Gartner qrafiki texnologiya sahəsində çalışanlar üçün yüksək dəb sərgisinə bənzəyir. Ona baxdığınız zaman, bu mövsümün ən trend sözlərini öncədən öyrənə və gələcək konfranslarda nələri eşidəcəyinizi bilə bilərsiniz.
Biz bu qrafikdəki gözəl sözlərin arxasında nələrin dayandığını açıqladıq ki, siz də bu dildə danışa biləsiniz.
Başlamaq üçün bu qrafikin nə olduğunu sizə kəskin şəkildə izah edək. Hər il avqust ayında Gartner konsaltinq şirkəti - Gartner Hype Curve adlı hesabat dərc edir. Bu, azərbaycanca "həyəcan qrafiki" deməkdir, yəni sadə dillə - həyəcan. 30 il əvvəl Public Enemy qrupu deyirdi: "Həyəcanlara inanmayın". İnanmaq ya da inanmamaq fərdi bir məsələdir, amma bu əsas sözləri bilmək vacibdir, əgər siz texnologiya sahəsində işləyirsinizsə və qlobal tendensiyaları bilmək istəyirsinizsə.
Bu, müəyyən bir texnologiyaya olan cəmiyyətin gözləntilərinin qrafikidir. Gartnerə görə, ideal halda, texnologiya ardıcıl olaraq 5 mərhələdən keçir: texnologiyanın launching mərhələsi, artan gözləntilər mərhələsi, məyusluq vadisi, aydınlaşma meyli və məhsuldarlıq düzeyi. Lakin bəzən o, "məyusluq vadisi"ndə itib bilər - məsələn, bitcoinləri düşünün: əvvəllər "gələcəyin pulu" kimi zirvəyə çıxan bu müvəffəqiyyət, texnologiyanın çatışmazlıqları aşkar olduqca, xüsusən də transaksiyaların sayı ilə bağlı məhdudiyyətlər və bitcoinlərin istehsalı üçün lazım olan yüksək enerji təchizatı (bu da ekoloji problemlər yaradır) ilə aşağı düşdü. Və əlbəttə ki, unutmaq olmaz ki, Gartner qrafiki sadəcə bir proqnozdur: burada, məsələn, ən parlaq reallaşmamış proqnozları araşdıran detalları oxuya bilərsiniz. , harada ən parlaq reallıqda baş verməyən proqnozlar barədə danışılır.
Beləliklə, Gartner qrafikini nəzərdən keçirək. Texnologiyalar 5 əsas mövzu qrupuna bölünmüşdür:
- İrəlidəki AI və analitika (Advanced AI and Analytics)
- Postklasik hesablama və kommunikasiyalar (Postclassical Compute and Comms)
- Sensorlar və mobilitet (Sensing and Mobility)
- "Tamamlanmış" insan (Augmented Human)
- Rəqəmsal ekosistemlər (Digital Ecosystems)
1. İrəlidəki AI və analitika (Advanced AI and Analytics)
Son 10 ildə dərin öyrənmənin ulduz dövrünü görürük. Bu şəbəkələr həqiqətən öz sahələrində effektivdir. 2018-ci ildə Yan LeCun, Ceffri Hintton və Yosua Benjiodan dərin öyrənməyə dair aşkarlarına görə Turing mükafatı – informatika sahəsindəki Nizamnaməyə bənzər ən prestijli mükafatı aldılar. Beləliklə, bu sahədəki əsas tendensiyalar qrafikdə təqdim olunmuşdur:
1.1. Öyrənmə transferi (Transfer Learning)
Siz neyron şəbəkəsini sıfırdan öyrətmirsiniz, artıq öyrədilmiş birini götürərək ona yeni bir məqsəd təyin edirsiniz. Bəzən bunun üçün şəbəkənin bir hissəsini yenidən öyrətmək lazım gələ bilər, amma bütün şəbəkəni deyil, bu isə daha sürətlidir. Məsələn, hazır ResNet50 neyron şəbəkəsini ImageNet1000 verilənlər dəstində öyrədərək götürsəniz, şəkil əsasında çox sayda müxtəlif obyektləri dərin bir səviyyədə (50 qatlı neyron şəbəkəsi tərəfindən hazırlanmış meyarlara görə 1000 sinif) təsnif edə bilən bir alqoritm əldə edərsiniz. Ancaq bütün bu şəbəkəni tamamilə öyrətməyə ehtiyac yoxdur ki, bu da aylar ala bilər.
İ Samsung «Neyron şəbəkələri və kompüter görməsi», nümunə üçün, finalda təmiz və çirkli boşqabların təsnifatı ilə, 5 dəqiqə ərzində sizə dərin neyron şəbəkə təqdim edən bir yanaşma nümayiş etdirilir, bu şəbəkə yuxarıda təsvir olunmuş arxitektura əsasında çirkli boşqabları təmizlərdən ayırmağı öyrənir. İbtidai şəbəkə heç vaxt boşqabların nə olduğunu bilmirdi, yalnız quşları itlərdən ayırmağı öyrənmişdi (baxın ImageNet).
Mənbə: Samsung «Neyron şəbəkələri və kompüter görməsi»
Transfer Learning üçün hansı yanaşmaların işlədiyini və hansı mövcud əsas arxitekturaların olduğunu bilmək lazımdır. Ümumiyyətlə, bu, maşın öyrənmənin praktiki tətbiqlərinin yaranmasını çox sürətləndirir.
1.2. Generativ-təzyiq şəbəkələri (Generative Adversarial Networks, GAN)
Bu, bizə öyrənmə məqsədini formalaşdırmanın çox çətin olduğu hallardır. Məsələ reallaşan həyata nə qədər yaxın olsa, o qədər daha aydındır («şkafı gətir»), amma onu texniki tapşırıq kimi formalaşdırmaq bir o qədər çətindir. GAN - bizi bu problemi həll etmək istiqamətində dırnaqqan bir cəhd.
