{"id":53222,"date":"2019-11-26T00:00:00","date_gmt":"2019-11-25T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova"},"modified":"2020-02-18T14:01:06","modified_gmt":"2020-02-18T11:01:06","slug":"grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova","title":{"rendered":"Gartner-grafen 2019: hvad ang\u00e5r alle disse moderne ord?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Gartner-diagrammet for dem, der arbejder inden for teknologi, er som en modeshow. Ved at kaste et blik p\u00e5 det kan du f\u00e5 en id\u00e9 om, hvilke udtryk der er mest trendy i denne s\u00e6son, og hvad du vil h\u00f8re p\u00e5 de kommende konferencer.<\/p>\n

Vi har afkodet, hvad der gemmer sig bag de smukke ord p\u00e5 denne graf, s\u00e5 du ogs\u00e5 kan tale dette sprog.<\/p>\n

\"Gartner-grafen
\n
\n<\/a><\/noindex><\/p>\n

Lad os starte med et par ord om, hvad dette diagram handler om. Hvert \u00e5r i august offentligg\u00f8r konsulentfirmaet Gartner en rapport \u2013 Gartner Hype Curve. P\u00e5 dansk kaldes det \"hype-kurve\". For 30 \u00e5r siden sang rapperne i Public Enemy: \"Don\u2019t believe the hype\". At tro eller ikke tro er et personligt valg, men det er v\u00e6rd at kende disse n\u00f8gleord, hvis du arbejder inden for teknologi og \u00f8nsker at v\u00e6re opdateret p\u00e5 de globale trends.<\/p>\n

Det er et diagram over offentlig forventning til en given teknologi. If\u00f8lge Gartner gennemg\u00e5r en teknologi ideelt set 5 faser: teknologiens lancering, toppen af de overdrevne forventninger, skuffelsens dal, oplysningens skr\u00e5ning, og produktivitetens plateau. Men nogle gange g\u00e5r teknologien ned i \"skuffelsens dal\" \u2013 eksempler kan du nemt selv huske, som for eksempel bitcoins: oprindeligt h\u00e6vet til toppen som \"fremtidens penge\", er de hurtigt faldet, da manglerne ved teknologien, f\u00f8rst og fremmest begr\u00e6nsningerne p\u00e5 antallet af transaktioner og den enorme m\u00e6ngde energi, der kr\u00e6ves for at producere bitcoins (hvilket medf\u00f8rer problemer for milj\u00f8et), blev \u00e5benlyse. Og selvf\u00f8lgelig m\u00e5 man ikke glemme, at Gartner-diagrammet blot er en prognose: her kan du for eksempel l\u00e6se detaljerede artiklen<\/a><\/noindex>, hvor de mest i\u00f8jnefaldende fejlede forudsigelser analyseres.<\/p>\n

Lad os s\u00e5 se n\u00e6rmere p\u00e5 den nye Gartner-graf. Teknologierne er opdelt i 5 store temagrupper:<\/p>\n

    \n
  1. Avanceret AI og analyse (Advanced AI and Analytics)\n<\/li>\n
  2. Postklassisk databehandling og kommunikation (Postclassical Compute and Comms)\n<\/li>\n
  3. Sensorik og mobilitet (Sensing and Mobility)\n<\/li>\n
  4. \"Augmented\" menneske (Augmented Human)\n<\/li>\n
  5. Digitale \u00f8kosystemer (Digital Ecosystems)\n<\/li>\n<\/ol>\n

    <\/p>\n

    1. Avanceret AI og analyse (Advanced AI and Analytics)<\/h1>\n

    \nI de seneste 10 \u00e5r har vi set den stjernestund for dyb l\u00e6ring (Deep Learning). Disse netv\u00e6rk er virkelig effektive til deres opgaver. I 2018 modtog Yann LeCun, Geoffrey Hinton og Yoshua Bengio Turing-prisen for deres opdagelser inden for omr\u00e5det \u2013 den mest prestigefyldte pris, svarende til Nobelprisen inden for informatik. S\u00e5 her er de vigtigste trends inden for dette omr\u00e5de, som er pr\u00e6senteret i grafer:<\/p>\n

