Gartners Chart ist wie eine High-Fashion-Show für die Tech-Branche. Durch einen Blick darauf können Sie bereits vorab herausfinden, welche Wörter in dieser Saison am meisten gehypt werden und was Sie auf allen kommenden Konferenzen hören werden.
Wir haben entschlüsselt, was sich hinter den schönen Worten in dieser Grafik verbirgt, damit auch Sie die Sprache sprechen können.
Zunächst nur ein paar Worte dazu, um welche Art von Grafik es sich handelt. Jedes Jahr im August veröffentlicht die Beratungsagentur Gartner einen Bericht – Gartner Hype Curve. Auf Russisch ist dies eine „Hype-Kurve“ oder einfacher Hype. Vor 30 Jahren sangen Rapper der Gruppe Public Enemy: „Don't believe the hype.“ Ob Sie es glauben oder nicht, es ist eine persönliche Frage, aber es lohnt sich, diese Schlüsselwörter zumindest zu kennen, wenn Sie im Technologiebereich arbeiten und globale Trends kennenlernen möchten.
Dies ist ein Diagramm der öffentlichen Erwartungen an eine bestimmte Technologie. Laut Gartner durchläuft die Technologie im Idealfall fünf Phasen: Technologieeinführung, Höhepunkt der überzogenen Erwartungen, Tal der Enttäuschung, Steigung der Erleuchtung, Plateau der Produktivität. Es kommt aber auch vor, dass es im „Tal der Enttäuschung“ versinkt – Beispiele kann man sich ganz leicht selbst merken, nehmen Sie die gleichen Bitcoins: Als „Geld der Zukunft“ zunächst den Höhepunkt erreichten, rutschten sie aufgrund der Unzulänglichkeiten der Technologie schnell ab Deutlich wurden zunächst Einschränkungen bei der Anzahl der Transaktionen und der enorme Strombedarf zur Erzeugung von Bitcoins (der bereits Umweltprobleme mit sich bringt). Und natürlich dürfen wir nicht vergessen, dass es sich bei Gartners Chart nur um eine Prognose handelt: Hier können Sie beispielsweise eine ausführliche nachlesen , wo die auffälligsten unerfüllten Vorhersagen aussortiert werden.
Schauen wir uns also das neue Gartner-Diagramm an. Technologien sind in 5 große Themengruppen unterteilt:
- Erweiterte KI und Analyse
- Postklassische Informatik und Kommunikation
- Wahrnehmung und Mobilität
- Erweiterter Mensch
- Digitale Ökosysteme
1. Erweiterte KI und Analyse
In den letzten 10 Jahren haben wir die schönste Stunde des Deep Learning erlebt. Diese Netzwerke sind für ihr Aufgabenspektrum wirklich effektiv. Im Jahr 2018 erhielten Yann LeCun, Geoffrey Hinton und Yoshua Bengio für ihre Entdeckungen den Turing Award – die prestigeträchtigste Auszeichnung, analog zum Nobelpreis für Informatik. Die wichtigsten Trends in diesem Bereich, die in der Grafik dargestellt sind:
1.1. Transferlernen
Sie trainieren ein neuronales Netzwerk nicht von Grund auf, sondern nehmen ein bereits trainiertes und weisen ihm ein anderes Ziel zu. Manchmal erfordert dies eine Neuschulung eines Teils des Netzwerks, jedoch nicht des gesamten Netzwerks, was viel schneller ist. Wenn Sie beispielsweise ein vorgefertigtes neuronales Netzwerk ResNet50 nehmen, das auf dem ImageNet1000-Datensatz trainiert wurde, erhalten Sie einen Algorithmus, der viele verschiedene Objekte in einem Bild auf einer sehr tiefen Ebene klassifizieren kann (1000 Klassen basierend auf Merkmalen, die von 50 neuronalen Schichten generiert werden). Netzwerk). Aber Sie müssen nicht das gesamte Netzwerk trainieren, was Monate dauern würde.
В Samsung „Neuronale Netze und Computer Vision“ beispielsweise im Finale Mit der Klassifizierung von Platten in saubere und schmutzige Platten wird ein Ansatz demonstriert, der Ihnen in 5 Minuten ein tiefes neuronales Netzwerk zur Verfügung stellt, das in der Lage ist, schmutzige Platten von sauberen zu unterscheiden, das gemäß der oben beschriebenen Architektur aufgebaut ist. Das ursprüngliche Netzwerk wusste überhaupt nicht, was Teller sind, es lernte nur, Vögel von Hunden zu unterscheiden (siehe ImageNet).
Source: Samsung „Neuronale Netze und Computer Vision“
Für Transfer Learning müssen Sie wissen, welche Ansätze funktionieren und welche vorgefertigten Basisarchitekturen verfügbar sind. Insgesamt beschleunigt dies die Entstehung praktischer Anwendungen des maschinellen Lernens erheblich.
1.2. Generative Adversarial Networks (GAN)
Dies gilt für die Fälle, in denen es für uns sehr schwierig ist, das Lernziel zu formulieren. Je näher die Aufgabe am wirklichen Leben ist, desto verständlicher ist sie für uns („Nachttisch mitbringen“), desto schwieriger ist es jedoch, sie als technische Aufgabe zu formulieren. GAN ist nur ein Versuch, uns vor diesem Problem zu bewahren.
