今天翻看Gartner，突然看到一篇趋势的简报，有关新兴技术趋势成熟度曲线的，大概看了一下，可以说是刷新的我的三观，也触及了本人的认知盲区，这五个新趋势是真的没有了解过。不得不佩服一下Gartner的脑洞和创新思维。本文只是对简报的简单翻译，并没有其他相关解读（因为是真的不懂），后边会针对这些趋势进一步做些功课和研究，感觉还是蛮有意思的。Gartner的VP在9月30日会在线讲解这五个趋势，现在可以预约Webinar，连接在本文最后。

图1 健康码

Gartner 2020年新兴技术成熟度曲线，重点介绍了将在未来5到10年内明显改变社会和商业的30项技术概况。

在中国的大多数城市，市民和访客必须下载健康码(一款显示COVID-19状态的应用)才能访问许多公共和私人场所和服务。绿码表示此人可以自由通行，黄色表示需要隔离，红色表示确诊感染。

在印度，Aarogya Setu会提示哪些旅客乘坐火车和飞机是“安全的”。阿拉伯联合酋长国最近推出了目前被用于航空旅行的ALHOSN UAE，它可以通过颜色显示一个人是否健康、需要隔离或已感染，也包括“尚未测试”。

所有这些被称为“健康护照”(Health Passport)的应用，都是应对疫情的例子，也是Gartner 2020年新兴技术成熟度曲线中新增的技术之一。在印度和中国，使用健康护照的人口数量使这项技术的市场渗透率达到了5%-20%，对于一项刚刚进入曲线的技术来说，这是前所未有的。

Gartner研究副总裁Brian Burke表示：“这种曲线展现了那些将在未来5到10年内对企业、社会和人类产生重大影响的技术。这包括实现复合企业技术，渴望社会重拾对技术的信任，以及能够改变大脑状态的技术。”

新兴技术成熟度曲线是一条独特的曲线，它将1700多种特有技术提炼成一份技术和趋势清单。今年的榜单突出了五个独特趋势：

复合架构（Composite Architectures）
算法信任（Algorithmic trust）
超硅（BeyondSilicon）
形成性AI（Formative AI）
数字版个人（Digital me）

图2 Gartner 2020年新兴技术成熟度曲线

趋势1：复合架构

面对快速变化和分散化，组织需要转向更加敏捷、响应更快的架构。复合架构由构建在灵活数据结构上的打包业务功能组成。这允许企业对快速变化的业务需求迅速做出响应。

例如，由复合架构支持的“复合企业”提供了增强型的业务弹性。这种模块化设计使组织能够在需要时进行“重组”，比如在全球疫情或经济衰退期间。组合式企业有四个核心原则：模块化、效率、持续改进和适应性创新。尽管许多组织应用这些原则的方式比较零散，但组合式企业会在其整个组织应用这四个原则——从业务模式到员工工作方式。

这种模块化的业务模型使组织能够从严格的、传统的计划过渡到自主敏捷化。组合式的企业思维可以创造更多的创新、降低成本以及更好的合作关系。

这一趋势下的其他技术分支包括业务能力打包、数据结构、私有5G和嵌入式人工智能。

趋势2：算法信任

消费者信息曝光、虚假新闻和视频，以及带有偏见的AI等事件越来越多，已经导致组织开始从对政府（政府登记机构、清算机构）的信任转向对算法的信任。算法信任模型确保了数据隐私和安全、资产的来源以及人和事物的身份。

例如，“经过验证的来源（authenticated provenance）”是一种对区块链上资产进行身份验证并确保其真实或非伪造的方法。虽然区块链可以用来认证商品，但是只能追踪其被给予的信息。

为了能充分地跟踪资产，必须从其源头进行跟踪。例如，如果在区块链中添加了一个仿冒品作为正品，那么区块链将根据错误的原始数据输入继续验证其真实性。由于不可变的分类账性质，它将永远不可修改或删除。

Gartner认为，对区块链兴趣的增加将带来更多的数字认证和验证（方式）的选择。

在算法信任趋势中的其他技术分支包括差分隐私、负责任AI和可解释AI。

趋势3：超硅

摩尔定律预测高密度集成电路中晶体管的数量每两年就会翻一番，但技术方面正在迅速接近硅所能承受的物理极限。这推动了新型材料的发展，这些材料具有更强的性能，能够支持更精密、更快的技术。

例如， “DNA计算和存储”使用DNA和生物化学来代替硅或量子结构以执行计算或存储数据。数据被编码到合成DNA链中进行储存，酶通过化学反应提供处理能力。

图3 DNA数据存储的端到端自动化展示（来源：Scientific Reports，2019.03）

尽管有两款成功的原型机，但该技术目前还处于初级阶段，价格昂贵，在主流应用方面存在重大技术障碍。一旦成功，DNA计算和存储这一技术将影响和改变数据存储、处理并行性和计算效率。

这一趋势的其他技术分支包括生物降解传感器和碳基晶体管。

趋势4：形成性AI

这里提一下形成性评价的概念，可以有助于理解形成性AI。教学形成性评价（formative evaluation）是相对于传统的终结性评价(summative evaluation)而言的。所谓形成性评价，“对学生日常学习过程中的表现、所取得的成绩以及所反映出的情感、态度、策略等方面的发展”做出的评价，是基于对学生学习全过程的持续观察、记录、反思而做出的发展性评价。

图4 教学可形成性评价

形成性AI是一种能够动态变化以对真实情况作出反应的人工智能。种类有很多，从能够随时间动态适应的AI到能够生成新模型来解决特定问题的AI。

例如，形成性AI是AI的一种，它可以创建新内容（图像、视频等）或改变现有内容。新的作品与原始作品相似，但不完全相同。这种技术会产生深度造假内容，这可能会导致严重的虚假信息和声誉风险，预计在未来五年内，此类情况还会增加。然而，如果利用得当也会获得各种收益，比如药物发现和合成数据生成，甚至AI可以生产艺术品。

这一趋势的其他技术分支包括组合式AI、差分隐私、小数据和自我监督学习。