元宇宙的成长之痛
大约 15 年前，我为一家软件公司写了一篇短篇小说和评论，主要是为了分析发生在现在的虚构环境中的趋势。那个特别的工作早已消失在时间的深处，有些事情我弄错了相当严重的错误，尽管我实际上比我希望的要准确。我预计无摩擦交易、手机、Siri 和类似代理的普遍兴起、云计算、无人机、超连接环境、物联网、增强现实、假货固有的问题、化身的兴起和缩放会议等等。我对自动驾驶汽车存有疑虑（我认为它们可能存在，但并未被广泛采用），并且我谈到了在家工作和神经网络编程的使用。


我错过了这场大流行病（我认为这是可能的，但我没有预见到它会产生影响），并且我认为某种超级高铁似乎是一个持续关注的问题，但最近已经从新闻中消失了。我还假设我们在 3D 建筑打印方面会比我们走得更远一些，但我们正在到达那里——金属是绊脚石，尽管这些在 2019 年得到了解决。


我已经开始写一部新小说，暂定名为 Quel，法语单词是什么，我计划通过这个时事通讯出版，然后在我完成后作为完成的手稿出版，可能在亚马逊上。我这样做有两个原因——第一个是为我怀疑 15 年后虚拟世界的样子提供用例，第二个是与其他人就他们看到相同事情发生的地方进行对话。


我已经意识到的一件事——今天任何关于元宇宙的讨论都可能与 1989 年小说《雪崩》中尼尔斯蒂芬森的著名英雄 Hiro Protagonist 相去甚远。这不是因为我认为你今天无法组合斯蒂芬森的世界，而是因为你无法以一种不会在今天不可逆转地分裂的方式组合那个世界。你也不一定想要。Snow Crash 在很多方面都是反乌托邦的，如果你的目标是一个未来的世界，你真的想确保你的目标在你开始之前就不会这样。


涉及很多部分——数字身份和主权已经讨论过，合同框架，对四大 As（行动、资产、化身和增强）的描述、安全性、坐标系统、物联网（传感器和执行器）、图和机器学习、联邦、参考框架、云计算、数据互操作性、时间和叙述的重要性等等。现在有很多标准，但关于这些标准如何结合成一个有凝聚力的整体的共识并不多。这甚至在任何地方都可以看到武士刀之前。


我的感觉是，元宇宙不会成为一个事物，而是一个过程，并且在它准备好迎接本十年晚些时候的黄金时段时，最终将以一种或另一种方式包含几乎所有的计算。在接下来的一年里，我预计会发生的是，你会看到人们在争夺职位，会看到不同的组织对同一个问题采取不同的尝试，然后可能会在今年年底就我们如何推进存在。


与此同时，我预计 Metaverse 术语（以及类似的差异化因素）将在未来几年内大行其道，因为不同的群体争相声称自己在虚拟世界中的特定部分。您很可能会看到第一个真正达成共识的地方是那些希望在多个游戏领域共享资产的游戏公司。



RDF、Turtle、SPARQL 和 SHACL 的成败
我最近关于 RDF、Turtle 和 SPARQL 的著作是相当抽象的，即使在认知计算这个稀少的世界中也是如此。在某些方面，RDF 是一个古老的标准，它是在千禧之初 XML 成为标准后不久形成的，当时了解 RDF 的大多数人都认为它是一种奇怪的语言与当时重要的事情无关，而且它永远不会真正去任何地方。


然而，在看到 Javascript 从一种几乎没有功能的语言发展成为地球上使用最频繁的语言之一之后，我认为重要的是要了解今天的语义网络可能与 21 年前的方式大不相同，或者甚至十年前。我还认为，今天你可以用堆栈做一些深刻的变化，这在五年前是不可想象的。