Hier arbeiten zwei Netzwerke: eines ist ein Generator (Generativ), das andere ist ein Diskriminator (Adversarial). Ein Netzwerk lernt, nützliche Arbeiten auszuführen (Bilder klassifizieren, Geräusche erkennen, Cartoons zeichnen). Und ein anderes Netzwerk lernt, dieses Netzwerk zu lehren: Es verfügt über reale Beispiele und lernt, eine bisher unbekannte komplexe Formel für den Vergleich der Produkte des generativen Teils des Netzwerks mit Objekten der realen Welt (Trainingssatz) zu finden, die auf wirklich wichtigen Tiefenmerkmalen basiert : die Anzahl der Augen, Nähe zu Miyazakis Stil, korrekte englische Aussprache.
Ein Beispiel für das Ergebnis eines Netzwerks zur Generierung von Anime-Charakteren.
Aber natürlich ist es schwierig, dort Architektur zu bauen. Es reicht nicht aus, nur Neuronen zu werfen, sie müssen vorbereitet werden. Und man muss wochenlang lernen. Meine Kollegen am Samsung Artificial Intelligence Center beschäftigen sich mit dem Thema GAN; dies ist eine ihrer zentralen Forschungsfragen. Zum Beispiel so : Verwendung generativer Netzwerke zur Synthese realistischer Fotos von Menschen mit unterschiedlichen Posen – zum Beispiel zur Erstellung einer virtuellen Umkleidekabine oder zur Synthese eines Gesichts, wodurch die Menge an Informationen reduziert werden kann, die gespeichert oder übertragen werden müssen, um qualitativ hochwertige Videos sicherzustellen Kommunikation, Rundfunk oder Schutz personenbezogener Daten.
1.3. Erklärbare KI
Bei einigen seltenen Aufgaben haben Fortschritte bei tiefen Architekturen die Fähigkeiten tiefer neuronaler Netze plötzlich den menschlichen Fähigkeiten angenähert. Jetzt geht es darum, das Spektrum solcher Aufgaben zu erweitern. Beispielsweise könnte ein Roboterstaubsauger in einer direkten Begegnung leicht eine Katze von einem Hund unterscheiden. In den meisten Lebenssituationen wird er jedoch keine schlafende Katze zwischen Bettwäsche oder Möbeln finden (wie wir jedoch in den meisten Fällen ...).
Was ist der Grund für den Erfolg tiefer neuronaler Netze? Sie entwickeln eine Darstellung des Problems, die nicht auf „mit bloßem Auge sichtbaren“ Informationen (Fotopixel, Änderungen der Lautstärke usw.) basiert, sondern auf Merkmalen, die nach der Vorverarbeitung dieser Informationen durch mehrere hundert Schichten eines neuronalen Netzwerks gewonnen werden. Leider können diese Beziehungen auch bedeutungslos oder inkonsistent sein oder Spuren von Unvollkommenheiten im Originaldatensatz aufweisen. Beispielsweise gibt es ein kleines Computerspiel darüber, wozu der gedankenlose Einsatz von KI im Recruiting führen kann .
Das Bildmarkierungssystem bezeichnete die kochende Person als Frau, obwohl die Person auf dem Bild tatsächlich ein Mann ist () Das am Virginia Institute.
Um komplexe und tiefe Zusammenhänge zu analysieren, die wir oft nicht selbst formulieren können, sind erklärbare KI-Methoden erforderlich. Sie organisieren die Merkmale tiefer neuronaler Netze, sodass wir nach dem Training die interne Darstellung analysieren können, die das Netz gelernt hat, anstatt uns einfach auf seine Entscheidung zu verlassen.
1.4. Edge Analytics / KI
Alles, was mit dem Wort Edge zusammenhängt, bedeutet wörtlich Folgendes: Übertragung eines Teils der Algorithmen von der Cloud/Server auf die Ebene des Endgeräts/Gateways. Ein solcher Algorithmus arbeitet schneller und erfordert für seinen Betrieb keine Verbindung zu einem zentralen Server. Wenn Sie mit der Abstraktion eines „Thin Client“ vertraut sind, dann machen wir diesen Client hier etwas dicker.
Dies könnte für das Internet der Dinge wichtig sein. Wenn beispielsweise eine Maschine überhitzt ist und gekühlt werden muss, ist es sinnvoll, dies sofort auf Anlagenebene zu melden, ohne darauf zu warten, dass die Daten in die Cloud und von dort zum Schichtleiter gelangen. Oder ein anderes Beispiel: Selbstfahrende Autos können die Verkehrssituation selbstständig ermitteln, ohne einen zentralen Server zu kontaktieren.
Oder ein weiteres Beispiel dafür, warum dies aus Sicherheitsgründen wichtig ist: Wenn Sie Texte auf Ihrem Telefon eingeben, merkt es sich die für Sie typischen Wörter, sodass die Telefontastatur Sie später bequem darauf hinweisen kann – das nennt man prädiktiv Text Eingabe. Alles, was Sie auf Ihrer Tastatur eingeben, irgendwo an ein Rechenzentrum zu senden, wäre eine Verletzung Ihrer Privatsphäre und einfach unsicher. Daher erfolgt das Tastaturtraining nur auf Ihrem Gerät selbst.
1.5. KI-Plattform als Service (KI-PaaS)
PaaS – Platform-as-a-Service ist ein Geschäftsmodell, bei dem wir Zugriff auf eine integrierte Plattform inklusive ihrer cloudbasierten Datenspeicherung und vorgefertigten Verfahren erhalten. So können wir uns von Infrastrukturaufgaben befreien und uns voll und ganz darauf konzentrieren, etwas Nützliches zu produzieren. Beispiel für PaaS-Plattformen für KI-Aufgaben: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Adaptives maschinelles Lernen (Adaptive ML)
Was wäre, wenn wir künstliche Intelligenz sich anpassen lassen würden ... Sie fragen sich: Wie? Passt sie sich nicht bereits an die Aufgabe an? Das Problem ist folgendes: Wir entwerfen jedes dieser Probleme sorgfältig, bevor wir einen Algorithmus für künstliche Intelligenz entwickeln, um es zu lösen. Sie werden Ihnen antworten – es stellt sich heraus, dass diese Kette vereinfacht werden kann.
