摘要： 时至今日，IT产业的意义，已经不止于这个行业本身的体量和数值增长，IT已经渗透到整体商业生态运行的底层架构，推动新经济的升级与裂变。那么如此重要的IT行业未来的又会如何发展呢？
时至今日，IT产业的意义，已经不止于这个行业本身的体量和数值增长，IT已经渗透到整体商业生态运行的底层架构，推动新经济的升级与裂变。那么如此重要的IT行业未来的又会如何发展呢？以下是宇博智业小编整理的2017年IT行业趋势预测以及未来10年的展望。
日前，微软邀请来自其全球研究院的17位女性对2017年各自研究领域的前景进行预测以及对从现在起未来10年的展望。预测结果如下：
1、数据分析与可视化领域
微软亚洲研究院首席研究员张冬梅认为，2017年，智能数据发现 （Smart Data Discovery）将是数据分析与可视化领域的重大技术突破，其核心就是自动、快速地从数据中挖掘出用户感兴趣的、最有价值的信息，并利用交互式、可视化的呈现方式提供给用户，从而帮助用户实现有效、专业的数据分析。
2027年，数据分析与可视化领域的进展将使不同语义层面的跨数据源和跨领域的分析成为可能。广大用户将能够利用自然语言等更方便的交互机制，快速有效地从数据中获得与业务和生活各方面相关的广泛而深入的信息。
2、计算机视觉领域
微软亚洲研究院主管研究员孙晓艳认为，基于深度学习的计算机视觉技术将在2017年继续高速发展。这将在接近人类能力的高精度对象识别、轻量级便携式视觉系统以及视觉平台的广泛应用中充分体现。
到2027年，视觉“眼”将无处不在。我们将拥有高度发达的成像设备、强大的计算资源以及整合深度和广度学习的视觉技术。这些技术的进步使得无处不在的视觉“眼”能够“看到”并在日常生活和各种职业中为人们赋予更大能力——从制造和医疗一直到金融和安全。
3、语音和自然语言处理领域
微软印度研究院研究员Kalika Bali认为。2017年，我们的语音和语言处理技术应用将会涉及越来越多的语种。这并不仅仅意味着我们将在我们的产品上添加更多语言。我们确实会这样做，但是我们还将开发能够理解、处理并生成语言的系统，可供有英语-西班牙语、法语-阿拉伯语或印度语-英语需求的用户使用，使她可以从一种语言轻松切换到另一种语言——即使在同一场对话、聊天，甚至是在同一个句子中也能轻松切换。
到2027年，语言模型将在认知模型中确立牢固的地位，让人工智能（AI）系统能够相对轻松地进行推理，并与人类沟通，灵活转换并适应不同的社交场合、谈判、辩论和说服，就像人类一直以来一样。计算社会语言学和语用模型将在创造拥有社会文化意识的人工智能中发挥重大作用。
4、机器学习算法领域
微软新英格兰研究院院长兼微软纽约研究院院长，杰出科学家 Jennifer Chayes认为，深度学习正在许多方面改变我们的技术，然而，当今的深度学习算法很大程度上仍然是启发式的——基于该领域领导人物的经验和直觉。2017年，我们将开发一种更有原则性的方式来理解深度学习，以及由此得出更加强大的算法。这些洞见将来自诸多领域，包括统计物理学和计算机科学的交叉学科。
2027年，人工智能和机器学习算法大大改善了我们的生活。然而，目前的算法常常再现了我们数据中的区分性和不公平，并且受到输入误导数据的操纵。未来十年算法方面的一个重大进步将是开发出更加公平、可追责、且更不容易被操纵的稳健算法。
5、搜索和信息检索领域
微软雷德蒙研究院副院长，杰出科学家 Susan Dumais认为，2017年搜索和信息检索中的深度学习将盛行。过去几年，我们看到语音识别、图像理解和自然语言处理等领域取得突破，这是全新深度学习架构与更多数据和更强大计算能力结合的结果。2017年，深度学习模型将继续提高网络搜索结果的质量，实现文档理解和查询契合度方面更全面的改进。
2027年，搜索框将消失。它将被更加无处不在、嵌入式、对上下文敏感的搜索功能所取代。我们通过语音查询而看到这一转变的开始——尤其是移动和智能家庭场景。这一趋势将会加速发展，并且能够发起包含声音、图片或视频的查询，无需提出明确的查询就能利用上下文来主动检索与当前位置、内容、实体或活动相关的信息。
6、生物计算领域
微软剑桥研究院科学家 Sara-Jane Dunn分析，尽管人们广泛使用计算和工程类比来“解释”生物学，但是细胞所执行的计算并不需要、实际上也并没有与芯片计算扯上关系。短期内的重大进展将是一个理解生物信息处理的理论基础，它将作为我们寻求设计、修改或重新编程细胞行为的基础。
如果我们可以想象编程生物学终将实现，那么在未来10年，我们将在农业、医疗、能源、材料和计算等领域开拓全新的行业和应用。尽管过去50年已经因为芯片编程能力而彻底改变，我们将进入下一个编程革命：生命软件时代。
