時至今日，IT產業的意義，已經不止於這個行業本身的體量和數值增長，IT已經滲透到整體商業生態運行的底層架構，推動新經濟的升級與裂變。那麼如此重要的IT行業未來的又會如何發展呢？以下是宇博智業小編整理的2017年IT行業趨勢預測以及未來10年的展望。
日前，微軟邀請來自其全球研究院的17位女性對2017年各自研究領域的前景進行預測以及對從現在起未來10年的展望。預測結果如下：
微軟亞洲研究院首席研究員張冬梅認為，2017年，智能數據發現 （Smart Data Discovery）將是數據分析與可視化領域的重大技術突破，其核心就是自動、快速地從數據中挖掘出用戶感興趣的、最有價值的信息，並利用交互式、可視化的呈現方式提供給用戶，從而幫助用戶實現有效、專業的數據分析。
2027年，數據分析與可視化領域的進展將使不同語義層面的跨數據源和跨領域的分析成為可能。廣大用戶將能夠利用自然語言等更方便的交互機制，快速有效地從數據中獲得與業務和生活各方面相關的廣泛而深入的信息。
微軟亞洲研究院主管研究員孫曉艷認為，基於深度學習的計算機視覺技術將在2017年繼續高速發展。這將在接近人類能力的高精度對象識別、輕量級可攜式視覺系統以及視覺平台的廣泛應用中充分體現。
到2027年，視覺「眼」將無處不在。我們將擁有高度發達的成像設備、強大的計算資源以及整合深度和廣度學習的視覺技術。這些技術的進步使得無處不在的視覺「眼」能夠「看到」並在日常生活和各種職業中為人們賦予更大能力——從製造和醫療一直到金融和安全。
微軟印度研究院研究員Kalika Bali認為。2017年，我們的語音和語言處理技術應用將會涉及越來越多的語種。這並不僅僅意味著我們將在我們的產品上添加更多語言。我們確實會這樣做，但是我們還將開發能夠理解、處理並生成語言的系統，可供有英語-西班牙語、法語-阿拉伯語或印度語-英語需求的用戶使用，使她可以從一種語言輕鬆切換到另一種語言——即使在同一場對話、聊天，甚至是在同一個句子中也能輕鬆切換。
到2027年，語言模型將在認知模型中確立牢固的地位，讓人工智慧（AI）系統能夠相對輕鬆地進行推理，並與人類溝通，靈活轉換並適應不同的社交場合、談判、辯論和說服，就像人類一直以來一樣。計算社會語言學和語用模型將在創造擁有社會文化意識的人工智慧中發揮重大作用。
微軟新英格蘭研究院院長兼微軟紐約研究院院長，傑出科學家 Jennifer Chayes認為，深度學習正在許多方面改變我們的技術，然而，當今的深度學習算法很大程度上仍然是啟發式的——基於該領域領導人物的經驗和直覺。2017年，我們將開發一種更有原則性的方式來理解深度學習，以及由此得出更加強大的算法。這些洞見將來自諸多領域，包括統計物理學和計算機科學的交叉學科。
2027年，人工智慧和機器學習算法大大改善了我們的生活。然而，目前的算法常常再現了我們數據中的區分性和不公平，並且受到輸入誤導數據的操縱。未來十年算法方面的一個重大進步將是開發出更加公平、可追責、且更不容易被操縱的穩健算法。
微軟雷德蒙研究院副院長，傑出科學家 Susan Dumais認為，2017年搜索和信息檢索中的深度學習將盛行。過去幾年，我們看到語音識別、圖像理解和自然語言處理等領域取得突破，這是全新深度學習架構與更多數據和更強大計算能力結合的結果。2017年，深度學習模型將繼續提高網絡搜索結果的質量，實現文檔理解和查詢契合度方面更全面的改進。
2027年，搜索框將消失。它將被更加無處不在、嵌入式、對上下文敏感的搜索功能所取代。我們通過語音查詢而看到這一轉變的開始——尤其是移動和智能家庭場景。這一趨勢將會加速發展，並且能夠發起包含聲音、圖片或視頻的查詢，無需提出明確的查詢就能利用上下文來主動檢索與當前位置、內容、實體或活動相關的信息。
微軟劍橋研究院科學家 Sara-Jane Dunn分析，儘管人們廣泛使用計算和工程類比來「解釋」生物學，但是細胞所執行的計算並不需要、實際上也並沒有與晶片計算扯上關係。短期內的重大進展將是一個理解生物信息處理的理論基礎，它將作為我們尋求設計、修改或重新編程細胞行為的基礎。
如果我們可以想像編程生物學終將實現，那麼在未來10年，我們將在農業、醫療、能源、材料和計算等領域開拓全新的行業和應用。儘管過去50年已經因為晶片編程能力而徹底改變，我們將進入下一個編程革命：生命軟體時代。
微軟研究院新體驗與新技術部研究員 Mar Gonzalez Franco表示，2017年，我們將看到擁有更好的人體追蹤技術的虛擬現實設備出現。其積極的結果就是能夠從第一人稱的視角體驗到虛擬化身。
