2020年，GPT-3和AlphaFold 2的突破性成就，以Transformer为基础，深刻影响了我们的生活。那么，2021年又将带来哪些新颖的AI技术呢？以下是几个预期在未来一年内取得重大进展的领域。

首先，在图神经网络（GNN）领域，我们可以期待更多关于动态图模型的研究。尽管目前的大多数GNN研究都基于静态图，但随着时间演化图逐渐变得重要，这一趋势将会得到进一步发展。在2021年，我们可能会看到更多关于如何将动态图建模为连续时间序列方法的探索，这不仅包括拓扑结构，还能发现和学习到图中的时态结构。

其次，对于消息传递范式来说，也有望发生改变。消息传递是实现GNN的一种常用方法，它通过沿边“传递”信息来聚集节点信息。但这种方式难以捕捉长距离信息传播的情况。在2021年，我们或许能够见证这一范式的改进，比如通过迭代学习哪些信息传播路径最相关，或甚至学习一个全新的关系数据集中的因果关系。

除了这些理论上的突破之外，AI应用也在市场上有望得到更广泛地实践。在网络安全领域，虽然AI和机器学习已经开始发挥作用，但我们预计在2021年将会看到更大的潜力。一旦行为分析AI得以提升，就能帮助识别新的威胁甚至早期威胁，从而增强网络防御系统。

最后，在边缘设备上运行机器学习模型也是本年度的一个热点。随着处理能力和量化技术的不断进步，如谷歌Coral这样的具有TPU设备也有望普及。这意味着Edge AI可以消除对云服务依赖，不仅节省带宽，而且减少执行时间，对医疗保健等敏感领域尤其重要。此外，这样的应用还可推广至那些无法访问高速互联网的地方，使得隐私、安全以及低延迟成为可能。

总之，无论未来的具体走向如何，都可以肯定的是，伴随着Transformer和GNN等技术在实际应用中的深入发展，以及新兴算法与工具出现，一切看似遥不可及的事情都有可能变成现实。而对于这场前所未有的科技革命，每一步都是令人振奋且充满无限可能的一步。