Burada iki şəbəkə işləyir: biri generator (Generative), digəri isə diskriminator (Adversarial). Bir şəbəkə faydalı iş görməyi öyrənir (şəkilləri təsnif etmək, səsləri tanımaq, cizgi filmləri çəkmək). Digər şəbəkə isə o şəbəkəni öyrətməyi öyrənir: onun real nümunələri var və o, generator hissəsinin ortaya qoyduğu məhsulları real dünya obyektləri (öyrətmə dəstləri) ilə müqayisə etmək üçün əvvəlcədən bilinməyən mürəkkəb bir formulu tapmağı öyrənir, əhəmiyyətli dərin xüsusiyyətlərlə: gözlərin sayı, Miyazaki stilinə yaxınlıq, ingilis dili tələffüzünün düzgünlüyü.
Şəbəkənin anime xarakterləri yaratma nəticəsinin nümunəsi.
Amma orada, əlbəttə ki, arxitekturanı quraşdırmaq çətindir. Sadəcə neyronları atmaq kifayət deyil, onları hazırlamaq lazımdır. Və öyrətmək bir neçə həftə çəkir. GAN ilə bağlı məsələlərlə Samsung-in Süni İntellekt Mərkəzindəki həmkarlarım məşğuldur, bu onlara əsas tədqiqat suallarından biridir. Məsələn, belə bir : istifadəçilərin dəyişdirilə bilən pozalarda insanların reallığa yaxın fotolarını sintez etmək üçün generativ şəbəkələrin istifadəsi — məsələn, virtual geyim kabinəsi yaratmaq üçün, ya da üz sintezi üçün ki, bu, keyfiyyətli videokonfranslar, yayım yaxud şəxsi məlumatları qorumaq üçün saxlanmalı ya da ötürülməli olan məlumatların miqdarını azaltmağa imkan verə bilər.
1.3. İzah edilən AI (Explainable AI)
Bəzi nadir tapşırıqlarda dərin arxitekturalardakı irəliləyişlərin bir anda dərin neyron şəbəkələrinin imkanlarını insan səviyyəsinə çatdırdığı gördülür. İndi bu cür tapşırıqların çevrəsini genişləndirmək üçün mübarizə gedir. Məsələn, robot-tozsoran, birbaşa qarşılaşmada pişiyi itdən asanlıqla ayıra bilər. Lakin əksər gündəlik vəziyyətlərdə o, yuyunmaqda olan paltar içində ya da mebel arasında yatan pişiyi tapmağa acizdir (nəzərə alaq ki, əksər hallarda biz də belə oluruq…).
Dərin neyron şəbəkələrinin uğurlarının səbəbi nədir? Onlar tapşırıq temsilini “gözlə görünən” məlumat (şəkil pikseli, səsin intensivliyi…) əsasında deyil, bu məlumatların bir neçə yüz qatli neyron şəbəkəsi tərəfindən öncədən emal edilmiş xüsusiyyətləri əsasında yaradırlar. Təəssüf ki, bu əlaqələr həm də mənasız, mübahisəli və ya ilkin məlumat dəstinin nöqsan izlərini daşıya bilər. Məsələn, AI-nin işə qəbulda düşünülməmiş tətbiqinin nələrə səbəb ola biləcəyini göstərən kiçik bir kompüter oyunu var. .
Şəkil etiketləmə sistemi, bir şəkil - gerçəkdə kişi olan bir aşpazı qadın kimi adlandırdı (). Bu Virjiniya İnstitutunda.
Bizim formulə edə bilmədiyimiz mürəkkəb və dərin əlaqələri analiz etmək üçün izah edilən AI metodları lazımdır. Bu metodlar dərin neyron şəbəkələrinin xüsusiyyətlərini təşkil edir ki, öyrənmə tamamlandıqdan sonra şəbəkənin öyrəndiyi daxili nümayəndəliyi analiz edib, yalnız onun qərarına etibar etməyək.
1.4. Kənar Analitika / AI (Edge Analytics / AI)
Kənar sözünün olduğu hər şey, əslində, alqoritmlərin bir hissəsinin bulud/serverdən son cihaz/qapı səviyyəsinə köçürülməsini ifadə edir. Belə bir alqoritm daha sürətli fəaliyyət göstərəcək və mərkəzi serverə qoşulmağa ehtiyac duymayacaq. “İnce müştəri” məfhumunu tanıyırsınızsa, burada müştərini bir az daha yağlı edirik.
Bu, şeylər interneti üçün vacib ola bilər. Məsələn, əgər maşın çox isindiyində və soyutma tələb edirsə, dərhal, zavod səviyyəsində bu barədə siqnal göndərmək mənalıdır, məlumatın buluda düşməsini və oradan növbətçiyə çatmasını gözləmədən. Ya da başqa bir misal: öz-özünə sürən avtomobillər, mərkəzi serverə müraciət etmədən, yol şəraitini özləri həll edə bilərlər.
Yada bir təhlükəsizlik baxımından niyə bunun vacib olduğunu göstərən başqa bir nümunə: telefonunuzda mətnləri daxil edərkən, o, sizin üçün tipik olan sözləri yadda saxlayır ki, telefonun klaviaturası sizə onları rahatlıqla göstərsin – bu, proqnozverici mətni daxil etmə adlanır. Klaviaturada daxil etdiyiniz hər şeyi bir məlumat mərkəzinə göndərmək sizin gizliliyinizin pozulması olardı və sadəcə olaraq təhlükəsiz deyil. Buna görə də, klaviaturanın öyrənilməsi yalnız sizin cihazınızın çərçivəsində baş verir.