    1.1. Overf\u00f8rsel af l\u00e6ring (Transfer Learning)<\/h2>\n

    \nDu tr\u00e6ner ikke et neuralt netv\u00e6rk fra bunden, men tager et allerede tr\u00e6net netv\u00e6rk og tildeler det et andet m\u00e5l. Nogle gange skal du gentr\u00e6ne en del af netv\u00e6rket, men ikke hele netv\u00e6rket, hvilket er meget hurtigere. For eksempel, ved at tage det f\u00e6rdige neurale netv\u00e6rk ResNet50, som er tr\u00e6net p\u00e5 datas\u00e6ttet ImageNet1000, f\u00e5r du en algoritme, der kan klassificere mange forskellige objekter p\u00e5 et meget dybt niveau (1000 klasser baseret p\u00e5 tr\u00e6k udarbejdet af 50 lag i det neurale netv\u00e6rk). Men du beh\u00f8ver ikke at tr\u00e6ne hele dette netv\u00e6rk fra bunden, hvilket ville tage m\u00e5neder.<\/p>\n

    I online-kurset<\/a><\/noindex> Samsung 'Neurale netv\u00e6rk og computer vision', for eksempel, i den afsluttende Kaggle-opgave<\/a><\/noindex> om klassificering af tallerkener i rene og beskidte, viser en tilgang, der p\u00e5 5 minutter giver dig et dybt neuralt netv\u00e6rk, der kan skelne mellem beskidte og rene tallerkener, bygget p\u00e5 den ovenfor beskrevne arkitektur. Det oprindelige netv\u00e6rk vidste ikke, hvad tallerkener var overhovedet, det l\u00e6rte kun at skelne mellem fugle og hunde (se ImageNet).<\/p>\n

    \"Gartner-grafen
    \nKilde:     online-kursus<\/a><\/noindex> Samsung 'Neurale netv\u00e6rk og computer vision'<\/i><\/p>\n

    For Transfer Learning skal man vide, hvilke tilgange der fungerer, og hvilke grundl\u00e6ggende arkitekturer der findes. Generelt set fremskynder dette fremkomsten af praktiske anvendelser inden for maskinl\u00e6ring.<\/p>\n

    1.2. Generative Adversarial Networks (GAN)<\/h2>\n

    \nDette er til tilf\u00e6lde, hvor det er meget sv\u00e6rt at formulere l\u00e6ringsm\u00e5let. Jo t\u00e6ttere opgaven er p\u00e5 det virkelige liv, jo mere forst\u00e5elig er den for os (\"hent skuffen\"), men jo sv\u00e6rere er det at formulere den som en teknisk opgave. GAN er netop et fors\u00f8g p\u00e5 at hj\u00e6lpe os med dette problem.<\/p>\n

    Her arbejder to netv\u00e6rk: et generatornetv\u00e6rk (Generative) og et diskriminatornetv\u00e6rk (Adversarial). Det ene netv\u00e6rk l\u00e6rer at udf\u00f8re nyttigt arbejde (klassificere billeder, genkende lyde, tegne tegnefilm). Det andet netv\u00e6rk l\u00e6rer at undervise det f\u00f8rste netv\u00e6rk: det har rigtige eksempler og l\u00e6rer at finde en komplekse formel for at sammenligne genereringerne fra den generative del af netv\u00e6rket med objekterne i den virkelige verden (tr\u00e6ningsdatas\u00e6ttet) baseret p\u00e5 virkelig vigtige dybe kendetegn: antal \u00f8jne, n\u00e6rhed til Miyazaki-stilen, korrektheden af engelsk udtale.<\/p>\n

    \"Gartner-grafen
    \nEksempel p\u00e5 resultatet af netv\u00e6rkets arbejde til at generere anime-karakterer.     Kilde<\/a><\/noindex><\/i><\/p>\n

    Men det er selvf\u00f8lgelig sv\u00e6rt at opbygge arkitekturen. Det er ikke nok bare at kaste neuroner ind, de skal forberedes. Og opdragelsen tager uger. Emnet GAN bliver arbejdet med af mine kolleger i Samsungs Center for Kunstig Intelligens, hvor det er et af de vigtigste forskningssp\u00f8rgsm\u00e5l. For eksempel, s\u00e5dan en udvikling<\/a><\/noindex>: anvendelse af generative netv\u00e6rk til syntese af realistiske billeder af mennesker med \u00e6ndrende positurer \u2014 for eksempel til at skabe et virtuelt pr\u00f8verum, eller til syntese af ansigtet, hvilket kan hj\u00e6lpe med at reducere den m\u00e6ngde information, der skal opbevares eller overf\u00f8res for at sikre kvalitets videokonferencer, udsendelser eller beskyttelse af personlige oplysninger.<\/p>\n

