本文主要是9月2日對Gartner的專訪，聘請了多位VP解答之前5個“幺蛾子”（《Gartner又搞出5個新的“幺蛾子”》）說的是什么，其實可以看出來很多都是超前的趨勢，實際應用的案例并不多，而且由于9月30日還有一場Webinar，所以幾位大佬應該還是有所保留，干活應該都會留在今年的報告中，預測可能是十大安全項目報告或者2021十大戰略技術趨勢報告。

本次可以所就好比Intel擠牙膏一樣，又放出一點消息和說明，下文結合采訪以及自己搜索的一些資料對這五個新興技術做一個簡單解讀。

成熟度曲線的新興技術解讀——Brian Burke

如何從1700個技術中選出30個候選名單？

這需要幾個月的時間，但我們首先要看所有正在創建的技術概況，然后創建一個我們認為最具影響力的技術候選名單。我們的從1700精簡到150，然后通過一個更廣泛的分析師團隊，他們將對這些技術資料進行投票。前30名是在投票過程中產生的。

我們還有一個用于評分的算法，它主要考慮一項技術對所有成熟度曲線來說是否都是新的。如果是這樣的話，這項技術將額外得分。如果該技術存在于前一年的任意成熟度曲線中，它就會失去一些分數。

這是為了對抗一個事實：在過去，我們的技術在曲線中徘徊了很多年。例如，智能微塵，這是一個技術，在曲線中保持了6年。這種方法確保了我們對全選有了一個全新的看法。考慮到我們的位置有限，這一點很重要。

今年的趨勢是什么？

Composite architectures

Algorithmic trust

Beyond silicon

Formative AI

Digital me

Composite architectures —— Yefim Natis

什么是復合/可組合架構？為什么它很重要？

復合架構由打包的業務功能組成，構建在靈活的數據結構上。這使得企業能夠真正快速地響應不斷變化的業務需求。

復合思維、復合架構、復合企業技術的最終好處是組織統一了資源。復合企業將業務專長和技術專長結合在一起，重新設計決策，建立策略和組織結構，使其從注重穩定性轉向注重敏捷性和持續性變化。

該技術為何出現在成熟度曲線中？

如今，每個組織都在尋求更強的彈性、更強的變化響應能力、更強的集成能力，以及在制定戰略、技術和業務決策時更大程度地將業務和IT結合在一起。復合企業承諾了可以極大地提高現代企業的這些能力。因此，復合企業會引起廠商的極大興趣、炒作、承諾和投資，而且越來越多地還會引起用戶的興趣。

分析：復合架構更像是一種技術架構，就好像拼樂高一樣。其優勢在于，在業務發生變化時，可以快速重新配置應用，就好比疫情期間。復合企業由打包的業務功能組成，可以想象成將各種功能集整合到一起，與API結合使用，并且基于靈活數據來構建。

復合架構中的另一個技術趨勢是數據結構，即如何通過人工智能來獲得來自不同數據源的元數據，以進行無縫數據訪問，無論數據在哪。這些都是復合企業數據結構和打包業務的能力。

這就好比這次新冠疫情一樣，完全顛覆了我們以往的認知。許多業務和流程，以及交付都要結合新的環境進行改變，制定新的解決方案來執行和交付。復合架構的可組合企業也一樣，將面臨重大變革。

Algorithmic trust —— Avivah Litan

認證來源（authenticated provenance）是什么？

認證來源是算法信任的一部分?；旧纤龅木褪球炞C某事物的來源。算法信任適用于整個生命周期。認證來源詢問如何知道被創建的某事是真實和有效的？你可以使用許多不同的方法來驗證來源。

一種方法是人工?？梢宰尡O管人員去查看麥田，然后判斷：“是的，這絕對是有機小麥”。但這不是很好的方式。第二種方法是使用人工智能模型，并通過觀察小麥本身的不同成分、生物方面或DNA來區分有機小麥和非有機小麥。

判斷某事物是否可以信任的第三種方法是使用與該領域相關的一些技術在原點進行認證。比如以藥物為例，一種在工廠生產的藥物。一旦它被工廠的QA流程批準，這些數據就會被鎖定，就產生了一個藥品來源的記錄，可以追蹤直到有人購買該藥物之前（的記錄）。