我还相信 SPARQL/SHACL/GraphQL 堆栈很可能代表了所有四种格式的统一——JSON、XML、RDF 和 CSV——大型（企业和企业间范围）数据系统迫切需要，并且可能还包含统一语义和属性图的种子，如果它没有被另一种 OOOOH SHINY 技术所取代，该技术解决了某人对发明一种新的编码语言的直接迷恋，但以牺牲长期互操作性为代价。


我喜欢 SHACL ……非常喜欢。自 1980 年代后期作为程序员的形成期以来，我一直从事数据建模领域，我认为 SHACL 填补了自引入 SPARQL 本身以来所需要的一个漏洞：一种用于描述和抽象图形模式的元语言，它不是像 OWL 那样的形式逻辑系统（它功能强大但对大多数应用程序来说过大），但更适合创建规则、验证模式和建立约束。该语言的高级形式还规定了如何使用 SHACL 创建命名的 SPARQL 函数，我认为这对于将语言提升到一个新的水平相当重要。


SHACL + GraphQL 使那些使用 JSON 的人可以将 RDF 存储作为 JSON 存储来处理。这一点很重要，原因有两个——JSON 用户的潜在空间比使用 RDF 的用户大得多，并且因为 SHACL 可以动态指定图形的形状，这也意味着构造的对象可以以多种方式成形静态 JSON 存储不能。最后，也许也是最重要的一点，这些形状可以用来塑造突变的 JSON 结构，然后可以透明地映射回后端的 RDF。


然而，再次，为了实现这一点，这意味着存在将这些推向下一代标准的机会，但这样做的机会之窗相对较小——今年，也许明年，在压力之前寻找替代方法变得太大了。还有其他潜在的标准——例如 Open Cypher 和 GQL，推荐它们都有好处，尽管我倾向于相信它们都开放了图计算的某些方面（图数据分析和类似 SQL 的查询）具有与 RDF 相同的推理表达能力，提供短期的“胜利”，但以缺乏长期能力为代价。



趋同或混乱
在某种程度上相关的说明中，深度学习领域之外越来越多的人意识到，深度学习的可解释性（及其计算费用）问题很可能被证明是该技术的致命弱点。这项技术的强大是不可否认的。对于某些类别的问题——自然语言处理和生成（NLP、NLG 或用于自然语言理解的 NLU 的总称）为 Siri、Alexis 和一大堆类似机器人等交互式代理提供支持，神经网络的能力在自主无人机控制和驾驶系统等领域推动视觉识别仍然是迈向自动驾驶系统的最可靠机制，


当数据稀疏、有偏差或编写成本高昂时，问题就出现了，所有这些都存在于现实世界的问题中。有时，您需要有一个信息图，并且需要能够从可以从可以帮助围绕分类器构建结构的主题专家那里得出的那些图关系中进行推断，他们可以通过索引来降低创建训练数据的总体成本特定的关系在先。


同时，机器学习解决了语义中固有的一大问题——分类问题，即使在从一个本体转换到下一个本体时，也可以更容易地识别实例数据并将其转换为连贯的框架。如果我（或神经网络）可以将特定实体识别为鸭子候选者，则更容易识别支持或反驳该表征的特征。此外，一旦进行了分类并进行了验证，您就可以对该实体进行推理，就好像它是一只鸭子一样。这个特殊的难题可能看起来很愚蠢，但只是稍微重申一下，它是主数据管理和身份管理的核心。


同样，数据分析正在从人口分析转向马尔可夫链（和毯子）和贝叶斯分析，这两者都可以被认为是对图表的统计分析。贝叶斯算法的优势在于可以很好地处理较小的数据集，并且在处理机制方面通常更有用。给定特定的已知条件，您可以使用基于图形的贝叶斯函数来确定单个点故障的可能性，以及在使用整体随机变量时通常很难确定的级联故障的可能性。