1.5. AI Platforması Xidmət olaraq (AI PaaS)
PaaS – Xidmət olaraq Platforma – bu, inteqrasiya olunmuş bir platformaya, onun bulud məlumat saxlama və hazır prosedurlarına daxil olmağı təmin edən biznes modelidir. Buna görə də, infrastruktur məsələlərindən azad olmaqla, faydalı bir şey istehsal etməyə tamamilə diqqətimizi yönəldə bilirik. AI üçün PaaS platformalarına nümunələr: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Adaptiv Maşın Öyrənməsi (Adaptive ML)
İkincisi, süni intellektin adaptasiya olmasına icazə versək... Sizin soruşacağınız sual olacaq - necə yəni?.. O, artıq tapşırığa uyğunlaşmırmı? Problemin mərkəzində budur: belə tapşırıqların hər birini biz diqqətlə hazır edirik, sonra süni intellektin bu tapşırığı yerinə yetirməsi üçün bir alqoritm qururuq. İnsanlar sizə cavab verəcək – məlum olur ki, bu ardıcıllığı sadələşdirmək də mümkündür.
Adi maşın öyrənməsi açıq sistem prinsipi (open-loop) ilə işləyir: siz məlumatları hazırlayırsınız, neyron şəbəkəsini (ya da başqalarını) düşünürsünüz, öyrədirsiniz, sonra bir neçə göstəriciyə baxırsınız, və əgər hər şey bəyəndiyiniz şəkildədirsə, neyron şəbəkəsini smartfonlara göndərmək olar – istifadəçilərin tapşırıqlarını həll etmək üçün. Lakin, məlumatların çox olduğu və onların xarakterinin tədricən dəyişdiyi hallarda, digər metodlar tələb olunur. Bu cür sistemlər, özlərini adaptasiya edən və özlərini öyrədən, bağlanmış, öz-özünə öyrənən dövrlərdə təşkil olunur (closed-loop) və davamlı işləməlidir.
Tətbiqlər - bu, çox sayda biznesmenlərin qərar verdiyi axın analitikası (Stream Analytics) ola bilər, ya da adaptiv istehsal idarəçiliyi. Müasir tətbiqlərin miqyasında və insanların daha yaxşı başa düşdüyü risklər nəzərə alındıqda, bu problemin həllini təqdim edən metodlar, bütün bu metodlar Adaptiv AI ümumi adı altında toplanır.
Bu şəkil üzərində baxanda, futuristlərin çörəksiz qalmadığını düşünmək çətindir – robotun nəfəs almağına öyrədəndə...
Postklasik hesablama və kommunikasiyalar (Postclassical Compute and Comms)
2.1. Beşinci Nəsil Mobil Rabitə (5G)
Bu qədər maraqlı bir mövzudur ki, dərhal sizə bizim . Burada isə qısa bir xülasə var. 5G, məlumatların ötürülmə tezliyinin artırılması ilə İnternetin sürətini qeyri-realist sürətli edəcək. Qısa dalğaların maneələrdən keçməsi çətindir, buna görə də şəbəkələrin qurulması tamamilə fərqli olacaq: baza stansiyalarının sayı 500 dəfə daha çox olmalıdır.
Sürətlə birlikdə bizim yeni fenomenlərimiz olacaq: reallıqda əyləncə oyunları, teleprezensiya vasitəsilə mürəkkəb tapşırıqların (cərrahiyyə kimi) icrası, avtomobillər arasında ünsiyyət vasitəsilə qəzaların və çətin vəziyyətlərin qarşısının alınması. Daha adi bir məqamda: kütləvi tədbirlər zamanı, məsələn, stadionlardakı matçlarda mobil internetin düşməsi nəhayət dayanacaq.
Şəkil mənbəyi — Reuters, Niantic
2.2. Növbəti Nəsil Yaddaş (Next-Generation Memory)
Burada beşinci nəsil operativ yaddaş – DDR5 haqqında danışılır. Samsung 2019-cu ilin sonuna qədər DDR5 əsaslı məhsulların təqdim edəcəyini açıqladı. Yeni yaddaşın iki dəfə daha sürətli və iki dəfə daha çox yükləmə tutumuna sahib olacağı gözlənilir, yəni kompüterimiz üçün 32GB-a qədər yaddaş modulları əldə edə biləcəyik. Gələcəkdə bu, smartfonlar üçün xüsusilə aktuallaşacaq (yeni yaddaş aşağı enerji istehlakına malik versiyada olacaq) və noutbuklar üçün (DIMM slotlarının sayı məhduddur). Eyni zamanda, maşın öyrənməsi böyük məbləğdə operativ yaddaş tələb edir.
2.3. Aşağı-Elektrik Orbitli Peyk Sistemləri (Low-Earth-Orbit Satellite Systems)
Böyük, baha və güclü peyklərin kiçik və ucuz kolonlarla əvəz edilmə ideyası 90-cı illərdən bəri tanışdır. Hətta... indi bunu eşitməyən yalnız tənbəllərdir. Bu sahədəki ən tanınmış şirkət Iridium'dur, 90-cı illərin sonunda iflas etdi, lakin ABŞ Müdafiə Nazirliyi tərəfindən xilas edildi (iRidium – Rusiya ağıllı ev sistemi ilə qarışdırmayın). Elon Musk-ın layihəsi (Starlink) tək deyil – peyk yarışında Richard Branson (OneWeb – 1440 potensial peyk), Boeing (3000 peyk), Samsung (4600 peyk) və başqaları iştirak edirlər.
Bu sahədə vəziyyət necədir, iqtisadiyyatı nə cürdür - bunu oxuyun . Biz isə bu sistemlərin ilk istifadəçiləri tərəfindən həyata keçiriləcək ilk testlərini gözləyirik ki, bunlar artıq gələn il baş tutmalıdır.