Herkömmliches maschinelles Lernen funktioniert nach dem Prinzip eines offenen Regelkreises: Sie bereiten Daten vor, entwickeln ein neuronales Netzwerk (oder etwas Ähnliches), trainieren, betrachten dann mehrere Indikatoren, und wenn Ihnen alles gefällt, können Sie das neuronale Netzwerk an Smartphones senden - Benutzerprobleme lösen. Aber bei Anwendungen, bei denen es viele Daten gibt und deren Natur sich allmählich ändert, sind andere Methoden erforderlich. Solche sich selbst anpassenden und lernenden Systeme sind in geschlossenen, selbstlernenden Kreisläufen (Closed-Loop) organisiert und müssen reibungslos funktionieren.
Anwendungen – das können Stream Analytics (Stream Analytics) sein, auf deren Grundlage viele Unternehmer Entscheidungen treffen, oder adaptives Produktionsmanagement. Angesichts des Umfangs aktueller Anwendungen und angesichts der besser verstandenen Risiken für den Menschen werden die Techniken, die eine Lösung für dieses Problem darstellen, alle unter dem Oberbegriff Adaptive KI zusammengefasst.
Wenn man sich dieses Bild anschaut, wird man das Gefühl kaum los, dass Zukunftsforscher kein Brot bekommen – lassen Sie sie einem Roboter das Atmen beibringen ...
Postklassische Informatik und Kommunikation
2.1. Mobilfunk der fünften Generation (5G)
Das ist ein so interessantes Thema, dass wir Sie sofort auf unsere verweisen . Nun, hier ist eine kurze Zusammenfassung. Durch die Erhöhung der Datenübertragungsfrequenz wird 5G die Internetgeschwindigkeit unrealistisch erhöhen. Für kurze Wellen ist es schwieriger, Hindernisse zu überwinden, daher wird der Aufbau der Netze völlig anders sein: Es werden 500-mal mehr Basisstationen benötigt.
Zusammen mit der Geschwindigkeit werden wir neue Phänomene bekommen: Echtzeitspiele mit Augmented Reality, die Durchführung komplexer Aufgaben (z. B. Operationen) durch Telepräsenz, die Verhinderung von Unfällen und schwierigen Situationen auf der Straße durch die Kommunikation zwischen Maschinen. Etwas prosaischer ausgedrückt: Das mobile Internet wird bei Massenveranstaltungen wie einem Spiel im Stadion endlich nicht mehr verfügbar sein.
Bildquelle: Reuters, Niantic
2.2. Speicher der nächsten Generation
Wir sprechen hier von der fünften Generation von RAM – DDR5. Samsung gab bekannt, dass DDR2019-basierte Produkte bis Ende 5 verfügbar sein werden. Es wird erwartet, dass der neue Speicher bei gleichem Formfaktor doppelt so schnell und doppelt so groß sein wird, d. h. wir werden in der Lage sein, Speichersticks mit einer Kapazität von bis zu 32 GB für unseren Computer zu bekommen. Dies wird in Zukunft insbesondere für Smartphones (der neue Speicher wird in einer Low-Power-Version erhältlich sein) und für Laptops (bei denen die Anzahl der DIMM-Steckplätze begrenzt ist) relevant sein. Und maschinelles Lernen erfordert auch große Mengen an RAM.
2.3. Satellitensysteme mit niedriger Erdumlaufbahn
Die Idee, schwere, teure und leistungsstarke Satelliten durch einen Schwarm kleiner und billiger Satelliten zu ersetzen, ist alles andere als neu und entstand bereits in den 90er Jahren. Worüber Jetzt haben es nur die Faulen nicht gehört. Das bekannteste Unternehmen hier ist Iridium, das Ende der 90er Jahre bankrott ging, aber auf Kosten des US-Verteidigungsministeriums gerettet werden konnte (nicht zu verwechseln mit iRidium, dem russischen Smart-Home-System). Das Projekt von Elon Musk (Starlink) ist bei weitem nicht das einzige – Richard Branson (OneWeb – 1440 vorgeschlagene Satelliten), Boeing (3000 Satelliten), Samsung (4600 Satelliten) und andere nehmen am Satellitenrennen teil.
Wie es in dieser Gegend aussieht, wie die Wirtschaft dort aussieht – lesen Sie hier . Und wir warten auf die ersten Tests dieser Systeme durch die ersten Nutzer, die nächstes Jahr stattfinden sollen.
2.4. 3D-Druck im Nanomaßstab
Obwohl der 3D-Druck nicht in das Leben jedes Menschen Einzug gehalten hat (in der Form, die eine einzelne Kunststofffabrik für zu Hause verspricht), hat er dennoch längst die Technologienische für Geeks verlassen. Das lässt sich daran ablesen, dass jedes Schulkind von der Existenz von mindestens 3D-geformten Stiften weiß und viele davon träumen, „einfach so“ eine Schachtel mit Läufern und einem Extruder zu kaufen (oder sie bereits gekauft haben).
