在新的一年里，我们期待着人工智能领域的更多创新和突破。GPT-3和AlphaFold 2的成功，标志着Transformer技术在人工智能领域的重要性。2021年，我们预计将会看到几项关键技术的发展，这些技术将推动更广泛地应用图神经网络（GNN）。

首先，将时间演化图建模为连续时间序列的方法将得到扩展。这一方法除了拓扑结构，还能发现和学习图中的时态结构，这对于捕捉动态系统中的复杂关系至关重要。

其次，对消息传递范式进行改进也将是今年的一个重点。消息传递是实现图神经网络的一种常用方法，但它难以捕捉到需要信息在图上长距离传播的情况。在2021年，我们期待通过迭代学习哪些信息传播路径是最相关的，以及学习一个全新的关系数据集的因果图。

此外，AI和机器学习在网络安全领域也有望取得重大进展。随着网络犯罪分子使用越来越先进的手段，如恶意软件攻击，一些公司已经面临严峻挑战。AI和行为分析对于识别新威胁至关重要，因此我们希望能够推动最新行为分析AI，以增强网络防御系统。

最后，边缘设备上的机器学习模型应用有望进一步普及。这不仅节省带宽，也减少了执行时间，对于医疗保健等需要快速响应的地方尤为重要。此外，在一些无法访问高速互联网的地方，边缘计算还能提供隐私、安全和低延迟服务。

总之，尽管未来难以预测，但我们相信伴随着实际应用场景不断丰富的人工智能技术，将会带来更多令人惊喜的成就。在这个充满可能性的时代，每一次创新都可能开启一个全新的世界，为我们的生活带来前所未有的便利。