2.4. Nanomassada 3D Çap (Nanoscale 3D Printing)
3D çap, hər bir insanın həyatına daxil olmasa da (şəxsi ev plastik fabriki formasında vəd edilsə də), artıq texnologiya nişindən çıxmışdır. Bunun göstəricisi, ən azından 3D heykəl çəkən qələmlərin mövcud olduğunun hər bir məktəblinin bildiyi, bir çoxunun özlərinə çəkiliş və ekstruder qutusu almaq arzusu olduğu gerçəkləridir... “sadəcə elə” (ya da artıq almışdırlar).
Stereolitografiya (laserli 3D printerlər) ayrı-ayrı fotonlarla çap etməyə imkan verir: iki fotonun sərtləşməsi üçün kifayət qədər yeni polimerlər araşdırılır. Bu, laboratoriya şəraitindən kənarda tamamilə yeni filtr, tutucular, yaylar, kapilyar, linzalar və... şərhlərdə sizin variantlar yaradacaqdır! Və burada fotopolymerizasiya prosesinə yaxınlaşırıq - yalnız bu texnologiya «çap etməyə» imkan verir prosessorlar və hesablama sxemləri. Bundan əlavə, artıq illərdir var , lakin radikal inkişaf olmadan.
3. Sensorika və hərəkətlilik (Sensing and Mobility)
3.1. Avtonom avtomobillər, səviyyə 4 və 5 (Autonomous Driving Level 4 & 5)
Terminologiyada qarışmamaq üçün, avtonomluq səviyyələrini başa düşmək lazımdır (daha ətraflı üçün , maraqlananlara göndərdiyimiz):
Səviyyə 1: Kruiz-kontrol: sürücüyə çox məhdud vəziyyətlərdə kömək (məsələn, sürücü pedalın üstündən ayağını götürdükdən sonra avtomobili müəyyən sürətdə saxlamağa kömək edilməsi)
Səviyyə 2: Yönləndirmə və tormozlamada məhdud kömək. Sürücü demək olar ki, dərhal idarəni götürməyə hazır olmalıdır. Onun əli sükanın üstündə, baxışı yolda. Bu artıq Tesla və General Motors-da var.
Səviyyə 3: Sürücünün artıq yola daim baxması lazım deyil. Ancaq o, diqqətli qalmalı və idarəni götürməyə hazır olmalıdır. Bu, hazırda satışda olan avtomobillərdə yoxdur. Hazırda mövcud olanlar - səviyyə 1-2 arasındadır.
Səviyyə 4: Həqiqi avtopilot, lakin məhdudiyyətlərlə: yalnız müvafiq sahələrdə, tam kartoqrafiya edilmiş və sistemə məlum olan sahələrdə və müəyyən şərtlərdə: məsələn, qar olmaması şəraitində. Waymo və General Motors-dan belə prototiplər var və onlar bir neçə şəhərdə işə salmağı planlaşdırırlar və real şəraitdə sınaq keçirəcəklər. Yandex-in Skolkovo və Innopolis-də avtonom taksi üçün sınaq bölgələri var: sürüş mühəndis tərəfindən sərnişin oturacağında oturarkən müşahidə altında baş verir; ilin sonuna qədər şirkət avtonom maşınların sayını 100-ə qədər artırmağı planlaşdırır.
Səviyyə 5: Tam avtomatik sürüş, canlı sürücünün tam əvəzlənməsi. Belə sistemlər yoxdur və onların yaxın illərdə görünməsi ehtimalı azdır.
Bütün bunları yaxın zamanda görmək nə qədər realdır? Bu yerdə oxucunu məqaləyə yönəltmək istərdik Bu, qismən 5G bağlantısının olmamasıyla əlaqədardır: mövcud 4G sürətləri yetərli deyil. Həmçinin, avtonom avtomobillərin çox yüksək qiyməti ilə də bağlıdır: indiki vaxtda rentabelli deyillər, biznes modeli aydın deyil. Sözün qısası, məsələlər burada "çətin"dir, və təsadüfi deyil ki, Gartner yazır ki, 4 və 5-ci səviyyələrin kütləvi tətbiqinin proqnozu ən azı 10 ildən tez olmayacaq.
3.2. 3D görmə kameraları (3D Sensing Cameras)
Səkkiz il əvvəl Microsoft-un Kinect oyun nəzarətçisi 3D görməsi üçün əlçatan və nisbətən ucuz bir həll təqdim edərək səs-küy yaratdı. O vaxtdan bəri, Kinect ilə idman-dans oyunları öz qısa yüksəlişini və düşüşünü yaşadı, amma 3D kameralar sənaye robotları, pilotsuz avtomobillər və mobil telefonlar tərəfindən üz tanıma üçün istifadə edilməyə başlandı. Texnologiya daha ucuz, daha kompakt və daha əlçatan oldu.
Samsung S10 telefonunda obyektə məsafəni ölçən zaman uçuşu (Time-of-Flight) kamerası var – fokuslanmanı asanlaşdırmaq üçün.
Əgər bu mövzu sizi maraqlandırırsa, sizi dərinliyi ölçən kameralarla bağlı çox yaxşı bir ətraflı icmalara yönləndiririk: , .
3.3. Kiçik yük daşınması üçün dronlar (Light Cargo Delivery Drones)
Bu il Amazon, 2 kg-a qədər kiçik yük daşıya bilən yeni uçan dronu sərgidə təqdim etdi. Şəhər üçün, onun tıxacları ilə, bu mükəmməl bir həll kimi görünür. Gəlin görək, bu dronlar yaxın gələcəkdə necə özünü göstərəcək. Burada ehtiyatlı şübhəni daxil etmək olar: dronun asanlıqla oğurlanması sonra və BPL-lara dair qanuni məhdudiyyətlər də daxil olmaqla bir çox problem var. Amazon Prime Air altı il ərzində mövcuddur, amma hələ də test mərhələsindədir.
