超级自动化、区块链、AI安全、分布式云和自主设备在加快颠覆，并为今年的战略性技术趋势创造了机会。
现在技术正处于风口，正从取代人类能力的增强向创造超人能力的增强转变。
这些变化将如何影响世界和企业使人类增强成为Gartner的十大战略性技术趋势之一，这些趋势将在未来五到十年内带来重大的颠覆和机会。
这些趋势立足于“以人为本的智能空间”这个概念，这意味着要考虑这些技术将如何影响人们（即客户和员工）以及人们居住的空间（比如住房、办公室和汽车）。
可以将机器学习这种形式的AI与超级自动化和边缘计算结合起来，打造高度集成的智能建筑和城市空间。反过来，这些技术组合又能够支持技术的进一步大众化。
超级自动化
自动化利用技术使曾经需要人员完成的任务实现自动化。
超级自动化是指运用包括AI和机器学习在内的先进技术，以便日益使流程实现自动化，并增强人类。超级自动化不仅涵盖可以实现自动化的一系列工具，还涉及自动化的精密复杂性（即发现、分析、设计、自动化、测量、监控和重新评估）。
由于没有任何一种工具可以代替人类，如今超级自动化涉及多种工具，包括机器人流程自动化（RPA）、智能业务管理软件（iBPMS）和AI，旨在日益借助AI来制定决策。
超级自动化虽然不是主要目标，但常常会导致组织数字孪生（DTO）的形成，让企业组织可以直观地显示职能部门、流程和关键绩效指标在如何交互、共同驱动价值。
然后，DTO成为超级自动化过程的一个有机组成部分，提供关于企业组织的实时持续智能信息，并带来重要的商机。
多重体验
多重体验用以人为本的技术代替了以技术为本的人。在这种趋势下，计算机的传统概念已从单一交互点演变成为包括可穿戴设备和高级计算机传感器之类的多感觉多接触点界面。
将来，这种趋势将成为所谓的环境体验，而目前，多重体验专注于使用增强现实（AR）、虚拟现实（VR）、混合现实、多渠道人机界面和感知技术的沉浸式体验。
这些技术的结合可用于简单的AR叠加或完全身临其境的VR体验。
技术普惠化
技术普惠化意味着让人们可以轻松获得技术或业务专长，无需深入（且费钱）的培训。
它着重于四个关键领域：应用软件开发、数据及分析、设计以及知识——常常被称为“平民享用”（citizen access），这导致了平民数据科学家和平民程序员等群体大批涌现。
比如说，普惠化将使开发人员无需具备数据科学家的技能，就能够生成数据模型，他们而是依赖AI驱动的开发方法来生成代码、使测试实现自动化。
人类增强
人类增强是指利用技术增强人的认知和身体体验。
身体增强通过在人体内或体表植入或放置某项技术来改变天生的身体能力。
比如说，汽车业或采矿业使用可穿戴设备来提高工人的安全性。在零售业和旅行业等其他行业，可穿戴设备用于提高员工的工作效率。
身体增强分为四大类别：
感觉增强（听觉、视觉和知觉）
附肢及生物机能增强（外骨骼和假肢）
大脑增强（治疗癫痫的植入体）
基因增强（体细胞基因和细胞疗法）
认知增强增强了人类思考和做出更好决策的能力，比如说利用信息和应用软件改善学习或新体验。认知增强还包括大脑增强类别的某些技术，因为它们是处理认知推理的实际植入体。
人类增强带来了一系列文化和伦理方面的影响。比如说，使用CRISPR技术来增强基因具有重大的伦理影响。
透明度和可追溯性
技术的发展正在带来一场信任危机。就在消费者越来越意识到自己的数据被如何收集和使用之际，企业组织也认识到存储和收集数据的责任越来越大。
此外，AI和机器学习日益用于代替人类做出决策，从而带来了信任危机，并需要诸如可解释型AI和AI治理之类的概念。