Stereolithographie (Laser-3D-Drucker) ermöglicht das Drucken mit einzelnen Photonen: Es werden neue Polymere erforscht, die nur zwei Photonen zum Erstarren benötigen. Dadurch können Sie unter Laborbedingungen völlig neue Filter, Halterungen, Federn, Kapillaren, Linsen und ... Ihre Optionen in den Kommentaren erstellen! Und hier ist es nicht mehr weit von der Photopolymerisation – nur diese Technologie ermöglicht es uns, Prozessoren und Rechenschaltungen zu „drucken“. Darüber hinaus ist dies nicht das erste Jahr, das es gibt , aber ohne radikale Entwicklung.
3. Wahrnehmung und Mobilität
3.1. Autonomes Fahren Level 4 und 5
Um sich nicht in der Terminologie zu verwirren, lohnt es sich zu verstehen, welche Autonomieebenen unterschieden werden (aus dem Detail entnommen). , auf die wir alle Interessierten verweisen):
Stufe 1: Tempomat: unterstützt den Fahrer in sehr begrenzten Situationen (z. B. Halten des Fahrzeugs auf einer bestimmten Geschwindigkeit, nachdem der Fahrer den Fuß vom Pedal genommen hat)
Stufe 2: Eingeschränkte Lenk- und Bremsunterstützung. Der Fahrer muss nahezu augenblicklich bereit sein, die Kontrolle zu übernehmen. Seine Hände liegen am Lenkrad, sein Blick ist auf die Straße gerichtet. Das ist etwas, was Tesla und General Motors bereits haben.
Stufe 3: Der Fahrer muss nicht mehr ständig auf die Straße achten. Aber er muss wachsam bleiben und bereit sein, die Kontrolle zu übernehmen. Das ist etwas, was handelsübliche Autos noch nicht haben. Alle derzeit vorhandenen befinden sich auf Level 1-2.
Stufe 4: Echter Autopilot, aber mit Einschränkungen: Nur Fahrten in einem bekannten Gebiet, das sorgfältig kartiert und dem System allgemein bekannt ist, und unter bestimmten Bedingungen: zum Beispiel, wenn kein Schnee liegt. Waymo und General Motors verfügen über solche Prototypen und planen, sie in mehreren Städten auf den Markt zu bringen und in realen Umgebungen zu testen. Yandex verfügt über Testzonen für unbemannte Taxis in Skolkovo und Innopolis: Die Fahrt findet unter der Aufsicht eines Ingenieurs statt, der auf dem Beifahrersitz sitzt; Bis Ende des Jahres will das Unternehmen seine Flotte auf 100 unbemannte Fahrzeuge erweitern.
Stufe 5: Vollautomatisches Fahren, vollständiger Ersatz eines aktiven Fahrers. Solche Systeme gibt es nicht und es ist unwahrscheinlich, dass sie in den kommenden Jahren auftauchen.
Wie realistisch ist es, das alles in absehbarer Zeit zu sehen? Hier möchte ich den Leser auf den Artikel weiterleiten . Dies ist teilweise auf die fehlende 5G-Konnektivität zurückzuführen: Die verfügbaren 4G-Geschwindigkeiten reichen nicht aus. Teilweise aufgrund der sehr hohen Kosten autonomer Autos: Sie sind noch nicht profitabel, das Geschäftsmodell ist unklar. Mit einem Wort: „Hier ist alles kompliziert“, und es ist kein Zufall, dass Gartner schreibt, dass die Prognose für die Massenimplementierung der Level 4 und 5 frühestens in 10 Jahren erfolgt.
3.2. 3D-Sensorkameras
Vor acht Jahren sorgte der Kinect-Gaming-Controller von Microsoft für Aufsehen, indem er eine zugängliche und relativ kostengünstige Lösung für 3D-Vision bot. Seitdem erlebten Sportunterricht und Tanzspiele mit Kinect einen kurzen Aufstieg und Niedergang, doch 3D-Kameras wurden zunehmend in Industrierobotern, unbemannten Fahrzeugen und Mobiltelefonen zur Gesichtserkennung eingesetzt. Die Technologie ist günstiger, kompakter und zugänglicher geworden.
Das Samsung S10-Telefon verfügt über eine Time-of-Flight-Kamera, die die Entfernung zu einem Objekt misst, um das Fokussieren zu erleichtern.
Wenn Sie sich für dieses Thema interessieren, leiten wir Sie zu einem sehr guten ausführlichen Testbericht zu Tiefenkameras weiter: , .
3.3. Drohnen für die Zustellung kleiner Fracht (Light Cargo Delivery Drones)
Dieses Jahr sorgte Amazon für Aufsehen, als es auf der Messe eine neue Flugdrohne vorstellte, die kleine Lasten von bis zu 2 kg transportieren kann. Für eine Stadt mit Staus scheint dies eine ideale Lösung zu sein. Mal sehen, wie diese Drohnen in naher Zukunft funktionieren. Vielleicht lohnt es sich hier, vorsichtig skeptisch zu sein: Es gibt viele Probleme, angefangen bei der Möglichkeit eines einfachen Diebstahls einer Drohne bis hin zu gesetzlichen Beschränkungen für UAVs. Amazon Prime Air gibt es schon seit sechs Jahren, befindet sich aber noch in der Testphase.
Die neue Drohne von Amazon wird diesen Frühling gezeigt. Er hat etwas von Star Wars an sich.
Neben Amazon gibt es noch weitere Player auf diesem Markt (es gibt eine ausführliche). ), aber kein einziges fertiges Produkt: Alles befindet sich in der Test- und Marketingphase. Unabhängig davon ist die recht interessante, hochspezialisierte Medizin erwähnenswert in Afrika: Lieferung von gespendetem Blut in Ghana (14 Lieferungen, Zipline-Unternehmen) und Ruanda (Matternet-Unternehmen).
