গার্টনারের সময়সূচী প্রযুক্তিতে যারা আছেন তাদের জন্য একটি হাউট কউচার শোয়ের মতো৷ এটি দেখে, আপনি আগাম জানতে পারেন কোন শব্দগুলি এই মরসুমে সবচেয়ে বেশি প্রচারিত হয় এবং আপনি আসন্ন সমস্ত সম্মেলনে কী শুনতে পাবেন।

আমরা এই গ্রাফে সুন্দর শব্দগুলির পিছনে কী আছে তা ব্যাখ্যা করেছি যাতে আপনি ভাষাটিও বলতে পারেন৷

শুরুতে, মাত্র কয়েকটি শব্দ, এটি কী ধরণের চার্ট। প্রতি বছর আগস্টে, গার্টনার পরামর্শক সংস্থা একটি প্রতিবেদন প্রকাশ করে - গার্টনার হাইপ কার্ভ। রাশিয়ান ভাষায়, এটি "হাইপ কার্ভ" বা, আরও সহজভাবে, হাইপ। 30 বছর আগে, পাবলিক এনিমি গ্রুপের র‌্যাপাররা গেয়েছিলেন: "হাইপকে বিশ্বাস করবেন না।" বিশ্বাস করুন বা না করুন, এটি আপনার উপর নির্ভর করে, তবে আপনি যদি প্রযুক্তিতে থাকেন এবং বিশ্বের প্রবণতাগুলি জানতে চান তবে অন্তত এই কীওয়ার্ডগুলি জানা মূল্যবান।

এটি একটি নির্দিষ্ট প্রযুক্তি থেকে জনগণের প্রত্যাশার একটি গ্রাফ। গার্টনারের মতে, আদর্শ ক্ষেত্রে, প্রযুক্তি 5টি ধারাবাহিক পর্যায়ের মধ্য দিয়ে যায়: প্রযুক্তি লঞ্চ, উচ্চ প্রত্যাশার শিখর, হতাশা উপত্যকা, আলোকিত ঢাল, উত্পাদনশীলতা মালভূমি। তবে এটি এমনও ঘটে যে এটি "হতাশার উপত্যকায়" ডুবে যায় - আপনি নিজের উদাহরণগুলি খুব সহজেই মনে রাখতে পারেন, একই বিটকয়েনগুলি নিতে পারেন: প্রাথমিকভাবে "ভবিষ্যতের অর্থ" হিসাবে শীর্ষে আঘাত করা, প্রযুক্তির ত্রুটিগুলি যখন তারা দ্রুত নীচে নেমে যায়। স্পষ্ট হয়ে ওঠে, প্রথমত লেনদেনের সংখ্যা এবং বিটকয়েন তৈরির জন্য প্রয়োজনীয় বিদ্যুতের উন্মত্ত পরিমাণে বিধিনিষেধ (যা ইতিমধ্যে পরিবেশগত সমস্যাগুলিকে অন্তর্ভুক্ত করে)। এবং অবশ্যই, আমাদের ভুলে যাওয়া উচিত নয় যে গার্টনার চার্টটি কেবল একটি পূর্বাভাস: এখানে, উদাহরণস্বরূপ, আপনি একটি বিস্তারিত পড়তে পারেন প্রবন্ধ, যেখানে সবচেয়ে আকর্ষণীয় অপূর্ণ ভবিষ্যদ্বাণীগুলি সাজানো হয়েছে৷

তো, চলুন নতুন গার্টনার চার্টে যাওয়া যাক। প্রযুক্তিগুলিকে 5টি বড় বিষয়ভিত্তিক গ্রুপে ভাগ করা হয়েছে:

1. অ্যাডভান্সড এআই এবং অ্যানালিটিক্স (উন্নত এআই এবং অ্যানালিটিক্স)
2. পোস্টক্লাসিক্যাল কম্পিউট এবং Comms
3. সংবেদনশীল এবং গতিশীলতা (সেন্সিং এবং গতিশীলতা)
4. অগমেন্টেড হিউম্যান
5. ডিজিটাল ইকোসিস্টেম

1. অ্যাডভান্সড এআই এবং অ্যানালিটিক্স (উন্নত এআই এবং অ্যানালিটিক্স)

গত 10 বছরে, আমরা গভীর শিক্ষার (Deep Learning) উচ্চ বিন্দু দেখেছি। এই নেটওয়ার্কগুলি তাদের কাজের পরিসরের জন্য সত্যিই কার্যকর। 2018 সালে, Jan LeCun, Geoffrey Hinton এবং Joshua Bengio তাদের মধ্যে আবিষ্কারের জন্য টুরিং পুরস্কার পেয়েছিলেন - সবচেয়ে মর্যাদাপূর্ণ পুরস্কার, কম্পিউটার বিজ্ঞানে নোবেল পুরস্কারের অনুরূপ। সুতরাং, এই এলাকার প্রধান প্রবণতা, যা চার্টে প্লট করা হয়েছে:

1.1। ট্রান্সফার লার্নিং

আপনি স্ক্র্যাচ থেকে একটি নিউরাল নেটওয়ার্ককে প্রশিক্ষণ দেন না, তবে ইতিমধ্যে প্রশিক্ষিত একটি নিন এবং এটিকে একটি ভিন্ন লক্ষ্য নির্ধারণ করুন। কখনও কখনও এর জন্য নেটওয়ার্কের অংশ পুনঃপ্রশিক্ষণ প্রয়োজন, কিন্তু পুরো নেটওয়ার্ক নয়, যা অনেক দ্রুত। উদাহরণস্বরূপ, ImageNet50 ডেটাসেটে প্রশিক্ষিত একটি রেডিমেড ResNet1000 নিউরাল নেটওয়ার্ক গ্রহণ করলে, আপনি একটি অ্যালগরিদম পাবেন যা একটি চিত্র থেকে অনেকগুলি বিভিন্ন বস্তুকে খুব গভীর স্তরে শ্রেণীবদ্ধ করতে পারে (1000টি বৈশিষ্ট্যের উপর ভিত্তি করে 50টি স্তর দ্বারা উত্পন্ন বৈশিষ্ট্যের উপর ভিত্তি করে। নিউরাল নেটওয়ার্ক)। কিন্তু আপনাকে পুরো নেটওয়ার্ককে প্রশিক্ষণ দিতে হবে না, যার জন্য কয়েক মাস সময় লাগবে।

В অনলাইন কোর্স স্যামসাং "নিউরাল নেটওয়ার্ক এবং কম্পিউটার ভিশন", উদাহরণস্বরূপ, ফাইনালে কাগল টাস্ক প্লেটগুলির শ্রেণীবিভাগ পরিষ্কার এবং নোংরা করার সাথে সাথে, একটি পদ্ধতি দেখানো হয়েছে যে 5 মিনিটের মধ্যে আপনাকে একটি গভীর নিউরাল নেটওয়ার্ক দেয় যা পরিষ্কার প্লেটগুলি থেকে নোংরাকে আলাদা করতে পারে, উপরের আর্কিটেকচার অনুযায়ী নির্মিত। আসল নেটওয়ার্কটি আদৌ কোন প্লেটগুলি জানত না, এটি কেবল কুকুর থেকে পাখির পার্থক্য করতে শিখেছিল (ইমেজনেট দেখুন)।

উত্স: অনলাইন কোর্স স্যামসাং "নিউরাল নেটওয়ার্ক এবং কম্পিউটার ভিশন"

ট্রান্সফার লার্নিং এর জন্য, আপনাকে জানতে হবে কোন পন্থা কাজ করে, রেডিমেড বেসিক আর্কিটেকচার কি। সাধারণভাবে, এটি মেশিন লার্নিংয়ের ব্যবহারিক প্রয়োগের উত্থানকে ব্যাপকভাবে ত্বরান্বিত করে।

1.2। জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক (GAN)

এটি সেইসব ক্ষেত্রে যখন প্রশিক্ষণের লক্ষ্য নির্ধারণ করা আমাদের পক্ষে খুব কঠিন। কাজটি বাস্তব জীবনের কাছাকাছি, এটি আমাদের জন্য ততই পরিষ্কার ("একটি বেডসাইড টেবিল আনুন"), তবে এটি একটি প্রযুক্তিগত কাজ হিসাবে তৈরি করা আরও কঠিন। GAN এই সমস্যা থেকে আমাদের বাঁচানোর একটি প্রচেষ্টা মাত্র।

