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。

We need thus to keep track of technological development and innovation. Yet, this is only a pre-requisite. We also need to be able to sort through these many “new techs” and identify, as early as possible, which ones will be key for the future. If we invest in the wrong technology, or in the wrong way, or with the wrong timing, then the consequences are likely to be negative.

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?

As we are at a generic level, we shall, for now, not specify exactly “when in the future”.

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 (hereinafter “雷达“), which aims to raise “awareness of key trends” in the new tech sector. They focus on those technologies that are especially relevant to the insurance sector. Nonetheless, considering the breadth of insurance companies’ interest, their scan is relevant for many sectors and excellent for a general and comprehensive overview of current new technologies.

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。

The methodology for the “雷达” is grounded in the compilation of trends, which are then screened according to four rules “to define the most relevant trends categorised in four primary fields” (2020年技术趋势雷达, p.62). These rules are notably inspired by a management framework, the “Run-Grow-Transform” (RGT) model (Ibid., RGT model adapted to IT by Hunter et al, Gartner Research, 2008).

First, Munich-Re and Ergo Tech Trend Radar 2020 present their result sorted according to “four trend fields” (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

For example, “precision farming” – also known as “smart farming” or “smart agriculture” – is a novelty in Munich-re-Ergo 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). Interest and investments in the field increased in 2018 and then in 2019 (Ibid.). Thus, the “雷达” is three years late. If we had used the 2019 “Radar”, then we would have entirely missed a technology, possibly key for the future.

The case of “Deep Fake”, stemming from generative adversarial networks (GANs)

Similarly “DeepFake Defence” enters the “雷达” in 2020, in the trend field “User Centricity”.

However, the name “deep fake” emerged in 2017 to convey concern with forgeries involving Artificial Intelligence (AI) (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。

Thus, here again, the “雷达” is late, for our purpose, in identifying a key trend.

Meanwhile, Deep Fakes are most often grounded in generative adversarial networks (GANs), indeed identified in the “Radar” in AI this time. The GANs entered the “雷达” in 2019 (Ibid.)

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 group, alone, objects, finding “concepts”: pixel trees with pixel trees, doors with doors etc. (e.g. 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)。

Identifying GANs should thus have led to look at it use and misuse, as early as the GAN new tech was found. Furthermore, the classification of two related “tech” in different categories – even if those categories are called “fields” – may create problems, as we shall see below.

Of course, only those who do nothing never make any mistake. Yet, if some technologies were detected late previously, then, could a methodology similar to the “雷达” lead us to miss something else now for the future?

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?

Can we identify what is missing or what can be improved when we use an approach such as the one used for the “雷达“?

洗衣清单的问题

The “雷达” we use here as a case study presents us with a long list of technologies sorted out through categories labelled “trend fields”. But we do not know exactly how and why these “trend fields” are chosen.

类别

Categories are used in and result from classification, a fundamental cognitive function for the brain (Fabrice Bak, 2013: 107-113). Indeed, “Categorization is a process by which people make sense of things by working out similarities and differences” (McGarty, Mavor, & Skorich, 2015). The highest level of categorization is hierarchical (organised as a tree) and called a taxonomy or hierarchical classification. In classical terms, categories must be clearly defined (which criteria are necessary to make an item part or not of the category), mutually exclusive (one item can belong to only one category) and fully exhaustive (all the categories together represent the whole set for which the categories are built) (OECD,”分类“, using “United Nations Glossary of Classification Terms” prepared by the Expert Group on International Economic and Social Classifications; unpublished on paper).

The archetypal example of a taxonomy is Linnaeus’ classifications of plants, animals and minerals (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). Building upon Linnaeus ‘ work, organisms are now organised in the following inclusive taxonomies, organised from the most to the least inclusive: Kingdom, Phylum, Class, Order, Family, Genus, Species, and Strain.

不是真正的类别

Now, if we look at the “trend fields” used in the “拉达r”, what we observe is that they respect none of the specificities a category should have:

1- 它们没有得到很好的界定. There is not one criteria that allows to class easily one item in one “trend field” or another. For example, are various types of IAs not actually also enabling technologies?

2- 它们并不相互排斥, i.e. some items could belong to two or more “trend fields”: 5 G is enabling and also part of a connected world; 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。

The four “trend fields”, here, seem to be mainly habits of thoughts, existing names or disparate categories that allow readers and users to identify quickly and easily the new technologies selected by the process. 

静态类别

In our case study, Munich-Re and Ergo then sort out the first “proto-categorisation” according to a second categorisation: maturity/degree of adoption of the tech.

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。

Let us tell the story – or a story – of human beings and technologies.

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。

Thus, we can assume that the technologies that will be key for the future will be all those tech that will effectively help us to satisfy needs. Meanwhile, the actions required to meet these needs are more and more complex. They become increasingly complex because of previous actions – including the creation and use of previous technologies – and of their impact on the environment, and thus on the conditions for the actions. The evolution of needs resulting from this process also, in the same time, contributes to make actions and tasks more complex.

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.

Harris, Laurie 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)。, December 2015, 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。 必填项已用*标注

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