3.4. Fliegende autonome Fahrzeuge
Es ist schwierig, hier etwas Bestimmtes zu sagen. Laut Gartner wird dies frühestens in 10 Jahren der Fall sein. Generell gibt es hier die gleichen Probleme wie bei selbstfahrenden Autos, nur bekommen sie eine neue Dimension – die Vertikale. Porsche, Boeing und Uber haben ihre Ambitionen angekündigt, ein fliegendes Taxi zu bauen.
3.5. Augmented Reality Cloud (AR Cloud)
Eine permanente digitale Kopie der realen Welt, die es Ihnen ermöglicht, eine neue Ebene der Realität zu erstellen, die allen Benutzern gemeinsam ist. Technisch gesehen geht es darum, eine offene Cloud-Plattform zu schaffen, in die Entwickler ihre AR-Anwendungen integrieren können. Das Monetarisierungsmodell ist klar; es ist eine Art Analogon zu Steam. Die Idee hat sich so stark etabliert, dass einige mittlerweile glauben, dass AR ohne die Cloud einfach nutzlos sei.
Wie das in Zukunft aussehen könnte, zeigt ein kurzes Video. Sieht aus wie eine weitere Folge von Black Mirror:
Sie können auch unter lesen
4. Erweiterter Mensch
4.1. Emotions-KI
Wie kann man menschliche Emotionen messen, simulieren und darauf reagieren? Zu den Kunden hier gehören unter anderem Unternehmen, die Sprachassistenten wie Amazon Alexa herstellen. Sie können sich wirklich an ein Zuhause gewöhnen, wenn sie lernen, die Stimmung zu erkennen: den Grund für die Unzufriedenheit des Nutzers verstehen und versuchen, die Situation zu korrigieren. Im Allgemeinen enthält der Kontext viel mehr Informationen als die Nachricht selbst. Und Kontext ist Gesichtsausdruck, Intonation und nonverbales Verhalten.
Weitere praktische Anwendungen: Analyse von Emotionen während eines Vorstellungsgesprächs (basierend auf Videointerviews), Beurteilung von Reaktionen auf Werbespots oder andere Videoinhalte (Lächeln, Lachen), Unterstützung beim Lernen (z. B. zum selbstständigen Üben der Kunst des öffentlichen Redens).
Es ist schwierig, zu diesem Thema besser zu sprechen als der Autor eines 6-minütigen Kurzfilms . Das witzige und stilvolle Video zeigt, wie Sie unsere Emotionen für Marketingzwecke messen und anhand der momentanen Reaktionen Ihres Gesichts herausfinden können, ob Sie Pizza, Hunde oder Kanye West mögen und sogar, wie hoch Ihr Einkommen und Ihr ungefährer IQ sind. Wenn Sie über den obigen Link die Website des Films besuchen, werden Sie Teilnehmer eines interaktiven Videos mit der integrierten Kamera Ihres Laptops. Der Film wurde bereits auf mehreren Filmfestivals gezeigt.
Es gibt sogar eine so interessante Studie: Wie erkennt man Sarkasmus in Texten? Wir haben Tweets mit dem Hashtag #sarkasmus genommen und einen Trainingssatz aus 25 Tweets mit Sarkasmus und 000 regulären Tweets über alles unter der Sonne erstellt. Wir haben die TensorFlow-Bibliothek verwendet, das System trainiert und hier ist das Ergebnis:
Wenn Sie sich also bei Ihrem Kollegen oder Freund nicht sicher sind, ob er etwas ernst oder sarkastisch zu Ihnen gesagt hat, können Sie ihn bereits verwenden !
4.2. Erweiterte Intelligenz
Automatisierung geistiger Arbeit durch Methoden des maschinellen Lernens. Es scheint nichts Neues zu sein? Aber die Formulierung selbst ist hier wichtig, zumal sie in der Abkürzung mit Künstlicher Intelligenz übereinstimmt. Damit sind wir wieder bei der Debatte über „starke“ und „schwache“ KI.
Starke KI ist dieselbe künstliche Intelligenz aus Science-Fiction-Filmen, die dem menschlichen Geist völlig gleichwertig ist und sich seiner selbst als Individuum bewusst ist. Diese gibt es noch nicht und es ist unklar, ob es sie überhaupt geben wird.
Schwache KI ist keine unabhängige Person, sondern ein menschlicher Assistent. Er erhebt nicht den Anspruch, menschenähnlich zu denken, sondern versteht es lediglich, Informationsprobleme zu lösen, beispielsweise zu bestimmen, was in einem Bild dargestellt ist, oder Texte zu übersetzen.
In diesem Sinne ist Augmented Intelligence „schwache KI“ in ihrer reinsten Form, und die Formulierung scheint erfolgreich zu sein, da sie keine Verwirrung und die Versuchung hervorruft, hier dieselbe „starke KI“ zu sehen, von der jeder träumt (oder fürchtet, wenn wir es tun). Erinnern Sie sich an die zahlreichen Diskussionen über die „Rebellionsautos“). Mit dem Ausdruck Augmented Intelligence werden wir sofort zu Helden eines anderen Films: Aus der Science-Fiction (wie Asimovs „I, Robot“) finden wir uns im Cyberpunk wieder („Augmentationen“ sind in diesem Genre alle Arten von Implantaten, die die menschlichen Fähigkeiten erweitern).