দুটি নেটওয়ার্ক এখানে কাজ করে: একটি জেনারেটর (জেনারেটিভ), অন্যটি একটি বৈষম্যকারী (বিপক্ষীয়)। একটি নেটওয়ার্ক দরকারী কাজ করতে শেখে (ছবি শ্রেণীবদ্ধ করা, শব্দ চিনতে, কার্টুন আঁকা)। এবং অন্য নেটওয়ার্কটি সেই নেটওয়ার্কটি শিখতে শিখছে: এটির বাস্তব উদাহরণ রয়েছে এবং এটি সত্যিই গুরুত্বপূর্ণ অনুযায়ী নেটওয়ার্কের জেনারেটিভ অংশের প্রজন্মের সাথে বাস্তব বিশ্বের বস্তুর (প্রশিক্ষণ সেট) তুলনা করার জন্য একটি পূর্বে অজানা জটিল সূত্র খুঁজে বের করতে শিখেছে। গভীর বৈশিষ্ট্য: চোখের সংখ্যা, মিয়াজাকি শৈলীর নৈকট্য, ইংরেজির সঠিক উচ্চারণ।

অ্যানিমে অক্ষর তৈরি করার জন্য একটি নেটওয়ার্কের ফলাফলের একটি উদাহরণ। উৎস

তবে সেখানে অবশ্যই স্থাপত্য নির্মাণ করা কঠিন। শুধুমাত্র নিউরন নিক্ষেপ করা যথেষ্ট নয়, তাদের রান্না করা দরকার। এবং এটি শিখতে সপ্তাহ লাগে। GAN-এর বিষয়টি আমার সহকর্মীরা Samsung AI সেন্টারে অধ্যয়ন করছেন এবং এটি তাদের মূল গবেষণা প্রশ্নগুলির মধ্যে একটি। উদাহরণস্বরূপ, এই মত বিকাশ: পরিবর্তনশীল ভঙ্গি সহ মানুষের বাস্তবসম্মত ফটোগ্রাফ সংশ্লেষণ করতে জেনারেটিভ নেটওয়ার্ক ব্যবহার করা - উদাহরণস্বরূপ, একটি ভার্চুয়াল ফিটিং রুম তৈরি করা, বা মুখের সংশ্লেষণের জন্য, যা উচ্চ-মানের ভিডিও নিশ্চিত করার জন্য সংরক্ষণ বা প্রেরণ করা প্রয়োজন এমন তথ্যের পরিমাণ কমাতে পারে। যোগাযোগ, সম্প্রচার বা ব্যক্তিগত তথ্য সুরক্ষা।

উৎস

1.3। ব্যাখ্যাযোগ্য এআই

কিছু বিরল কাজে, গভীর স্থাপত্যের অগ্রগতি হঠাৎ করে গভীর নিউরাল নেটওয়ার্কের ক্ষমতাকে মানুষের কাছাকাছি নিয়ে এসেছে। এখন এ ধরনের কাজের পরিধি বাড়ানোর লড়াই চলছে। উদাহরণস্বরূপ, একটি রোবোটিক ভ্যাকুয়াম ক্লিনার সহজেই একটি কুকুরের কাছ থেকে একটি বিড়ালকে সামনের মুখোমুখি হতে পারে। তবে বেশিরভাগ জীবনের পরিস্থিতিতে, তিনি লিনেন বা আসবাবপত্রের মধ্যে ঘুমন্ত একটি বিড়াল খুঁজে পেতে অক্ষম হবেন (তবে, আমাদের মতো, বেশিরভাগ ক্ষেত্রে ...)।

গভীর নিউরাল নেটওয়ার্কের সাফল্যের কারণ কী? তারা "খালি চোখে দৃশ্যমান" তথ্য (ফটোগ্রাফের পিক্সেল, সাউন্ড ভলিউমে লাফ ...) এর উপর ভিত্তি করে নয়, কিন্তু একটি নিউরালের কয়েকশ স্তর দ্বারা এই তথ্যটি প্রাক-প্রক্রিয়া করার পরে প্রাপ্ত চিহ্নগুলির উপর ভিত্তি করে কাজের একটি উপস্থাপনা বিকাশ করে। অন্তর্জাল. দুর্ভাগ্যবশত, এই সম্পর্কগুলি অর্থহীন, অসামঞ্জস্যপূর্ণ হতে পারে বা মূল ডেটা সেটে অসম্পূর্ণতার চিহ্ন বহন করতে পারে। উদাহরণস্বরূপ, নিয়োগের ক্ষেত্রে AI এর চিন্তাহীন ব্যবহার কী হতে পারে সে সম্পর্কে একটি ছোট কম্পিউটার গেম রয়েছে। সেরা ফিট বেঁচে থাকার.

ছবিগুলিকে লেবেল করার সিস্টেমটিকে বলা হয় যে ব্যক্তি একজন মহিলাকে রান্না করেন, যদিও ছবিটি আসলে একজন পুরুষ (উৎস) এটা লক্ষ্য করা ভার্জিনিয়া ইনস্টিটিউটে।

জটিল এবং গভীর সম্পর্কগুলিকে বিশ্লেষণ করতে যা আমরা প্রায়শই নিজেদের তৈরি করতে পারি না, ব্যাখ্যাযোগ্য AI পদ্ধতির প্রয়োজন। তারা গভীর নিউরাল নেটওয়ার্কগুলির বৈশিষ্ট্যগুলিকে সংগঠিত করে যাতে প্রশিক্ষণের পরে, আমরা নেটওয়ার্ক দ্বারা শেখা অভ্যন্তরীণ উপস্থাপনা বিশ্লেষণ করতে পারি, এবং শুধুমাত্র এর সমাধানের উপর নির্ভর করতে পারি না।

1.4। এজ অ্যানালিটিক্স / এআই (এজ অ্যানালিটিক্স / এআই)

যেখানে এজ শব্দটি আছে সেখানে সবকিছুর আক্ষরিক অর্থ হল নিম্নলিখিত: ক্লাউড/সার্ভার থেকে শেষ ডিভাইস/গেটওয়ের স্তরে অ্যালগরিদমের অংশ স্থানান্তর করা। এই ধরনের একটি অ্যালগরিদম দ্রুত কাজ করবে এবং কাজ করার জন্য একটি কেন্দ্রীয় সার্ভারের সাথে সংযুক্ত হওয়ার প্রয়োজন হবে না। আপনি যদি "পাতলা ক্লায়েন্ট" বিমূর্ততার সাথে পরিচিত হন তবে এখানে আমরা এই ক্লায়েন্টটিকে কিছুটা ঘন করব।
ইন্টারনেট অফ থিংসের জন্য এটি গুরুত্বপূর্ণ হতে পারে। উদাহরণস্বরূপ, যদি মেশিনটি অতিরিক্ত গরম হয়ে যায় এবং ঠাণ্ডা করার প্রয়োজন হয়, তাহলে ক্লাউডে এবং সেখান থেকে শিফ্ট ফোরম্যানের কাছে ডেটা প্রবেশের জন্য অপেক্ষা না করে, উদ্ভিদ স্তরে অবিলম্বে এটি সংকেত দেওয়া বোধগম্য। বা অন্য একটি উদাহরণ: স্ব-চালিত গাড়িগুলি কেন্দ্রীয় সার্ভারের সাথে যোগাযোগ না করেই ট্র্যাফিক পরিস্থিতির মোকাবিলা করতে পারে।

উৎস

বা নিরাপত্তার দৃষ্টিকোণ থেকে কেন এটি গুরুত্বপূর্ণ তার আরেকটি উদাহরণ: আপনি যখন আপনার ফোনে পাঠ্য টাইপ করেন, তখন এটি আপনার জন্য সাধারণ শব্দগুলি মনে রাখে, যাতে ফোন কীবোর্ড সুবিধাজনকভাবে আপনাকে পরে সেগুলি সুপারিশ করবে - এটিকে ভবিষ্যদ্বাণীমূলক পাঠ্য ইনপুট বলা হয়। আপনি কীবোর্ডে যা কিছু টাইপ করেন তা ডেটা সেন্টারের কোথাও পাঠানো আপনার গোপনীয়তার লঙ্ঘন এবং কেবল অনিরাপদ হবে। অতএব, কীবোর্ড শেখা শুধুমাত্র আপনার ডিভাইসের কাঠামোর মধ্যেই ঘটে।

1.5। AI প্ল্যাটফর্ম একটি পরিষেবা হিসাবে (AI PaaS)

PaaS - প্ল্যাটফর্ম-এ-সার্ভিস হল একটি ব্যবসায়িক মডেল যেখানে আমরা একটি সমন্বিত প্ল্যাটফর্মে অ্যাক্সেস পাই, এর ক্লাউড স্টোরেজ এবং আউট-অফ-দ্য-বক্স পদ্ধতি সহ। এইভাবে, আমরা অবকাঠামোগত কাজগুলি থেকে নিজেদেরকে মুক্ত করতে পারি এবং কার্যকর কিছু উৎপাদনে পুরোপুরি মনোনিবেশ করতে পারি। AI কাজের জন্য PaaS প্ল্যাটফর্মের উদাহরণ: IBM ক্লাউড, Microsoft Azure, Amazon Machine Learning, Google AI প্ল্যাটফর্ম।