Bu yazda təqdim olunan yeni Amazon dronu. İçində "Ulduz müharibələri" elementləri var.
Amazon-dan başqa, bu bazarda başqa oyunçular da var (daha ətraflı ), lakin heç bir tamamlanmış məhsul yoxdur: hər şey – test mərhələsində və marketinq aksiyalarındadır. Ayrı-ayrılıqda, Afrika mütləq maraqlı ixtisaslaşmış tibbi : Qan donorlarının daşınması Gana (14,000 daşınma, Zipline şirkəti) və Ruanda (Matternet şirkəti) üçün.
3.4. Uçan avtonom nəqliyyat (Flying Autonomous Vehicles)
Burada müəyyən bir şey demək çətindir. Gartner-in fikrincə, bu, ən azı 10 ildən tez olmayacaq. Ümumiyyətlə, burada pilotsuz avtomobillərlə eyni problemlər var, lakin yeni bir ölçü – şaquli bir ölçü alır. Uçan taksi qurmağı planlaşdırdıqlarını Porsche, Boeing, Uber elan ediblər.
3.5. Artırılmış reallıq buludu (AR Cloud)
Gerçək dünyanın davamlı rəqəmsal surəti, bütün istifadəçilər üçün ortaq yeni reallıq qatını yaratmağa imkan tanıyır. Daha texniki dildə desək, burada açıq bulud platforması yaratmaqdan danışılır ki, bu da inkişaf etdiricilərin öz AR tətbiqlərini inteqrasiya etməsinə imkan versin. Monetizasiya modeli aydındır, bu, Steam-ın bir analoqu kimidir. Fikir o qədər kök salmışdır ki, artıq bəziləri AR-nın buludsuz sadəcə faydasız olduğunu düşünür.
Gələcəkdə bunun necə görünə biləcəyinə dair qısa bir videoda təsvir edilib. Bura, digər "Qara Güzgü" seriyalarından biri kimi görünür:
Daha ətraflı oxumaq olar
4. "Tamamlanmış" insan (Augmented Human)
4.1. Emosiyaların ağıllı gələcəyi (Emotion AI)
İnsan emosiyalarını necə ölçmək, simulyasiya etmək və cavab vermək olar? Burada müştərilərdən biri Amazon Alexa kimi səsli assistentləri istehsal edən şirkətlərdir. Onlar evlərimizdə gerçəkdən tam məməx olacaqlar, əgər əhval-ruhiyyəni tanımağa öyrənə bilsələr: istifadəçini narazı salan səbəbi anlamaq, vəziyyəti düzəltməyə çalışmaq. Ümumiyyətlə, mesajdan daha çox məlumat kontekstdədir. Kontekst isə üz ifadəsi, intonasiya və qeyri-verbal davranışdır.
Digər praktik tətbiqlərdən biri: iş müsahibəsi zamanı emosiyaların analizi (video müsahibələr), reklam çarxlarına və ya digər video məzmunlarına olan reaksiyanın qiymətləndirilməsi (gülümsəmələr, gülüşlər), öyrənməyə yardım (məsələn, ictimai çıxış bacarıqları üzrə müstəqil praktikalarda).
Bu mövzuda 6 dəqiqəlik qısametrajlı film müəllifindən daha yaxşı heç kim danışa bilməz . Zərif və dəbli çəkilmiş videoda, emosiyalarımızı marketinq məqsədləri üçün necə ölçmək olacağını göstərir, və üzünüzün anlıq reaksiyalarından: pizza, itlər, Kanye West-i sevdiyiniz, hətta gəlir səviyyəniz və təxminən IQ-nuz barədə məlumat əldə edilir. Yuxarıdakı film saytına daxil olduğunuzda, notbukunuzun içindəki kameradan istifadə edilərək interaktiv video iştirakçısı olursunuz. Film artıq bir neçə film festivalında nümayiş etdirilib.
Hətta bu maraqlı tədqiqat var: mətndə sarkazmı necə aşkar etmək olar. #sarcasm hashtag-ı ilə tvitlər götürülüb və 25,000 sarkazm olan tvitlərdən və 100,000 adi tvitdən ibarət öyrədici nümunə yaradılıb. TensorFlow kitabxanası tətbiq edildi, sistem öyrədildi, nəticə budur:
Beləliklə, indi əgər siz həmkarınızın və ya dostunuzun dediklərinə əmin deyilsinizsə – o sizə ciddi olaraq nəsə dedi, yoxsa sarkazmla, - artıq !
4.2. Tamamlanmış intellekt (Augmented Intelligence)
Maşın öyrənmə metodları ilə intellektual işlərin avtomatlaşdırılması. Görünür, burada heç bir yenilik yoxdur? Lakin burada formulənin özü önəmlidir, xüsusilə də, bu, Süni İntellektlə (Artificial Intelligence) eyni qısaltmaya malikdir. Bu, bizi "güclü" və "zəif" AI-ya dair mübahisələrə yönləndirir.
Güclü AI, fantastik filmlərdəki o cürdür ki, tamamilə insan ağlının ekvivalentidir və özünü şəxsiyyət kimi başa düşür. Belə bir şey hələ mövcud deyil və ümumiyyətlə, belə bir şeyin olub-olmayacağı da məlum deyil.
Zəif AI müstəqil bir şəxsiyyət deyil, sadəcə insanın köməkçisi-dir. O, insanın bənzərdən düşünmə iddiasında deyil, sadəcə informasiya məsələlərini həll edə bilir, məsələn, şəkilin nəyi əks etdiyini təyin etmək və ya mətni tərcümə etmək.