    \"Gartner-grafen
    \n    Kilde<\/a><\/noindex><\/i><\/p>\n

    1.3. Forklarlig AI (Explainable AI)<\/h2>\n

    \nI nogle sj\u00e6ldne opgaver har fremskridtet inden for dybe arkitekturer pludselig bragt de dybe neurale netv\u00e6rks muligheder t\u00e6ttere p\u00e5 menneskelige. Nu er kampen i gang for at udvide omfanget af s\u00e5danne opgaver. For eksempel ville en robotst\u00f8vsuger nemt kunne skelne mellem en kat og en hund ved direkte kontakt. Men i de fleste livssituationer vil den v\u00e6re ude af stand til at finde en kat, der sover blandt t\u00f8j eller m\u00f8bler (ligesom vi ofte heller ikke kan\u2026).<\/p>\n

    Hvad er \u00e5rsagen til succesen med dybe neurale netv\u00e6rk? De udvikler en opfattelse af opgaven baseret ikke p\u00e5 den \"synlige, menneskelige \u00f8je\" information (pixels i et foto, lydniveauer\u2026), men p\u00e5 karakteristika, der er opn\u00e5et efter forbehandling af denne information gennem flere hundrede lag af det neurale netv\u00e6rk. Desv\u00e6rre kan disse relationer ogs\u00e5 v\u00e6re meningsl\u00f8se, mods\u00e6tningsfulde eller b\u00e6re spor af ufuldkommenhed fra det oprindelige datas\u00e6t. For eksempel er der en lille computerspil, der viser, hvad uovervejet anvendelse af AI i rekruttering kan f\u00f8re til. Overlevelse af den bedst egnede<\/a><\/noindex>.<\/p>\n

    \"Gartner-grafen
    \nSystemet til m\u00e6rkning af billeder kaldte en person, der laver mad, en kvinde, selvom billedet faktisk viser en mand (    Kilde<\/a><\/noindex>). Det blev bem\u00e6rket<\/a><\/noindex> ved Virginia Institute.<\/i><\/p>\n

    For at analysere komplekse og dybe sammenh\u00e6nge, som vi ofte ikke selv kan formulere, er metoderne til Forklarlig AI n\u00f8dvendige. De organiserer tr\u00e6k fra dybe neurale netv\u00e6rk, s\u00e5 vi efter tr\u00e6ning kan analysere det interne repr\u00e6sentation, som netv\u00e6rket har l\u00e6rt, og ikke bare stole p\u00e5 dets afg\u00f8relse.<\/p>\n

    1.4. Kantanalyse \/ AI (Edge Analytics \/ AI)<\/h2>\n

    \nAlt, hvad der indeholder ordet Edge, betyder bogstaveligt talt f\u00f8lgende: flytning af dele af algoritmer fra skyen\/serveren til niveauet af slutbrugerens enhed\/gateway. En s\u00e5dan algoritme vil virke hurtigere og har ikke brug for at v\u00e6re forbundet til den centrale server for at fungere. Hvis du er bekendt med begrebet \"tynd klient\", s\u00e5 g\u00f8r vi denne klient en smule tykkere her.
    \nDette kan v\u00e6re vigtigt for Internet of Things. For eksempel, hvis en maskine overophedes og har brug for nedk\u00f8ling, giver det mening at sende et signal om dette straks, p\u00e5 fabriksniveau, uden at vente p\u00e5, at dataene n\u00e5r skyen og derfra til skiftlederen. Eller et andet eksempel: selvk\u00f8rende biler kan h\u00e5ndtere trafikforholdene selv uden at kontakte den centrale server.<\/p>\n