這感覺與世界當前的狀態確實相關。這是它今年上榜的原因嗎？

這項技術之所以具有特色，是因為它在我們的數字世界非常必要。你不能隨便相信任何事情。這聽起來可能很極端，但這就是現實。在生產過程中加入假貨和仿冒品的很容易，無論是生產過程還是生產內容，我們都需要能夠被信任的產品來源和出處。消費者也更希望知道物品是否值得信賴，因此如今對來源認證的需求比歷史上任何時候都更強烈。

分析：經過驗證的一個實踐是，通過區塊鏈技術認證來源，包括資產信息、資產類別、文章來源等。該技術的一些可行用例，比如鉆石或藥品來源認證，這些都是可以偽造的物品。這是利用區塊鏈技術的一種驗證方法。

另一種是差分隱私方法（differential privacy是密碼學中的一種手段，旨在提供一種當從統計數據庫查詢時，最大化數據查詢的準確性，同時最大限度減少識別其記錄的機會），比如我們為數據加密，與第三方分享，這樣第三方就可以對這些數據進行操作和分析，而無需對其解密。例如醫院，想參與醫學研究分享，但又不想公開個人信息和患者記錄，那么利用差分隱私，我們可以查看匯總和結論性數據，而無需查看個體數據和細節。這是算法信任的一個理念。

Beyond silicon —— Nick Heudecker

（1） DNA計算是什么，它是怎么運作的？

DNA計算進入了超硅的趨勢，因為它引入了一種全新的計算基質，而不是使用硅。它不僅利用分子之間的反應來存儲數據，還為你提供了一種處理數據的新方法。

在DNA中存儲數據聽起來十分復雜，但技術已經成熟并被部分人所理解。首先，數字內容被壓縮并映射到DNA中的四種核苷酸（adenine腺嘌呤、thymine胸腺嘧啶、guanine鳥嘌cytosine呤和胞嘧啶，或稱“ATGC”）。因為有四個核苷酸，每個核苷酸可以代表兩個數字位。這些核苷酸編碼被用來創建匹配的合成DNA，然后復制并存儲在DNA鏈中。當材料從存儲容器中提取出來時，這些鏈會被“放大”，或被復制數百萬次，從而使讀取數據變得更容易。

當需要讀取數據時，會發生相反的過程。DNA鏈被準備好并重新排列成核苷酸代碼，然后這些核苷酸代碼又被轉換成數字內容。

（2） 這在如今會有什么作用？

你可以在任何擁有大量數據的行業中看到DNA計算。歐洲核子研究中心的大型強子對撞機就是一個很好的例子。他們每年收集Pb級的數據。將其儲存在磁帶中是非常昂貴的。這需要很大的空間，他們只能存儲大約10年，然后他們必須把它轉移到新的磁帶。其他的使用案例包括存儲國家檔案，產生大量數據的科學研究，如天文學，或者像石油和天然氣這樣的行業。

但這只是半個故事——你還必須能夠處理這些數據。這是DNA計算的真正優勢之一。你可以擁有一個給定數據集的數百萬副本，而且復制它的成本非常低。一旦你有了幾百萬副本數據，你就可以把酶引入DNA鏈池，利用酶反應，它就可以做任何你想做的計算?？尚械腄NA處理還需要幾年的時間，但其可能性是令人興奮的。

（3） 從市場應用的角度看，技術會用在哪里？

DNA計算還處于非常早期的階段。我們已經看到了一些來自不同規模的技術供應商的早期投資。大學里正在進行許多研究，但還為時尚早。我認為在三到五年內，我們將看到DNA存儲作為一個可行的選擇，很可能出現在云基礎設施場景中。到那時，DNA計算技術將需要更長的時間來發展。我預測這將在8到10年內發生。

分析：目前已經開始采用的超硅材料是碳基晶體管（碳納米晶體管）。碳基晶體管可以減少十倍的資源需求而且速度更快，另外一種技術則是DNA計算和存儲，不過這可能離我們還有些遙遠。

Formative AI——Svetlana Sicular

（1） 什么是形成性AI？

形成性AI不是一種單一的技術，而是多種機器學習方法，它們從數據中學習手工制品，并使用這些數據來生成全新的、完全原創的、真實的手工制品。這些手工制品保留了與訓練數據的相似性，但不會與其重復。它可以生成新的內容，如圖像、視頻音樂、演講、文本甚至材料，所有這些都可以結合起來生成。它可以改進或更改現有內容，還可以創建新的數據元素或數據本身。