Bu mənada Artırılmış Zəka tamamilə "zəif AI"-dir və bu ifadə özlüyündə uyğundur, çünki burada hamının arzuladığı (ya da "maşınların üsyanı" haqqında çoxsaylı müzakirələri xatırlayanda) o "güclü AI"-ni görmək üçün bir qarışıqlıq yaratmır. Artırılmış Zəka ifadəsi ilə, sanki biz fərqli bir filmin qəhrəmanları oluruk: elmi fantastikadan (məsələn, Azimovun "Mən, robot" romanı) kiberpank dünyasına keçirik (bu janrdakı "ağırlıqlar" insanın imkanlarını artıran müxtəlif implantları ifadə edir).
Necə Erik Brynjolfsson və Andrew McAfee: "Gələcək 10 il ərzində belə olacaq. AI menecerləri əvəz etmir, AI istifadə edən menecerlər hələ istifadə etməyənləri əvəz edəcək"
Nümunələr:
- Tibb: Stanford Universiteti hazırladı , x-ray müayinəsi ilə patologiyaların tanınması işini orta hesabla əksər həkimlər qədər uğurla yerinə yetirir
- Təhsil: şagird və müəllimə kömək, şagirdlərin materiallara reaksiyasının analizi, fərdi öyrənmə yollarının qurulması.
- Biznes analitika: məlumatların əvvəldən işlənməsi statistikaya görə, tədqiqatçının 80% vaxtını alır, yalnız 20%-ni isə eksperimentin özü.
4.3. Bioçipler (Biochips)
Bu, bütün kiberpank filmlərinin və kitablarının sevimli mövzusudur. Ümumiyyətlə, ev heyvanlarının çiplenməsi yeni bir praktikadır. Ancaq indi bu çipler insanlara da implantasiya edilməyə başlanmışdır.
Bu halda, h hype, yəqin ki, ABŞ-dakı Three Square Market şirkətində baş verən hadisə ilə bağlıdır. Orada işəgötürən, mükafat müqabilində, dəri altına çip implantasiyasını təklif etməyə başladı. Bu çip, qapıları açmağa, kompüterlərə daxil olmağa, avtoparklarda qəlyanaltılar almağa imkan verir - yəni bu, işçinin üçün universal bir kartdır. Eyni zamanda, bu çip tam olaraq bir identifikasiya kartı kimi xidmət edir, onda GPS modulu yoxdur, bu səbəbdən heç kəsi onunla izləmək mümkün deyil. Və əgər bir adam çipi əlindən çıxarmaq istəsə, bunu həkim köməyi ilə 5 dəqiqə ərzində edə bilir.
Çipler adətən baş barmaqla göstərici barmaq arasında implantasiya edilir.
Detallı dünyada çiplenmə məsələsi ilə bağlı.
4.4. İmmersiv İş Mühitləri (Immersive Workspace)
«İmmersiv» – bu, qaçılmaz olan bir başqa yeni söz. Hər yerdədir. İmmersiv teatr, sərgi, kino. Bəs burada nəyi nəzərdə tuturlar? İmmersivlik, müəllif və izləyici, virtual və real dünya arasında sərhədin itirildiyi bir batma effekti yaradılmasıdır. İş yerinə aid olaraq, bu sərfçinin və təşəbbüskarın arasındakı sərhədin silinməsi və əməkdaşların ətraf mühitin yenidən formatlanması vasitəsilə daha aktiv bir mövqe almaqlarını təşviq etməsi deməkdir.
İndi hər yerdə Agile, çeviklik, sıx əməkdaşlıq var – buna görə də iş yerləri maksimum dərəcədə asan konfiqurasiya edilə bilməlidir, qruplar arasında əməkdaşlığı təşviq etməlidir. İqtisadiyyat öz tələblərini irəliləyir: müvəqqəti əməkdaşların sayı artır, ofis kirayə qiymətləri yüksəlir və IT sahəsində işçi bazarının rəqabət şəraitində şirkətlər işçilərin məmnuniyyətini artırmağa çalışır, istirahət zonaları və digər üstünlüklər yaradaraq. Bütün bunlar iş yerinin dizaynına təsir edir.
Dən Knoll
4.5. Şəxsiləşdirmə (Personification)
Hamı reklamda şəxsi xidmətləri bilir. Bu, bu gün iş yoldaşınızla müzakirə etdiyinizdə, ofisdə hava bir az quru olduğu və hava nəmləndirici alınması lazım olduğu barədədir, sabah isə sosial şəbəkənizdə «hava nəmləndirici alın» reklamını görürsünüz (mənim başıma gələn real bir hal).
İmmersivlik, Gartner-in tərifinə görə, istifadəçilərin şəxsi məlumatlarının reklam məqsədilə istifadəsi ilə bağlı artan narahatlığına cavabdır. Məqsəd, bizə məhz olduğumuz kontekstə uyğun reklamların göstərilməsidir, şəxsi olaraq deyil. Məsələn, bizim yerimizi, cihazın tipini, günün saatını, hava şəraitini bilmək – bunlar şəxsi məlumatlarımıza müdaxilə etmir və «izlənmə» hissini yaşatmır.
Bu iki anlayış arasındakı fərqi oxuyun Andrew Frankın Gartner saytındakı blogunda. Burada o qədər incə bir fərq var və sözlər o qədər bənzəyir ki, fərqi bilmürsünüzsə, mübahisə etmə riski var və bilmirik ki, əslində hər ikisi haqlıdır (bu da müəllifin başına gələn bir haldır).
4.6. Biotexnologiya – Süni toxumalar (Biotech – Cultured or Artificial Tissue)
Bu, ilk növbədə, süni ət yetişdirmə ideyasıdır. Eyni zamanda, dünya boyunca bir neçə komanda laboratoriya «Ət 2.0» inkişaf edir – bunun adi ətə nisbətən daha ucuz olacağı gözlənilir və fast-foodlar ardından supermarketlər də bu texnologiyaya keçəcək. Bu texnologiyaya sərmayədarlar – Bill Gates, Sergey Brin, Richard Branson və digərləri.
