Für die Technikbranche ist das Gartner-Diagramm wie eine Haute-Couture-Show. Durch einen Blick darauf können Sie bereits im Voraus 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 Wörtern in dieser Tabelle verbirgt, damit auch Sie die Sprache sprechen können.
Zunächst ein paar Worte dazu, um welche Art von Diagramm es sich handelt. Jedes Jahr im August veröffentlicht die Beratungsagentur Gartner einen Bericht – Gartner Hype Curve. Auf Russisch nennt man das die „Hype-Kurve“ oder einfacher den Hype. Vor 30 Jahren sangen Rapper der Gruppe Public Enemy: „Don’t believe the hype.“ Ob Sie es glauben oder nicht, ist eine persönliche Angelegenheit, aber es lohnt sich, zumindest diese Schlüsselwörter zu kennen, wenn Sie in der Technologiebranche arbeiten und über globale Trends Bescheid wissen möchten.
Dies ist ein Diagramm der öffentlichen Erwartungen an eine bestimmte Technologie. Laut Gartner durchläuft eine Technologie im Idealfall fünf Phasen: Technologiestart, Höhepunkt der überzogenen Erwartungen, Tal der Enttäuschung, Hang der Erleuchtung, Plateau der Produktivität. Es kommt aber auch vor, dass es im „Tal der Enttäuschungen“ versinkt – Sie können sich leicht selbst an Beispiele erinnern, nehmen Sie dieselben Bitcoins: Nachdem sie zunächst als „Geld der Zukunft“ ihren Höhepunkt erreicht hatten, rutschten sie schnell ab, als die Mängel der Technologie offensichtlich wurden, vor allem die Beschränkungen der Anzahl der Transaktionen und der wahnsinnige Strombedarf zur Erzeugung von Bitcoins (was bereits Umweltprobleme mit sich bringt). Und natürlich dürfen wir nicht vergessen, dass Gartners Diagramm nur eine Prognose ist: Hier können Sie zum Beispiel eine detaillierte , wo die auffälligsten unerfüllten Vorhersagen analysiert werden.
Sehen wir uns also das neue Diagramm von Gartner an. Technologien sind in 5 große Themengruppen unterteilt:
- Erweiterte KI und Analytik
- Postklassische Informatik und Kommunikation
- Sensorik und Mobilität
- Erweiterter Mensch
- Digitale Ökosysteme
1. Erweiterte KI und Analytik
Die letzten zehn Jahre waren die Sternstunde des Deep Learning. Diese Netzwerke sind für ihr Aufgabenspektrum wirklich effektiv. Im Jahr 10 erhielten Yann LeCun, Geoffrey Hinton und Yoshua Bengio für ihre Entdeckungen auf diesem Gebiet den Turing Award – die renommierteste Auszeichnung, das Äquivalent zum Nobelpreis für Informatik. Die wichtigsten Trends in diesem Bereich sind in der Grafik dargestellt:
1.1. Transferlernen
Dabei trainiert man kein neuronales Netz von Grund auf, sondern nimmt ein bereits trainiertes und weist ihm ein anderes Ziel zu. Manchmal ist hierfür eine Neuschulung eines Teils des Netzwerks erforderlich, jedoch nicht des gesamten Netzwerks, was viel schneller geht. Wenn Sie beispielsweise ein fertiges neuronales Netzwerk namens ResNet50 verwenden, das mit dem Datensatz ImageNet1000 trainiert wurde, erhalten Sie einen Algorithmus, der in der Lage ist, viele verschiedene Objekte auf einer sehr tiefen Ebene nach Bildern zu klassifizieren (1000 Klassen basierend auf Merkmalen, die von 50 Schichten des neuronalen Netzwerks generiert werden). Sie müssen jedoch nicht das gesamte Netzwerk trainieren, was Monate dauern würde.
В Samsungs „Neural Networks and Computer Vision“ ist beispielsweise im Finale Mit der Klassifizierung von Tellern in sauber und schmutzig wird ein Ansatz demonstriert, der Ihnen in 5 Minuten ein tiefes neuronales Netzwerk liefert, das in der Lage ist, schmutzige Teller von sauberen zu unterscheiden, basierend auf der oben beschriebenen Architektur. Das ursprüngliche Netzwerk wusste überhaupt nicht, was Teller sind, es lernte gerade, Vögel von Hunden zu unterscheiden (siehe ImageNet).