1.6। অভিযোজিত মেশিন লার্নিং (অ্যাডাপ্টিভ এমএল)

আমরা যদি কৃত্রিম বুদ্ধিমত্তাকে মানিয়ে নিতে দেই... কীভাবে, আপনি জিজ্ঞাসা করেন?... এটা কি ইতিমধ্যেই কাজের সাথে খাপ খায় না? সমস্যাটি হল: আমরা এই ধরনের প্রতিটি কাজকে সমাধান করার জন্য একটি কৃত্রিম বুদ্ধিমত্তা অ্যালগরিদম তৈরি করার আগে পরিশ্রমের সাথে ডিজাইন করি। তারা আপনাকে উত্তর দেবে - দেখা যাচ্ছে যে এই চেইনটি সরলীকৃত করা যেতে পারে।

প্রচলিত মেশিন লার্নিং একটি ওপেন সিস্টেম (ওপেন-লুপ) এর নীতির উপর কাজ করে: আপনি ডেটা প্রস্তুত করেন, একটি নিউরাল নেটওয়ার্ক (বা যাই হোক না কেন) উদ্ভাবন করুন, ট্রেন করুন, তারপর বেশ কয়েকটি সূচক দেখুন এবং আপনি যদি সবকিছু পছন্দ করেন তবে আপনি নিউরাল নেটওয়ার্ক পাঠাতে পারেন ব্যবহারকারীর সমস্যা সমাধানের জন্য স্মার্টফোনে। কিন্তু অ্যাপ্লিকেশনগুলিতে যেখানে প্রচুর ডেটা রয়েছে এবং তাদের প্রকৃতি ধীরে ধীরে পরিবর্তিত হচ্ছে, অন্যান্য পদ্ধতির প্রয়োজন। এই ধরনের সিস্টেমগুলি যেগুলি নিজেদেরকে মানিয়ে নেয় এবং শিক্ষিত করে সেগুলি বন্ধ, স্ব-শিক্ষার সার্কিটে (ক্লোজড-লুপ) সংগঠিত হয় এবং তাদের অবশ্যই বাধা ছাড়াই কাজ করতে হবে।

অ্যাপ্লিকেশন - এটি স্ট্রিমিং অ্যানালিটিক্স (স্ট্রিম অ্যানালিটিক্স) হতে পারে, যার ভিত্তিতে অনেক ব্যবসায়ী সিদ্ধান্ত নেয়, বা অভিযোজিত উত্পাদন নিয়ন্ত্রণ। আধুনিক অ্যাপ্লিকেশনের স্কেলে, এবং মানুষের জন্য আরও ভালভাবে বোঝার ঝুঁকির ভিত্তিতে, এই সমস্যার সমাধান যে পদ্ধতিগুলি গঠন করে, এই সমস্ত পদ্ধতিগুলি অ্যাডাপ্টিভ এআই এর সাধারণ নামে সংগ্রহ করা হয়।

উৎস

এই ছবিটি দেখে, এই অনুভূতি থেকে মুক্তি পাওয়া কঠিন যে ভবিষ্যতবাদীদের রুটি খাওয়াবেন না - তাদের রোবটকে শ্বাস নিতে শেখান…

পোস্টক্লাসিক্যাল কম্পিউট এবং Comms

2.1। পঞ্চম প্রজন্মের মোবাইল যোগাযোগ (5G)

এটি এমন একটি আকর্ষণীয় বিষয় যা আমরা অবিলম্বে আমাদের উল্লেখ করি প্রবন্ধ. ওয়েল, এখানে একটি সংক্ষিপ্ত সারসংক্ষেপ. 5G, ডেটা স্থানান্তরের ফ্রিকোয়েন্সি বাড়িয়ে ইন্টারনেটের গতিকে অবাস্তবভাবে দ্রুত করে তুলবে। ছোট তরঙ্গের জন্য বাধা অতিক্রম করা আরও কঠিন, তাই নেটওয়ার্কগুলির নকশা সম্পূর্ণ ভিন্ন হবে: বেস স্টেশনগুলির 500 গুণ বেশি প্রয়োজন।

গতির পাশাপাশি, আমরা নতুন ঘটনা পাব: বর্ধিত বাস্তবতার সাথে রিয়েল-টাইম গেম, টেলিপ্রেজেন্সের মাধ্যমে জটিল কাজগুলি (যেমন সার্জারি) সম্পাদন করা, গাড়ির মধ্যে যোগাযোগের মাধ্যমে রাস্তায় দুর্ঘটনা এবং কঠিন পরিস্থিতি প্রতিরোধ করা। একটি আরো অদ্ভুদ থেকে: মোবাইল ইন্টারনেট অবশেষে স্টেডিয়ামে একটি ম্যাচের মতো গণ ইভেন্টের সময় পড়া বন্ধ করবে।

ছবির উৎস: রয়টার্স, নিয়ান্টিক

2.2। পরবর্তী প্রজন্মের স্মৃতি

এখানে আমরা র‌্যামের পঞ্চম প্রজন্মের কথা বলছি - DDR5। স্যামসাং ঘোষণা করেছে যে 2019 সালের শেষ নাগাদ DDR5 ভিত্তিক পণ্য থাকবে। এটা আশা করা হচ্ছে যে ফর্ম ফ্যাক্টর বজায় রাখার সময় নতুন মেমরি দ্বিগুণ দ্রুত এবং দ্বিগুণ ধারণক্ষমতা সম্পন্ন হবে, অর্থাৎ, আমরা আমাদের কম্পিউটারের জন্য 32GB পর্যন্ত ক্ষমতা সহ মেমরি স্টিক পেতে সক্ষম হব। ভবিষ্যতে, এটি স্মার্টফোনের জন্য বিশেষভাবে সত্য হবে (নতুন মেমরিটি কম-পাওয়ার সংস্করণে থাকবে) এবং ল্যাপটপ (যেখানে DIMM স্লটের সংখ্যা সীমিত)। এবং মেশিন লার্নিং এর জন্য প্রচুর পরিমাণে RAM প্রয়োজন।

2.3। নিম্ন-আর্থ-অরবিট স্যাটেলাইট সিস্টেম

ছোট এবং সস্তার একটি ঝাঁক দিয়ে ভারী, ব্যয়বহুল, শক্তিশালী স্যাটেলাইট প্রতিস্থাপনের ধারণাটি নতুন নয় এবং 90 এর দশকে ফিরে এসেছিল। কি সম্বন্ধে "এলন মাস্ক শীঘ্রই স্যাটেলাইট থেকে সবার কাছে ইন্টারনেট বিতরণ করবে" এখন শুধু অলস শুনতে পায়নি। এখানে, সবচেয়ে বিখ্যাত কোম্পানি হল ইরিডিয়াম, যা 90 এর দশকের শেষের দিকে দেউলিয়া হয়ে গিয়েছিল, কিন্তু মার্কিন প্রতিরক্ষা বিভাগের খরচে সংরক্ষণ করা হয়েছিল (আইরিডিয়াম, রাশিয়ান স্মার্ট হোম সিস্টেমের সাথে বিভ্রান্ত হবেন না)। এলন মাস্ক প্রকল্প (স্টারলিংক) একমাত্র থেকে অনেক দূরে - রিচার্ড ব্র্যানসন (ওয়ানওয়েব - 1440 আনুমানিক উপগ্রহ), বোয়িং (3000 উপগ্রহ), স্যামসাং (4600 উপগ্রহ), এবং অন্যান্যরা স্যাটেলাইট রেসে অংশগ্রহণ করছে।

এই এলাকার জিনিসগুলি কেমন, সেখানে অর্থনীতি কেমন দেখায় - পড়ুন পর্যালোচনা. এবং আমরা প্রথম ব্যবহারকারীদের দ্বারা এই সিস্টেমগুলির প্রথম পরীক্ষার জন্য অপেক্ষা করছি, যা পরের বছর হওয়া উচিত।

2.4। ন্যানোস্কেলে থ্রিডি প্রিন্টিং (ন্যানোস্কেল থ্রিডি প্রিন্টিং)

3D প্রিন্টিং, যদিও এটি প্রতিটি ব্যক্তির জীবনে প্রবেশ করেনি (একটি পৃথক হোম প্লাস্টিক কারখানার দ্বারা প্রতিশ্রুত আকারে), তবুও, গীকদের জন্য প্রযুক্তির কুলুঙ্গি ছেড়ে গেছে। আপনি এই সত্যটি দ্বারা বিচার করতে পারেন যে কোনও স্কুলছাত্র কমপক্ষে 3D ভাস্কর্য কলমের অস্তিত্ব সম্পর্কে জানে এবং অনেকেরই স্কিড সহ একটি বাক্স এবং একটি এক্সট্রুডার কেনার স্বপ্ন থাকে ... "ঠিক তেমনই" (বা ইতিমধ্যে এটি কিনেছেন)।

