Skip to Content

炒作周期

炒作周期
Gordon Lau
2019-07-29

科技世界,尤其是資訊科技世界,普遍有一種喜新厭舊的傾向,對運用時日漸久的技術,往往會衍生出一種厭倦之感,鮮明例子就如常用的程式語言如JavaPHP,被認為不再sexy,不及新穎的KotlinSwift吸引。曾經風頭一時無兩的3D打印,近年亦比以往的熱潮時冷卻得多。Bitcoin熱潮,在加密貨幣價格大上大落之下,也比起一兩年前減退不少。乍看之下,好像新科技都遵從著相近之發展軌跡,難道這是每種新科技發展都必須經歷嗎?

觀察

據筆者所能找到最早的資料,第一個有關這種規律的觀察,是於1995年由一間名為Gartner的顧問公司所做,研究員發現大多數新科技都會經歷五個不同階段:

  • 階段一 科技誕生期(Technology Trigger)
  • 階段二 過高期望期(Peak of inflated expectations)
  • 階段三 泡沫爆破期(Trough of Disillusionment)
  • 階段四 穩步爬升期(Slope of Enlightenment)
  • 階段五 實質應用期(Plateau of Productivity)

以一幅圖綜合五個時期就如下圖:

Gartner科技五個階段軌跡圖

一幅圖解釋科技軌跡?竟然如此神奇?大家不妨看看以下二個例子:

3D打印

3D打印,本名為積層製造(Additive Manufacturing)的技術,早於上世紀八十年代,已有相應的技術開發及專利存在,現時普遍供個人應用的技術,名為熔融沉積成型,則是於1988年發明。這些技術之出現,對應炒作周期,就是科技誕生期之階段。

3D打印機例子圖

Source 3D打印機

及至2010年代,整整二十年之後,3D打印開始進入大眾視野之中,而為了方便宣傳,也由原名積層製造技術,改為容易琅琅上口的3D打印,大眾開始對這種據說能在家中直接生產模型的技術大感興趣,一些科技新聞開始將3D打印炒作成工業4.0的代表,是繼資訊科技發展的一大革命。筆者甚至讀過有文章預測,指3D打印令家家戶戶都可自行生產所需物件,大公司的作用會因而降低! 這正是過高期望期的時間,以投資術語來說,就是一個泡沫在不斷發展,投資者也因為未來可能的潛力,投進不符比例的資本發展,以近乎不求回報的方式,催生泡沫的形成。

正當3D打印似乎如日中天,發展勢不可擋時,2014年開始3D打印之發展卻明顯遇上障礙,先是一位美國青年由於公開3D打印槍械圖樣而受到政府起訴,然後多間專門生產消費者型3D打印機的公司由於利潤欠奉,股價開始下跌,不少3D打印之初創企業亦因資金鏈斷裂而倒閉。3D打印開始減少在科技新聞出現,普遍消費者開始意識到3D打印技術實際上距離所謂「家家戶戶都有一台」的情況很遙遠,甚至根本不會出現。這就是泡沫爆破期的典型現象。

時間快轉至2019年,3D打印已不常在科技新聞出現,代表3D打印早已不是科技界的寵兒,卻依然有許多公司應用3D打印技術作為快速建立原型的工具,可以說3D打印已經進入了穩步爬升期,3D打印到底在未來會爬到多高,實在難以估計,但可以肯定的是,普遍大眾已對3D打印習以為常,不會再有2014年前的熱潮出現。

所以3D打印已經走過了炒作周期階段一至四,階段五可能還很遙遠,而當真到達階段五的時候,大眾也大概不會留意得到。

人工智能

人工智能呢?人工智能還是科技新寵兒吧?打開科技新聞,每日都有許多關於人工智能的新消息,似乎沒有泡沫爆破的跡象。其實人工智能發展歷史很長,比普遍大眾以為的要長得多。

最早的人工智能與現代電腦的歷史一樣古老,電腦科學之父艾倫.圖靈(Alan Turing),同時亦是人工智能之父,更提出了圖靈測試去判斷電腦是否可以判定為有智能。圖靈於1954自殺,爾後之電腦科學家繼續從事人工智能之研究。這是人工智能的科技誕生期

AI炒作走勢圖

Source

人工智能於上世紀五十年代開始,主要是在Symbolic Reasoning方面發展,研究者本以為人類能夠達成的事,例如語言翻譯等,電腦要完成的難度不會太大。結果出乎意料,語言的模糊性及內在複雜程度遠超研究人員預計。一份1974的報告更指人工智能由於combinatorial explosion(可能性爆炸)的問題,當時人工智能將難以解決現實問題,只能停留在Toy Problem的層次。

