近期，阿里巴巴达摩院发布了“达摩院2020十大科技趋势”。这是继2019年之后，阿里巴巴达摩院第二次预测年度科技趋势。科技浪潮新十年开启，“达摩院2020十大科技趋势”围绕AI、芯片、云计算、区块链、工业互联网、量子计算等领域提出最新趋势，包括：人工智能从感知智能向认知智能演进；计算存储一体化突破AI算力瓶颈；工业互联网的超融合；机器间大规模协作成为可能；模块化降低芯片设计门槛；规模化生产级区块链应用将走入大众；量子计算进入攻坚期；新材料推动半导体器件革新；保护数据隐私的AI技术将加速落地；云成为IT技术创新的中心，而人工智能依然是核心。
人工智能从感知智能向认知智能演进
人工智能已经在“听、说、看”等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破。
>>>>趋势解读
近些年来，人工智能已经在感知智能上取得了长足的进步，甚至在许多领域已经达到或超出了人类的水准，解决了“听、说、看”的问题。但对于需要外部知识、逻辑推理或者领域迁移等需要“思考和反馈”的问题，仍然存在诸多难题去攻破。
相较于感知智能这一人工智能1.0，人工智能2.0将更多基于数据，自动将非结构化的数据转变为结构化的知识，做到真正意义上的认知智能。探索如何保持大数据智能优势的同时，赋予机器常识和因果逻辑推理能力，实现认知智能，成为当下人工智能研究的核心。
认知智能的机制设计非常重要，包括如何建立有效的机制来稳定获取和表达知识，如何让知识能够被所有模型理解和运用。认知智能将会从认知心理学、脑科学以及人类社会的发展历史中汲取更多的灵感，并结合跨领域知识图谱、因果推理、持续学习等研究领域的发展进行突破。
认知智能将结合人脑的推理过程，进一步解决复杂的阅读理解问题和少样本的知识图谱推理问题，协同结构化的推理过程和非结构化的语义理解。认知智能也需要解决多模态预训练问题，帮助机器获得多模感知能力，赋能海量任务。
大规模图神经网络被认为是认知智能计算强有力的推理方法。图神经网络将深度神经网络从处理传统非结构化数据（如图像、语音和文本序列）推广到更高层次的结构化数据（如图结构）。大规模的图数据可以表达丰富和蕴含逻辑关系的人类常识和专家规则，图节点定义了可理解的符号化知识，不规则图拓扑结构表达了图节点之间的依赖、从属、逻辑规则等推理关系。以保险和金融风险评估为例，一个完备的AI系统不仅需要基于个人的履历、行为习惯、健康程度等进行分析处理，还需要通过其亲友、同事、同学之间的来往数据和相互评价进一步进行信用评估和推断。基于图结构的学习系统能够利用用户之间、用户与产品之间的交互，做出非常准确的因果和关联推理。
未来人工智能热潮能否进一步打开天花板，形成更大的产业规模，认知智能的突破是关键。认知智能可以帮助机器跨越模态理解数据，学习到最接近人脑认知的“一般表达”，获得类似于人脑的多模感知能力，有望带来颠覆性创新的产业价值。认知智能的出现使得AI系统主动了解事物发展的背后规律和因果关系、而不再只是简单的统计拟合，从而进一步推动下一代具有自主意识的AI系统。
机器间大规模协作成为可能
传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。多智能体协同带来的群体智能将进一步放大智能系统的价值：大规模智能交通灯调度将实现动态实时调整，仓储机器人协作完成货物分拣的高效协作，无人驾驶车可以感知全局路况，群体无人机协同将高效打通最后一公里配送。
>>>>趋势解读
随着人工智能发展迎来又一次浪潮，越来越多的智能设备参与到人类日常生产活动中，影响着人们生活的方方面面。随着“万物互联（Internet of everything）”概念的提出，大量的智能设备被联接起来，形成一个智能设备网络，实现信息共享、统一控制。
