美國電氣和電子工程師協會計算機分會（IEEE-CS）的專家每年都會預測“未來科技”併發布他們預測的2018年十大技術趨勢。
IEEE計算機協會主席Jean-Luc Gaudiot表示：“計算機協會的預測以最頂尖專家的深入分析為基礎，確定了2018年最有可能具有顛覆性的頂尖科技。
“龐大的計算界依靠計算機協會提供的相關技術新聞和信息，計算機協會的宗旨是保持計算界信息靈通併為未來的技術變化做好準備，每年的預測與計算機學會的宗旨保持了一致。”
惠普企業傑出的技術專家、IEEE計算機學會前任主席Dejan Milojicic說：“接下來的一年，我們將見證未來科技最有趣的難題。”
“深度學習和人工智能是否能夠擴展應用領域還是隻能應用於神經網絡領域？”
“加密貨幣技術能否繼續發展或經歷泡沫破滅？新的計算和記憶技術是否會最終破壞摩爾定律性？我們已經對這些預測下了賭注。”
IEEE-CS預計2018年十大技術趨勢是：
1.深度學習
機器學習和深度學習已經處於科技革命的風口浪尖。
它們在數據中心得到廣泛採用——亞馬遜能夠將深度學習應用到圖像處理單元，谷歌在張量處理單元中使用了深度學習，微軟利用現場可編程門陣列以及深度學習減少傳回數據中心的數據總量。圖像、視頻和音頻識別之類的應用已經被用於各種垂直行業。深度學習很大程度上取決於加速器（見9），並用於各種輔助功能（見6、7和10）。
2.數字貨幣
比特幣（Bitcoin）、以太幣（ Ethereum）和新出現的萊特幣（ Litecoin）、達世幣（Dash）和瑞波幣（Ripple）已經成為可大量交易的貨幣，它們將成為更為廣泛使用的交易手段，這就需要提高網絡安全度（見10）。因為隨著數字貨幣價值的提高，它們的風險將會越來越大。
此外，數字貨幣將與進其他技術相互促進，如存儲（見3）、雲計算、物聯網（IoT）、邊緣計算等。
3.區塊鏈
比特幣的使用和點對點技術的再現對於廣義上的區塊鏈技術的應用來說是至關重要的。我們預測交付區塊鏈產品的公司，甚至進入市場並整合產品的IT巨頭的規模都將擴大。
4.工業物聯網
在邊緣深度學習的推動下，工業物聯網成為邊緣計算應用最廣泛的例子。由於工業物聯網受到現實需求和要求的驅動，我們預計工業物聯網將繼續採用更廣泛的深度學習技術產品，物聯網的其他用途亦是如此。
5.機器人
儘管機器人研究已經進行了數十年，但是機器人技術的應用並沒有得到蓬勃發展。但是，在過去幾年，消費機器人以及更先進的軍事和工業機器人的市場供應量增加。
我們預測機器人在醫療領域的應用更為廣泛，如照顧病人和用於其他醫療保健。結合深度學習（見1）和人工智能（見10），機器人技術將在2018年進一步發展，機器人技術也將推動倫理思想的演進（見8）。
6.輔助交通
雖然全自動駕駛汽車的發展由於眾多障礙放緩了發展速度，但是自動化系統的有限使用卻持續增長，例如停車系統、視頻識別、離開車道或突發障礙的警報等。 我們預計，隨著自動化、機器學習和深度學習在汽車行業的應用，交通輔助將得到進一步發展。
7.增強現實和虛擬現實
在過去的一年中，遊戲、增強現實和虛擬現實裝置的應用不斷增長。我們預計隨著3D投影和運動檢測等現代用戶界面的出現，這一趨勢將會持續下去。
這將會把個人與可根據隱私配置進行查看的元數據關聯起來，這種關聯將推動網絡安全和隱私方面的國際政策的出臺（見10）。
8.隱私、安全和責任的道德、法律及政策
隨著深度學習（見1）、機器人（見5）、技術援助（見6和7）以及人工智能應用（見10）的不斷髮展，社會對科技發展已經失去了控制。強制性指導已經在設計的各個方面（參見IEEE標準協會文件）得到了深入的分析和推廣，並且這種指導正進一步應用到自主智能系統和網絡安全中。
然而，越來越多的垂直行業和橫向技術將會考慮道德因素。
9.加速器和3D
隨著功率縮放和摩爾定律的終結以及向3D的轉變，加速器成為提高硬件性能和能源效率並降低成本的一種方式。現有技術（現場可編程門陣列和專用集成電路）和新技術（如基於憶阻器的DPE）在加速應用領域（如使用深度學習算法的矩陣乘法）方面具有很大的潛力。
我們預測由於加速器的廣泛的多樣性和適用性，它將在2018年得到更普遍的使用。
10.網絡安全和人工智能
雖然網絡安全正日益成為日常生活和商業不可或缺的一部分，但是它越來越難以管理，漏洞已經變得極其複雜，而信息技術卻難以跟上步伐，純粹的自動化已經不能滿足要求，人工智能需要增強數據分析和自動化腳本。
預計人類仍將處於採取行動的循環中； 因此，這也會與倫理道德有所關聯（見8）。然而，人工智能本身對網絡攻擊並不免疫。IEEE-CS表示，在任何存在對抗性流量的應用領域中，我們需要將人工智能 /深度學習技術變得更加強大。
現有技術
IEEE-CS表示，因為假定以下技術已經得到廣泛應用，所以它們沒有包含在十大技術預測中。
數據科學
雲化
-
智慧城市
可持續性
物聯網/邊緣計算
IEEE-CS技術貢獻者包括：
桑迪亞國家實驗室的Erik DeBenedictis;
系統研究員、IEEE-CS董事會成員Fred Douglis；
普渡大學教授David Ebert;
普惠企業研究員Paolo Faraboschi;
數據科學家Eitan Frachtenberg;
賓州州立大學教授Phil Laplante;
惠普企業傑出技術專家、IEEE計算機學會前任主席 Dejan Milojicic。
在2018年底，IEEE-CS將審查其預測並確定它們與技術現實的匹配程度，並在2018年12月對這些最新預測進行評分。IEEE-CS之前的預測——包括無處不在的傳感器、無人駕駛汽車等——都非常準確。
閱讀更多 工業機器人之家 的文章