স্টেরিওলিথোগ্রাফি (3D লেজার প্রিন্টার) পৃথক ফোটন দিয়ে মুদ্রণের অনুমতি দেয়: নতুন পলিমারগুলি তদন্ত করা হচ্ছে, যার জন্য দুটি ফোটন দৃঢ় করার জন্য যথেষ্ট। এটি অ-ল্যাবরেটরি পরিস্থিতিতে সম্পূর্ণ নতুন ফিল্টার, মাউন্ট, স্প্রিংস, কৈশিক, লেন্স এবং ... তৈরি করতে অনুমতি দেবে মন্তব্যে আপনার বিকল্পগুলি! এবং এখানে এটি ফটোপলিমারাইজেশন থেকে দূরে নয় - শুধুমাত্র এই প্রযুক্তি আপনাকে প্রসেসর এবং কম্পিউটিং সার্কিট "মুদ্রণ" করতে দেয়। উপরন্তু, প্রথম বছর নেই গ্রাফিন 500-এনএম ত্রিমাত্রিক কাঠামো মুদ্রণের জন্য প্রযুক্তি, কিন্তু আমূল উন্নয়ন ছাড়াই।

উৎস

3. সংবেদনশীল এবং গতিশীলতা (সেন্সিং এবং গতিশীলতা)

3.1। স্বায়ত্তশাসিত ড্রাইভিং স্তর 4 এবং 5

পরিভাষায় বিভ্রান্ত না হওয়ার জন্য, স্বায়ত্তশাসনের কোন স্তরগুলিকে আলাদা করা হয়েছে তা বোঝা উচিত (বিস্তারিত থেকে নেওয়া প্রবন্ধযেটিতে আমরা আগ্রহী সকলকে উল্লেখ করি):

লেভেল 1: ক্রুজ নিয়ন্ত্রণ: খুব সীমিত পরিস্থিতিতে চালককে সহায়তা করা (উদাহরণস্বরূপ, চালক প্যাডেল থেকে পা নামানোর পরে গাড়িটিকে একটি নির্দিষ্ট গতিতে রাখা)
লেভেল 2: স্টিয়ারিং এবং ব্রেকিংয়ের সাথে সীমিত সহায়তা। ড্রাইভারকে প্রায় সঙ্গে সঙ্গে নিয়ন্ত্রণ নিতে প্রস্তুত হতে হবে। তার হাত স্টিয়ারিং হুইলে, চোখ রাস্তার দিকে। এটি ইতিমধ্যে টেসলা এবং জেনারেল মোটরস রয়েছে।
লেভেল 3: ড্রাইভারকে আর ক্রমাগত রাস্তার উপর নজর রাখতে হবে না। তবে তাকে অবশ্যই সতর্ক থাকতে হবে এবং নিয়ন্ত্রণ নিতে প্রস্তুত থাকতে হবে। এটি এমন কিছু যা বাণিজ্যিকভাবে উপলব্ধ গাড়িগুলির এখনও নেই৷ বর্তমানে বিদ্যমান সকল লেভেল 1-2 এ রয়েছে।
লেভেল 4: সত্যিকারের অটোপাইলট, কিন্তু সীমাবদ্ধতা সহ: শুধুমাত্র একটি পরিচিত এলাকায় ভ্রমণ যা সাবধানে ম্যাপ করা হয় এবং সাধারণত সিস্টেমের কাছে পরিচিত, এবং নির্দিষ্ট শর্তে: তুষার নেই, উদাহরণস্বরূপ। Waymo এবং General Motors-এর এই ধরনের প্রোটোটাইপ রয়েছে এবং তারা সেগুলিকে বেশ কয়েকটি শহরে চালু করার এবং একটি বাস্তব পরিবেশে পরীক্ষা করার পরিকল্পনা করেছে৷ ইয়ানডেক্সের স্কোলকোভো এবং ইনোপোলিসে পাইলটবিহীন ট্যাক্সি পরীক্ষা অঞ্চল রয়েছে: ভ্রমণটি যাত্রী আসনে বসা একজন প্রকৌশলীর তত্ত্বাবধানে হয়; বছরের শেষ নাগাদ, কোম্পানি তার বহরে 100টি চালকবিহীন যানবাহনে প্রসারিত করার পরিকল্পনা করেছে।
স্তর 5: সম্পূর্ণ স্বয়ংক্রিয় ড্রাইভিং, একটি লাইভ ড্রাইভারের সম্পূর্ণ প্রতিস্থাপন। এই ধরনের সিস্টেমের অস্তিত্ব নেই, এবং তারা আগামী বছরগুলিতে উপস্থিত হওয়ার সম্ভাবনা কম।

অদূর ভবিষ্যতে এই সব দেখতে কতটা বাস্তবসম্মত? এখানে আমি পাঠককে নিবন্ধে পুনর্নির্দেশ করতে চাই "কেন 2020 সালের মধ্যে একটি রোবট ট্যাক্সি চালু করা অসম্ভব, যেমন টেসলা প্রতিশ্রুতি দিয়েছে". এটি আংশিকভাবে 5G সংযোগের অভাবের কারণে: উপলব্ধ 4G গতি যথেষ্ট নয়। আংশিকভাবে স্বায়ত্তশাসিত মেশিনগুলির খুব উচ্চ ব্যয়ের সাথে: তারা এখনও অলাভজনক, ব্যবসায়িক মডেলটি বোধগম্য নয়। এক কথায়, "সবকিছুই জটিল" এখানে, এবং এটি কোন কাকতালীয় নয় যে গার্টনার লিখেছেন যে লেভেল 4 এবং 5 এর ব্যাপক বাস্তবায়নের পূর্বাভাস 10 বছরের আগে নয়।

3.2। 3D দৃষ্টি সহ ক্যামেরা (3D সেন্সিং ক্যামেরা)

আট বছর আগে, মাইক্রোসফ্ট কাইনেক্ট গেম কন্ট্রোলার 3D ভিশনের জন্য একটি সাশ্রয়ী মূল্যের এবং অপেক্ষাকৃত সস্তা সমাধান অফার করে একটি স্প্ল্যাশ তৈরি করেছিল। তারপর থেকে, কাইনেক্টের সাথে শারীরিক শিক্ষা এবং নাচের গেমগুলি তাদের সংক্ষিপ্ত উত্থান এবং পতনের অভিজ্ঞতা অর্জন করেছে, তবে মুখ শনাক্তকরণের জন্য শিল্প রোবট, মনুষ্যবিহীন যানবাহন এবং মোবাইল ফোনে 3D ক্যামেরা ব্যবহার করা হয়েছে। প্রযুক্তি সস্তা, ছোট এবং আরও অ্যাক্সেসযোগ্য হয়ে উঠেছে।

Samsung S10-এ একটি টাইম-অফ-ফ্লাইট ক্যামেরা রয়েছে যা আপনাকে ফোকাস করতে সাহায্য করার জন্য একটি বস্তুর দূরত্ব পরিমাপ করে। উৎস

আপনি যদি এই বিষয়ে আগ্রহী হন তবে আমরা গভীরতার ক্যামেরাগুলির একটি খুব ভাল বিশদ ওভারভিউতে পুনঃনির্দেশ করি: অংশ 1, অংশ 2.

3.3। ছোট কার্গো ডেলিভারির জন্য ড্রোন (হালকা কার্গো ডেলিভারি ড্রোন)

অ্যামাজন এই বছর একটি স্প্ল্যাশ করেছে যখন এটি শোতে একটি নতুন উড়ন্ত ড্রোন উন্মোচন করেছে যা 2 কেজি পর্যন্ত ছোট পেলোড বহন করতে পারে। শহরের জন্য, এর ট্রাফিক জ্যাম সহ, এটি নিখুঁত সমাধান বলে মনে হচ্ছে। দেখা যাক অদূর ভবিষ্যতে কীভাবে এই ড্রোনগুলি নিজেদের প্রমাণ করবে। সম্ভবত একটি সতর্ক সংশয় এখানে অন্তর্ভুক্ত করা উচিত: একটি ড্রোনের সহজ চুরির সম্ভাবনা থেকে শুরু করে ইউএভিতে আইনি সীমাবদ্ধতা পর্যন্ত অনেক সমস্যা রয়েছে। অ্যামাজন প্রাইম এয়ার প্রায় ছয় বছর ধরে চলে গেছে কিন্তু এখনও তার পরীক্ষার পর্যায়ে রয়েছে।