图嵌入是将数据科学概念与图概念混合的另一种形式，其中特定模式作为嵌入绑定到模型中。虽然一种编码方法相当简单（尝试将图形编码为数字签名），但我怀疑更富有成果的研究领域将是开发 SHACL 模式，然后可以与标识符相关联，然后可以使用标识符使用聚类和神经网络系统来创建反向查询。我预计，随着研究人员开始将语义概念与属性图、神经网络等相结合，明年这个想法将会取得更大的成果。我还相信，尽管将继续有核心开发人员尝试使用神经网络来解决高阶逻辑问题，但这将证明是徒劳的。神经网络是解决感知问题（包括视觉分类）的好方法，但逻辑系统是更高层次的抽象，主要作为可能影响神经网络工作方式的紧急现象而出现，但不一定在一个上下文中被捕获，无论如何您使用了多少数据。我也不相信图本身就是解决方案，但我确实说图 + 贝叶斯 + 涌现分形现象 + 神经可能是正确的方向。



DataOps 和后敏捷组织
大约五年前，我第一次听到 DevOps 这个词，当时我在一家咖啡店遇到了我的一个熟人，他描述了他是如何积极参与一家大型软件公司的开发人员运营工作的。DevOps 的一个关键区别在于它将敏捷思维带入了下一个合乎逻辑的步骤——创建一个持续集成环境，在该环境中，组织、项目管理、编码、文档和测试都在很大程度上自动化到一个单一的工作流程中，因此在任何给定点，您（或您的经理或您的客户）可以准确地看到您在项目中的位置。


从那时起，这种持续集成的思维方式已扩展到其他流程，包括机器学习 (MLOps)、设计 (DesignOps) 和数据管道 (DataOps) 等。重要的是，这些流程本质上不仅自动化了编程，而且自动化了业务的几乎所有方面。NoCode/LoCode 运动是这方面的另一种表现，远程过程自动化 (RPA) 也是如此。


我考虑了后敏捷组织的所有方面。我所说的后敏捷并不是说没有使用敏捷，而是说，在大多数情况下，它已被纳入我们使用的软件中，以至于组织流程不再相关。


这种情况将继续存在，尤其是当组织本身变得更加分散、异步和地理空间不可知时。营销运营现在是所有的嗡嗡声（惊喜，惊喜！）虽然当你想到它时这并不是那么奇怪。营销曾经是销售的软面，但越来越多的营销已经成为一门技术学科，需要了解统计理论、贝叶斯分析、语义和数据建模。我预计这可能会包含其他领域（人力资源正处于自身转型的过程中，实际上正在成为整个组织中最像图表的部分之一）。



3D 打印成长
3D 打印在 2010 年才刚刚起步，当时它的用途主要限于单程塑料。金属、玻璃、混凝土和其他基础原料成为 3D 打印的主要原料还需要 9 年时间，而这反过来又会对制造业和建筑业产生深远影响。例如，2021 年，一家以 3D 打印为基础的建筑公司获得了在佛罗里达州使用混凝土作为“墨水”打印 3D 房屋的许可证。


同样，金属基墨水（和相应的项目）正变得越来越普遍，这一过程直到 2019 年末才真正得到解决。就房屋而言，这样的过程可以在几周内建造廉价房屋，而不是典型的几个月更传统的施工方法。最紧迫的需求是在飓风和其他破坏性事件之后建造新房屋，但我的感觉是 3D 打印很可能会深深嵌入制造和建筑中，到 2035 年它可能会取代当前的方法。


我最近还和我的一个侄子进行了一次有趣的谈话，他在实验室工作，实际上是在制造病毒。这也是 3D 打印的一种形式，但在分子水平上，这些病毒随后被用于对特定生物制剂进行测试。值得注意的是，我认为在病毒和疫苗的讨论中迷失了一些东西，如果没有这种形式的 3D 打印，在几个月内制造这种疫苗的能力是不可能的。如果 Covid-19 发生在 20 年前，那么疫苗可能需要五年或更长时间才能获得（如果有的话），并且需要花费数千亿美元才能实现。与病毒一样可怕，时机足够幸运，可以在一年内创造出多种解决方案。


