將此篇文章跟 Facebook 上的朋友分享將此篇文章跟 Plurk 上的朋友分享將此篇文章跟 Twitter 上的朋友分享列印轉寄
2018/2/27

愛立信技術長:行動化、數位化及技術變革影響深遠

數位經濟關鍵要素 五大技術趨勢非知不可

Erik Ekudden
隨著時代演變,資訊與通訊技術已逐漸成為世界各國各行業推出新業務的基礎。現今有五項值得觀察的技術趨勢,包含快速數位化、行動化、持續性的技術變革,以及它們如何影響網路平台的未來發展,此為數位經濟的關鍵要素之一。
隨著時代演變,資訊與通訊技術已逐漸成為世界各國各行業推出新業務的基礎。身為愛立信新上任技術長,主要的職責就是隨時追蹤創新技術的發展,並運用這些技術為社會、消費者和各行業創造新的價值。挑戰即將到來,我們在看待新事物的同時,仍不應忘記過去的歷史經驗。

根據個人對現行產業轉型的了解,有五項值得觀察的技術趨勢。數位化、行動化、持續性的技術變革,以及它們如何影響網路平台的未來發展,已經成為數位經濟的關鍵要素之一。而愛立信所扮演的角色則是緊跟這些趨勢的發展,引導技術創新,並不斷挑戰極限,最終為下一代技術發展創造繁榮的市場。

可適性技術基礎

為了釋放數位化經濟的所有潛能,底層技術元件有賴於軟硬體的共同演進。在技術堆疊的最底層,即軟硬體的交界點,透過虛擬化技術和水平架構可以實現更強大且靈活的解決方案。

架構調整即將到來

長久以來,幾何比例縮放一直是電晶體技術演進的主要途徑,一直到現在仍有許多關於電晶體的研究在進行中,希望可以找到能夠增強電晶體性能的替代方案。眾多研究投入於打造更先進的架構,例如多種類型的非單片整合技術,期望藉此提高整合度以維持性能持續演進。




在運算領域中,主流的CPU架構多採用大量多核心以滿足並行處理的需求。隨著晶片上的處理器越來越多,記憶體架構和數據傳輸將成為硬體發展的關鍵技術,舉例來說,非揮發性記憶體和矽光電子晶片將會變得更成熟並且改變整個記憶卡儲存的等級。 這些新技術的發展有望大幅提升性能、降低延遲以及減少耗能。

為了進一步提升數據中心的運算能力和性能,智慧網路介面控制器、多功能圖像處理器和現場可程式邏輯閘陣列(FPGA)等專業資源,都將可在抽象化後做虛擬應用。而量子計算,未來有望可採用類似的共同處理架構方法。

基本組件的快速進步,意味著五年內有機會推出第一個百萬兆級系統,它的運算效能將會是現今排名前500名的電腦組合的兩倍。結合特定類型的演算法和應用,這些技術轉變將可帶來突破性的發展。

演算法的演進推動創新發展

藉由物聯網感測器進行的大規模數據蒐集,將推動人們對於新預測性軟體演算法的需求,其中,該演算法也有利用日趨並行的運算能力。在軟體設計中,演算法的發展扮演益發重要的角色,其中一個例子是深度學習,它是機器學習的一個分支,運用了分層演算法架構來學習分層的概念。

這種類型的系統能夠從範例中學習:它利用通用演算法,透過範例在演算法中設置參數以配合進行中的特定任務。強化學習是一種開發自學軟體代理程式的技術,可以就所觀察到的環境狀況與獎勵制度進行學習和優化。這項技術使得自學系統既無需人為干預,亦不需要設計特徵門檻。

啟用未來通訊系統

從連結的角度來看,波束成形將是未來5G網路中一個有趣的研究領域,屆時軟硬體將同時擁有極為重要的角色。在毫米波頻率下,數百個天線和無線電收發器鏈和高級控制演算法一起運作,即時產生、形成和引導無線電波完成多用戶多天線技術。每個終端裝置皆可被單一用戶的專用光束所存取,以優化網路和用戶容量、效率以及品質。

愛立信目前正與學術界和科技業合力培育一個可以自由分享想法和願景的開放環境,期望能為社會和大眾打造出成功的未來網路。

真正的機器智慧來臨

人工智慧最早出現在1950年代初期,可以利用符號邏輯和規則模式系統得出合邏輯的結論。另一項重要成就是人工神經網路,透過反覆優化技術向數據學習,得以執行模式識別。這些運算密集型演算法的發展為運算能力、數據可用性和連接性帶來了改變,不但優化了性能也降低了成本。




機器智慧將機器學習和人工智慧方法相結合,創造出數據驅動的穩固智慧系統,實現自動化、擴增和放大等功能。機器智慧能夠增強人工智慧的能力。伴隨著數位輔助的引導以及人類意識的提升,人類將可擁有共享數據和見解的環境。機器智慧亦將創造一個新型態的自主培訓環境,使人類和機器可以相互訓練與學習,這種情況就如同老師在教室裡指導學生,並透過與學生交流來學習。

機器智慧為創新奠定了全新的基礎並帶來巨大的潛能,影響力預期將會比工業化來得更大。未來人機通訊將朝向多層面溝通平台發展,其中將會包含對情境和社會的認知功能。而人類和機器的深度對話將會超越認知智慧,進而提升人類智慧。

這篇文章讓你覺得滿意不滿意
送出
留言
顯示暱稱:
留言內容:
送出
熱門點閱文章