2017年新兴科技技术成熟度曲线彰显3大趋势 人工智能、沉浸式体验和数字平台

简介:

Gartner发布了2017年新兴科技技术成熟度曲线(Hype Cycle for Emerging Technologies),其中包含的各类新兴科技技术揭示出未来五到十年内可以帮助各企业在数字经济时代中生存并繁荣发展的三大显著趋势。

2017年新兴科技技术成熟度曲线彰显三大趋势

这三大趋势为无处不在的 人工智能 (AI)、透明沉浸式体验(transparently immersive experiences)和数字平台(digital platforms)。它们将提供无可比拟的智能、创造全新体验并提供各种平台,帮助各企业机构与全新业务生态系统(new business ecosystems)相关联。

今年的《新兴科技技术成熟度曲线》报告给出了年度最长的Gartner技术成熟度曲线,从全行业的角度分析了业务战略师、首席创新官、研发领导者、企业家、全球市场开发者和新兴科技技术团队在开发新兴科技技术组合时应该考虑的技术和趋势。

新兴科技技术成熟度曲线在Gartner技术成熟度曲线中最为独特,因为它集逾两千种科技的大成,凝聚独到的见解,并以简洁明了的方式呈现出一套引人注目的新兴科技技术和趋势。该技术成熟度曲线重点关注了那些有望在未来五到十年内拥有高度竞争优势的科技(参见图一)。

Gartner研究总监Mike J. Walker表示:

“关注科技创新的企业架构师必须评估这些高级趋势和独具特色的科技及其对所在企业的潜在影响力。除了对各企业带来潜在影响外,这些趋势还能为企业架构的管理者提供难得的机会,去帮助高层的业务和IT领导者创造一切就绪的、可行的和诊断性的可交付成果,以指导投资决策,应对数字化业务(digital business)中的机会和威胁。

图一、2017年新兴科技技术成熟度曲线

无处不在的人工智能

人工智能(artificial intelligence technologies)将在未来十年内成为最具颠覆性的科技,因为它具有前所未有的计算能力、接近无限的数据量并在深度神经网络中取得了空前进步;而这些也将使拥有人工智能科技的企业机构可以熟练驾驭数据,以适应新环境、解决新问题。

在该领域中寻求影响力的企业应考虑以下科技:深度学习(deep learning)、深度强化学习(deep reinforce learning)、通用人工智能(artificial general intelligence)、自动驾驶汽车(autonomous vehicles)、认知计算(cognitive computing)、商用无人机(commercial UAVs [drones])、会话式用户界面(conversational user interfaces)、企业知识分类与知识本体管理(enterprise taxonomy and ontology management)、机器学习(machine learning)、智能微尘(smart dust)、智能机器人(smart robots)和智能工作空间(smart workspace)。

透明沉浸式体验

科技将更加以人为本,在个人、公司和物件之间建立起公开透明的关系。随着科技将在工作场所和家中以及与企业和人类的互动过程中变得更具适应性、情境化和易变性,因此这种关系将变得日益密切和复杂。

企业机构需考虑的关键技术包括:4D打印(4D printing)、增强现实(AR)、脑机界面(computer-brain interface)、联网家庭(connected home)、人体机能增进(human augmentation)、纳米管电子(nanotube electronics)、虚拟现实(VR)和立体显示(volumetric displays)。

数字平台

新兴科技要求革新能够提供大量必要数据、先进计算能力及广泛赋能生态系统的各种基础架构。分段化的技术基础架构向生态系统赋能平台的转变正在为人类和技术之间搭建桥梁的全新业务模式奠定基础。

企业机构需追踪的关键平台赋能科技包括:5G、数字孪生(digital twin)、边缘计算(edgecomputing)、区块链(blockchain)、物联网平台(IoT platform)、神经形态硬件(neuromorphic hardware)、量子计算(quantum computing)、无服务器化平台即服务(serverless PaaS)以及软件定义安全(software-defined security)。Walker认为:“

当我们综合审视这些主题时,我们可以看到透明沉浸式体验中以人为本的赋能科技,比如智能工作空间、联网家庭、增强现实、虚拟现实和日益增长的脑机界面正在发展成为拉动技术成熟度曲线上其它趋势的尖端科技。”

“无处不在的人工智能”新兴科技正在技术成熟度曲线上快速移动。深度学习、自主学习和认知计算等科技刚越过曲线顶峰,这表明它们是创造透明沉浸式体验的赋能科技。

最后,数字平台正在迅速地沿着技术成熟度曲线移动,这表明:提供可驱动未来的基础平台可能催生新的IT现实。量子计算(正在技术萌芽期爬升)和区块链(已通过曲线顶峰)等科技预计在未来五到十年内产生最具革新性且最引入注目的影响。  Walker表示:

“这些重大趋势表明企业机构越有能力让科技成为员工、合作伙伴和客户体验不可分割的一部分,它们也就越能以全新和动态的方式将其生态系统与平台相关联。”

Gartner客户可阅读《2017年新兴科技技术成熟度曲线》(Hype Cycle for Emerging Technologies, 2017)报告全文获取更多信息。该研究是Gartner趋势洞察报告《2017年技术成熟度曲线凸显企业和生态系统数字化变革》(2017 Hype Cycles Highlight Enterprise and Ecosystem Digital Disruptions)的一部分。该趋势洞察报告涵盖跨越超过100条技术成熟度曲线的1800多种科技、服务和学科的分析,旨在帮助首席信息官和IT领导者应对与其业务相关的机会和威胁,引领科技赋能业务创新以及帮助其企业或机构制定有效的数字化业务战略。