到2027年，虛擬現實系統將無處不在，並且能夠提供豐富的多種感官的體驗，從而產生融合或改變「感知現實」的幻覺。利用這一技術，人類將重新訓練、調整並改進其感知系統。與目前只能刺激視覺和聽覺感官的虛擬現實系統相比，未來虛擬現實的體驗將擴展到其它感官——其中包括通過觸覺設備而獲得的觸覺。
微軟劍橋研究院研究員 Katja Hofmann分析，2017年，計算機遊戲將在人工智慧開發中唱主角。基於遊戲的實驗平台——例如我和我的團隊開發的、可在遊戲《我的世界》中進行人工智慧實驗的Project Malmo——將能夠迅速測試新理念。我對人工智慧的協作潛力尤為激動。我們目前才剛剛開始了解人工智慧如何向人類學習並與我們協作，以幫助我們實現目標。
人工智慧正在快速發展。它有極大的潛力，能夠讓人們變得更加強大，並幫助我們解決重大的全球性挑戰。對我來說，最重要的話題就是如何確保這些進展和重大潛力在2027年之前轉化為人工智慧技術，從而最大程度造福社會。
微軟雷德蒙研究院首席研究員 Kathryn S. McKinley分析，2017年在程式語言研究領域即將出現的最具革命性的轉變就是機率編程（probabilistic programming），開發者將製作可預測現實世界並明確推理數據和計算中不確定性的模型。程式語言研究社區正在持續為這樣的全新軟體世界奠定基礎，預計在2017年底將會湧現出全新的、激動人心的應用。
到2027年，絕大多數軟體工程師都可以便捷地使用編程系統，該系統可通過統計的方法來預測並製作模型。這種翻天覆地的變化將提供可無縫集成傳感器、機器學習和近似算法的應用，以便通過全新、有意義且正確的方式與人類進行交互。
微軟劍橋研究院研究員 Cecily Morrison分析，2017年視覺障礙人士將成為個人代理技術的大規模用戶和受益者，而這也將幫助技術人員把此前被外界廣為宣傳的概念落地成為革命性的技術。
到2027年，所有兒童，包括殘障兒童，都將擁有合適的工具來學習編程。20年之後，這些殘障兒童將帶來他們對世界的獨特體驗，從而改變技術格局。
微軟劍橋研究院研究員 Olya Ohrimenko分析，2017年可信硬體將會激發新一類的應用和工具，並把其強大的安全性作為獨特的特性來吸引用戶和程式設計師。
到2027年，硬體和密碼學領域的進展將把數據隱私提升到一個新的高度：醫療和管理分析、機器學習算法以及我們的日常在線活動中都將只使用加密形式的個人信息。
微軟雷德蒙研究院研究員 Oriana Riva分析，2017年，系統將可以更多地進行自我重建，從而即使在沒有圖形用戶界面的情況下也能支持交互。越來越少的用戶在自己的設備上安裝應用，更多應用將轉為通過聊天機器人和個人數字助理提供的隱藏在螢幕背後的服務。
到2027年，移動計算將與數字世界建立更加廣泛的聯繫，連接我們周圍的所有「物」。而我們與之互動的智能和個人系統，將可以真正理解我們、值得信任並且因為足夠了解我們而能夠預測和服務我們的需求。
微軟雷德蒙研究院資深研究員 Karin Strauss分析，摩爾定律已經放緩。由於成本過高，所以無法以與之前相同的速度擴展通用矽處理器以及電容式內存。因此，2017年，我們將看到一系列新的定製硬體加速器——大部分基於FPGA結構——在雲中普及，以便提高性能並降低成本，而不再單純依賴摩爾定律。當然，通用處理器將繼續改進，只是速度放緩一些。最終將實現由雲支持的更有吸引力、響應能力更強、更安全的服務。我們還將看到更多便宜或昂貴的虛擬現實和增強現實設備及配件面市。 這將催生一系列新應用在這些平台上進行試驗，而虛擬和增強現實的內容創建（包括360度視頻錄製和類似設備）也將獲得有趣的發展。
從現在起到2027年，我們將見證一系列違背常規晶片擴展規律的新技術取得成果。屆時，碳納米管和其它分子級製造技術、近數據處理（near data processing）等新架構，以及量子計算機和DNA存儲驅動器等新的計算和存儲模式將可能實現商用。低功耗人工智慧和近眼顯示器等技術也將得到顯著改進，從而實現更加智能的設備以及質量更高的增強和虛擬現實體驗。
以上就是小編整理的2017年IT行業技術趨勢預測以及未來10年技術展望，如果還想了解更多IT行業市場和技術方面的信息可查閱IT行業分析及市場研究報告。
更多IT行業研究分析，詳見中國報告大廳《IT行業報告匯總》。這裡匯聚海量專業資料，深度剖析各行業發展態勢與趨勢，為您的決策提供堅實依據。
更多詳細的行業數據盡在【資料庫】，涵蓋了宏觀數據、產量數據、進出口數據、價格數據及上市公司財務數據等各類型數據內容。
京公網安備 11010502031895號