（2） 形成性AI的弊端有哪些？

由于深度偽造，形成性AI產生了一些負面評價。如果AI能夠生成人臉、文本或視頻，它就可能被用于進行對某人出于政治或勒索目的攻擊。我們已經看到了第一個人造聲音被用于貪污的案例。一個CEO的聲音被仿造并用來要求快速轉移一大筆資金。但我們不能否定它的好處，比如生殖技術被用來預測某些疾病，例如關節炎，在未來三年內會如何發展。

分析：我們看到的是更遠的AI技術的適應性和創造力，即AI可以像人一樣有創意。這涉及到自適應機器學習，它是一種可以在生產環境中更新的ML模型。通常我們會通過大量數據來訓練機器學習模型，先測試模型，然后將靜態模型投入生產。這就是常規的自適應機器學習。而后模型將在生產環境持續訓練，動態更新。

而形成性AI則是在沒有足夠訓練數據的情況下，可以生成綜合數據，或是想要確保數據隱私性，可以生成代表真實數據的綜合數據，但并非真實數據。這也是該技術會有一些負面評價的原因之一。

再者，是一些逆向設計工程，用于材料科學領域，搜尋哪些材料具有你想要的屬性;在優化搜索中搜索所有潛在空間，來識別物質或識別藥物（特定藥物的結構）

Digital me —— Sylvain Fabre

雙向腦機接口能做些什么？

雙向腦機接口可以把人腦變成物聯網設備。它是一個界面，可以記錄大腦在一段時間內的活動，并猜測或推斷某人的情緒或狀態。我們稱它為雙向，因為你也可以像你寫入內存設備或電腦一樣進行寫入操作，你可以發送或移除大腦中的電流。

一個早期的應用是發送電流來改變人的情緒。例如，在中國，已經開始進行實驗，觀察同事是否開始生氣或激動等等。所以它基本上是分析個體的心理狀態，并有可能改變它。

這項技術有一種科幻的感覺，它離現實有多遠？

除了實驗室的研究，還有一些非侵入性的的早期產品。我們認為下一步將會是更具侵略性的變種，人們可能會選擇在運動、工作或學校中自己來操作。這將是企業CIO的一個重要關注點。

就目前的規劃而言，我們自己的設想是，到2025年，員工在試驗雙向腦機器接口時，至少會導致一次重大的企業數據安全中斷。我們認為，到2030年，北美約有5%的員工將使用某種形式的雙向腦機接口。

例如，可以對教師、護士或司機的警覺性和他們在工作中保持積極態度的能力進行監測，還可以要求他們參與腦電波管理。比如，提高警覺性或認知能力。其中一些是員工自主的，還有一些是公司執行的。這也引發了準許、數據隱私和安全等問題。

分析：雙向腦機接口實踐的案例

就應用而言，健康和健身的早期例子是監測并記錄大腦活動。另一個例子是專職司機安全保障，可以檢測微睡眠狀態。也可以監控員工的壓力和健康狀況。我們已經看到了用于醫療的控制機器的早期應用，如癱瘓者，他們可以用大腦來控制外骨骼。

也可能有一些結果對個體產生消極作用，例如，抗抑郁藥，目前主要使用的化學形式。通過雙向腦機接口分發的抗抑郁藥物波可以用來使人更堅強。有人可能有上癮的問題，習慣通過腦機器接口發送愉悅的脈沖。所以有一些負面功能需要監管。

我們研究了來自風險投資者的投資，這讓我們有了一個方向——從雙向腦機接口的優先順序著手。我們沒發現安全或隱私方面的問題，這有點令人擔憂。該技術具有開發積極用例的巨大潛力，同時還存在不可忽視的個人數據和公司敏感信息和安全風險，以及對用戶造成物理傷害的風險。這些風險必須要解決，以保護個人和企業。

最后補充一個觀點

企業關注成熟度曲線中這些遙不可及技術有什么意義？

了解這些技術以及其對行業和組織的影響非常重要。首先了解技術，了解技術能力，而后你可以知道它能做些什么。能力會隨著時間不斷提升，對于使用中的大多數技術而言，功能通常也就是案例，那么潛在的用例是什么？這項技術的成熟度怎么樣？在特定用例中使用該技術，你想要做些什么？以此為組織增加業務能力。

通過利用新技術，從而使用例與業務相匹配，識別這些商業機會，然后持續跟蹤技術，隨著技術的成熟，這些機會到了可以抓住的時候，在一些特定業務場景中可以進行部署。因此，重點是技術能力、用例、技術相關業務場景、跟蹤技術，直到技術成熟。
責編AJX