去年，我们发现https://www.zdnet.com/article/5-technology-trends-for-the-roaring-20s-part-one-blockchain-cloud-open-source/“target=”\u blank“>区块链、云、开源，人工智能和知识图表是2020年的五大关键技术驱动力。虽然我们没有预料到2020年会是什么样的一年，看来我们的预测并没有完全偏离正轨。

同时：2021技术趋势回顾，第一部分：区块链、云、开源，回顾20世纪20年代关键技术的发展：人工智能和知识图表，加上对COVID-19相关的技术发展。

在我们的20世纪20年代揭幕战中，我们奠定了在“人工智能”这个总称下评估一系列技术的基础。现在我们将用它来指代这个领域的一些关键发展，从硬件开始。

这里要记住的关键是，机器学习工作负载的激增促进了GPU的使用，以前GPU主要用于游戏，同时也催生了一系列全新的制造商。在人工智能芯片市场占据主导地位的Nvidia公司今年的业绩非常丰硕https://www.zdnet.com/article/ai-chips-in-2020-nvidia-and-the-challengers/“target=”\u blank“>在5月份推出了新的安培架构，Nvidia声称这带来了比Volt大约20倍的改进，它以前的架构。随后，在9月份，英伟达宣布收购另一家芯片制造商Arm。正如我们当时所说，收购可能面临监管审查。人工智能芯片领域值得更多的分析，我们将很快开始。然而，值得一提的是：Graphcore，对于筹集了更多资金href=“https://www.zdnet.com/article/ai-chip-startup-graphcore-enters-the-system-business-claiming-economics-vastly-better-than-nvidias/“target=”_blank“>部署在云端和内部部署的芯片；大脑，因为有https://www.zdnet.com/article/cerbiras-teases-second-generation-wafer-scale-ai-chip/“target=”\u blank“>推出了第二代晶圆级AI芯片，Blaze，因为已经发布了https://www.blaize.com/press/blaize-delivers-breakthrough-for-ai-edge-computing/“target=”\u blank“rel=”noopener noreferrer nofollow“data component=”externalLink“>新硬件和软件产品

软件方面的事情同样多事之秋，甚至更多。作为Dask提高了Python的性能，并由Saturn Cloud操作，这只是众多例子中的两个。可解释的人工智能，即阐明ML模型所做决策的能力，可能没有同样的可操作性，但也获得吸引力

另一个关键主题是机器学习在生物学和医疗保健中的应用。AlphaFold，DeepMind的系统成功地解决了世界上最困难的计算难题之一，预测了蛋白质分子将如何折叠，是一个很好的例子。更多对生物学和医疗保健有影响的人工智能已经出现或正在出现。

但我们认为应该排在首位的不是技术成就。这就是所谓的人工智能伦理，即使用人工智能的副作用。在一个备受争议的发展中，他们不知道自己在说什么，其中Marcus和Bengio就深度学习和符号人工智能的优缺点进行了辩论

这很可能是一个分水岭，因为许多发展已经过去，因为这似乎指向数据驱动的人工智能之间的交叉授粉深度学习的世界和知识驱动的符号人工智能世界。马库斯发表了https://www.zdnet.com/article/the-next-decade-in-ai-gary-marcus-four-steps-towards-robust-artificial-intelligence.文章/“target=”\u blank“>在2020年初制定两个世界合并的路线图，他称之为强健的人工智能。

随着2020年的到来，这部作品可能没有得到通常的赞誉，但它也不是在黑暗中拍摄的。马库斯详细阐述了这项工作，以及背景和影响，在https://www.zdnet.com/article/getting-there-structured-data-semantics-robotics-and-the-future-of-ai/“target=”\u blank“>我们在ZDNet上主持的深入对话。马库斯的思路也不是单一的——类似的想法也被称为几何机器学习，因为它能够从复杂的数据（如图形和多维点）中学习。它在2020年的应用与