我们生活在一个新技术日益丰富的世界,被视为对我们的未来至关重要。这些技术不仅是新的,而且是为了更好地革新我们的生活。没有技术就无法想象进步。技术是为了拯救我们所有人。由SARS-CoV2的早期变体引发的COVID-19,生物技术在开发高效疫苗方面的贡献速度,体现了技术的救世主功能。

同时,公共和私人行为者必须不断创新,以资助正确的科学和技术研究项目。他们必须投资并尽早采用下一个关键技术,以确保他们不会在正在进行的技术竞赛中落后。

因此,我们需要跟踪技术发展和创新。然而,这只是一个前提条件。我们还需要能够对这些众多的 "新技术 "进行分类,并尽早确定哪些技术将是未来的关键。如果我们投资于错误的技术,或以错误的方式,或以错误的时机,那么后果很可能是负面的。

通过这个系列,我们将解决这些问题中的第一个:哪些新技术可能是未来的关键?

由于我们处于一般水平,我们暂时不会确切说明 "未来何时"。

我们如何才能找到将在未来成为关键的新技术?

通过这第一篇文章,我们将建立一个模式化的模型,让我们了解为什么我们需要技术。事实上,只有当我们能够找到新技术成功或失败背后的逻辑,我们才有希望确定未来的关键技术。

我们首先看一下现有的对当前新技术的良好扫描,把它作为一个案例研究。然后,我们测试这种扫描的能力,以确定未来的关键技术并强调相关的困难。因此,我们强调了这个扫描中所缺少的东西,以使我们能够推进我们的问题。最后,在这些发现的基础上,我们开始建立第一个示意图模型,这将使我们能够识别未来的关键技术。

经典的全面扫描

慕尼黑再保险公司与ERGO IT战略合作,为我们提供了一个非常有用的年度扫描,即 技术趋势雷达 (以下简称"雷达"),其目的是提高对新技术领域 "关键趋势的认识"。他们专注于那些与保险行业特别相关的技术。尽管如此,考虑到保险公司兴趣的广泛性,他们的扫描对许多部门都有意义,对当前新技术的一般和全面概述也很出色。

此外,这家著名的再保险公司在2015年开始进行技术扫描,因此有6个年度雷达的集合,因此,如果我们想看一下历史演变,可以给我们提供深度。

办法为"。雷达"该书以汇编趋势为基础,然后根据四项规则进行筛选,"以确定分为四个主要领域的最相关的趋势"(《世界经济展望》)。2020年技术趋势雷达, p.62).这些规则主要是受到一个管理框架的启发,即 "运行-增长-转型"(RGT)模型(同上,RGT模型由Hunter等人改编为IT,Gartner Research,2008)。

首先,Munich-Re和Ergo Tech Trend Radar 2020根据 "四个趋势领域 "分类展示其结果(Tech Trend Radar 20202019):

  • 以用户为中心。
  • 连接的世界。
  • 人工智能。
  • 2019年版的赋能技术、前颠覆性技术。

(点击图片访问Munich-Re文件)

Munich-Re和Ergo根据每项技术的成熟度/采用程度对趋势领域进行了进一步的分类,这使得他们可以就如何使用该技术提供详细的建议。

因此,我们有52项感兴趣的技术,其中10项被认为是2020年的新技术。

但哪些将是未来的关键?

我们能不能用这种方法进行展望?

在这52项技术中,哪些是或者说将是未来的关键技术或最重要的技术?我们如何才能找出答案?

此外,我们怎么能确定所有未来的关键技术都在这里?我们会不会缺少一项关键技术,或许多关键技术?

精耕细作的案例

例如,"精准农业"--也被称为 "智能农业 "或 "智慧农业"--在Munich-re-Ergo是个新鲜事物。 雷达 2020年,没有包括在2019年的版本中(同上)。

然而,像迪尔公司这样的公司至少在2017年已经开始为智能农业做准备(Helene Lavoix, 人工智能、物联网和农业的未来。智能农业安全? 第一部分第二部分, The Red Team Analysis Society, 2019).2018年对该领域的兴趣和投资有所增加,然后在2019年(同上)。因此,"。雷达"已经晚了三年。如果我们使用2019年的 "雷达",那么我们将完全错过一项技术,可能是未来的关键。