    \"Gartner-grafen
    \n    Kilde<\/a><\/noindex><\/i><\/p>\n

    Eller et andet eksempel, hvorfor dette er vigtigt set fra et sikkerhedsperspektiv: N\u00e5r du indtaster tekst p\u00e5 din telefon, husker den typiske ord for dig, s\u00e5 telefonens tastatur let kan foresl\u00e5 dem fremad \u2013 det kaldes pr\u00e6diktiv tekstindtastning. At sende alt, hvad du indtaster p\u00e5 tastaturet, til et datacenter ville v\u00e6re et brud p\u00e5 dit privatliv og ganske enkelt usikkert. Derfor sker undervisningen af tastaturet kun inden for din enhed.<\/p>\n

    1.5. AI-platform som en tjeneste (AI PaaS)<\/h2>\n

    \nPaaS \u2013 Platform som en tjeneste \u2013 er en forretningsmodel, hvor vi f\u00e5r adgang til en integreret platform, inklusive dens cloud-lagring og foruddefinerede procedurer. P\u00e5 den m\u00e5de kan vi frig\u00f8re os fra infrastrukturopgaver og fuldst\u00e6ndigt fokusere p\u00e5 produktionen af noget nyttigt. Eksempler p\u00e5 PaaS-platforme til AI-opgaver: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.<\/p>\n

    1.6. Adaptiv maskinl\u00e6ring (Adaptive ML)<\/h2>\n

    \nHvad nu, hvis vi tillader kunstig intelligens at tilpasse sig\u2026 Du vil m\u00e5ske sp\u00f8rge \u2013 hvordan?.. Tilpasser den sig ikke allerede opgaven? Problemet er dette: Hver s\u00e5dan opgave skal vi grundigt definere, f\u00f8r vi bygger en algoritme til kunstig intelligens for at l\u00f8se den. Det viser sig, at vi kan forenkle denne k\u00e6de.<\/p>\n

    Traditionel maskinl\u00e6ring fungerer efter princippet om et \u00e5bent system (open-loop): du forbereder data, design en neuralt netv\u00e6rk (eller hvad som helst), tr\u00e6ner det, og hvis du er tilfreds med et par m\u00e5linger, kan du sende neuralt netv\u00e6rk til smartphones \u2013 for at l\u00f8se brugerens opgaver. Men i applikationer, hvor der er meget data, og karakteren gradvis \u00e6ndrer sig, er andre metoder n\u00f8dvendige. S\u00e5danne systemer, der tilpasser sig og tr\u00e6ner sig selv, organiseres i lukkede, selvl\u00e6rende sl\u00f8jfer (closed-loop), og de skal fungere uafbrudt.<\/p>\n

    Applikationer \u2013 det kan v\u00e6re stream-analyse (Stream Analytics), som mange forretningsfolk tr\u00e6ffer beslutninger p\u00e5 baggrund af, eller adaptiv produktionsstyring. I skalaen af moderne applikationer og med hensyn til bedre forst\u00e5ede risici for mennesker, samles metoderne, der udg\u00f8r l\u00f8sningen p\u00e5 dette problem, alle disse metoder samles under det f\u00e6lles navn Adaptive AI.<\/p>\n

    \"Gartner-grafen
    \n    Kilde<\/a><\/noindex><\/i><\/p>\n

    N\u00e5r man ser p\u00e5 dette billede, er det sv\u00e6rt at undg\u00e5 f\u00f8lelsen af, at futuristerne skal have noget at leve af \u2013 de vil bare gerne l\u00e6re en robot at tr\u00e6kke vejret...<\/p>\n

    Postklassisk databehandling og kommunikation (Postclassical Compute and Comms)<\/h1>\n

    <\/p>\n

    2.1. Mobil kommunikation i femte generation (5G)<\/h2>\n

    \nDet er s\u00e5 interessant et emne, at vi med det samme henviser til vores artikel<\/a><\/noindex>. Her er en kort opsummering. 5G vil g\u00f8re internethastigheden ufatteligt hurtig ved at \u00f8ge dataoverf\u00f8rselsfrekvensen. Korte b\u00f8lger har sv\u00e6rere ved at passere hindringer, derfor vil netv\u00e6rksstrukturen v\u00e6re helt anderledes: der er brug for 500 gange flere basestationer.<\/p>\n

    Sammen med hastigheden vil vi f\u00e5 nye f\u00e6nomener: realtids-spil med augmented reality, udf\u00f8relse af komplekse opgaver (som kirurgi) via telepr\u00e6sens og forhindring af uheld og vanskelige situationer p\u00e5 vejene gennem kommunikation mellem biler. Mere prosaisk vil mobilinternettet endelig stoppe med at falde ud under store begivenheder som en fodboldkamp p\u00e5 stadion.<\/p>\n