这个趋势需要专注于信任的六大要素：道德、诚信、开放、责任心、能力和一致性。
像欧盟的《数据保护通用条例》（GDPR）这样的法规正在全球各地出台，推动发展，并为企业组织奠定基础。
赋能型边缘
边缘计算是一种拓扑结构，信息处理以及内容收集和交付放置在更靠近信息源的地方，其想法是确保流量在本地且分布式有望缩短延迟。这包括物联网（IoT）方面的所有技术。
赋能型边缘着眼于这些设备如何为智能空间增加和构成基础，并使关键应用软件和服务更靠近使用它们的人员和设备。
到2023年，网络边缘处的智能设备其数量可能比传统IT设备多20倍。
分布式云
分布式云是指将公共云服务分发到云提供商的物理数据中心之外但仍由该提供商控制的地方。
在分布式云中，云提供商负责云服务架构、交付、运营、治理和更新的方方面面。从集中式公共云向分布式公共云演进开辟了云计算新时代。
分布式云让数据中心可以位于任何地方。这不仅解决了延迟之类的技术问题，还解决了数据主权之类的监管难题。它还集公共云服务和本地私有云两者的优点于一身。
自主化设备
包括无人机、机器人、轮船和设备在内的自主设备利用AI来执行通常由人类完成的任务。这项技术的智能化程度不一，有半自主，也有全自主，适用于包括空海陆在内的诸多环境。
虽然目前自主设备主要存在于受控环境中，比如在矿山或仓库，但它们的应用范围最终会扩大到开放的公共场所。自主设备还将从独立单机变成协作机群，比如2018年冬奥会期间使用的无人机机群。
然而，自主设备无法代替人类大脑，在狭窄定义、范围明确的用途下用起来最有效。
实用区块链
区块链是一种分布式账本，这个按时间顺序排列的日益庞大的系统含有加密签名、不可撤销的交易记录，网络中的所有参与者共享这些交易记录。
区块链还允许参与方往回追溯资产的来源，这对传统资产来说很有利，还为其他应用铺平了道路，比如针对食源性疾病往回追溯原始供应商。它还让两个或多个彼此不认识的参与方可以在数字环境中安全地联系并交换价值，不需要集中式机构。
完整的区块链模型包含五个要素：共享分布式账本、不可变可追溯的账本、加密、代币化和分布式公共共识机制。然而，由于一系列技术问题（包括糟糕的可扩展性和互操作性），区块链仍然不成熟，不适合部署在企业环境。
当今的企业区块链采用一种实用方法，通过使账本独立于各个应用软件和参与者，并且跨分布式网络复制账本来创建重大事件的权威记录，只实现完整区块链的某些要素。拥有访问权限的每个人都看到同样的信息，使用单一的共享区块链可以简化集成。共识通过更传统的私有模型来加以处理。
将来，随着AI和物联网等互补技术开始与区块链整合起来，真正的区块链或“完整型区块链”将有潜力彻底改变诸多行业，最终彻底改变经济。这将参与者的类型扩大到了机器，到时机器能够交换从金钱到房地产的各种资产。比如说，一辆汽车能够根据车载传感器收集的数据，直接与保险公司协商保险价格。
区块链已经出现在小范围的实验项目中，到2023年将完全可以扩展。
AI安全
超级自动化和自主物件等不断发展的技术为商业界带来了转型机会。然而，它们也在新的潜在攻击点方面带来了安全漏洞。安全团队必须应对这些挑战，并意识到AI将如何影响安全领域。
AI安全有三个关键视角：
保护AI驱动的系统：为AI训练数据、训练管道和机器学习模型确保安全。
利用AI加强安全防御：使用机器学习来解读模式、发现攻击，并使网络安全流程的某些部分实现自动化。
预料攻击者恶意使用AI的情形：识别攻击并防御攻击。
 |
|
|
