2022 年新兴技术趋势

2022新兴科技重要性趋势 市场和法律见解创新者 2022年新兴技术趋势 市场和法律见解创新者 内容 3 | 转换技术:向前看 4 | 人工智能,机器学习和量子计算 15 | 云计算和分布式基础设施 27 | 数字媒体和娱乐 37 | Fintech与区块链技术 46 | 绿色技术 57 | Healthtech&医学技术 69 | 移动无线技术 82 | 隐私和安全 95 | 零售和电子商务 108 | 机器人和自治系统 119 | Spacetech 128 | 参考表 转换技术:向前看 技术——以及新技术的创新部署——越来越多地塑造了我们生活和与环境互动的方式。以下报告探讨了10项新兴和新兴技术的一些关键发展、趋势和影响，这些技术不仅扰乱了当今的市场，而且还影响和塑造了未来的市场。 •人工智能、机器学习和量子计算 •云计算和分布式基础设施 •数字媒体和娱乐 •绿色技术 •Healthtech&医学技术 •移动无线技术 •隐私和安全 •零售和电子商务 •机器人和自治系统 •Spacetech 中断 在过去的二十年中，由于技术的扩散和发展以及转型，出现了新的商业模式，颠覆了传统的工作方式，并促成了新产品和服务的开发。虽然仍处于早期阶段，但这些中断仍在继续。 大流行性流感加快了改革的步伐 COVID-19和随后的应对措施加快了创新技术的转型和采用。由于大流行造成、加剧或揭示了威胁个人健康和生计的挑战，科技公司开始发明更好的解决方案来解决现在和未来的这些问题。 先进技术的融合将继续推动增长 随着先进技术的扩展和发展，它们也在融合。曾经被认为是独立的技术组合有望在未来十年促进增长和经济发展。这包括颠覆现有的商业模式和创建全新的业务类别。新技术旨在使企业更安全，更有保障，同时降低成本和环境影响。 了解对行业、社会和法律的影响 创新技术也带来了独特的挑战，包括法律和监管要求，需要预见和准备。技术的突破性发展正在帮助我们发展经济，同时也重塑社会和环境。本报告的每个部分都涉及技术发展的关键领域、行业信号、更广泛的社会影响以及相关的法律影响。 人工智能,机器学习和量子计算 5|行业概述 6|使科学和技术 7|部门和行业的信号 9|影响 10|法律含义14|作者 2022年新兴技术趋势 市场和法律见解创新者 经济学家和评论员对人工智能的经济影响存在分歧。一方面，到 2030年，这项技术可以为全球经济增加多达13万亿美元， 是国内生产总值增长的重要来源。另一方面，部署人工智能的目的通常是减少费用，其中包括劳动力成本。 人工智能,机器学习和量子计算 行业概述 人工智能,毫升,量子计算?人工智能（AI）是机器模仿人类智能来学习、推理和感知的能力。人工智能分为两类：狭义和一般。狭义人工智能是指在狭窄的知识领域内开发的人工智能系统，例如面部识别和自然语言处理。这些狭义系统无法在狭义领域知识之外运行或推断 由于这些特性，量子计算机可能比传统计算机强大得多。它们同时在多种状态下运行，而不是使用零和一的二进制语言，这使它们能够解决复杂的问题，而不是依赖二进制计算。 相关的部门 他们是发达。 通用人工智能是一种人工智能系统，能够实现人工等效的人工智能，在面对新问题时具有思考、学习、计划和行动的能力。它不限于一个狭窄的知识领域。机器还没有与人类相当的智能，因此通用人工智能目前是一种理论形式的技术。 •农业 •金融服务 •数字媒体和娱乐 •云技术服务 AI为什么重要? 人工智能有效地模仿人类的能力， •运输 •广告 •能源 •电信(包括5g无线) 根据IBM的说法，机器学习（ML）涉及机器“从数据中学习而不是通过显式编程 ”的能力。ML技术通常用于AI系统。 量子计算利用量子力学的现象来处理量子比特中的信息，基于叠加和纠缠的量子特性。 高效，低成本，因此代表了一种省力的技术。人工智能的可靠性还可以减少许多环境中的损失和错误，从工业应用到消费技术。