    \"Gartner-grafen
    \nKilde til billedet \u2013 Reuters, Niantic<\/i><\/p>\n

    2.2. N\u00e6ste generations hukommelse (Next-Generation Memory)<\/h2>\n

    \nHer handler det om den femte generation af RAM \u2013 DDR5. Samsung annoncerede, at der vil komme produkter baseret p\u00e5 DDR5 inden udgangen af 2019. Den nye hukommelse forventes at v\u00e6re to gange hurtigere og to gange mere kapacitiv med bevarelse af formfaktoren, hvilket vil give os mulighed for at f\u00e5 hukommelseskapsler op til 32GB til vores computer. I fremtiden vil dette is\u00e6r v\u00e6re relevant for smartphones (den nye hukommelse vil komme i en version med lavt energiforbrug) og for b\u00e6rbare computere (hvor antallet af DIMM-slots er begr\u00e6nset). Desuden kr\u00e6ver maskinl\u00e6ring store m\u00e6ngder RAM.<\/p>\n

    2.3. Lave jordbane satellitsystemer (Low-Earth-Orbit Satellite Systems)<\/h2>\n

    \nIdeen om at erstatte tunge, dyre, kraftige satellitter med en sv\u00e6rm af sm\u00e5 og billige er langt fra ny og stammer tilbage fra 90'erne. Det er blevet sagt, at \u00abElon Musk snart vil uddele internet fra satellit til alle\u00bb<\/a><\/noindex> det nuv\u00e6rende emne kun handler om det at v\u00e6re doven. Den mest kendte virksomhed her er Iridium, som gik konkurs i slutningen af 90'erne, men blev reddet af det amerikanske forsvarsministerium (skal ikke forveksles med iRidium \u2013 det russiske smarte hjem system). Elon Musk's projekt (Starlink) er langt fra det eneste \u2013 Richard Branson deltager i satellitkapl\u00f8bet (OneWeb \u2013 1440 planlagte satellitter), Boeing (3000 satellitter), Samsung (4600 satellitter) med flere.<\/p>\n

    Hvordan st\u00e5r det til i dette omr\u00e5de, hvordan ser \u00f8konomien ud \u2013 l\u00e6s mere i en anmeldelse<\/a><\/noindex>. Vi venter p\u00e5 de f\u00f8rste tests af disse systemer fra de f\u00f8rste brugere, som skal finde sted allerede n\u00e6ste \u00e5r.<\/p>\n

    2.4. 3D-print i nanoskala (Nanoscale 3D Printing)<\/h2>\n

    \n3D-print har, selvom det ikke er blevet en del af hverdagen for alle (i den form, som den individuelle hjemmelavede plastikfabrik lovede), allerede for l\u00e6nge siden forladt nichen for teknologientusiaster. Dette kan ses p\u00e5, at enhver skoleelev kender til eksistensen af mindst 3D-sculpture penne, og mange dr\u00f8mmer om at anskaffe sig en kasse med skinner og en ekstruder til... 'bare for sjov' (eller har allerede k\u00f8bt en).<\/p>\n

    Stereolitografi (laser 3D-printere) giver mulighed for at printe med individuelle fotoner: nye polymerer unders\u00f8ges, hvor det kun kr\u00e6ver to fotoner for at h\u00e6rde. Dette vil muligg\u00f8re skabelsen af helt nye filtre, beslag, fjedre, kapill\u00e6rer, linser og... dine muligheder i kommentarerne! Her er der kun et skridt til fotopolymerisering \u2013 kun denne teknologi g\u00f8r det muligt at 'printe' processorer og beregningsskemaer. Derudover har teknologien til udskrivning af grafenbaserede 500-nm tredimensionale strukturer eksisteret i flere \u00e5r,<\/a><\/noindex>men uden radikal udvikling.<\/p>\n