Mənbə
Süni ət marağını artıran səbəblər:
- Qlobal istiləşmə: fermerlərdən metan emissiyası. Bu, iqlimə təsir edən qazların dünya miqyasında 18%-ni təşkil edir.
- Əhalinin artımı. Ətə tələbat artır, və hamını təbii ətlə qidalandırmaq mümkün olmayacaq – bu, sadəcə olaraq bahadır.
- Məkan çatışmazlığı. Amazondakı meşələrin 70%-i artıq otlaq üçün kəsilib.
- Etik məsələlər. Bunu vacib sayanlar var. Heyvanları qorumaq üçün PETA təşkilatı, bazara süni toyuq ətini çıxaran alimə 1 milyon dollar mükafat təklif etmişdir.
Həqiqi əti soya ilə əvəzləmək – bu, qismən bir həll yoludur, çünki insanlar dad və tekstur arasında fərqi yaxşı hiss edirlər və steaksdən soya üçün imtina etməyəcəklər. Beləliklə, həqiqi, tamamilə orqanik yetişdirilmiş ətə ehtiyac var. Hazırda bunun üçün süni əti qiyməti çox yüksəkdir: 12 $-dan başlayır. Bu, belə bir əti yetişdirmək üçün mürəkkəb texnoloji proseslə bağlıdır. Bütün bunları oxuyun. .
Başqa toxuma yetişdirmə hallarından — artıq tibbdə — maraqlı olan süni orqanlar mövzusudur: məsələn, ürək əzələsi üçün "plaster". xüsusi 3D printer ilə. Yetişdirilmiş süni siçan ürəyi kimi tanınmışdır amma ümumilikdə hələlik klinik sınaqlar çərçivəsindədir. Beləliklə, Frankenstein'i yaxın illərdə görəcəyimizi gözləməyin.
Burada Gartner ehtiyatlıdır, 2015-ci ildə inkişaf etmiş ölkələrin 10%-nin 2019-cu ildə 3D çap edilmiş tibbi implant cihazına sahib olacağına dair proqnozunun uğursuz olduğunu nəzərə alır. Buna görə də məhsuldarlığın yüksək səviyyəyə çatma müddətini – ən azı 10 il olaraq müəyyən edir.
5. Rəqəmsal ekosistemlər (Digital Ecosystems)
5.1. Mərkəzləşdirilməmiş Veb (Decentralized Web)
Bu anlayış vebin müəllifi, Turing mükafatı laureatı, Sir Tim Berners-Lee ilə sıx bağlıdır. Onun üçün informasiya etikası məsələləri həmişə vacib olub və İnternetin kollektiv mahiyyəti önəmli olub: hipertekstin əsaslarını qoyarkən, o, şəbəkənin bir tor kimi işləməli olduğuna inanırdı, iyerarxiya kimi deyil. Elə də oldu şəbəkənin inkişafının erkən mərhələsində. Lakin İnternetin inkişafı ilə onun strukturu bir sıra səbəblərdən mərkəzləşməyə başladı. Göründü ki, bütün bir ölkə üçün şəbəkəyə giriş yalnız bir neçə provayder vasitəsilə asanlıqla dayandırıla bilər. Və istifadəçi məlumatları internet şirkətlərinin güc və gəlir mənbəyinə çevrildi.
"İnternet artıq mərkəzləşdirilməmişdi, - deyir Berners-Lee. - Problem odur ki, bir axtarış sistemi, bir böyük sosial şəbəkə, bir mikroblog platforması hökm sürür. Bizim texnologiya problemlərimiz yoxdur, lakin sosial problemlərimiz var."
Öz World Wide Web-in 30 illiyinə həsr olunmuş Vebin yaradıcısı İnternetin üç əsas problemini qeyd etdi:
- Hədəflənmiş zərər vermək, məsələn, dövlət tərəfindən maliyyələşdirilən haker hücumları, cinayətkarlıq və onlayn təcavüz
- Sistemin özü, istifadəçi üçün ziyanlı olan klikbeyt maliyyə təşviqi və yanlış məlumatın virus kimi yayılması kimi mexanizmlər üçün torpaq yaradır.
- Sistem dizaynının qəsd edilmədən yaranan nəticələri, qarşıdurmalara və onlayn müzakirələrin keyfiyyətinin azalmasına səbəb olur.
Tim Berners-Lee artıq cavabını verdi, "Sağlam insan interneti" ideyasının hansı prinsiplər üzərində qurula biləcəyinə dair: "Çox sayda istifadəçi üçün veb ilə tək əlaqə modeli reklam gəlirləridir. İnsanlar şəxsi məlumatlarının başlarına gələnlərdən qorxsa da, pulsuz məzmun əldə etmək üçün marketinq maşını ilə razılığa gəlməyə razıdırlar. İndi düşünün ki, məhsul xidmətləri üçün ödəmə hər iki tərəf üçün asan və xoşdur." Bunun necə mümkün ola biləcəyinin variantları arasında musiqiçilərin iTunes vasitəsilə aralıq olmadan öz qeydiyyatlarını satmaları və xəbər saytlarının reklam gəliri qazanmaq əvəzinə bir məqaləni oxumaq üçün mikroməbləğ sistemi tətbiq etmələri var.
Belə yeni İnternetin eksperimental prototipi olaraq Tim Berners-Lee SOLID layihəsini başlatdı. Bu layihənin mədəniyyəti, məlumatlarınızı "pod" - məlumat saxlama yerində saxlamanız və bu məlumatları üçüncü tərəf tətbiqlərinə verməyinizdir. Lakin əsasən, məlumatlarınızın sahibləri sizsiniz. Bu, peer-to-peer şəbəkələri anlayışı ilə sıx bağlıdır, yəni kompüteriniz sadəcə xidmətləri tələb etmir, eyni zamanda onları təqdim edir ki, tək bir serverə asılı qalmayasınız.
