機器學習正在跌下神壇？

前言：Gartner 最近公佈了 2018 年的 5 大新興技術趨勢報告，預測了未來一段時間將對現有商業模式和業務產生重大影響的技術趨勢，以供技術 leader 和技術人員參考。

二十年來，Gartner 每年都會發布一份“新興技術炒作週期”報告，這已成為 Gartner 公司的一個慣例，為我們揭示了新興技術趨勢所遵循的模式。 然而，Gartner 預測中的新興技術真能克服所有障礙，最後成為普及的技術嗎？ 事實告訴我們並非如此。 比如，Gartner 2017 年的預測報告中，曾經名列未來幾大技術趨勢的機器學習等，由於各種原因，已經從榜單上消失了。

未來，在路邊等待 Uber、Lyft 來載你或將成為過去式，屆時，我們要做的可能就是走到直升機降落場，叫上一輛無人機。 這種未來的“空中飛的”不僅將減少交通堵塞，而且省去了人類駕駛員。

說到打飛的，事實上無人機技術還遠未成熟到可以為我們提供民主化交通服務的地步。 其中第一個挑戰便來自於人類對自動化技術的掌握。 Gartner 預計，這門技術在 10 年之後才會成熟。 美國高速公路安全保險協會最近的一份報告 顯示， 目前的 Level 2 無人車助手還不具備安全駕駛的能力，而且在未來相當長一段時間不會有重大進展。

不僅是無人機，醫療設備、物流、食品配送等領域也一樣。 倒是一些公司正在積極研究如何不用人類駕駛員將包裹配送到邊遠地區，有可能在未來十多年裡實現。

完全自動化的飛行器比地面上的無人車更容易實現，因為空中管制較多，環境也沒有地面那麼複雜。 但還是會面臨其他問題，如​​直升機升降場建在哪裡，怎樣避免交通事故等。 無人機名列 Gartner 2018 技術炒作週期 17 個新興技術趨勢之一，這個週期呈現了未來幾十年將具有高度競爭性優勢的技術。

今年，Gartner 將這 17 個技術分為 5 個大趨勢： 民主化人工智能（AI）、數字化生態系統、自動化生物黑客、透明的沉浸式體驗和無處不在的基礎設施。

“技術leader 時刻面臨著技術的更新迭代，這些變化將會對你的工作產生重要影響，此調查報告顯示的技術趨勢可能將對打破企業原有商業產生巨大影響。因此，執行團隊應該密切注意這些 變化。”Gartner 調研副總裁Mike Walker 說道。

趨勢 1：民主化人工智能

由於雲計算、開源和“製造商”社區，AI 將成為最具破壞性的技術之一，應用會更加廣泛。 早期採用者從該技術的不斷發展中受益，但最顯著的變化將是其對大眾的可用性。 這些技術還培養了一大批開發人員、數據科學家和 AI 架構師，他們將會創建基於 AI 的新解決方案。

例如，能夠與人類一起工作、提供客房服務或在倉庫工作的智能機器人將會讓組織輔助、替換或重新部署人類工作者，讓人類有時間可以進行更多有價值的工作。 此類別中還包括 Level 4 自動駕駛和 Level5 自動駕駛，它在今年的 Hype Cycle 中取代了“自動駕駛汽車”。

Level 4 無人車是指在大多數（但不是所有）條件和位置，可以在沒有人類交互的情況下，在一定地理區域內操作的自動駕駛車輛。 這一級別的自動駕駛汽車可能會在未來十年內上市。 Level 5 車輛在所有情況和條件下都可以自主運行，並控制所有任務。 沒有方向盤、剎車或踏板，這些汽車可能成為家庭的另一個生活空間，將產生深遠的社會影響。

趨勢 2：數字化生態系統

新興技術總是需要新的技術基礎和更具活力的生態系統的支持。 這些生態系統需要新的業務戰略，並轉向基於平台的業務模式。

“從獨立的技術基礎設施向生態系統支持平台的轉變，為構成人與技術之間橋樑的全新商業模式的形成奠定了基礎。”Walker 說道。

例如，區塊鏈可能會成為數據安全領域遊戲規則的改變者，因為它有可能提高集中式系統的彈性、可靠性、透明度和信任度。 在此技術趨勢下，代表真實物體的虛擬表示數字孿生（digital twins）也是其中一個技術。 這一技術在運維領域已經開始得到採用，Gartner 預估未來五年之內，數以萬計的事物將擁有數字孿生。

趨勢 3：自動化生物黑客

2018 年只是一個“跨人類”時代的開始，黑客生物學和“擴展”人類的普及和可用性將會增加。 從簡單的診斷到神經植入，這門技術將引起道德、人性、法律、社會等方面的問題。 這種技術將分為四類：技術增強、營養基因組學、實驗生物學和磨床生物駭客。

例如，生物芯片甚至可以在患者出現症狀之前，檢測大至癌症、小到天花等疾病的可能性。 這些芯片由表面的一系列分子傳感器製成，可以分析生物元素和化學物質。 今年，“生物技術”也是技術炒作週期上的“新客”，即人工培養和生物培育的肌肉。 雖然仍處於實驗室開發階段，但這項技術最終可以讓皮膚和組織在機器人外部生長，並對壓力敏感。