源自生成对抗网络(GANs)的 "深度造假 "案例

同样,"深度防伪 "也进入了"。雷达在2020年,在 "以用户为中心 "的趋势领域中,"以用户为中心 "是一个重要的概念。

然而,2017年出现了 "深度造假 "这一名称,以表达对涉及人工智能(AI)的造假的关注(Laurie A. Harris, "深度造假与国家安全“, 国会研究处,2021年5月7日更新,第三版)。美国国防部高级研究计划局(DARPA)有两个专注于打击深度造假的计划。第一个。 媒体鉴证学 (MediFor)于2016年开始,第二个 语义鉴证学 (SemaFor)在2019年。

因此,在这里,""再次成为雷达就我们的目的而言,在确定一个关键趋势方面,"是迟到的。

同时,深层造假最常以生成对抗网络(GANs)为基础,这次确实在人工智能的 "雷达 "中被确认。GANs进入了"雷达"在2019年(同上)。

生成式对抗网络(GAN)是在2014年发明的。
GANs是无监督学习(UL)的一部分:机器从无标签的数据中找到基本结构的能力。

GANs单独对物体进行分组,找到 "概念":像素树与像素树,门与门等(如Gan Paint)。

生成的图像质量惊人,在现实中并不存在,这使人们有了令人难以置信的可能性。它们可能有负面的应用,例如用于伪造。它们也可能导致许多其他活动的建设性用途,如城市规划、建筑、电影、时尚等(也见Helene Lavoix, 在现实中插入人工智能, The Red Team Analysis Society, 2019年1月)。

因此,识别GAN应该导致看它的使用和误用,早在GAN新技术被发现的时候。此外,将两种相关的 "技术 "归入不同的类别--即使这些类别被称为 "领域"--可能会产生问题,我们将在下面看到。

当然,只有那些什么都不做的人才不会犯任何错误。然而,如果一些技术以前就被发现得很晚,那么,是否可以采用类似于""的方法。雷达" 导致我们现在为未来错过了一些其他的东西?

如果是这样,哪个可能是被遗忘的重要新技术?我们可以改变我们的来源,使用更好的或更多的扩展。但是,这就够了吗?我们怎么能知道呢?

当我们使用诸如""的方法时,我们能否确定缺少什么或可以改进什么?雷达“?

洗衣清单的问题

的"。雷达"我们在这里作为一个案例研究,向我们提供了一个长长的技术清单,通过标记为 "趋势领域 "的类别进行分类。但我们并不清楚这些 "趋势领域 "是如何和为什么被选择的。

类别

分类用于并产生于分类,这是大脑的一个基本认知功能(Fabrice Bak,2013: 107-113)。事实上,"分类是一个过程,人们通过计算相似性和差异性来理解事物"(McGarty, Mavor, & Skorich, 2015)。分类的最高层次是分层的(组织成树状),被称为分类学或分层分类。在经典的术语中,类别必须被明确定义(哪些标准是使一个项目成为该类别的一部分或不属于该类别的必要条件)、相互排斥(一个项目只能属于一个类别)和完全详尽(所有类别一起代表建立类别的整个集合)(OECD,"分类",使用国际经济和社会分类专家组编制的 "联合国分类术语表";未发表在纸上)。

分类法的典型例子是林奈对植物、动物和矿物的分类(兽性大发摄取植物人 和 Regnum Lapideum),根据不同的阶级,他的这项工作是由他的 植物人物种他于1753年发表了《我的生活》一书,并在他的一生中一直坚持着(见他的《我的生活》)。 参考书目).在林奈工作的基础上,现在的生物体被组织在以下包容的分类法中,从最多到最少。王国、门、类、目、科、属、种和菌种。

不是真正的类别

现在,如果我们看一下在""中使用的 "趋势字段"。拉达我们观察到的是,它们没有尊重一个类别应该具有的任何特性。

1- 它们没有得到很好的界定.没有一个标准可以轻易地将一个项目归入某个 "趋势领域 "或另一个领域。例如,各种类型的人工智能实际上不也是使能技术吗?