আমাজনের নতুন ড্রোন এই বসন্তে প্রকাশ করেছে। এতে স্টার ওয়ার্স থেকে কিছু আছে। উৎস

আমাজন ছাড়াও, এই বাজারে অন্যান্য খেলোয়াড় রয়েছে (বিস্তারিত রয়েছে ওভারভিউ), কিন্তু একটি একক সমাপ্ত পণ্য নয়: সবকিছু পরীক্ষা এবং বিপণন প্রচারাভিযানের পর্যায়ে রয়েছে। আলাদাভাবে, এটি বেশ আকর্ষণীয় অত্যন্ত বিশেষায়িত চিকিৎসা লক্ষণীয় প্রকল্প আফ্রিকায়: ঘানায় রক্তদান (14 ডেলিভারি, জিপলাইন) এবং রুয়ান্ডা (ম্যাটারনেট)।

3.4। উড়ন্ত স্বায়ত্তশাসিত যানবাহন

এখানে নির্দিষ্ট করে কিছু বলা কঠিন। গার্টনারের মতে, এটি 10 ​​বছরের আগে প্রদর্শিত হবে না। সাধারণভাবে, এখানে চালকবিহীন যানবাহনের মতো একই সমস্যা রয়েছে, কেবল তারা একটি নতুন মাত্রা অর্জন করে - উল্লম্ব। পোর্শে, বোয়িং, উবার তাদের উচ্চাকাঙ্ক্ষা ঘোষণা করেছে একটি উড়ন্ত ট্যাক্সি তৈরির।

3.5। অগমেন্টেড রিয়েলিটি ক্লাউড (এআর ক্লাউড)

বাস্তব জগতের একটি স্থায়ী ডিজিটাল অনুলিপি, আপনাকে বাস্তবতার একটি নতুন স্তর তৈরি করতে দেয় যা সকল ব্যবহারকারীর জন্য সাধারণ। আরও প্রযুক্তিগত পরিভাষায়, এটি একটি উন্মুক্ত ক্লাউড প্ল্যাটফর্ম তৈরি করার বিষয়ে যেখানে বিকাশকারীরা তাদের এআর অ্যাপ্লিকেশনগুলিকে একীভূত করতে পারে। নগদীকরণ মডেলটি বোধগম্য, এটি স্টিমের এক ধরণের অ্যানালগ। ধারণাটি এতটাই বদ্ধ যে এখন কিছু লোক মনে করে যে মেঘ ছাড়া এআর কেবল অকেজো।

ভবিষ্যতে এটি কেমন হতে পারে তা একটি ছোট ভিডিওতে দেখানো হয়েছে। ব্ল্যাক মিরর এর আরেকটি পর্বের মত মনে হচ্ছে:

আরো পড়া যাবে পর্যালোচনা নিবন্ধ.

4. বর্ধিত মানব

4.1। আবেগের জন্য এআই (আবেগ এআই)

কিভাবে পরিমাপ, অনুকরণ এবং মানুষের আবেগ প্রতিক্রিয়া? এখানকার গ্রাহকদের মধ্যে কিছু কোম্পানি রয়েছে যারা অ্যামাজন অ্যালেক্সার মতো ভয়েস সহকারী তৈরি করে। তারা যদি মেজাজ চিনতে শিখে তবে তারা সত্যিই বাড়িতে অভ্যস্ত হতে সক্ষম হবে: ব্যবহারকারীর অসন্তুষ্টির কারণটি বোঝুন, পরিস্থিতি সংশোধন করার চেষ্টা করুন। সাধারণভাবে, বার্তার চেয়ে প্রেক্ষাপটে অনেক বেশি তথ্য রয়েছে। এবং প্রসঙ্গ হল মুখের অভিব্যক্তি, এবং স্বর, এবং অ-মৌখিক আচরণ।

অন্যান্য ব্যবহারিক অ্যাপ্লিকেশন থেকে: চাকরির সাক্ষাৎকারের সময় আবেগের বিশ্লেষণ (ভিডিও সাক্ষাৎকারের উপর ভিত্তি করে), বিজ্ঞাপন বা অন্যান্য ভিডিও বিষয়বস্তুর প্রতিক্রিয়ার মূল্যায়ন (হাসি, হাসি), শেখার সহায়তা (উদাহরণস্বরূপ, জনসাধারণের কথা বলার শিল্পে স্বাধীন অনুশীলনের জন্য) .

এই বিষয়ে 6 মিনিটের শর্ট ফিল্মের লেখকের চেয়ে ভাল কথা বলা কঠিন উর অনুভূতি চুরি. চতুরভাবে এবং আড়ম্বরপূর্ণভাবে তৈরি করা, ভিডিওটি দেখায় যে কীভাবে আমরা বিপণনের উদ্দেশ্যে আমাদের আবেগ পরিমাপ করতে পারি, এবং আপনার মুখের ক্ষণিকের প্রতিক্রিয়া থেকে আপনি পিৎজা, কুকুর, কানি ওয়েস্ট পছন্দ করেন কিনা এবং এমনকি আপনার আয়ের স্তর এবং আনুমানিক আইকিউ কী তা খুঁজে বের করতে পারেন। উপরের লিঙ্কে ফিল্মের ওয়েবসাইটে গিয়ে, আপনি আপনার ল্যাপটপের অন্তর্নির্মিত ক্যামেরা ব্যবহার করে একটি ইন্টারেক্টিভ ভিডিওতে অংশগ্রহণকারী হয়ে উঠবেন। ছবিটি ইতিমধ্যেই বেশ কয়েকটি চলচ্চিত্র উৎসবে প্রদর্শিত হয়েছে।

উৎস

এমনকি এমন একটি আকর্ষণীয় অধ্যয়ন রয়েছে: কীভাবে একটি পাঠ্যে ব্যঙ্গ চিনতে হয়। তারা #sarcasm হ্যাশট্যাগ দিয়ে টুইট করেছে এবং বিশ্বের সবকিছু সম্পর্কে 25 ব্যঙ্গাত্মক টুইট এবং 000 নিয়মিত টুইটের একটি প্রশিক্ষণ নমুনা তৈরি করেছে। আমরা TensorFlow লাইব্রেরি প্রয়োগ করেছি, সিস্টেমকে প্রশিক্ষিত করেছি, ফলাফল এখানে:

উৎস

তাই এখন, আপনি যদি আপনার সহকর্মী বা বন্ধু সম্পর্কে নিশ্চিত না হন - তিনি আপনাকে সিরিয়াসলি বা বিদ্রুপের সাথে কিছু বলেছেন - আপনি ইতিমধ্যে ব্যবহার করতে পারেন প্রশিক্ষিত নিউরাল নেটওয়ার্ক!

4.2। বর্ধিত বুদ্ধিমত্তা

মেশিন লার্নিং পদ্ধতি ব্যবহার করে বৌদ্ধিক কাজের অটোমেশন। মনে হবে নতুন কিছু না? তবে শব্দটি এখানে গুরুত্বপূর্ণ, বিশেষত যেহেতু এটি কৃত্রিম বুদ্ধিমত্তার সাথে সংক্ষেপে মিলে যায়। এটি আমাদের "শক্তিশালী" বনাম "দুর্বল" এআই বিতর্কে ফিরিয়ে আনে।
শক্তিশালী AI হল সায়েন্স ফিকশন ফিল্মগুলির একই কৃত্রিম বুদ্ধিমত্তা যা মানুষের মনের সম্পূর্ণ সমতুল্য এবং একজন ব্যক্তি হিসাবে নিজেকে সচেতন করে। এটি এখনও বিদ্যমান নেই এবং এটি আদৌ থাকবে কিনা তা স্পষ্ট নয়।

দুর্বল AI একজন স্বাধীন ব্যক্তি নয়, কিন্তু একজন ব্যক্তির সহকারী-সহকারী। তিনি মানুষের মতো চিন্তাভাবনার ভান করেন না, তবে তথ্যের সমস্যাগুলি কীভাবে সমাধান করতে হয় তা কেবল জানেন, উদাহরণস্বরূপ, ছবিতে কী দেখানো হয়েছে তা নির্ধারণ করুন বা পাঠ্য অনুবাদ করুন।

উৎস

এই অর্থে, অগমেন্টেড ইন্টেলিজেন্স তার বিশুদ্ধতম রূপ "দুর্বল AI" এবং শব্দটি সফল বলে মনে হচ্ছে, কারণ এটি এখানে খুব "শক্তিশালী AI" দেখার জন্য বিভ্রান্তি এবং প্রলোভনের পরিচয় দেয় না যা প্রত্যেকে স্বপ্ন দেখে (বা ভয় করে, যদি আমরা "অভ্যুত্থান মেশিন" সম্পর্কে অসংখ্য যুক্তি স্মরণ করি)। অগমেন্টেড ইন্টেলিজেন্স অভিব্যক্তিটি ব্যবহার করে, আমরা অবিলম্বে অন্য সিনেমার নায়ক হয়ে উঠি বলে মনে হচ্ছে: কল্পবিজ্ঞান থেকে (যেমন আসিমভের "আই, রোবট") আমরা নিজেদেরকে সাইবারপাঙ্কে খুঁজে পাই (এই ঘরানার "অগমেন্টেশন" বলা হয় সমস্ত ধরণের ইমপ্লান্ট যা মানুষের প্রসারিত করে। ক্ষমতা)।

