2020年，GPT-3和AlphaFold 2两项基于Transformer的突破性技术震撼世界，深刻影响了人工智能领域。它们不仅在研究界引起巨大反响，而且已经开始渗透到我们的日常生活中，为未来的发展奠定了坚实基础。在2021年，我们可以预见这些进步将带来更多创新和应用。

首先，在图神经网络（GNN）领域，我们期待看到对动态图模型的进一步探索。目前的大多数GNN研究假设图是静态的，但现实中社会网络、交通系统等都需要处理不断变化的关系。这一年的研究将会扩展时间演化图建模的手段，使得GNN能够捕捉并学习到时间维度上的结构信息。

其次，对于消息传递范式，也就是实现GNN的一种常用方法——沿着连接邻居边“传递”信息来聚集节点信息，这一方法难以有效地捕捉到需要在图上进行长距离信息传播的情况。在2021年，我们希望看到这一范式得到改进，比如通过迭代学习哪些路径是最相关的，或甚至学习一个全新的关系数据集中的因果结构。

除了这些理论上的突破，AI技术在实际应用方面也将迎来更广泛的推广。例如，在网络安全领域，AI与机器学习技术有望发挥更大的作用，以识别新威胁或早期威胁，并增强防御系统。此外，更好的边缘计算设备，如谷歌Coral这样的TPU设备，将使得在医疗保健等延迟敏感场景下执行机器学习任务变得更加高效。

总之，虽然未来充满不确定性，但我们可以预见2021年对于人工智能来说将是一个充满可能性的年份，不仅因为前沿科学研究取得突破，还因为这些科技成果逐渐走向人们生活中的普及与应用。