例如，如果自动驾驶汽车始终比人类驾驶的汽车更安全，那么这些汽车的车主可能会支付更少的汽车保险费。 使科学技术 深度学习 深度学习是使用深度神经网络架构的机器学习的一个子集。神经网络是相互连接的处理器，它们协同工作以解决 问题。他们的灵感来自人脑中神经元的结构和功能。神经网络可以组织为具有隐藏层，并且当网络的每一层触发时，它将更具体的数据视图传递到下一层。深度网络可能有150多个隐藏层来优化和完善准确性。深度学习的各种网络架构，如递归神经网络、卷积神经网络和简述神经网络，在语音识别、计算机视觉、 和生物信息学，以及许多其他领域。深度学习增强了分析和物理任务，无需人工干预，从而支持自主系统。 量子的人工智能 为了减轻有害的偏见，美国国家标准与技术研究院（NIST）提出了一种方法，该方法通过模仿AI开发生命周期的三个阶段（预设计，设计和开发以及部署）来管理偏见。 量子人工智能代表了人工智能发展的前沿。它基于为AI和ML中的计算任务构建量子算法的概念。虽然目前在其 在早期阶段，量子人工智能有望成为下一代人工智能。2021年，谷歌在加利福尼亚州圣巴巴拉建立了量子人工智能实验室，目标是在10年内建造一台“有用的、纠错的量子计算机”。 如前所述，量子技术在叠加和纠缠状态下运行的能力使其比二进制代码强大得多 。将量子技术应用于 人工智能为一些超出现有计算机能力的应用程序打开了大门。 认知计算 认知计算是计算机科学和认知科学的结合，旨在模拟人类的思维过程。它与人工智能重叠，涉及许多相同的底层技术。例如，为了解决复杂的问题，认知应用程序可以使用数据挖掘、视觉识别和自然语言处理。 早期采用者正在部署该技术用于客户获取、客户参与和客户服务等用途。 部门和行业的信号 美国宇航局“临界点”计划使用人工智能驱动的分析 在其他目标中，美国宇航局的“临界点”计划旨在开发可以在没有人为干预的情况下在月球表面导航的机器人。博世将通过“AIoT”支持该计划，AIoT是人工智能和物联网（IoT）的结合，指的是智能处理能力。博世的重点是 连接设备以获取数据，处理数据并通过AI使用它，最终目标是创建一个可以在月球上安全可靠导航的机器人。 苹果收购人工智能初创公司以改善语音、图像识别 2020年5月，苹果通过收购ML初创公司Inductiv，朝着推进其语音识别软件迈出了一步。几个月前，苹果还收购了Xnor.ai，以使用其图像识别技术进行安全保护。 应用。近年来，苹果收购的其他值得注意的人工智能和数据公司包括 Tuplejump，Laserlike，Turi和Perception。 工业AI加强的增长前景工业AI有助于利用新技术实现工业流程自动化，其目的包括供应链优化、作物最大化和预测分析。PitchBook预计，到2021年，企业将在工业AI上花费约99亿美元，而市场 工业人工智能将以24.1%的复合年增长率增长，到2024年达到189亿美元。工业人工智能领域最近的一些创新包括McFly的智能农业监测无人机和GAGO在作物生产中大规模应用人工智能技术。 NIST提出了识别和管理有害AI偏见的新方法 2021年6月，美国国家标准与技术研究院（NIST）发布了一项提案，以推进理解和减少有害形式的人工智能偏见的方法。NIST引用国际标准化组织的话指出 ，统计术语中偏差的定义是“参考值偏离事实的程度”，并警告说不要 所有形式的偏见都是负面的。偏见可能导致或减轻有害或歧视性结果。 为了减轻有害的偏见，NIST提出了一种方法，该方法通过模仿AI开发生命周期的三个阶段（预设计，设计和开发以及部署）来管理偏见。NIST警告说，每个阶段都可能发生偏差，如下图所示。 设计 部署 设计与开发 通过间接测量基于构造的模型，数据反映了现有的偏差。 来自人类解释和决策的启发式方法 ，以及来自机构实践的偏见。 问题的形成最终可能会加强系统性的历史和制度偏见。 