কিভাবে বলেন এরিক ব্রাইনজলফসন এবং অ্যান্ড্রু ম্যাকাফি: “আগামী 10 বছরে, এটিই ঘটবে। এআই ম্যানেজারদের প্রতিস্থাপন করবে না, তবে যে ম্যানেজাররা এআই ব্যবহার করেন তাদের প্রতিস্থাপন করবেন যাদের সময় নেই।

উদাহরণ:

• মেডিসিন: স্ট্যানফোর্ড বিশ্ববিদ্যালয় উন্নত অ্যালগরিদমবেশিরভাগ চিকিত্সকের মতো বুকের এক্স-রেতে অস্বাভাবিকতা সনাক্ত করতে গড়পড়তা কে
• শিক্ষা: শিক্ষার্থী এবং শিক্ষককে সহায়তা, উপকরণের প্রতি শিক্ষার্থীদের প্রতিক্রিয়া বিশ্লেষণ, একটি পৃথক শিক্ষার পথ তৈরি করা।
• ব্যবসায়িক বিশ্লেষণ: পরিসংখ্যান অনুসারে ডেটা প্রিপ্রসেসিং, গবেষকের 80% সময় নেয়, এবং মাত্র 20% - পরীক্ষা নিজেই

4.3। বায়োচিপস

এটি সমস্ত সাইবারপাঙ্ক মুভি এবং বইয়ের প্রিয় থিম। সাধারণভাবে, পোষা প্রাণী চিপিং একটি নতুন অভ্যাস নয়. কিন্তু এখন এই চিপগুলিও মানুষের মধ্যে বসানো হচ্ছে।

এই ক্ষেত্রে, হাইপটি সম্ভবত আমেরিকান কোম্পানি থ্রি স্কয়ার মার্কেটের চাঞ্চল্যকর মামলার সাথে সম্পর্কিত। সেখানে, নিয়োগকর্তা একটি পারিশ্রমিকের বিনিময়ে ত্বকের নীচে চিপস লাগানোর প্রস্তাব দিতে শুরু করেন। চিপ আপনাকে দরজা খুলতে, কম্পিউটারে লগ ইন করতে, ভেন্ডিং মেশিনে স্ন্যাকস কিনতে দেয় - অর্থাৎ, এই জাতীয় সর্বজনীন কর্মচারী কার্ড। একই সময়ে, এই জাতীয় চিপটি ঠিক একটি শনাক্তকরণ কার্ড হিসাবে কাজ করে, এতে একটি জিপিএস মডিউল নেই, তাই এটি ব্যবহার করে কাউকে ট্র্যাক করা অসম্ভব। আর যদি একজন ব্যক্তি তার হাত থেকে একটি চিপ সরাতে চান, তবে ডাক্তারের সহায়তায় 5 মিনিট সময় লাগে।

চিপগুলি সাধারণত থাম্ব এবং তর্জনীর মধ্যে বসানো হয়। উৎস

বিস্তারিত পড়ুন প্রবন্ধ বিশ্বের চিপিং সঙ্গে বিষয়াবলির অবস্থার উপর.

4.4। ইমারসিভ ওয়ার্কস্পেস

"ইমারসিভ" হল আরেকটি নতুন শব্দ যার সহজে কোথাও যাওয়ার নেই৷ এটি সর্বত্র. ইমারসিভ থিয়েটার, প্রদর্শনী, সিনেমা। কি বোঝানো হয়? নিমগ্নতা হল একটি নিমজ্জিত প্রভাবের সৃষ্টি, যখন লেখক এবং দর্শক, ভার্চুয়াল এবং বাস্তব জগতের মধ্যে সীমানা হারিয়ে যায়। কর্মক্ষেত্রের সাথে সম্পর্কিত, এটি অবশ্যই অনুমান করা উচিত যে এর অর্থ হল পারফর্মার এবং ইনিশিয়েটরের মধ্যে সীমানা মুছে ফেলা এবং কর্মীদের তাদের পরিবেশ পুনর্বিন্যাস করার মাধ্যমে আরও সক্রিয় অবস্থান নিতে উত্সাহিত করা।

যেহেতু আমাদের এখন সর্বত্র চটপট রয়েছে, নমনীয়তা, ঘনিষ্ঠ মিথস্ক্রিয়া, তাই কর্মক্ষেত্রগুলি যতটা সম্ভব সহজে কনফিগারযোগ্য হওয়া উচিত, গ্রুপের কাজকে উত্সাহিত করা উচিত। অর্থনীতি তার নিজস্ব শর্তগুলি নির্দেশ করে: আরও অস্থায়ী কর্মচারী রয়েছে, অফিসের জায়গা ভাড়া দেওয়ার খরচ বাড়ছে এবং একটি প্রতিযোগিতামূলক শ্রম বাজারে, আইটি সংস্থাগুলি বিনোদনমূলক এলাকা এবং অন্যান্য সুবিধা তৈরি করে কাজ থেকে কর্মচারীদের সন্তুষ্টি বাড়ানোর চেষ্টা করছে। এবং এই সব কর্মক্ষেত্রের নকশা প্রতিফলিত হয়।

থেকে রিপোর্ট নোল

4.5। ব্যক্তিত্ব

বিজ্ঞাপনে ব্যক্তিগতকরণ কী তা সবাই জানে। এটি হল যখন আপনি আজ একজন সহকর্মীর সাথে আলোচনা করছেন যে রুমের বাতাস কিছুটা শুষ্ক, এবং আপনার অফিসের জন্য একটি হিউমিডিফায়ার কেনা উচিত এবং পরের দিন আপনি আপনার সামাজিক নেটওয়ার্কে একটি বিজ্ঞাপন দেখতে পাবেন - "একটি হিউমিডিফায়ার কিনুন" (একটি বাস্তব ঘটনা যা আমার সাথে ঘটেছে)।

উৎস

গার্টনারের মতে ব্যক্তিগতকরণ, বিজ্ঞাপনের উদ্দেশ্যে তাদের ব্যক্তিগত ডেটা ব্যবহার সম্পর্কে ব্যবহারকারীদের ক্রমবর্ধমান উদ্বেগের প্রতিক্রিয়া। লক্ষ্য হল এমন একটি পদ্ধতির বিকাশ করা যেখানে আমাদের এমন বিজ্ঞাপন দেখানো হবে যা আমরা যে প্রেক্ষাপটে আছি তার সাথে প্রাসঙ্গিক, এবং আমাদের ব্যক্তিগতভাবে নয়। উদাহরণস্বরূপ, আমাদের অবস্থান, ডিভাইসের ধরন, দিনের সময়, আবহাওয়ার পরিস্থিতি এমন জিনিস যা আমাদের ব্যক্তিগত ডেটা লঙ্ঘন করে না এবং আমরা "জরিপ করা" হওয়ার অপ্রীতিকর অনুভূতি অনুভব করি না।

এই দুটি ধারণার মধ্যে পার্থক্যের জন্য, পড়ুন একটি নোট গার্টনার সাইটের একটি ব্লগে অ্যান্ড্রু ফ্রাঙ্ক। এমন একটি সূক্ষ্ম পার্থক্য এবং একই রকম শব্দ রয়েছে যে আপনি, পার্থক্য না জেনে, আপনার কথোপকথকের সাথে দীর্ঘ সময়ের জন্য তর্ক করার ঝুঁকি নিয়ে থাকেন, সন্দেহ করেন না যে, সাধারণভাবে, উভয়ই সঠিক (এবং এটিও একটি বাস্তব ঘটনা যা ঘটেছে লেখক).