7、虚拟现实领域
微软研究院新体验与新技术部研究员 Mar Gonzalez Franco表示，2017年，我们将看到拥有更好的人体追踪技术的虚拟现实设备出现。其积极的结果就是能够从第一人称的视角体验到虚拟化身。
到2027年，虚拟现实系统将无处不在，并且能够提供丰富的多种感官的体验，从而产生融合或改变“感知现实”的幻觉。利用这一技术，人类将重新训练、调整并改进其感知系统。与目前只能刺激视觉和听觉感官的虚拟现实系统相比，未来虚拟现实的体验将扩展到其它感官——其中包括通过触觉设备而获得的触觉。
8、人工智能和机器学习领域
微软剑桥研究院研究员 Katja Hofmann分析，2017年，计算机游戏将在人工智能开发中唱主角。基于游戏的实验平台——例如我和我的团队开发的、可在游戏《我的世界》中进行人工智能实验的Project Malmo——将能够迅速测试新理念。我对人工智能的协作潜力尤为激动。我们目前才刚刚开始了解人工智能如何向人类学习并与我们协作，以帮助我们实现目标。
人工智能正在快速发展。它有极大的潜力，能够让人们变得更加强大，并帮助我们解决重大的全球性挑战。对我来说，最重要的话题就是如何确保这些进展和重大潜力在2027年之前转化为人工智能技术，从而最大程度造福社会。
9、编程语言和软件工程领域
微软雷德蒙研究院首席研究员 Kathryn S. McKinley分析，2017年在编程语言研究领域即将出现的最具革命性的转变就是概率编程（probabilistic programming），开发者将制作可预测现实世界并明确推理数据和计算中不确定性的模型。编程语言研究社区正在持续为这样的全新软件世界奠定基础，预计在2017年底将会涌现出全新的、激动人心的应用。
到2027年，绝大多数软件工程师都可以便捷地使用编程系统，该系统可通过统计的方法来预测并制作模型。这种翻天覆地的变化将提供可无缝集成传感器、机器学习和近似算法的应用，以便通过全新、有意义且正确的方式与人类进行交互。
10、人本计算（human-centered computing）与无障碍领域
微软剑桥研究院研究员 Cecily Morrison分析，2017年视觉障碍人士将成为个人代理技术的大规模用户和受益者，而这也将帮助技术人员把此前被外界广为宣传的概念落地成为革命性的技术。
到2027年，所有儿童，包括残障儿童，都将拥有合适的工具来学习编程。20年之后，这些残障儿童将带来他们对世界的独特体验，从而改变技术格局。
11、安全与隐私领域
微软剑桥研究院研究员 Olya Ohrimenko分析，2017年可信硬件将会激发新一类的应用和工具，并把其强大的安全性作为独特的特性来吸引用户和程序员。
到2027年，硬件和密码学领域的进展将把数据隐私提升到一个新的高度：医疗和管理分析、机器学习算法以及我们的日常在线活动中都将只使用加密形式的个人信息。
12、移动计算领域
微软雷德蒙研究院研究员 Oriana Riva分析，2017年，系统将可以更多地进行自我重建，从而即使在没有图形用户界面的情况下也能支持交互。越来越少的用户在自己的设备上安装应用，更多应用将转为通过聊天机器人和个人数字助理提供的隐藏在屏幕背后的服务。
到2027年，移动计算将与数字世界建立更加广泛的联系，连接我们周围的所有“物”。而我们与之互动的智能和个人系统，将可以真正理解我们、值得信任并且因为足够了解我们而能够预测和服务我们的需求。
13、硬件与设备领域
微软雷德蒙研究院资深研究员 Karin Strauss分析，摩尔定律已经放缓。由于成本过高，所以无法以与之前相同的速度扩展通用硅处理器以及电容式内存。因此，2017年，我们将看到一系列新的定制硬件加速器——大部分基于FPGA结构——在云中普及，以便提高性能并降低成本，而不再单纯依赖摩尔定律。当然，通用处理器将继续改进，只是速度放缓一些。最终将实现由云支持的更有吸引力、响应能力更强、更安全的服务。我们还将看到更多便宜或昂贵的虚拟现实和增强现实设备及配件面市。 这将催生一系列新应用在这些平台上进行试验，而虚拟和增强现实的内容创建（包括360度视频录制和类似设备）也将获得有趣的发展。
从现在起到2027年，我们将见证一系列违背常规芯片扩展规律的新技术取得成果。届时，碳纳米管和其它分子级制造技术、近数据处理（near data processing）等新架构，以及量子计算机和DNA存储驱动器等新的计算和存储模式将可能实现商用。低功耗人工智能和近眼显示器等技术也将得到显著改进，从而实现更加智能的设备以及质量更高的增强和虚拟现实体验。