这些过程的共同点是它们从一个虚拟模型开始，然后将其打印（或序列化）到具有某种复杂性的物理世界对象中。这实际上是我认为将在这十年中持续进行的数字化转型过程的逻辑演变，这个过程反映了我将其描述为 实现的数字双胞胎 ——首先在计算机中建模并保持它的过程在将此类模型实现为物理表示之前，建模过程在很大程度上是虚拟的，因为您构建了相应的虚拟测试。


有趣的是，模型的 实现 甚至不是最终状态——它只是一个副产品。如果您可以打印具有可查询标识符的东西，那么物理双胞胎和数字双胞胎可以一起存在，实际上，物理实例会创建多个虚拟阴影，代表同一基本模型的不同表达。打印房屋、发布 3D 生成的电影、构建分子级传感器或实时跟踪无人机单元，这些都只是在虚拟世界中创建现实反射的同一个基本问题的变体。


没有为此图像提供替代文字
光学和量子走出实验室
光计算已经存在了几年，主要是通过光介质而不是电缆和路由器进行联网，但在去年，光计算越来越多地转向计算量更大的操作。光学计算的好处是单光束可以编码广谱信息。


它面临的问题是，此类光束需要转换为更传统的编码形式（主要是介质上的磁矩）才能持久存在。这种情况正在发生变化，因为材料工程的最新进展使得“冻结”光光子成为可能，这样它们就可以在没有转换的情况下存储，并且可以在没有退相干问题的情况下进行查询。由于光本质上是玻色子，因此您可以以这种方式存储多个信息叠加，从而可以以最小的成本或可扩展性问题创建信息非常丰富的数据结构。虽然我不认为光学计算在 2022 年会变得那么重要，但我确实希望你会在未来几年内开始看到真正的商业化。


量子计算也可以这样说，它也利用了量子叠加，尽管更多的是在费米子领域。2021 年，研究人员能够创建由数千个量子比特组成的“电路”，而在此之前，在退相干成为主要问题之前，任何量子计算都只在几十个这样的量子比特上完成。这种利用复杂纠错算法的能力意味着现实世界的量子计算系统可能会在未来几年内部署。


我的期望是，这两种技术将继续保持专业化一段时间，但尤其是对于量子系统，真正的价值将在于创造纠缠量子比特的能力，这些量子比特可以保持纠缠，从而形成通信系统的基础或多或少与距离或中间材料无关。请注意，这并不违反爱因斯坦的相对论，但它确实意味着纠缠的“发射器”可以将信号从地球发送到月球的暗面（或者，也许更相关的是，可以发送信号从海军基地到水下潜艇，反之亦然）。


没有为此图像提供替代文字
融合三……二……一……
我预计融合热将在来年开始升温。聚变难题的各个部分都取得了几项关键进展，包括引入具有轻微混沌流的脉冲激光，以在能量流中产生反涡流以保持聚变包容气泡的稳定，引入更有效地瞄准的新型磁开关氚燃料以及激光轰击的替代策略已在很长一段时间内将聚变的能量产量推高至 1.0 以上。这一切都将与 2024 年在法国启动的大型 ITER 聚变反应堆以及并行继续进行的多个二级项目一起出现。


融合和人工智能都被描述为“只有十年之遥”的技术，并且在过去 60 年中一直如此，但就两者而言，我们现在实际上距离实现这一目标已经很近了。我们知道聚变是有效的——物理学没有争议，但控制聚变作为能源的工程挑战比想象的要困难得多。有了 ITER，我怀疑我们最终会超越工程方面的问题，并在未来五年内转向基于聚变的能源的商业生产。


在相关领域，我认为液态钠钍裂变反应堆最终将在未来几年内在全球范围内进行常规部署。钍反应堆比传统的铀反应堆更安全，没有长期的放射性半衰期同位素，不会熔化，而且建造成本要低得多。


