【新智元导读】2020年，GPT-3和AlphaFold 2两项基于Transformer的突破性技术不仅杀出重围，还走进了我们的生活。那么，2021年又将给我们带来哪些新的突破呢？

2020年虽然并没有缺乏重要新闻，但人工智能依然以全新的方式深入到了我们的日常生活中。尤其是GPT-3，它展示了人工智能即将以全新的方式深入到我们的日常生活中。这些进步为未来开辟了无限可能，使得预测未来变得更加困难。但随着技术应用的成熟，我们也可以预见到其他领域的突破。

以下是2021年人工智能有望取得突破的几个方面。在关键领域，如动态图、消息传递范式等方法的进一步发展，将推动更广泛地应用图神经网络（GNN）。「动态图」是第一个重要的领域。在这个领域，我们看到了一些将时间演化图建模为一系列快照的做法，而在2021年，这个研究方向将会扩展，以侧重于连续时间序列建模。这样的连续建模，不仅包括拓扑结构，还应该使 GNN 能够发现和学习图中的时态结构。

对「消息传递范式」的改进也是一个可操作性的大前沿。消息传递是一种实现图神经网络的一种常用方法，它通过沿着连接邻居边“传递”信息来聚集节点信息。不过，这种方法难以捕捉需要信息在图上长距离传播的情况。在2021年，我们期待能够突破这一范式，例如通过迭代学习哪些信息传播路径最相关，甚至学习一个全新的关系数据集的因果图。

除了以上所述，在实际应用中，也有许多头条新闻强调了AI在实际应用中的新进展。而在2021年，这些进展有望投入市场。此外，在网络安全等其他应用领域，也将从AI技术中获益。不论是在识别新威胁还是早期威胁，对于行为分析来说都是至关重要。而AI和行为分析对于帮助识别这些威胁至关重要，所以在2021年，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，在边缘设备上运行机器学习模型也有更多默认值得期待。像谷歌Coral这样具有TPU（Tensor Processing Unit）的设备，由于处理能力和量化技术的不断提升，也能够普及使用。这消除了把数据发送到云端参照需求，同时减少了执行时间，对医疗保健等敏感区域都非常重要。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、安全与低延迟服务。

总之，与过去相比，未来看起来充满未知，但同样充满可能。Transformer和GNN 的进步也会促使它们在现有的AI技术与算法中更进一步。此外，还有一系列令人兴奋的人工智能科技创新正悄然发生，无论对错，都让我们期待这成为一个令人激动的人类历史时刻。

参考链接：

https://venturebeat.com/2021/01/31/heres-where-ai-will-advance-in-2021/