Как Erik Brynjolfsson und Andrew McAffee: „In den nächsten 10 Jahren wird Folgendes passieren. KI wird Manager nicht ersetzen, aber diejenigen Manager, die KI nutzen, werden diejenigen ersetzen, die es noch nicht geschafft haben.“
Beispiele:
- Medizin: Stanford University entwickelt , der die Aufgabe, Pathologien auf Röntgenaufnahmen des Brustkorbs zu erkennen, im Durchschnitt genauso erfolgreich meistert wie die meisten Ärzte
- Bildung: Unterstützung von Schülern und Lehrern, Analyse der Reaktionen der Schüler auf Materialien, Erstellung eines individuellen Lernpfads.
- Geschäftsanalytik: Laut Statistik nimmt die Datenvorverarbeitung 80 % der Zeit eines Forschers und nur 20 % des Experiments selbst in Anspruch
4.3. Biochips
Dies ist das Lieblingsthema aller Cyberpunk-Filme und -Bücher. Im Allgemeinen ist das Mikrochip-Einsetzen von Haustieren keine neue Praxis. Doch nun hat man damit begonnen, Menschen diese Chips zu implantieren.
In diesem Fall hängt der Hype höchstwahrscheinlich mit dem Aufsehen erregenden Fall des amerikanischen Unternehmens Three Square Market zusammen. Dort begann der Arbeitgeber, gegen eine Gebühr Chips unter die Haut zu implantieren. Mit dem Chip können Sie Türen öffnen, sich in Computer einloggen, Snacks am Automaten kaufen – also eine so universelle Mitarbeiterkarte. Darüber hinaus dient ein solcher Chip genau als Ausweis; er verfügt über kein GPS-Modul, sodass es unmöglich ist, jemanden zu verfolgen, der ihn verwendet. Und wenn jemand den Chip aus seinem Arm entfernen möchte, dauert das mit Hilfe eines Arztes 5 Minuten.
Die Chips werden üblicherweise zwischen Daumen und Zeigefinger implantiert.
Mehr lesen über den Stand der Dinge beim Chipping in der Welt.
4.4. Immersiver Arbeitsbereich
„Immersiv“ ist ein weiteres neues Wort, dem man einfach nicht entkommen kann. Es ist überall. Immersives Theater, Ausstellung, Kino. Wie meinst du das? Immersion ist die Schaffung eines immersiven Effekts, bei dem die Grenze zwischen Autor und Betrachter, der virtuellen und der realen Welt verloren geht. Am Arbeitsplatz bedeutet dies vermutlich, die Grenze zwischen Macher und Initiator zu verwischen und die Mitarbeiter zu einer aktiveren Position zu ermutigen, indem sie ihr Umfeld neu formatieren.
Da wir mittlerweile überall Agilität, Flexibilität und enge Zusammenarbeit haben, sollten Arbeitsplätze möglichst einfach konfigurierbar sein und Gruppenarbeit fördern. Die Wirtschaft diktiert ihre Bedingungen: Es gibt mehr Zeitarbeitskräfte, die Kosten für die Anmietung von Büroflächen steigen und in einem wettbewerbsintensiven Arbeitsmarkt versuchen IT-Unternehmen, die Arbeitszufriedenheit ihrer Mitarbeiter durch die Schaffung von Erholungsbereichen und anderen Vorteilen zu steigern. Und das alles spiegelt sich in der Gestaltung von Arbeitsplätzen wider.
Von Hügel
4.5. Personifikation
Jeder weiß, was Personalisierung in der Werbung ist. Wenn Sie heute mit einem Kollegen darüber diskutieren, dass die Luft im Raum etwas trocken ist und Sie einen Luftbefeuchter für das Büro kaufen sollten, sehen Sie am nächsten Tag eine Anzeige in Ihrem sozialen Netzwerk – „Kaufen Sie einen Luftbefeuchter“ (a realer Vorfall, der mir passiert ist).
Personalisierung im Sinne von Gartner ist eine Reaktion auf die wachsende Besorgnis der Nutzer hinsichtlich der Verwendung ihrer persönlichen Daten für Werbezwecke. Ziel ist es, einen Ansatz zu entwickeln, bei dem uns Werbung angezeigt wird, die für den Kontext, in dem wir uns befinden, relevant ist, und nicht für uns persönlich. Zum Beispiel unser Standort, die Art des Geräts, die Tageszeit, die Wetterbedingungen – das ist etwas, das unsere persönlichen Daten nicht verletzt und wir haben nicht das unangenehme Gefühl, „überwacht“ zu werden.
Lesen Sie mehr über den Unterschied zwischen diesen beiden Konzepten Andrew Frank bloggt auf der Website von Gartner. Es gibt einen so subtilen Unterschied und so ähnliche Wörter, dass Sie, wenn Sie den Unterschied nicht kennen, riskieren, lange mit Ihrem Gesprächspartner zu streiten, ohne zu ahnen, dass im Allgemeinen beides Recht hat (und dies ist auch ein echter Vorfall, der passiert ist). Autor).
4.6. Biotechnologie – kultiviertes oder künstliches Gewebe
Dies ist zunächst einmal die Idee, künstliches Fleisch anzubauen. Gleichzeitig sind mehrere Teams auf der ganzen Welt damit beschäftigt, das Labor „Fleisch 2.0“ zu entwickeln – es wird erwartet, dass es billiger als üblich wird und Fastfood und dann auch Supermärkte darauf umsteigen. Zu den Investoren dieser Technologie zählen Bill Gates, Sergey Brin, Richard Branson und andere.
Quelle
Gründe, warum sich jeder so für Kunstfleisch interessiert:
- Globale Erwärmung: Methanemissionen aus landwirtschaftlichen Betrieben. Das sind 18 % der globalen Menge an klimawirksamen Gasen.