5.2. Mərkəzləşdirilməmiş Avtonom Təşkilatlar (Decentralized Autonomous Organizations)
Bu, qaydaların kompüter proqramı şəklində yazıldığı təşkilatdır. Onun maliyyə fəaliyyəti blokçeyn üzərindədir. Belə təşkilatların yaradılması məqsədi, dövləti vasitəçi rolundan çıxarmaq və tərəfdaşlar üçün heç birinin tək mülkiyyətində olmayan, hamının birgə mülkiyyətində olan etibarlı bir mühit yaratmaqdır. Yəni, nəzəri olaraq, bu, ideya yayılsa, notariusları və digər tanış təsdiq institutlarını aradan qaldırmalıdır.
Belə bir təşkilatın ən tanınmış nümunəsi, 2016-cı ildə 150 milyon dollar toplayan və bunun 50-ni dərhal qanuni "dəlik" vasitəsilə oğurlayan risk kapitalına yönəldilmiş The DAO oldu. Burada mürəkkəb bir dilemma yarandı: geri çəkilmək və pulları qaytarmaq, ya da pulların çıxarılmasının qanuni olduğunu qəbul etmək, çünki heç bir şəkildə platformanın qaydalarını pozmurdu. Nəticədə, investorlara pulları qaytarmaq üçün yaradıcılara The DAO-u məhv etmək, blokçeyni yenidən yazmaq və onun əsas prinsipi olan dəyişməzliyi pozmaq lazım oldu.
Ethereum haqqında komiks (solda) və The DAO (sağda).
Bütün bu hikaye DAO fikrinin itibarını sarstı. O proje Ethereum kripto parası temelinde yapıldı, gelecek yıl Ethereum 2.0 versiyonu bekleniyor - belki de yazarlar (aralarında ünlü Vitalik Buterin'in de bulunduğu) hataları dikkate alır ve yeni bir şey gösterirler. Herhalde bu yüzden Gartner, DAO'yu yükselen bir çizgiye yerleştirdi.
5.3. Sentetik Veriler (Synthetic Data)
Sinir ağı eğitimi için büyük veri setlerine ihtiyaç vardır. Verileri manuel olarak etiketlemek büyük bir efor gerektirir ve bu ancak insanlar tarafından yapılabilir. Bu nedenle yapay veri setleri oluşturmak mümkündür. Örneğin, aynı insan yüzü koleksiyonları web sitesinde yaratılır. Bunlar, yukarıda bahsedilen GAN algoritmaları yardımıyla oluşturulmaktadır.
Bu yüzler insanlara ait değildir.
Bu tür verilerin büyük bir avantajı, kullanılmasında hukuki zorlukların ortaya çıkmamasıdır: kişisel verilerin işlenmesi için onay veren kimse yoktur.
5.4. Dijital Operasyonlar (Digital Ops)
‘Ops’ eki, DevOps teriminin bizim dilimize girmesiyle son derece popüler hale geldi. Artık DigitalOps’in ne olduğu, DevOps, DesignOps, MarketingOps’un basit bir genellemesi olarak tanımlanmaktadır... Hala sıkılmadınız mı? Kısacası, bu, yazılım alanında kabul edilen DevOps yaklaşımının diğer iş alanlarına - pazarlama, tasarım vb. - aktarılmasıdır.
DevOps'un fikri, yazılım geliştirme (Development) ile işletim (Operations) arasındaki engelleri ortadan kaldırmaktı; programcılar, test uzmanları, güvenlik uzmanları ve yöneticilerin yer aldığı ortak ekipler oluşturmak ve sürekli entegrasyon, kod olarak altyapı, geri bildirim döngülerinin kısaltılması ve güçlendirilmesi gibi belirli uygulamaları hayata geçirmekteydi. Amaç, ürünün pazara çıkış süresini hızlandırmaktı. Eğer bunun Agile ile benzer olduğunu düşünüyorsanız, doğru düşündünüz. Şimdi bu yaklaşımı yazılım geliştirmeden genel geliştirme alanına taşıyın - ve DigitalOps'in ne olduğunu anladınız.
5.5. Bilgi Grafikleri (Knowledge Graphs)
Bir bilgi alanını modellemek için programatik bir yöntem, bunların yanı sıra makine öğrenimi algoritmaları ile. Bilgi grafiği, var olan veri tabanlarının üzerinde inşa edilir ve tüm bilgileri birleştirmek için, hem yapılandırılmış (olaylar veya kişilerin listesi) hem de yapılandırılmamış (makalenin metni) bilgilere bağlanır.
En basit örnek, Google arama sonuçlarında görebileceğiniz karttır. Eğer bir kişi veya kurum arıyorsanız, sağda bir kart göreceksiniz:
Dikkatinizi çekerim ki ‘Gelecek Etkinlikler’ Google Haritalar'dan alınmış bir bilgi değildir, Yandex.Etkinliklerin takvimine entegre bir akıştır: etkinliklere tıkladığınızda bunu kolayca göreceksiniz. Yani bu, birkaç veri kaynağının bir araya getirilmesidir.
Eğer bir liste isterseniz - örneğin ‘ünlü yönetmenler’ - size ‘kaydırılabilir bir galeri’ gösterilecektir:
Sonuna kadar okuyanlar için bonus
İndi isə, hər bir bəndin mənasını aydınlaşdırdıqdan sonra, eyni şəkilə rus dilində baxa bilərik:
Sosial şəbəkələrdə sərbəst paylaşıb paylaşın!
Tatyana Volkova — Samsung IT Akademiyasının İstifadəçi İnternetinə dair tədris proqramının müəllifi, Samsung Tədqiqat Mərkəzinin korporativ sosial məsuliyyət proqramları üzrə mütəxəssisi.
Mənbə: habr.com