趨勢 4：透明的沉浸式體驗

智能工作站等技術越來越以人為中心，模糊了人、企業和事物之間的界限，擴展並實現了更智能的生活、工作和生活體驗。 在智能工作站中，電子白板可以更好地捕獲會議記錄，傳感器可以根據員工位置提供個性化信息，辦公用品也可以直接與 IT 平台交互。

在家居方面，互相連接的家庭可以連接設備、傳感器、工具和平台。 越來越智能的系統可以讓人們有更加情境化和個性化的體驗。

趨勢 5：無處不在的基礎設施

總的來說，基礎設施將不再是戰略業務目標的關鍵。 日益普及的雲計算和無處不在、隨時可用的基礎架構環境改變了基礎架構的格局。 這些技術將是新業務模式的未來。

例如，具有量子比特和算法系統的量子計算，運行速度對比傳統計算機有指數級的增長。 在未來，該技術將對優化、機器學習、加密、分析和圖像分析產生巨大影響。 雖然通用量子計算機可能永遠不會實現，但該技術在狹義領域中將具有巨大的潛力。

這一趨勢中的第二項新技術是神經形態硬件。 這是一種受神經生物學架構啟發而發明的半導體器件，可以為深度神經網絡提供極高的性能，減少功耗的同時可以提供比傳統方法更高的性能。

那些消失的新興技術趨勢

然而，事實上，並非榜單中所有的新興技術都可以在翻越“技術炒作週期”的頂峰後成功存活下來。

根據Gartner 的技術炒作週期，一項成功的新技術必須首先登上過高期望的峰值期（Peak of Inflated Expectations），然後再跌入絕望的谷底，或者Gartner 所謂的泡沫化的底谷期（Trough of Disillusionment）。 甩掉身上的泥垢，重新站起來，沿著穩步爬升的光明期（Slope of Enlightenment）向上爬，然後再次到達實質生產的高原期 （Plateau of Productivity）。

去年 Gartner 技術炒作週期報告中出現的九項新興技術已經消失了。

其中有一些非常有份量。 去年 7 月，機器學習距離趨勢峰值還有兩年的時間，但今年它已經消失了。 正如其他很多趨勢一樣，它的堂兄機器學習也搖搖欲墜。

這裡可能有人會產生疑問：機器學習為什麼會從技術趨勢中消失呢？

對於這個問題，或許微軟機器學習研究員 John Langford 的一番話可以給我們一些參考：

“只注重實踐的研究者有時候會犯一些很愚蠢的錯誤，比如，分不清訓練集和測試集或者採用錯誤的方法去解決問題。只注重理論的人也許理解優秀算法的結構，但不能 有效運用，或者不能從很多可能的方法中選出合適的那個。運用方程解決問題和證明方程是兩種完全不同的能力，這在機器學習中尤其正確，在機器學習領域，證明方程有效並不 意味著可以用它來解決問題。”

在實踐應用中，由於 機器學習的炒作和教育方式大都是圍繞著研究領域而不是應用領域展開。 企業的機器學習團隊往往把時間花費在研究領域，而不是業務應用中，因此未能成功獲得預期價值，逐漸對機器學習的熱情減退。

另一方面，機器學習算法難以復現，也是阻礙研究者的原因之一。

去年，邊緣計算在艱難地爬坡，但今年它也已經消失了。 人工增強、增強數據發現等技術也是如此。

還記得無人機嗎？ 它們已經崩潰了。

但有一些趨勢卻很難說。 Gartner 會用新術語取代舊術語，例如，自動駕駛汽車已經消失，但卻出現了自動駕駛 Level 4，雖然這項技術越來越接近現實，但要真正實現至少需要等到 10 年之後。 會話用戶界面消失了，會話 AI 平台神奇地取而代之，但是略微往下掉了一些。

數字孿生（Digital Twin）是少數幾個出現上升的技術之一，現在正在達到峰頂。 物聯網平台現在處於危險區域，正在從峰頂向低谷下滑。

穩步爬升的技術很少，去年只有 VR 處在這個位置。 而今年，實質生產的高原期完全是空的。

我們感到很驚訝。 Gartner 該如何對此作出解釋？ 所有那些新興的趨勢都去哪兒了？ 它們經歷過高原期了嗎，還是就這麼過去了？

值得一提的是，今年的新晉者是“民主化人工智能（Democratised AI）”、區塊鏈、DIY 生物黑客（包括“磨床黑客”）、透明的沉浸式空間（“Smart Dust”並沒有 完全死亡，還有誘人的“4D 打印”）和“無所不在的基礎設施”，其中包括5G 和深度神經ASIC。

Gartner 表示，後兩者“預計要么將在未來兩年至五年內達到高原”，要么永遠不可能。

後記

Gartner 技術炒作週期因為太過偏離現實而飽受批評。 正如風險投資家 Michael Mullany 所說的那樣，很多技術只是死了。 其他技術在沒有經歷這一過程的情況下依然迅速被大規模採用，比如 DVD。

比較 2017 年和 2018 年的 Gartner 技術炒作週期，有一個問題是顯而易見的： 新興技術趨勢是單向的 。 它們顯然只能往一個方向移動，要么保持原地不動，要么神奇地消失。 它們不能倒退或重新出現。