4.6। বায়োটেক - কৃত্রিম টিস্যু (বায়োটেক - কালচারড বা কৃত্রিম টিস্যু)

এটি, প্রথমত, কৃত্রিম মাংস বৃদ্ধির ধারণা। একই সময়ে, বিশ্বজুড়ে বেশ কয়েকটি দল ল্যাবরেটরি "মিট 2.0" বিকাশে ব্যস্ত - এটি আশা করা হচ্ছে যে এটি স্বাভাবিকের চেয়ে সস্তা হয়ে উঠবে এবং ফাস্ট ফুডগুলি এটিতে স্যুইচ করবে এবং তারপরে সুপারমার্কেটগুলি। এই প্রযুক্তিতে বিনিয়োগকারীদের মধ্যে রয়েছেন বিল গেটস, সের্গেই ব্রিন, রিচার্ড ব্র্যানসন এবং অন্যান্যরা।

উৎস

যে কারণে সবাই কৃত্রিম মাংসের প্রতি এত আগ্রহী:

1. গ্লোবাল ওয়ার্মিং: খামার থেকে মিথেন নির্গমন। এটি জলবায়ুকে প্রভাবিত করে এমন গ্যাসের বৈশ্বিক আয়তনের 18%।
2. জনসংখ্যা বৃদ্ধি. মাংসের চাহিদা বাড়ছে, এবং প্রাকৃতিক মাংস দিয়ে সবাইকে খাওয়ানো সম্ভব হবে না - এটি কেবল ব্যয়বহুল।
3. স্থান অভাব. আমাজনের 70% বন ইতিমধ্যে চারণভূমির জন্য পরিষ্কার করা হয়েছে।
4. নৈতিক বিবেচ্য বিষয়. এটা যাদের জন্য গুরুত্বপূর্ণ তারা আছে. প্রাণী অধিকার সংস্থা PETA ইতিমধ্যেই একজন বিজ্ঞানীকে $1 মিলিয়ন পুরস্কারের প্রস্তাব দিয়েছে যে কৃত্রিম মুরগির মাংস বাজারে নিয়ে আসে।

সয়ার জন্য আসল মাংস অদলবদল করা একটি আংশিক সমাধান, কারণ লোকেরা স্বাদ এবং টেক্সচারের পার্থক্য অনুভব করতে পারে এবং সয়ার পক্ষে স্টেক ত্যাগ করার সম্ভাবনা কম। তাই যা প্রয়োজন তা হল আসল, যথা জৈবভাবে জন্মানো মাংস। এখন, দুর্ভাগ্যবশত, কৃত্রিম মাংস খুব ব্যয়বহুল: প্রতি কিলোগ্রাম $ 12 থেকে। এটি এই ধরনের মাংস বৃদ্ধির জটিল প্রযুক্তিগত প্রক্রিয়ার কারণে। এটা সব সম্পর্কে পড়ুন প্রবন্ধ.

যদি আমরা ক্রমবর্ধমান টিস্যুগুলির অন্যান্য ক্ষেত্রে কথা বলি - ইতিমধ্যে ওষুধে - তবে কৃত্রিম অঙ্গগুলির বিষয়টি আকর্ষণীয়: উদাহরণস্বরূপ, হৃদপিণ্ডের পেশীগুলির জন্য একটি "প্যাচ", মুদ্রিত বিশেষ 3D প্রিন্টার। পরিচিত ইতিহাস একটি কৃত্রিমভাবে বেড়ে ওঠা মাউস হার্টের মতো, কিন্তু সাধারণভাবে, সবকিছু এখনও ক্লিনিকাল ট্রায়ালের সুযোগের মধ্যে রয়েছে। তাই আমরা আগামী বছরগুলিতে ফ্রাঙ্কেনস্টাইন দেখতে অসম্ভাব্য।

এখানে গার্টনার তার অনুমানে অত্যন্ত সতর্ক, দৃশ্যত তার 2015 সালের ব্যর্থ ভবিষ্যদ্বাণীটি মনে রেখে যে 2019 সালে উন্নত দেশগুলির জনসংখ্যার 10% একটি 3D প্রিন্টেড মেডিকেল ইমপ্লান্ট ডিভাইস থাকবে। অতএব, এটি একটি উত্পাদনশীল মালভূমিতে পৌঁছানোর সময়কে নির্দেশ করে - কমপক্ষে 10 বছর।

5. ডিজিটাল ইকোসিস্টেম

5.1। বিকেন্দ্রীভূত ওয়েব

এই ধারণাটি ওয়েবের উদ্ভাবক, টুরিং পুরস্কার বিজয়ী স্যার টিম বার্নার্স-লির নামের সাথে ঘনিষ্ঠভাবে জড়িত। কম্পিউটার বিজ্ঞানের নৈতিক বিষয়গুলি সর্বদা তার কাছে গুরুত্বপূর্ণ ছিল এবং ইন্টারনেটের সম্মিলিত সারমর্ম গুরুত্বপূর্ণ: হাইপারটেক্সটের ভিত্তি স্থাপন করে, তিনি নিশ্চিত ছিলেন যে নেটওয়ার্কটি একটি ওয়েবের মতো কাজ করা উচিত, এবং একটি শ্রেণিবিন্যাসের মতো নয়। সুতরাং এটি নেটওয়ার্ক বিকাশের প্রাথমিক পর্যায়ে ছিল। যাইহোক, ইন্টারনেটের বৃদ্ধির সাথে, এর কাঠামো বিভিন্ন কারণে কেন্দ্রীভূত হয়েছে। এটি প্রমাণিত হয়েছে যে শুধুমাত্র কয়েকটি প্রদানকারীর সাথে সমগ্র দেশের জন্য নেটওয়ার্ক অ্যাক্সেস সহজেই ব্লক করা যেতে পারে। এবং ব্যবহারকারীর ডেটা ইন্টারনেট কোম্পানিগুলির জন্য শক্তি এবং আয়ের উৎস হয়ে উঠেছে।

"ইন্টারনেট ইতিমধ্যে বিকেন্দ্রীকৃত," বার্নার্স-লি বলেছেন। “সমস্যা হল একটি সার্চ ইঞ্জিনের আধিপত্য, একটি বড় সামাজিক নেটওয়ার্ক, একটি মাইক্রোব্লগিং প্ল্যাটফর্ম৷ আমাদের প্রযুক্তিগত সমস্যা নেই, তবে আমাদের সামাজিক সমস্যা রয়েছে।”

তার মধ্যে খোলা চিঠি ওয়ার্ল্ড ওয়াইড ওয়েবের 30 তম বার্ষিকী উপলক্ষে, ওয়েবের নির্মাতা ইন্টারনেটের তিনটি প্রধান সমস্যার রূপরেখা দিয়েছেন:

1. লক্ষ্যযুক্ত ক্ষতি, যেমন সরকার-স্পনসর্ড হ্যাকিং, অপরাধ, এবং অনলাইন হয়রানি
2. সিস্টেমের একেবারে ডিভাইস, যা ব্যবহারকারীর ক্ষতির জন্য, এই জাতীয় প্রক্রিয়াগুলির ভিত্তি তৈরি করে যেমন: ক্লিকবাইটের জন্য আর্থিক প্রণোদনা এবং মিথ্যা তথ্যের ভাইরাল বিস্তার
3. সিস্টেম ডিজাইনের অনিচ্ছাকৃত ফলাফল যা দ্বন্দ্বের দিকে নিয়ে যায় এবং অনলাইন আলোচনার মান হ্রাস করে

এবং টিম বার্নার্স-লি ইতিমধ্যেই "স্বাস্থ্যকর ইন্টারনেট" এর উপর ভিত্তি করে কী নীতিগুলি হতে পারে তার একটি উত্তর রয়েছে, সমস্যা নম্বর 2 ছাড়াই: "অনেক ব্যবহারকারীর জন্য, বিজ্ঞাপনের আয় ওয়েবের সাথে ইন্টারঅ্যাক্ট করার একমাত্র মডেল হিসাবে রয়ে গেছে৷ এমনকি লোকেরা তাদের ডেটাতে কী ঘটছে তা নিয়ে আতঙ্কিত হলেও, তারা বিনামূল্যে সামগ্রী পেতে বিপণন মেশিনের সাথে একটি চুক্তি করতে ইচ্ছুক। এমন একটি বিশ্বের কথা কল্পনা করুন যেখানে পণ্য এবং পরিষেবার জন্য অর্থ প্রদান উভয় পক্ষের জন্যই সহজ এবং আনন্দদায়ক।" এটি করা যেতে পারে একটি উপায় হল সঙ্গীতশিল্পীদের জন্য তাদের রেকর্ডিংগুলিকে আইটিউনস আকারে বাক্সের বাইরে বিক্রি করা এবং সংবাদ সাইটগুলিকে বিজ্ঞাপন থেকে অর্থোপার্জনের পরিবর্তে একটি একক নিবন্ধ পড়ার জন্য মাইক্রোপেমেন্ট ব্যবহার করা।

এই ধরনের একটি নতুন ইন্টারনেটের জন্য একটি পরীক্ষামূলক প্রোটোটাইপ হিসাবে, টিম বার্নার্স-লি SOLID প্রকল্প চালু করেছেন, যার সারমর্ম হল আপনি আপনার ডেটা একটি "পড" - তথ্য সঞ্চয়স্থানে সংরক্ষণ করেন এবং তৃতীয় পক্ষের অ্যাপ্লিকেশনগুলিতে এই ডেটা সরবরাহ করতে পারেন৷ কিন্তু নীতিগতভাবে, আপনি নিজেই আপনার ডেটার মাস্টার। এই সমস্ত পিয়ার-টু-পিয়ার নেটওয়ার্কের ধারণার সাথে ঘনিষ্ঠভাবে সম্পর্কিত, অর্থাৎ, আপনার কম্পিউটার শুধুমাত্র পরিষেবাগুলির জন্য অনুরোধ করে না, তবে সেগুলিও সরবরাহ করে, যাতে একমাত্র চ্যানেল হিসাবে একটি সার্ভারের উপর নির্ভর না করা যায়।