2- 它们并不相互排斥也就是说,一些项目可能属于两个或更多的 "趋势领域"。5G是有利的,也是连接世界的一部分。 智能纺织品 也是以用户为中心的,可以被视为 可编程材料;IA使自主事物和精确耕作成为可能,正如所见,等等。

3- 它们可能不是详尽的这就造成了我们的问题,即不知道我们是否没有错过什么。

这里的四个 "趋势领域",似乎主要是思维习惯、现有的名称或不相干的类别,使读者和用户能够快速和容易地识别过程中选择的新技术。 

静态类别

在我们的案例研究中,Munich-Re和Ergo根据第二种分类方法对第一种 "原始分类 "进行分类:技术的成熟度/采用程度。

就成为一个类别所需的规则而言,第二种分类似乎是正确的。然而,用于建立第二个类别的标准也仍然是向内的。一个与我们关注的问题相关的动态解释因素被遗漏了。我们无法知道什么会成功或不成功,因为我们没有一个解释技术未来成功的逻辑。

建立一个模型,使我们能够了解是什么让技术成为关键

我们需要的是一个模型,它能系统地解释技术的目的,为什么我们使用它们,为什么它们对我们人类很重要。如果我们理解了,甚至是示意性地理解了这一逻辑,那么我们就可以设想那些将成为未来的关键的技术。

让我们讲述人类和技术的故事--或一个故事。

我们有一个星球,里面住着许多人。

生活在地球上的每个人都有需求,正如马斯洛(Abraham Maslow, 动机和个性。 1954, 1987).

事实上,在这个星球上,我们有一群人,生活在不同类型的住宅中。每个人群都被组织成一个社会。

一个社会意味着社会协调必须发挥作用。 社会协调是根据三个组成部分来表达的(Barrington Moore, 不公正。服从和反抗的社会基础, 1978):

  1. 权力问题。
  2. 商品和服务生产的劳动分工。
  3. 以及这些货物和服务的分配。

为了满足社会协调的需要,必须执行一些任务或行动。

这些任务或行动将受到一些条件和环境的影响,使之成为可能或不可能,促进或不促进。

这就是技术诞生的地方,以促进和改善所有这些行动。

因此,我们可以假设,未来的关键技术将是所有那些能有效帮助我们满足需求的技术。同时,满足这些需求所需的行动也越来越复杂。它们变得越来越复杂是因为以前的行动--包括以前技术的创造和使用--以及它们对环境的影响,从而对行动的条件的影响。这个过程中产生的需求的演变,同时也促使行动和任务变得更加复杂。

我们现在有一个模型,可以让我们找出哪些技术最有可能在未来成为关键技术,正如我们将看到的那样。 下篇.


书目

特色图片。宇宙飞船和行星,以及安全,由 莱蒙德-贝特朗斯 德 淘宝网  / 公共领域。


Chappellet-Lanier, Tajha, "DARPA希望通过语义取证解决 "深度造假 "问题“, 联邦储蓄银行(Fedscoop),2019年8月7日。

Diamond, Jared 枪炮、病菌和钢铁。人类社会的命运》(The Fates of Human Societies,(W. W. Norton: 1997)。

Goodfellow, Ian; Pouget-Abadie, Jean; Mirza, Mehdi; Xu, Bing; Warde-Farley, David; Ozair, Sherjil; Courville, Aaron; Bengio, Yoshua, "生成式对抗网“, 神经信息处理系统国际会议论文集 (NIPS), 2014.

哈里斯,劳里-A.,"深度造假与国家安全“, 国会研究处,2021年5月7日更新,第3版

Hunter R.等人,"将IT效益转化为业务的简单框架
价值影响",Gartner Research,2008年5月16日。

Lavoix, Helene, 在现实中插入人工智能, The Red Team Analysis Society,2019年1月。

McGarty, Craig, et al, "Social Categorization", in 国际社会和行为科学百科全书》(International Encyclopedia of Social & Behavioral Sciences)。, 2015年12月, DOI: , 10.1016/B978-0-08-097086-8.24091-9

Maslow, Abraham, 动机和个性。 (London, Harper & Row, 1954, 1987)。

Moore, B., 不公正。服从和反抗的社会基础,(伦敦:麦克米伦出版社,1978年)。

慕尼黑-Re和ERGO的IT战略。 技术趋势雷达 2020年和2019年。


由Dr Helene Lavoix (MSc PhD Lond)发布

Helene Lavoix博士伦敦大学博士(国际关系) ,是Red Team Analysis Society的总裁/CEO。她专门研究国际关系、国家和国际安全问题的战略预见和早期预警。她目前的工作重点是乌克兰战争、国际秩序和中国的崛起、行星越轨行为和国际关系、战略预见和预警方法、激进化以及新技术和安全。

发表评论

您的电子邮箱地址不会被公开。

本网站使用Akismet来减少垃圾邮件。了解您的评论数据如何被处理

ZH