在大规模智能设备网络中，机器与机器之间的交流与协作将十分重要。这种协作将优化整体的长期目标，涌现群智，从而进一步将智能系统的价值规模化放大。以城市级别的交通灯控制任务为例，它关注长期城市交通的车辆通行顺畅度。现实环境中，一个城市级别的交通灯控制规模巨大，不同时期又有不同的控制策略，每个路口红绿灯的控制策略取决于实时车流信息及邻近范围内其他路口的交通控制策略。这种要求动态实时调整的大规模智能网络，使用原有的基于规则的方法很难实现。而基于多智能体强化学习的大规模交通控制技术可以解决这一难题。
未来5年，多智能体协作将在城市生活的方方面面落地发展，仓储机器人的高效协作完成货物的快速分拣，提升物流效率，降低存储和运输成本；道路上的无人车能够决定并道时是否让其他车先行，提升无人驾驶的安全性和交通效率；交通灯根据当前路口和邻近路口的实时交通情况来决定调度信号，真正盘活整个城市高峰时期的交通；网约车平台会根据城市不同地点各个时间的打车需求来优化给每辆车的派单，降低用户等车时间，提升司机收入。
多智能体协同及群体智能这样全新的人工智能范式的发展和普及将会带来整个经济社会的升级，让人工智能不再只是单个的工具，而是协调整个人类工作生活网络的核心系统。
保护数据隐私的AI技术将加速落地
数据流通所产生的合规成本越来越高。使用AI技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。
>>>>趋势解读
数字经济时代，数据成为社会经济发展的新生产要素，数据流动价值也越来越受到人们的重视。然而在企业数字化建设过程中，由于规划、设计、管理等方面存在的问题，导致业务系统在功能上不关联互动、信息不共享互换，各个系统之间容易形成数据孤岛的问题，进一步制约数据共享所带来的流动价值。在越来越多对数据隐私的担忧声中，政府开始行动制定数据使用合规法案，大量的数据因为需要依法保护而无法被联合在一起计算。针对“数据孤岛”现象，目前大部分数据共享平台本质上都是基于中心化的数据交换机制，存在过程复杂、通信成本高、效率低、所有权模糊化、数据泄露风险大的缺点，而且无法保护用户的个人隐私。保护隐私的AI安全技术能够在保证各方数据安全和隐私的同时，联合使用各方数据来达到特定的训练与使用AI的目的，大大降低信任成本与会计成本，从而充分发挥数据的价值，解决数据孤岛以及数据共享可信程度低的问题。
保护数据隐私的AI安全技术拓展传统分布式计算以及信息安全范畴，为网络协作计算提供一种新的计算模式。它可通过多种技术结合保护数据安全，包括安全多方计算、差分隐私、同态加密、混淆电路、加密搜索与计算、可信软硬件等；也可利用人工智能保障模型鲁棒与安全性，如模型加固、数据毒化防御、对抗性样本防御等。
AI技术除了在数据流通（传输）过程中，筑起“铜墙铁壁”，全方位保护隐私安全以外，以麦仑仙人掌为代表的AI技术，还可以在源头杜绝隐私泄露问题。
由麦仑Melux 自主研发的仙人掌手掌脉络隐性“微特征”识别技术，是世界上第一个能独立支撑实时、大流量身份认证的“零介质、零漏洞”识别技术。通过FVR，把浩瀚的手掌脉络微特征，编码为高密度、高容量的超级“原生码”。可实现百亿样本0.3秒闪速识别，支撑10亿级的用户需求，准确率远超人脸识别，具有超安全、超灵便、全龄段、超易用的显著优势，完美替代升级码、卡、币(Code, Card, Cash)。
仙人掌技术最核心的优势在于，感知的是手掌内部的隐性脉络微特征信息，隐性信息从不对外公开显示，任何人不可见，不能复制，不能伪造，不能盗用，更不会遗失，安全性极高，充分尊重用户隐私，完美弥补了当前人脸技术普遍存在的隐私、安全CDPi问题，满足了世界最高标准的隐私、安全的法律法规。可以为轨道交通、地铁公交、机场海关、社保管理、活体证件、行政审批、安防系统和金融服务等领域，提供超安全、超精准、超快捷的智能化身份认证服务。
文章综合整理自：IT之家、达摩院官网
