Gartner发布了《2019年新兴技术成熟度周期》新增的技术之一

Gartner的2019年新兴技术成熟度周期列出了在未来5到10年内影响商业、社会和人类的29项技术。其中，五大新趋势包括传感和移动、人体机能增强、后经典计算和通信、数字生态系统、高级AI和分析。

技术创新是竞争差异化的关键，它正在彻底改变许多行业。

据FBI估算，非医疗保健相关保险欺诈的总成本每年高达 400 亿美元左右。为了对付保险欺诈，需要通过结合索赔分析、计算机程序甚至私人调查员等多种方式。

不过人们逐渐发现，情绪 AI 这种日趋成熟的新兴技术有望基于呼叫者的音频分析来检测保险欺诈。

除了检测欺诈，该技术还帮助提高痴呆症的确诊率、行车途中揪出疲劳驾驶的司机、课间锁定走神的学生等等。

情绪 AI 只是汇成 AI 技术海洋中的一条河流而已，是 Gartner 发布了《2019 年新兴技术成熟度周期》新增的技术之一。该报告着重介绍了在未来 5 年到 10 年内对商业、社会和人类带来重大影响的新兴技术。

根据 Gartner 报告，目前有五大新兴科技趋势值得每一个人关注。

传感与移动（Sensing and Mobility）

随着传感器和AI的发展，自动机器人的态势感知也将随之发展。这意味着诸如轻型货物运输无人机（飞行和轮式）等新兴技术将能够更好地驾驭它们周围的世界。该技术目前受到法规的限制，但其功能正在不断发展。

这一趋势的特点是技术具有越来越多的移动性和操纵周围物体的能力，包括3D感应摄像头和更先进的自动驾驶。

随着传感技术的不断发展，它将有助于物联网（IoT）等更先进的技术。这些传感器还收集了大量数据，可以产生适用于各种情景和行业的洞察。

这一趋势中的其他技术包括：AR云，以及 4 级和 5 级自动驾驶，以及飞行自动驾驶汽车。

人体机能增强（Augmented Human）

通过包括生物芯片和情感AI等技术，改善人体的认知和身体部位，甚至可能让人获得“超人的能力”。没错，就是金刚狼、蚁人、钢铁侠、浩克等X战警们。

这一趋势中的其他技术包括：生物芯片（biochips）、人格化（personification）、增强型智能（augmented intelligence）、情感人工智能（emotion AI）、沉浸式工作空间（immersive workplace）和生物技术（培养组织或人工组织）。

后经典计算和通信（Postclassical Compute and Comms）

经典核心计算、通信和集成技术的巨大进步主要依赖于传统架构的改进，但后经典计算和通信趋势中的一些技术是全新的架构，这是对传统计算成熟度的改变，主要涉及对传统架构的改进，从而导致更快的CPU，更密集的内存和增加的吞吐量。

例如，与大约22000英里的传统地球静止系统相比，低地球轨道（LEO）卫星在更低的海拔高度（大约1,200英里或更低）运行，从而能够实现低延迟通信。 

这些系统提供全球宽带或窄带语音和数据网络服务，特别是对于现有地面或卫星通信覆盖很少或没有的地方。

这一趋势中的其他技术包括：企业应评估 5G、下一代存储器（next-generation memory）、近地轨道系统（LEO systems）和纳米级 3D 打印（nanoscale 3D printing）等技术。

数字生态系统（Digital Ecosystems）

技术改进正在将传统价值链转变为类似网络的数字生态系统，这些生态系统使用跨地域和行业的数字平台连接各种代理和实体。 

数字生态系统已经出现，并且变得越来越自动化。数字化加快了传统价值链的解体。在未来，依赖智能合约、分散的自治组织（DAO）会独立于人类运作。这些数字生态系统不断发展和联系，带来更强大、更灵活、更具有弹性的价值传递网，产生了新的产品和机会。

这一趋势中的其他技术包括：数字运营（DigitalOps）、知识图谱（knowledge graphs）、合成数据（synthetic data）、去中心化网络（decentralized web）和去中心化自治组织（decentralized autonomous organization）。

高级人工智能和分析（Advanced AI and Analytics）

高级分析是使用传统业务洞察之外的复杂工具，对数据或内容进行自主或半自动检查，且通常超出传统商业智能（BI）的范围。

这是导致新功能的新类算法和数据科学的结果，例如迁移学习，让新技术站在先前训练好的机器学习模型的肩膀上。 

高级分析可实现更深入的见解，预测和建议。

这一趋势中的其他技术包括：自适应机器学习（ML）、边缘人工智能、边缘分析（edge analytics）、可解释的人工智能（explainable AI）、人工智能平台即服务（PaaS）、迁移学习（transfer learning）、生成式对抗网络（generative adversarial network）和图表分析（graph analytics）。