    \"Gartner-grafen
    \n    Kilde<\/i><\/a><\/noindex><\/p>\n

    3. Sensorik og mobilitet (Sensing and Mobility)<\/h1>\n

    <\/p>\n

    3.1. Selvstyrende biler, niveau 4 og 5 (Autonomous Driving Level 4 & 5)<\/h2>\n

    \nFor ikke at forveksle terminologien er det v\u00e6rd at f\u00e5 en forst\u00e5else for, hvilke niveauer af autonomi der skelnes imellem (taget fra en detaljeret artikler<\/a><\/noindex>, som vi henviser alle interesserede til):<\/p>\n

    Niveau 1: Tempomat: hj\u00e6lp til f\u00f8reren i meget begr\u00e6nsede situationer (for eksempel - at holde bilen p\u00e5 den indstillede hastighed, efter at f\u00f8reren har taget foden fra pedalen)
    \nNiveau 2: Begr\u00e6nset assistance med styring og bremsning. F\u00f8reren skal v\u00e6re klar til hurtigt at tage kontrol. Hans h\u00e6nder er p\u00e5 rattet, og blikket er rettet mod vejen. Dette findes allerede i Tesla og General Motors.
    \nNiveau 3: F\u00f8reren beh\u00f8ver ikke l\u00e6ngere konstant at holde \u00f8je med vejen. Men han skal v\u00e6re p\u00e5 vagt og klar til at tage kontrol. Dette er endnu ikke tilg\u00e6ngeligt i de biler, der er til salg. Alle nuv\u00e6rende modeller er p\u00e5 niveau 1-2.
    \nNiveau 4: \u00c6gte autopilot, men med begr\u00e6nsninger: kun ture i et kendt omr\u00e5de, der er omhyggeligt kortlagt og generelt kendt af systemet, og under bestemte betingelser: for eksempel i frav\u00e6r af sne. S\u00e5danne prototyper findes hos Waymo og General Motors, som planl\u00e6gger at lancere dem i flere byer og teste dem i virkelige forhold. Yandex har testzoner for selvk\u00f8rende taxaer i Skolkovo og Innopolis: turen sker under opsyn af en ingeni\u00f8r, der sidder p\u00e5 passagers\u00e6det; ved \u00e5rets slutning planl\u00e6gger virksomheden at udvide fl\u00e5den til 100 selvk\u00f8rende biler.
    \nNiveau 5: Fuldt automatiseret k\u00f8rsel, fuldst\u00e6ndig erstatning af en menneskelig chauff\u00f8r. Disse systemer findes ikke, og det er tvivlsomt, at de vil komme i de kommende \u00e5r.<\/p>\n

    Hvor realistisk er det at se alt dette i den n\u00e6rmeste fremtid? Her vil jeg gerne henvise l\u00e6seren til artiklen \u00abHvorfor det er umuligt at lancere robotaxaer inden 2020, som Tesla lover\u00bb<\/a><\/noindex>. Dette skyldes delvist manglen p\u00e5 5G-forbindelse: de eksisterende 4G-hastigheder er utilstr\u00e6kkelige. Delvist p\u00e5 grund af de meget h\u00f8je omkostninger ved autonome biler: de er endnu ikke rentable, og forretningsmodellen er uklar. Kort sagt, her er \u00abdet hele kompliceret\u00bb, og det er ikke tilf\u00e6ldigt, at Gartner skriver, at prognosen for massediffusion af Niveau 4 og 5 \u2013 ikke f\u00f8r om 10 \u00e5r.<\/p>\n

    3.2. Kameraer med 3D-syn (3D Sensing Cameras)<\/h2>\n

    \nFor otte \u00e5r siden skabte Microsoft Kinect en b\u00f8lge med et tilg\u00e6ngeligt og relativt billigt 3D-syn-l\u00f8sning. Siden da har fysiske danse- og motionsspil med Kinect haft en kortvarig op- og nedtur, men 3D-kameraer er blevet anvendt i industrielle robotter, selvk\u00f8rende biler, og mobiltelefoner til ansigtsgenkendelse. Teknologien er blevet billigere, mere kompakt og tilg\u00e6ngelig. <\/p>\n

    \"Gartner-grafen
    \nI telefonen Samsung S10 er der et tidsm\u00e5ler-kamera (Time-of-Flight), som m\u00e5ler afstanden til objektet \u2013 for at lette fokuseringen.     Kilde<\/a><\/noindex><\/i><\/p>\n

    Hvis du er interesseret i dette emne, s\u00e5 henviser vi til en meget god detaljeret anmeldelse af dybdekameraer: del 1<\/a><\/noindex>, del 2<\/a><\/noindex>.<\/p>\n

