粒,你也无法去触摸你看到的东西,但随着时间的推移,这一切都会有所改观。虽然目前虚拟现实技术的发展还不够成熟,存在着许多争议,但不可否认的是,虚拟现实技术将会成为一种重要的新媒介、新的平台,无论是对于游戏还是社交,亦或是其他更多领域。

        七、安全保护

        随着黑客变得越来越复杂,有关网络攻击和数据泄露的头条新闻也是日益频繁。攻击者可谓无处不在:企业外部充斥着黑客、有组织的犯罪团体以及民族国家网络间谍,他们的能力和蛮横程度正日渐增长;企业内部是员工和承包商,无论有意与否,他们都可能是造成恶意或意外事件的罪魁祸首。
 

        物理和网络攻击将同时部署,造成前所未有的破坏。许多民族国家行为者和恐怖组织(或两者共同努力)将有能力汇集其全部武装力量(包括传统的和数字的),来实施“混合”攻击。如果攻击成功,势必将造成大规模的损害。

        其中,首当其冲的将是电信服务和互联网连接,从而导致个人和组织与外界隔绝。由于基本的物理和数字基础设施将会崩溃,所以应急服务以及地方和中央政府的援助将会变得异常缓慢或者根本就不存在。

        这些攻击的目的是制造最大范围的混乱、恐惧和担忧。受灾的城市将陷入瘫痪,危及生命及企业运营安全。在家的人不能也不愿意去上班,或是没有电力和通信支持其在家工作。那些已经在办公室里的人也会被困在这个无处可逃的地方,因为攻击会从各个角度袭击他们。现存的业务连续性计划将毫无用处;当每个系统都处于故障状态,而个人生命也处于危险之中,他们将没有能力也没有精力准备应对可能发生的事件。人们会恐慌,工作议程也将取消。

        新一代安全方法使用比过去更积极的方法,利用机器学习和其他方法来识别攻击成为19年技术变革的关键。

        八、智能AI机器人

        报告称,人工智能(AI)聊天机器人经常被用作基本客户服务和操作系统中的虚拟助手,近年来它们的易用性和实用性在不断增长。该技术也将在2019年继续扩展到其他行业以获得更多用例。

        目前,机器人已经开始在工业领域大批量使用,并能够完成人做不了的事情,不过机器人超越人类只是表现在较少的领域,例如制造业、服务业等,如果通用型机器人能够全面超越人类,那么将是一个很大的震惊。

        九、预防垃圾邮件

        垃圾邮件电话是一直存在的问题,特别是伪造受害者家人或同事的来电号码来诈骗。这导致人们经常无视电话,造成真正的紧急呼叫无法回答等风险。然而,新兴技术现在可以阻止欺骗性的来电显示和拦截可疑的呼叫,因此计算机可以询问呼叫者的问题,以评估他或她是否合法。

        十、机器学习

        技术很快将能够帮助解决社会问题。机器学习虽然取得了长足的进步,也解决了很多实际问题,但是客观地讲,机器学习领域仍然存在着巨大的挑战。

        首先,主流的机器学习技术是黑箱技术,这让我们无法预知暗藏的危机,为解决这个问题,我们需要让机器学习具有可解释性、可干预性。其次,目前主流的机器学习的计算成本很高,亟待发明轻量级的机器学习算法。另外,在物理、化学、生物、社会科学中,人们常常用一些简单而美的方程(比如像薛定谔方程这样的二阶偏微分方程)来描述表象背后的深刻规律。那么在机器学习领域,我们是否也能追求到简单而美的规律呢?如此的挑战还有很多,不过我们对于这个领域未来的发展仍然充满信心。

        未来,预计大规模使用机器学习,机器人和无人机将有助于改善农业,减轻干旱,确保食物供应,并改善偏远地区的健康状况。其中一些活动已经开始,可以预测到明年的采用率和成功案例报道会有所增加。

        (来源:张康康,文章内容仅代表作者个人观点,不代表业路网对本文内容观点的赞同与支持。)