- Bevölkerungswachstum. Die Nachfrage nach Fleisch wächst und es wird nicht möglich sein, alle mit natürlichem Fleisch zu ernähren – es ist einfach teuer.
- Platzmangel. 70 % der Amazonaswälder wurden bereits als Weideland abgeholzt.
- Ethische Überlegungen. Es gibt diejenigen, für die das wichtig ist. Die Tierrechtsorganisation PETA hat dem Wissenschaftler, der künstliches Hühnerfleisch auf den Markt bringt, bereits einen Preis von einer Million US-Dollar ausgelobt.
Das Ersetzen von echtem Fleisch durch Soja ist eine Teillösung, da die Menschen den Unterschied in Geschmack und Textur zu schätzen wissen und wahrscheinlich nicht auf Steak zugunsten von Soja verzichten werden. Sie benötigen also echtes Fleisch aus biologischem Anbau. Leider ist künstliches Fleisch zu teuer: ab 12 Dollar pro Kilogramm. Dies ist auf den komplexen technischen Prozess des Fleischanbaus zurückzuführen. Lesen Sie alles darüber .
Wenn wir über andere Fälle von Gewebewachstum sprechen – bereits in der Medizin – dann ist das Thema mit künstlichen Organen interessant: zum Beispiel ein „Patch“ für den Herzmuskel, ein spezieller 3D-Drucker. Bekannt wie ein künstlich gezüchtetes Mäuseherz, aber im Allgemeinen befindet sich alles noch im Rahmen klinischer Studien. Daher ist es unwahrscheinlich, dass wir Frankenstein in den kommenden Jahren sehen werden.
Hier ist Gartner mit seinen Schätzungen sehr vorsichtig und berücksichtigt offenbar seine gescheiterte Vorhersage aus dem Jahr 2015, dass im Jahr 2019 10 % der Bevölkerung in den entwickelten Ländern über ein 3D-gedrucktes medizinisches Implantat verfügen würden. Das bedeutet, dass die Zeit bis zum Erreichen eines Produktivitätsplateaus mindestens 10 Jahre beträgt.
5. Digitale Ökosysteme
5.1. Dezentrales Web
Dieses Konzept ist eng mit dem Namen des Erfinders des Internets, Turing-Award-Gewinner Sir Tim Burners-Lee, verbunden. Für ihn waren Fragen der Ethik in der Informatik immer wichtig und das kollektive Wesen des Internets war wichtig: Er legte den Grundstein für Hypertext und war davon überzeugt, dass das Netzwerk wie ein Web und nicht wie eine Hierarchie funktionieren sollte. Dies war in der frühen Phase der Netzwerkentwicklung der Fall. Als das Internet jedoch wuchs, wurde seine Struktur aus verschiedenen Gründen zentralisiert. Es stellte sich heraus, dass mit Hilfe weniger Anbieter der Netzzugang für ein ganzes Land leicht gesperrt werden konnte. Und Benutzerdaten sind für Internetunternehmen zu einer Macht- und Einnahmequelle geworden.
„Das Internet ist bereits dezentralisiert“, sagt Burners-Lee. „Das Problem ist, dass eine Suchmaschine, ein großes soziales Netzwerk, eine Microblogging-Plattform dominiert. Wir haben keine technologischen Probleme, aber wir haben soziale.“
In seiner Zum 30. Jahrestag des World Wide Web skizzierte der Schöpfer des Webs drei Hauptprobleme des Internets:
- Gezielter Schaden wie staatlich gefördertes Hacking, Kriminalität und Online-Belästigung
- Das Design des Systems selbst schafft zum Nachteil des Nutzers den Boden für Mechanismen wie: finanzielle Anreize für Clickbait und die virale Verbreitung falscher Informationen
- Unbeabsichtigte Folgen des Systemdesigns, die zu Konflikten und einer verminderten Qualität der Online-Diskussion führen
Und Tim Berners-Lee hat bereits eine Antwort darauf, auf welchen Prinzipien das „Internet eines gesunden Menschen“ basieren könnte, ohne Problem Nummer 2: „Für viele Nutzer bleiben Werbeeinnahmen das einzige Modell für die Interaktion mit dem Internet.“ Auch wenn Menschen Angst davor haben, was mit ihren Daten passiert, sind sie bereit, einen Deal mit der Marketingmaschinerie abzuschließen, um die Möglichkeit zu erhalten, Inhalte kostenlos zu erhalten. Stellen Sie sich eine Welt vor, in der das Bezahlen von Waren und Dienstleistungen für beide Seiten einfach und angenehm ist.“ Mögliche Möglichkeiten, dies zu gestalten: Musiker können ihre Aufnahmen ohne Zwischenhändler in Form von iTunes verkaufen, und Nachrichtenseiten können ein System von Mikrozahlungen für das Lesen eines Artikels nutzen, anstatt mit Werbung Geld zu verdienen.
Als experimentellen Prototyp für dieses neue Internet hat Tim Berners-Lee das SOLID-Projekt ins Leben gerufen, dessen Kern darin besteht, dass Sie Ihre Daten in einem „Pod“ – einem Informationsspeicher – speichern und diese Daten Drittanwendungen zur Verfügung stellen können. Aber grundsätzlich sind Sie selbst Herr Ihrer Daten. All dies hängt eng mit dem Konzept von Peer-to-Peer-Netzwerken zusammen, d. h. Ihr Computer fordert Dienste nicht nur an, sondern stellt diese auch bereit, um nicht auf einen Server als einzigen Kanal angewiesen zu sein.