    3.3. Droner til levering af sm\u00e5 forsendelser (Light Cargo Delivery Drones)<\/h2>\n

    \nI \u00e5r skabte Amazon overskrifter, da de viste en ny flyvende drone, der kan transportere sm\u00e5 laster op til 2 kg. For en by med sine trafikpropper virker dette som den perfekte l\u00f8sning. Lad os se, hvordan disse droner vil klare sig i den n\u00e6rmeste fremtid. Her b\u00f8r man muligvis tage et forsigtigt skeptisk syn p\u00e5 det: der er mange problemer, lige fra risikoen for let tyveri af dronen til lovgivningsm\u00e6ssige begr\u00e6nsninger p\u00e5 UAV'er. Amazon Prime Air har eksisteret i seks \u00e5r, men er stadig i testfasen.<\/p>\n

    \"Gartner-grafen
    \nDen nye Amazon-drone, der blev pr\u00e6senteret i for\u00e5ret. Den har noget af 'Star Wars' over sig.     Kilde<\/a><\/noindex><\/i><\/p>\n

    Udover Amazon er der ogs\u00e5 andre akt\u00f8rer p\u00e5 dette marked (der er detaljerede gennemgang<\/a><\/noindex>), men der er ikke noget f\u00e6rdigt produkt: alt er p\u00e5 test- og markedsf\u00f8ringsstadiet. Det er v\u00e6rd at bem\u00e6rke de ret interessante specialiserede medicinske projekter<\/a><\/noindex> initiativer i Afrika: levering af donorblod i Ghana (14.000 leverancer, virksomheden Zipline) og Rwanda (virksomheden Matternet).<\/p>\n

    3.4. Flyvende autonome transportmidler (Flying Autonomous Vehicles)<\/h2>\n

    \nHer er det sv\u00e6rt at sige noget bestemt. If\u00f8lge Gartner vil dette ikke ske f\u00f8r om 10 \u00e5r. Generelt set er det de samme problemer som med selvk\u00f8rende biler, men de f\u00e5r et nyt dimension \u2014 vertikalt. Porsche, Boeing og Uber har udtalt deres ambitioner om at bygge en flyvende taxa.<\/p>\n

    3.5. AR-skyen (AR Cloud)<\/h2>\n

    \nEn konstant digital kopi af den fysiske verden, der muligg\u00f8r et nyt lag af virkeligheden, f\u00e6lles for alle brugere. Mere teknisk talt handler det om at skabe en \u00e5ben cloud-platform, hvor udviklere kan integrere deres AR-applikationer. Forretningsmodellen er tydelig, det er noget, der ligner Steam. Ideen er blevet s\u00e5 dybt forankret, at nogle nu mener, at AR uden cloud er helt ubrugeligt.<\/p>\n

    Hvordan det kan se ud i fremtiden, er illustreret i en kort video. Det ligner et nyt afsnit af 'Black Mirror':
    \n

    \r\n \"Afspil\r\n
    <\/div>\r\n <\/div><\/center><\/p>\n

    Man kan ogs\u00e5 l\u00e6se mere i gennemgangsartiklen.<\/a><\/noindex><\/p>\n

    4. 'Augmented' menneske (Augmented Human)<\/h1>\n

    <\/p>\n

    4.1. AI til f\u00f8lelser (Emotion AI)<\/h2>\n

    \nHvordan m\u00e5ler, simulerer og reagerer man p\u00e5 menneskelige f\u00f8lelser? Nogle af kunderne her er virksomheder, der producerer stemmeassistenter som Amazon Alexa. De vil virkelig kunne integrere sig i hjemmene, hvis de l\u00e6rer at genkende stemningen: forst\u00e5 \u00e5rsagen til brugerens utilfredshed og fors\u00f8ge at rette op p\u00e5 situationen. Generelt er der meget mere information i konteksten end i selve budskabet. Og konteksten omfatter b\u00e5de ansigtsudtryk, intonation og nonverbal adf\u00e6rd.<\/p>\n

    Andre praktiske anvendelser inkluderer: analyse af f\u00f8lelser under jobsamtaler (via videointerviews), vurdering af reaktioner p\u00e5 reklamevideoer eller andet videoinhold (smil, latter), samt st\u00f8tte til l\u00e6ring (for eksempel til selvstudier i kunsten at tale offentligt). <\/p>\n

