- 在未来两年或者更短的时间内，健康护照具有超越其他所有技术的潜力，而中国(健康码)和印度(Aarogya Setu)这两个早期采用者推动了这种趋势。
- 由于大量的媒体报道和客户咨询，社交疏离技术首次进入了过高预期高峰(Peak of Inflated Expectations)的成熟度曲线(Hype Cycle)。
- 在今年的“成熟度曲线”(Hype Cycle)榜单中，Gartner继续扩大了对人工智能潜力的覆盖范围，今年又增加了几类，包括复合人工智能、生成式人工智能、负责任的人工智能、人工智能增强开发嵌入式人工智能和增强型人工智能设计。
这些和其他许多的新观点都来自于《Gartner2020年新兴技术成熟度曲线》(Gartner Hype Cycle For Emerging Technologies, 2020)，该榜单是今年早些时候发布的，Gartner近期在官方博客上对其进行了总结——《推动Gartner2020年新兴技术成熟度曲线榜单的五大趋势》(5 Trends Drive the Gartner Hype Cycle for Emerging Technologies, 2020)。
Gartner每年都要在自己的“成熟度曲线(Hype Cycles)”榜单上列举很多种新技术，值得注意的是，该公司评估了超过1,700种新兴技术，筛选出一组(大约30种)在未来五到十年内最具变革性的技术，并进行了简明的介绍。下图中列举了首次出现在这份榜单上的人工智能技术。下面是Gartner定义的2020年新兴技术成熟度曲线榜单：
2020年Gartner新兴技术“成熟度曲线(Hype Cycle)”榜单上关于人工智能技术的新内容
(1) 健康护照是一种移动应用程序，可显示一个人的相对感染风险等级以及他们是否可以进入建筑物、超市、饭店、公共场所和交通工具。
中国和印度这两个早期采用者正在证明，结合使用健康护照和筛查手段，可以有效地阻止新冠肺炎的传播，同时也使人们能够自由使用公共场所和交通工具。中国的健康码被广泛用作筛查工具，以最大程度地降低新冠肺炎的传播风险。它针对用户的认定健康状况显示为彩色的二维码：红色是确诊感染了新冠肺炎的病患，黄色的二维码应该隔离，而绿色的二维码可以自由出行。健康码检查非常普遍，如果没有绿码，简直可以说是寸步难行。健康护照的早期领导者包括支付宝、Circle Pass Enterprises、Folio、Vottun和微信。
(2) 形成性人工智能是Gartner预测中的一个新的技术类别，它将能够感知并动态响应不断变化的情况。
形成性人工智能的主要用例之一是为UI / UX设计人员提供实时的交互式反馈，以提高软件和智能产品的可用性。Gartner还预测，形成性人工智能将用于简化数学模型和机器学习模型的创建并随着时间的推移进行微调。构成炒作周期榜单上形成性人工智能的关键技术包括：人工智能增强设计、人工智能增强开发、本体和图形、小数据、复合人工智能、自适应机器学习(ML)、自我监督学习、生成式人工智能和生成式对抗网络。
(3) 人工智能增强设计是今年“成熟度曲线(Hype Cycle)”榜单上的新内容，具有改变数字化和智能联网产品的设计、生产和销售方式的潜力。
Gartner对人工智能增强设计的定义是利用人工智能(AI)、机器学习和自然语言处理技术自动生成，并通过机器学习、用户流程、屏幕设计、内容和表示层代码帮助数字化产品进行演变。人工智能增强设计已经通过CX产品和网站构建平台(包括B12在内的公司已经在使用人工智能技术，可以在一分钟内为你的业务类型组合内容并提供最佳实践)的决策支持和个性化，改变了客户体验。Gartner期望能够看到人工智能在数字化产品设计平台市场中发挥作用。Gartner预测Adobe Xd、Figma和InVision将在这一新兴技术类别中领先。
(4) 复合人工智能是今年“成熟度曲线(Hype Cycle)”榜单上的一个新类别，该类别是指将不同的人工智能技术汇集或组合在一起，以提高学习的准确度和效率。
Gartner认为，对于无法使用大型历史数据集或内部不具备人工智能专业知识的组织来说，复合人工智能将是一种赋能技术，让它们可以完成复杂的分析。其次，Gartner认为复合人工智能将有助于扩大人工智能应用程序的范围和质量。该领域的早期领导者包括ACTICO、Beyond Limits、BlackSwan Technologies、Cognite、Exponential AI、FICO、IBM，Indico、Petuum和ReactiveCore。