5.2. Dezentrale autonome Organisationen
Es handelt sich um eine Organisation, die durch Regeln geregelt wird, die in Form eines Computerprogramms niedergeschrieben sind. Seine Finanzaktivitäten basieren auf der Blockchain. Der Zweck der Gründung solcher Organisationen besteht darin, den Staat von der Rolle des Vermittlers zu befreien und eine gemeinsame vertrauenswürdige Umgebung für Gegenparteien zu schaffen, die nicht jedem Einzelnen, sondern allen gemeinsam gehört. Das heißt, theoretisch sollten Notare und andere übliche Verifizierungsinstitutionen abgeschafft werden, wenn sich die Idee durchsetzt.
Das bekannteste Beispiel einer solchen Organisation war die auf Risikokapital ausgerichtete Organisation The DAO, die im Jahr 2016 150 Millionen US-Dollar einsammelte, von denen 50 US-Dollar sofort durch eine rechtliche Lücke in den Regeln gestohlen wurden. Es entstand sofort ein schwieriges Dilemma: Entweder das Geld zurücknehmen und zurückgeben oder zugeben, dass die Geldabhebung legal war, da sie in keiner Weise gegen die Regeln der Plattform verstieß. Um Geld an die Anleger zurückzugeben, mussten die Schöpfer daher das DAO zerstören, die Blockchain neu schreiben und ihr Grundprinzip – Unveränderlichkeit – verletzen.
Comic über Ethereum (links) und The DAO (rechts).
Diese ganze Geschichte hat den Ruf der Idee von DAO ruiniert. Dieses Projekt wurde auf Basis der Kryptowährung Ethereum erstellt, Version Ether 2.0 wird nächstes Jahr erwartet – vielleicht werden die Autoren (einschließlich des berühmten Vitalik Buterin) die Fehler berücksichtigen und etwas Neues zeigen. Das ist wahrscheinlich der Grund, warum Gartner DAO auf die Upline gesetzt hat.
5.3.Synthetikdaten
Um neuronale Netze zu trainieren, werden große Datenmengen benötigt. Das manuelle Kennzeichnen von Daten ist eine große Aufgabe, die nur von Menschen erledigt werden kann. Daher ist es möglich, künstliche Datensätze zu erstellen. Zum Beispiel die gleichen Sammlungen menschlicher Gesichter auf der Website . Sie werden mit GAN erstellt – den oben bereits erwähnten Algorithmen.
Diese Gesichter gehören nicht den Menschen.
Der große Vorteil solcher Daten besteht darin, dass es bei ihrer Verwendung keine rechtlichen Schwierigkeiten gibt: Es gibt niemanden, der der Verarbeitung personenbezogener Daten zustimmt.
5.4.Digitale Operationen
Das Suffix „Ops“ ist unglaublich in Mode gekommen, seit DevOps in unserer Rede Fuß gefasst hat. Nun zu dem, was DigitalOps ist – es ist nur eine Verallgemeinerung von DevOps, DesignOps, MarketingOps ... Sind Sie schon gelangweilt? Kurz gesagt handelt es sich um eine Übertragung des DevOps-Ansatzes aus dem Softwarebereich auf alle anderen Aspekte des Geschäfts – Marketing, Design usw.
Die Idee von DevOps bestand darin, Barrieren zwischen der Entwicklung selbst und dem Betrieb (Geschäftsprozessen) zu beseitigen, indem gemeinsame Teams gebildet wurden, in denen Programmierer, Tester, Sicherheitsspezialisten und Administratoren vertreten sind. Implementierung bestimmter Praktiken: kontinuierliche Integration, Infrastruktur als Code, Reduzierung und Stärkung von Feedbackketten. Ziel war es, die Markteinführungszeit des Produkts zu verkürzen. Wenn Sie dachten, dass dies mit Agile vergleichbar sei, hatten Sie Recht. Übertragen Sie diesen Ansatz nun gedanklich aus dem Bereich der Softwareentwicklung auf die Entwicklung im Allgemeinen – und Sie verstehen, was DigitalOps ist.
5.5. Wissensgraphen
Eine Softwaremethode zur Modellierung eines Wissensbereichs, einschließlich der Verwendung von Algorithmen für maschinelles Lernen. Ein Wissensgraph wird auf vorhandenen Datenbanken aufgebaut, um alle Informationen miteinander zu verknüpfen: sowohl strukturierte (Liste von Ereignissen oder Personen) als auch unstrukturierte (Text eines Artikels).
Das einfachste Beispiel ist die Karte, die Sie in den Google-Suchergebnissen sehen können. Wenn Sie nach einer Person oder Institution suchen, sehen Sie rechts eine Karte:
Bitte beachten Sie, dass es sich bei „Bevorstehende Veranstaltungen“ nicht um eine Kopie der Informationen von Google Maps, sondern um eine Integration des Zeitplans mit Yandex.Afisha handelt: Sie können dies leicht erkennen, wenn Sie auf die Veranstaltungen klicken. Das heißt, es handelt sich um die Kombination mehrerer Datenquellen miteinander.
Wenn Sie nach einer Liste fragen – zum Beispiel nach „berühmten Regisseuren“ – wird Ihnen ein Karussell angezeigt:
Bonus für diejenigen, die bis zum Ende lesen
Und nachdem wir nun die Bedeutung der einzelnen Punkte für uns selbst geklärt haben, können wir uns das gleiche Bild ansehen, allerdings auf Russisch:
Teilen Sie es frei in sozialen Netzwerken!
Tatyana Volkova – Autorin des Schulungsprogramms für den IT-Track „Internet der Dinge“ an der Samsung Academy, Spezialistin für Corporate Social Responsibility-Programme am Samsung Research Center
Source: habr.com