原文发布时间:2017年8月25日

本文由:中国软件网发布,版权归属于原作者

原文链接:http://toutiao.secjia.com/2017-hype-cycle-emerging-technologies

本文来自云栖社区合作伙伴安全加,了解相关信息可以关注安全加网站

相关文章
|
5天前
|
人工智能 自然语言处理 机器人
文档智能与RAG技术如何提升AI大模型的业务理解能力
随着人工智能的发展,AI大模型在自然语言处理中的应用日益广泛。文档智能和检索增强生成(RAG)技术的兴起,为模型更好地理解和适应特定业务场景提供了新方案。文档智能通过自动化提取和分析非结构化文档中的信息,提高工作效率和准确性。RAG结合检索机制和生成模型,利用外部知识库提高生成内容的相关性和准确性。两者的结合进一步增强了AI大模型的业务理解能力,助力企业数字化转型。
35 3
|
14天前
|
人工智能 搜索推荐 安全
AI技术在医疗领域的应用与挑战
【10月更文挑战第27天】 本文探讨了人工智能(AI)在医疗领域的应用,包括疾病诊断、药物研发和患者管理等方面。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题和技术局限性等。通过对这些方面的深入分析,我们可以更好地理解AI在医疗领域的潜力和发展方向。
119 59
|
3天前
|
人工智能 文字识别 运维
AI多模态的5大核心关键技术,让高端制造实现智能化管理
结合大模型应用场景,通过AI技术解析高端制造业的复杂设备与文档数据,自动化地将大型零件、机械图纸、操作手册等文档结构化。核心技术包括版面识别、表格抽取、要素抽取和文档抽取,实现信息的系统化管理和高效查询,大幅提升设备维护和生产管理的效率。
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与深度学习:探索未来技术的无限可能
在21世纪,人工智能(AI)和深度学习已经成为推动科技进步的重要力量。本文将深入探讨这两种技术的基本概念、发展历程以及它们如何共同塑造未来的科技景观。我们将分析人工智能的最新趋势,包括自然语言处理、计算机视觉和强化学习,并讨论这些技术在现实世界中的应用。此外,我们还将探讨深度学习的工作原理,包括神经网络、卷积神经网络(CNN)和循环神经网络(RNN),并分析这些模型如何帮助解决复杂的问题。通过本文,读者将对人工智能和深度学习有更深入的了解,并能够预见这些技术将如何继续影响我们的世界。
34 7
|
5天前
|
人工智能 自然语言处理 自动驾驶
技术与人性:探索人工智能伦理的边界####
本文深入探讨了人工智能技术飞速发展背景下,伴随而来的伦理挑战与社会责任。不同于传统摘要直接概述内容,本文摘要旨在引发读者对AI伦理问题的关注,通过提出而非解答的方式,激发对文章主题的兴趣。在智能机器逐渐融入人类生活的每一个角落时,我们如何确保技术的善意使用,保护个人隐私,避免偏见与歧视,成为亟待解决的关键议题。 ####
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
思通数科AI平台在尽职调查中的技术解析与应用
思通数科AI多模态能力平台结合OCR、NLP和深度学习技术,为IPO尽职调查、融资等重要交易环节提供智能化解决方案。平台自动识别、提取并分类海量文档,实现高效数据核验与合规性检查,显著提升审查速度和精准度,同时保障敏感信息管理和数据安全。
62 11
|
8天前
|
人工智能 自然语言处理 算法
企业内训|AI/大模型/智能体的测评/评估技术-某电信运营商互联网研发中心
本课程是TsingtaoAI专为某电信运营商的互联网研发中心的AI算法工程师设计,已于近日在广州对客户团队完成交付。课程聚焦AI算法工程师在AI、大模型和智能体的测评/评估技术中的关键能力建设,深入探讨如何基于当前先进的AI、大模型与智能体技术,构建符合实际场景需求的科学测评体系。课程内容涵盖大模型及智能体的基础理论、测评集构建、评分标准、自动化与人工测评方法,以及特定垂直场景下的测评实战等方面。
44 4
|
8天前
|
机器学习/深度学习 人工智能 算法
基于AI的性能优化技术研究
基于AI的性能优化技术研究
|
12天前
|
机器学习/深度学习 人工智能 算法
AI技术在医疗健康领域的应用与挑战####
本文旨在探讨人工智能(AI)技术在医疗健康领域的创新应用及其面临的主要挑战。通过深入分析AI如何助力疾病诊断、治疗方案优化、患者管理及药物研发,本文揭示了AI技术在提升医疗服务质量、效率和可及性方面的巨大潜力。同时,文章也指出了数据隐私、伦理道德、技术局限性等关键问题,并提出了相应的解决策略和未来发展方向。本文为医疗从业者、研究者及政策制定者提供了对AI医疗技术的全面理解,促进了跨学科合作与创新。 ####
|
11天前
|
人工智能 算法
AI技术在医疗领域的应用及其挑战
【10月更文挑战第31天】本文将探讨AI技术在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念开始,然后详细介绍其在医疗领域的应用,包括疾病诊断、药物研发、患者护理等方面。最后,我们将讨论AI技术在医疗领域面临的挑战,如数据隐私、算法偏见等问题。

热门文章

最新文章