(5) 嵌入式人工智能是今年“成熟度曲线(Hype Cycle)”榜单上引入的、引人入胜的新技术之一，它具有提升当前和下一代传感器准确性、洞察力和智能的潜力。
Gartner对嵌入式人工智能的定义是指在嵌入式系统中使用人工智能/机器学习技术来分析本地捕获的数据。减少分析传感器数据所需的时间，并且利用基于传感器的智能和通过物联网以及智能传感器捕获的数据提升所获得的见解质量。从消费电子产品到生产机械和长寿命资产，嵌入式人工智能可以提供改善客户体验、提升生产效率所需的见解，并且更深入地了解维护、维修和大修(MRO)周期，该领域的早期领导者包括Arm、Cartesiam、NXP Semiconductors、One Tech、Renesas Electronics和STMicroelectronics。
(6) 生成性人工智能也是今年首次出现在“成熟度曲线(Hype Cycle)”榜单中，它是最常用于创建“深度伪造(deep fakes)”视频和数字内容的技术。
生成性人工智能是指多种机器学习方法，它们从数据中学习工件的表示，并使用它来生成全新的、完全原生的、真实的工件，这些工件保留了与训练数据相似的特征，但不再重复。生成性人工智能可以产生原生内容(图像、视频、音乐、语音、文本，甚至还可以将他们组合在一起)，改善或更改现有内容并创建新的数据元素。那些心怀不轨的人会试图利用生成性人工智能技术创建“深度伪造”的内容，并试图以此对地区和政治稳定造成危险的破坏。人们正在结合使用人工智能和DARPA技术搜寻、发现“深度伪造”的内容，以抵制欺诈、虚假、以及可能煽动社会动荡的信息。
(7) 负责任的人工智能是今年“成熟度曲线(Hype Cycle)”榜上的另一个新类别，这一系列的技术的目标是通过努力减少偏差来帮助企业做出更道德、更平衡的业务决策。
负责任的人工智能技术的目标是简化组织如何落实负责任的实践，以确保人工智能得到积极的开发和使用。负责任的人工智能技术最迫切的用例之一是在全球范围内识别和阻止“深度伪造(deep fakes)”生产。Gartner用用例来定义了这个技术类别，这些用例涉及提升业务和社会价值、降低风险、增加信任度和透明度以及减少偏差对人工智能的影响。作为今年新上榜的人工智能技术，负责任的人工智能技术在利用人工智能向善的方面可谓独领风骚。Gartner认为，负责任的人工智能技术还需要提高组织的可解释性、责任性、安全性、隐私性和法规遵从性。
(8) 人工智能增强开发(AI-augmented development)今年首次出现在“成熟度曲线(Hype Cycle)”榜上，其目的是加快应用程序和DevOps团队的时间周期，以便更快、更一致地创建高质量的软件。
Gartner对人工智能增强开发(AI-augmented development)的定义是使用诸如机器学习(ML)、自然语言处理(NLP)以及类似的技术来加速应用程序和DevOps周期。该领域的早期领导者包括Codota、Deep Code、谷歌、Kite、Mendix、微软、OutSystems和Parasoft。
(9) 自我监督学习是今年“成熟度曲线(Hype Cycle)”榜上的新客，这是一种被定位为能够帮助组织采用监督机器学习技术的赋能技术。
在Craftworks、Facebook、谷歌和微软最初进行研发的时候，自我监督学习还是只一种处于萌芽阶段的技术，旨在克服监督学习的最大缺点之一——通常需要使用大量的标记数据。Gartner预测，自我监督学习的潜在影响和好处都非常巨大，因为它可以将机器学习的适用性扩展到那些没有大型数据集可用的组织。
(10) 和2019年的榜单相比，今年的“成熟度曲线(Hype Cycle)”榜上有22种技术下榜或者进行了重新调整。
这22种不再属于新兴技术炒作周期(Hype Cycle for Emerging Technologies)的技术包括：3D感测摄像头、5G、人工智能云服务、 AR云、增强智能、4级自动驾驶、5级自动驾驶、生物芯片、去中心化网络、DigitalOps、边缘人工智能、边缘分析、情绪人工智能(Emotion AI)、飞行自动驾驶交通工具、图片分析、沉浸式工作区、知识图、轻型货运无人机、低地球轨道卫星系统、拟人化、合成数据和转移学习。