    Det er sv\u00e6rt at udtrykke sig bedre om dette emne end forfatteren af den 6-minutters kortfilm Stealing Ur Feeling<\/a><\/noindex>. I den skarpe og stilfulde video vises det, hvordan man kan m\u00e5le vores f\u00f8lelser til markedsf\u00f8ringsform\u00e5l og f\u00e5 \u00f8jeblikkelige reaktioner fra dit ansigt til at finde ud af, om du elsker pizza, hunde, Kanye West, og endda hvad dit indkomstniveau og omtrentlige IQ er. Ved at g\u00e5 ind p\u00e5 filmens hjemmeside via linket ovenfor, bliver du en deltager i en interaktiv video ved hj\u00e6lp af det indbyggede kamera p\u00e5 din b\u00e6rbare computer. Filmen har allerede v\u00e6ret vist p\u00e5 flere filmfestivaler.<\/p>\n

    \"Gartner-grafen
    \n    Kilde<\/a><\/noindex><\/i><\/p>\n

    Der findes endda et interessant studie: hvordan man genkender sarkasme i tekst. De tog tweets med hashtagget #sarkasme og lavede et tr\u00e6ningss\u00e6t best\u00e5ende af 25.000 sarkastiske tweets og 100.000 almindelige tweets om alt muligt. De anvendte TensorFlow-biblioteket, tr\u00e6nede systemet, og her er resultatet:<\/p>\n

    \"Gartner-grafen
    \n    Kilde<\/a><\/noindex><\/i><\/p>\n

    S\u00e5 nu, hvis du er usikker p\u00e5, om din kollega eller ven - sagde han noget alvorligt eller sarkastisk - kan du benytte den allerede tr\u00e6nede neurale netv\u00e6rk<\/a><\/noindex>! <\/p>\n

    4.2. Augmented Intelligence (Forst\u00e6rket Intelligens)<\/h2>\n

    \nAutomatisering af intellektuelt arbejde ved hj\u00e6lp af maskinl\u00e6ringsteknikker. Det virker m\u00e5ske ikke som noget nyt? Men her er formuleringen vigtig, is\u00e6r fordi den forkortes p\u00e5 samme m\u00e5de som Artificial Intelligence. Dette refererer til debatten om \u201est\u00e6rk\u201c og \u201esvag\u201c AI.
    \nSt\u00e6rk AI er den type kunstig intelligens, vi kender fra science fiction-film, som er helt lig menneskelig intelligens og erkender sig selv som en personlighed. S\u00e5dan en eksisterer endnu ikke, og det er uklart, om den nogensinde vil g\u00f8re det.<\/p>\n

    Svag AI er ikke en selvst\u00e6ndig personlighed, men en assistent for mennesker. Den str\u00e6ber ikke efter menneskelig t\u00e6nkning, men kan simpelthen l\u00f8se informationsopgaver, for eksempel at bestemme, hvad der er afbildet p\u00e5 et billede eller overs\u00e6tte tekst.<\/p>\n

    \"Gartner-grafen
    \n    Kilde <\/a><\/noindex><\/i><\/p>\n

    I denne forstand er Augmented Intelligence ren 'svag AI', og formuleringen synes at v\u00e6re velvalgt, da den ikke skaber forvirring eller fristelse til at se den 'st\u00e6rke AI', som alle dr\u00f8mmer om (eller frygter, hvis man husker alle de mange overvejelser om 'maskinernes opr\u00f8r'). Ved at bruge udtrykket Augmented Intelligence bliver vi straks som helte fra en anden film: fra science fiction (som i Asimovs 'Jeg, Robot') lander vi i cyberpunk-genren (i denne genre kaldes 'augmented' alle mulige implantater, der udvider menneskets muligheder).<\/p>\n

    siger sagde<\/a><\/noindex> Erik Brynjolfsson og Andrew McAfee: 'I de n\u00e6ste 10 \u00e5r vil f\u00f8lgende ske. Det er ikke AI, der vil erstatte ledere, men de ledere, der bruger AI, der vil erstatte dem, der endnu ikke er n\u00e5et dertil.'<\/p>\n

    Eksempler:<\/p>\n