2021年3月，五家美国金融监管机构发出了有关银行如何使用人工智能的信息请求。此外，美国联邦贸易委员会（FTC）发布了关于人工智能真实、公平和公平的指导方针。5月，参议员爱德华·马基和众议员多丽丝·松井介绍了《2021年算法正义和在线平台透明度法案》。与此同时，参议员罗恩·怀登（RonWyden ）计划在2021年重新引入《算法问责法案》。在国际上，欧盟委员会在四月份提出了关于人工智能的新规则。 所有现行和拟议的人工智能法律都有三个共同要素：（1）有义务进行风险评估并记录如何减轻或解决风险;(2) 问责制和独立性，这意味着测试和验证人工智能的人员应该与最初开发人工智能的人员不同，测试人员应该有不同的 部门和行业的信号(租) 比开发商更有动力;（3）持续审查人工智能系统的义务。 也有行业主导的解决方案来对抗人工智能偏见。其中之一是使用合成数据 ，它复制现实世界的统计成分，没有可能产生有害结果的变量。这种形式的理想（无害）数据生成偏差是通过向数据集添加合成或冗余数据样本来创建的。 零售行业顶级AI的支持者之一 2020年，国际数据公司（IDC）将零售和银行业确定为全球在AI解决方案上花费最多的两个行业。当时，IDC表示零售商专注于 他们投资于通过聊天机器人和推荐引擎改善客户体验，而银行则优先考虑欺诈分析和调查以及计划顾问和推荐系统。 最近，IDC更新了其调查结果，指出零售商将超过银行成为人工智能的最大支出者。这是因为零售商正在更广泛的应用程序中部署人工智能，包括库存管理。两个早期采用者是HomeDepot和Wayfair。家得宝正处于使用ML发现需要在商店货架上补货的产品的早期阶段。Wayfair在很大程度上依赖于计算机视觉来将购物者的搜索与他们想要购买的商品相匹配。其他值得注意的发展包括沃尔玛与Adobe的合作，提供人工智能驱动的替代，取货和交付。 塔吉特投资了人工智能，以改进推荐并提供虚拟产品试用应用程序。好市多和其他杂货店 利用机器学习来跟踪新鲜食品库存并减少浪费。 政府收购的人工智能技术 美国国防部（DOD）打算通过快速采购流程加快其人工智能采购。该项目名为Tradewind，旨在帮助联合人工智能中心（JAIC）在整个军队中找到AI用例并获得正确的算法。正如我们在其他地方所讨论的那样，国防部的政策旨在促进国防采购中的“负责任的人工智能”，这重申了该部门的道德原则。据报道，在 至少有九个项目价值约7400万美元正在该计划的筹备中。 联邦政府也在努力部署人工智能。美国参议院国土安全和政府事务委员会的领导人提出了《收购劳动力法案的人工智能培训》，该法案如果获得通过，将为联邦工作人员建立一个培训计划，以更多地了解人工智能技术。 医疗保健-人工智能子行业的应用数量不断增加 人工智能在医疗保健行业的主要应用之一是药物和化合物开发，因为它大大减少了销售新药所需的时间和金钱，并具有显着的竞争优势。其他 应用包括临床决策支持、基因分析、医疗保健管理和个人健康。 行业主导的解决方案正在与人工智能偏见作斗争。其中之一是使用合成数据 ，它复制现实世界的统计成分，没有可能产生有害结果的变量。 影响 经济 经济学家和评论员对人工智能的经济影响存在分歧。一方面，到 2030年，这项技术可以为全球经济增加多达13万亿美元， 是国内生产总值增长的重要来源。另一方面，部署人工智能的目的通常是减少费用，其中包括劳动力成本。正如麦肯锡全球研究所所指出的那样，人工智能减少了雇主对涉及重复性任务的工作的需求，并对工资施加了下行压力。这种趋势扩大了国家、公司和工人之间的差距。 社会 微软资助的研究表明，在全球范围内， 低收入和中等收入国家将更容易受到人工智能的负面影响，例如自动化。这可能会加剧这些国家的社会不平等和政治不稳定。 另一个问题是通过算法歧视使社会不平等永久化。如上所述，人工智能可以 产生有害和有益的偏见形式。知道如何识别和减轻有害的偏见，以及如何使用合成数据，将产生更公平的结果。