晶片市場在2020結束時引人注目以下是我們對2021特別引人注目的人工智慧領域，2021年會是怎麼樣；組織需要關注他們對人工智慧的“共同願景”，或者人工智慧和機器學習如何適應現有的流程和團隊結構， Transformer 機器學習模型 2020最大的人工智慧成就中有兩項悄悄地共享了相同的人工智慧底層結構。基於transformer的預訓練模型，比如GPT-3，會更加擅長假裝智慧，這一點也會更加讓人不安，並且其假裝智慧的程度，甚至會讓一些人認為其已經實現了智慧；基於transformer的預訓練模型，比如GPT-3，會更加擅長假裝智慧，這一點也會更加讓人不安，並且其假裝智慧的程度，甚至會讓一些人認為其已經實現了智慧。

人工智慧的官方定義是：能夠執行通常需要人類智慧才能執行的任務的計算機系統的理論和發展，例如視覺感知、語音識別、決策和語言間翻譯。可是，與RNN不同，Transformers不需要挨次處理資料；例如，若是輸入資料是自然語言語句，則Transformer不需要在竣事以前處理它的開首。在2020年，我們看到了將時間演變圖建模為一系列圖景的幾個盡力，可是2021年將擴大這一新生的研究方向，重點是將動態圖建模為連續時間序列的方法；經過多次研究之後，科學家可以在神經元或大腦辨別神經網路的細節，發現我們大腦存在高維幾何結構，並且它的種類和數量都很多。

正規化paradigm這個詞是最近幾年隨著人工智慧AI的發展變得家喻戶曉；驅動到邊緣和節點嵌入式裝置；儘管很直觀，但是訊息傳遞卻難以捕獲需要資訊在圖形上長距離傳播的效果；明年，我們希望突破性突破這一正規化，例如透過迭代學習哪些資訊傳播路徑最相關，甚至學習關係資料集上的全新因果圖。