所以人工智能第一次的過高期望期開始不久,就遇上了第一個打擊,政府見成效不彰,也大幅減少投入資金,這就是第一次人工智能冬天(AI Winter I),也就是人工智能的第一個泡沫爆破期。由於興趣減退,資金也隨之減少,人工智能的發展處於停滯階段。

到了八十年代,專家系統(Expert System)之研究開始成為人工智能研究的主流,當研究者發覺通用之人工智能比想像中難實現時,開始希望以人工智能協助專家作出決策,其中一例就如協助醫生診斷症狀。專家系統通常會擁有一個巨大的知識庫,再由知識庫推理,得出最好的決策。這引起了廣大興趣,政府、學術界又開始投入不少資金研究,更有公司開始開發專為專家系統運作的LISP電腦,這是人工智能的第二次過高期望期。到了九十年代頭,普遍發覺專家系統成本太高,難以維持,專為專家系統開發的電腦也未能與其他桌面電腦競爭,整個人工智能界又陷入了第二次泡沫爆破期,正是第二次人工智能冬天(AI Winter II)。

及至互聯網普及以後,數據量之大,種類之多,流動速度之快,都是前所未見,間接推動了以數據統計為原理的Machine Learning類的人工智能發展。 隨著深度學習於2010年代之後日趨成熟,人工智能的發展,在經過了超過五六十年的跌跌撞撞之後,終於進入了穩步爬升期,於愈來愈多的範疇得到應用。 2011年IBM的Watson於遊戲Jeopardy擊助人類、AlphaGo擊助圍棋世界冠軍,就是最好的明證。

有些論者認為我們現今處於的位置距離第三次人工智能冬天不遠,但筆者在這個問題頗為樂觀,由於通用的程式庫例如TensorflowPyTorch的普及,對普通軟件工程師而言,開發人工智能應用已非如以前般遙不可及,因此再墮入另一個衰退期之機會不大。

其他技術所處位置

那其他技術呢?有留意科技新聞的朋友,可能常常聽到5G量子計算等等的科技名詞,這些科技又在那個階段呢? 以下是Gartner 於2018年發放的炒作曲線,相當值得細讀。

2018技術炒作曲線圖

Source

由圖中可見,在泡沫爆破期的,大都是大家已經聽聞的科技,令Pokemon Go大行其道的增強實境科技,就是其中的表表者。

意義所在

理解炒作曲線之意義,在於訓練自己在科技世代,有一個辨別炒作的能力,由於傳統教育所限,大多數人對科技、科技發展都是一知半解,很容易就錯信一些似是而非的吹噓,間接成為散播炒作的幫兇。擁有判別科技實際應用的能力,可以避免墮入科技投資騙局,不論是二十年之科網股熱潮,或是近年不少的ICO騙案,都不會中計上鈎了。

Comments

Read More

Data Science? AI ? Machine Learning? 到底有何分別?

Data Science? AI ? Machine Learning? 到底有何分別?

Data Science? AI ? Machine Learning? 到底有何分別?
Gordon Lau
2018-11-23

近幾年大家經常聽到 Data Science(數據科學)、AI(人工智能)、Machine Learning(機器學習)、 Deep Learning(深度學習)等等詞彙, 以上的名詞的意思好像差不多,但又並非完全一樣


科技會過時?

科技會過時?

科技會過時?
Gordon Lau
2019-04-18

不諳編程或是編程初學者常常會有一個印象:就是資訊科技發展很快,一種最新技術可能數年又會變得「不再流行」,又時時會有一些新穎的科技流行語(Buzzword),早幾年是雲端、大數據,過了一會又是數據科學、人工智能、現在又出現了所謂的區塊鏈技術。編程初學者,在沒有先前經驗的情況下,往往無所適從,不知如何是好。


利用 Puppeteer 刮取社交媒體資訊

利用 Puppeteer 刮取社交媒體資訊

利用 Puppeteer 刮取社交媒體資訊
Alex Lau
2019-07-16

一般初學者會用 Scrapy 或者 BeautifulSoup 去作網頁刮取 (Web Scraping),這種方法的以 Python 直接向 Web Server 送出請求,速度可以很快,省卻一般瀏覽器下載 HTML 和 CSS 等時間。不過,某些網站為了防止自己的內容被刮取,或者源於原本網站設計的複雜程度高(如 Facebook、康體通、實時股票網站等等),需要使用大量 JavaScript 去渲染畫面,都使到這些刮取方法失效。


Request Syllabus
Please check your email after submissions.
hello@tecky.iot.me/tecky_hub+852 9725 6400
green_org
Caring Company 2019-2022
TQUK Approved Centre
aws_partner
Reimagine Education Challenge Award
B Corp™ Certified B Corporation
Web Content Accessibility Guidelines (WCAG) 2.1 at Level AA
Web Accessibility Gold Award
© 2024 Tecky Academy Limited