উৎস

5.2। বিকেন্দ্রীভূত স্বায়ত্তশাসিত সংস্থা

এটি একটি সংস্থা যা একটি কম্পিউটার প্রোগ্রাম আকারে লিখিত নিয়ম দ্বারা পরিচালিত হয়। এর আর্থিক কার্যক্রম ব্লকচেইনের উপর ভিত্তি করে। এই ধরনের সংগঠন তৈরির উদ্দেশ্য হল মধ্যস্থতাকারীর ভূমিকা থেকে রাষ্ট্রকে বাদ দেওয়া এবং ঠিকাদারদের জন্য একটি সাধারণ বিশ্বস্ত পরিবেশ তৈরি করা, যার মালিকানা কারো একার নয়, সবাই মিলে মালিকানাধীন। যে, তাত্ত্বিকভাবে, যদি ধারণাটি রুট করে, তবে এটি নোটারি এবং অন্যান্য স্বাভাবিক যাচাইকরণ প্রতিষ্ঠানগুলিকে বাতিল করা উচিত।

এই ধরনের একটি সংস্থার সবচেয়ে বিখ্যাত উদাহরণ ছিল উদ্যোগ-কেন্দ্রিক দ্য DAO, যা 2016 সালে $150 মিলিয়ন সংগ্রহ করেছিল, যার মধ্যে $50 তাৎক্ষণিকভাবে নিয়মের একটি আইনি "গর্ত" মাধ্যমে চুরি হয়েছিল। অবিলম্বে, একটি কঠিন দ্বিধা দেখা দেয়: হয় রোল ব্যাক করুন এবং টাকা ফেরত দিন, বা স্বীকার করুন যে অর্থ উত্তোলন বৈধ ছিল, কারণ এটি কোনওভাবেই প্ল্যাটফর্মের নিয়ম লঙ্ঘন করেনি। ফলস্বরূপ, বিনিয়োগকারীদের অর্থ ফেরত দেওয়ার জন্য, নির্মাতাদের DAO ধ্বংস করতে হয়েছিল, ব্লকচেইনটি পুনরায় লিখতে হয়েছিল এবং এর মূল নীতি - অপরিবর্তনীয়তা লঙ্ঘন করতে হয়েছিল।

Ethereum (বাম) এবং DAO (ডান) সম্পর্কে কমিক। উৎস

এই পুরো গল্পটি DAO ধারণার সুনাম নষ্ট করেছে। এই প্রকল্পটি ইথেরিয়াম ক্রিপ্টোকারেন্সির ভিত্তিতে তৈরি করা হয়েছিল, পরের বছর ইথার 2.0 সংস্করণ প্রত্যাশিত - সম্ভবত লেখকরা (সুপরিচিত ভিটালিক বুটেরিন সহ) ভুলগুলি বিবেচনা করবেন এবং নতুন কিছু দেখাবেন। সম্ভবত এই কারণেই গার্টনার ডিএওকে উজানে রেখেছিলেন।

5.3. সিন্থেটিক ডেটা (সিনথেটিক ডেটা)

নিউরাল নেটওয়ার্কের প্রশিক্ষণের জন্য প্রচুর পরিমাণে ডেটা প্রয়োজন। ম্যানুয়ালি ডেটা লেবেল করা একটি বিশাল কাজ যা শুধুমাত্র একজন মানুষই করতে পারে। অতএব, কৃত্রিম ডেটাসেট তৈরি করা যেতে পারে। উদাহরণস্বরূপ, সাইটে মানুষের মুখের একই সংগ্রহ https://generated.photos. এগুলি GAN - অ্যালগরিদম ব্যবহার করে তৈরি করা হয়েছে, যা ইতিমধ্যে উপরে উল্লিখিত হয়েছে।

এই মুখগুলি মানুষের অন্তর্গত নয়। উৎস

এই জাতীয় ডেটার একটি বড় প্লাস হ'ল তাদের ব্যবহারে কোনও আইনি অসুবিধা নেই: ব্যক্তিগত ডেটা প্রক্রিয়াকরণে সম্মতি দেওয়ার মতো কেউ নেই।

5.4 ডিজিটাল অপারেশন

"Ops" প্রত্যয়টি অবিশ্বাস্যভাবে ট্রেন্ডি হয়ে উঠেছে যেহেতু DevOps আমাদের বক্তৃতায় শিকড় গেড়েছে। এখন ডিজিটালঅপস কী সম্পর্কে - এটি DevOps, DesignOps, MarketingOps-এর একটি সাধারণীকরণ মাত্র... আপনি কি এখনও বিরক্ত? সংক্ষেপে, এটি সফ্টওয়্যার এলাকা থেকে ব্যবসার অন্য প্রতিটি অংশে DevOps পদ্ধতির স্থানান্তর সম্পর্কে-বিপণন, ডিজাইন এবং আরও অনেক কিছু।

উৎস

DevOps-এর ধারণাটি ছিল সাধারণ দল তৈরির মাধ্যমে, যেখানে প্রোগ্রামার, পরীক্ষক, নিরাপত্তা কর্মকর্তা এবং প্রশাসক রয়েছে, উন্নয়ন (উন্নয়ন) এবং অপারেশন (ব্যবসায়িক প্রক্রিয়া) এর মধ্যে বাধা দূর করা; নির্দিষ্ট অনুশীলনের বাস্তবায়ন: ক্রমাগত একীকরণ, কোড হিসাবে অবকাঠামো, প্রতিক্রিয়া চেইন হ্রাস এবং শক্তিশালীকরণ। লক্ষ্য ছিল পণ্যটি বাজারে আনার গতি বাড়ানো। আপনি যদি ভেবে থাকেন এটি চটপটে, আপনি ঠিক বলেছেন। এখন মানসিকভাবে এই পদ্ধতিটিকে সফ্টওয়্যার বিকাশের ক্ষেত্র থেকে সাধারণভাবে বিকাশে স্থানান্তর করুন - এবং আপনি বুঝতে পেরেছেন ডিজিটালঅপস কী।

5.5। জ্ঞান গ্রাফ

মেশিন লার্নিং অ্যালগরিদম ব্যবহার করা সহ একটি জ্ঞান ক্ষেত্র মডেল করার একটি সফ্টওয়্যার উপায়। জ্ঞানের গ্রাফটি বিদ্যমান ডাটাবেসের উপরে তৈরি করা হয়েছে সমস্ত তথ্যকে একত্রিত করার জন্য: উভয় কাঠামোবদ্ধ (ঘটনা বা ব্যক্তির তালিকা) এবং অসংগঠিত (একটি নিবন্ধের পাঠ্য)।

সবচেয়ে সহজ উদাহরণ হল যে কার্ডটি আপনি Google সার্চ ফলাফলে দেখতে পাচ্ছেন। আপনি যদি কোনও ব্যক্তি বা প্রতিষ্ঠানের সন্ধান করেন তবে আপনি ডানদিকে একটি কার্ড দেখতে পাবেন:


দয়া করে মনে রাখবেন যে "আসন্ন ইভেন্টগুলি" Google মানচিত্র থেকে তথ্যের একটি অনুলিপি নয়, তবে Yandex.Afisha-এর সাথে সময়সূচীর একটি সংহতকরণ: আপনি যদি ইভেন্টগুলিতে ক্লিক করেন তবে আপনি এটি সহজেই দেখতে পাবেন৷ অর্থাৎ, এটি একসাথে বেশ কয়েকটি ডেটা উত্সের সংমিশ্রণ।

আপনি যদি একটি তালিকা চান - উদাহরণস্বরূপ, "বিখ্যাত পরিচালক" - আপনাকে একটি "ক্যারোজেল" দেখানো হবে:

যারা শেষ পর্যন্ত পড়বেন তাদের জন্য বোনাস

এবং এখন, যখন আমরা প্রতিটি পয়েন্টের অর্থ নিজেদের জন্য স্পষ্ট করেছি, আমরা একই ছবি দেখতে পারি, কিন্তু রাশিয়ান ভাষায়:

সোশ্যাল মিডিয়াতে শেয়ার করতে বিনা দ্বিধায়!

তাতায়ানা ভলকোভা — স্যামসাং আইটি একাডেমির আইওটি ট্র্যাক পাঠ্যক্রমের লেখক, স্যামসাং রিসার্চ সেন্টারের কর্পোরেট সামাজিক দায়বদ্ধতা প্রোগ্রামের বিশেষজ্ঞ


উত্স: www.habr.com