我不相信任何一种能源足以满足我们的文明。事实上，我在能源期货中看到的最大因素之一是我们正在转向一种真正的多模式能源方式，从而加强电网（基础设施一揽子计划的一部分，最近由拜登总统签署成为法律）美国）通过智能电网处理多种能源输入和输出，我们将更不容易受到干扰。工业物联网 (IIoT) 将成为这一过程的重要组成部分，使电网能够处理从石油副产品到动能系统（水力、风能、潮汐能）到太阳能光伏和光合系统再到裂变和聚变的一切。同样，我看到这些最终是由基于图形的系统介导的。


没有为此图像提供替代文字
无人机
在音乐中，无人机是一个单一的、通常是深沉的音符，它的演唱主要是为和弦进行提供基础。在伊斯兰教中，无人机被称为宣礼员（مُؤَذِّن），是一名官员（不一定是神职人员），在星期五或一天的开始（Salat）执行每周祈祷（Adhan）。无人机也是蜂巢中的工蜂，主要是它的嗡嗡声。正是这种（小转子划破空气的声音）赋予了飞行机器人独特的名称。


机器人革命实际上并没有发生在我们中间行走的人形复制人身上，比如来自 Metropolis 的 Maria 或星球大战中的 C3PO（尽管这些在日本开始变得重要，这个国家几十年前就有了巨大的 Mecha 恋物癖）。相反，真正的革命似乎在于飞行无人机，从体育场上的不易燃烟花表演到电视新闻台的最新必备玩具，再到警察监视无人机，这些无人机在各个领域都发挥了重要作用。天空没有飞行载人直升机的费用或潜在危险。


我相信我们正处于无人机革命的最前沿，这决定了它们的使用方式、使用方式的监管方式以及谁有权在什么情况下使用它们。使它们如此吸引人的原因在于，它们必须以一种目前的陆地车辆不具备的方式了解他们的环境。这意味着它们正日益成为实时人工智能系统的测试平台。在此过程中，无人机和无人机 AI 正在为自动驾驶汽车和（是的，终于！）空中飞行器奠定基础，这些飞行器本质上是能够承载人类大小负载的无人机。


目前，无人机的主要应用似乎在非常明确的领域——摄影和摄像、难以进入的基础设施检查（桥梁、屋顶等）、土地使用监控（如野生动物保护区）、一些执法、以及越来越多的交通评估。还有许多其他潜在的用例，从送货服务到私人保安再到搜救，但这些最终都面临监管压力，尤其是在隐私和安全方面，迫使一些令人不安的问题通常尚未得到解答。你如何防止人们被无人机伤害（或更糟，防止无人机被用作武器）？如何防止无人机撞到墙壁或屋顶？是什么防止无人机被电线缠住？无人机在整个监控画面中的位置，不仅来自政府，还来自媒体和企业？噪音呢？


我相信 2022 年将是这些对话发生的一年，在未来两到三年内建立监管框架。在许多方面，这些讨论也预示了十年后及以后关于其他机器人实体的伦理辩论，特别是包括增强现实、其他自动驾驶汽车和无人机在战争中的使用。


最后的想法
我认为 2021 年很可能会成为气候变化风险最终扩散到整个政治领域的一年。一直相当坚决否认的政客们一直在悄悄地改变他们的信息，不将其称为“气候变化”，而是默许正在发生一些不寻常的事情并且需要做一些事情。当然，需要做的事情仍然非常有争议，但政治往往归结为首先承认存在问题。


除了我自己的一小部分之外，我对今年的新计算机趋势没有太多深入的见解。我们正在迁移到云端，变得暂时异步、地理空间分布，并且不再专注于执行任务，而是更多地关注指导软件这样做。我还认为，虽然可以说现在存在专门的人工智能（能够利用经验在其给定目的中改进自身的软件），但我们距离通用人工智能或有知觉还有一段路（几年，也许几十年）。计算，我认为这是非常不同的事情。

{:2_40:}

谢谢分享，支持一下