Source: Samsung „Neuronale Netzwerke und Computer Vision“
Für Transfer Learning ist es wichtig zu wissen, welche Ansätze funktionieren und welche fertigen Basisarchitekturen es gibt. Insgesamt wird dadurch die Entstehung praktischer Anwendungen des maschinellen Lernens erheblich beschleunigt.
1.2. Generative Adversarial Networks (GAN)
Dies ist für die Fälle gedacht, in denen es für uns sehr schwierig ist, das Lernziel zu formulieren. Je näher die Aufgabe an der Realität ist, desto verständlicher ist sie für uns („bring den Nachttisch“), desto schwieriger ist es jedoch, sie als technische Aufgabe zu formulieren. GAN ist lediglich ein Versuch, uns von diesem Problem zu befreien.
Hier sind zwei Netzwerke am Werk: eines ist ein Generator (Generative), 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 unterrichten: Es verfügt über reale Beispiele und lernt, eine bisher unbekannte komplexe Formel zum Vergleichen der Ausgabe des generativen Teils des Netzwerks mit realen Objekten (Trainingsbeispiel) zu finden, basierend auf wirklich wichtigen tiefen Merkmalen: Anzahl der Augen, Nähe zu Miyazakis Stil, korrekte Aussprache des Englischen.
Ein Beispiel für die Ausgabe des Netzwerks zum Generieren von Anime-Charakteren.
Aber natürlich ist es schwierig, dort Architektur zu bauen. Es reicht nicht, Neuronen einfach wegzuwerfen, sie müssen vorbereitet werden. Und man muss wochenlang lernen. Meine Kollegen im Samsung AI Center arbeiten am Thema GAN; es ist eine ihrer zentralen Forschungsfragen. Zum Beispiel dieses : Verwendung generativer Netzwerke zur Synthese realistischer Fotos von Personen mit unterschiedlichen Posen – beispielsweise zur Erstellung einer virtuellen Umkleidekabine oder zur Synthese eines Gesichts. Dadurch kann die Menge an Informationen reduziert werden, die gespeichert oder übertragen werden müssen, um eine qualitativ hochwertige Videokommunikation, Übertragung oder den Schutz der Privatsphäre zu gewährleisten.
1.3. Erklärbare KI
Bei einigen seltenen Aufgaben haben Fortschritte bei tiefen Architekturen tiefe neuronale Netzwerke plötzlich näher an die Fähigkeiten des Menschen herangeführt. Jetzt beginnt der Kampf um die Ausweitung des Aufgabenspektrums. Ein Roboterstaubsauger könnte beispielsweise problemlos zwischen einer Katze und einem Hund unterscheiden, wenn diese sich frontal gegenüberstehen. Aber in den meisten Lebenssituationen wird er nicht in der Lage sein, eine Katze zu finden, die zwischen Bettwäsche oder Möbeln schläft (so wie wir es in den meisten Fällen tun ...).
Was ist der Grund für den Erfolg tiefer neuronaler Netzwerke? Sie entwickeln eine Darstellung des Problems, die nicht auf „mit bloßem Auge sichtbaren“ Informationen (Pixel eines Fotos, Sprünge in 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 Unvollkommenheiten im ursprünglichen Datensatz widerspiegeln. So gibt es beispielsweise ein kleines Computerspiel darüber, wozu der gedankenlose Einsatz von KI im Recruiting führen kann .
Ein Bildmarkierungssystem kennzeichnete die kochende Person als Frau, obwohl die Person auf dem Bild tatsächlich ein Mann ist () Das am Virginia Institute.
Um komplexe und tiefgreifende Zusammenhänge zu analysieren, die wir oft nicht selbst formulieren können, benötigen wir Methoden der erklärbaren KI. Sie organisieren die Funktionen tiefer neuronaler Netzwerke, sodass wir nach dem Training die vom Netzwerk erlernte interne Darstellung analysieren können, anstatt uns einfach auf seine Entscheidung zu verlassen.
1.4. Edge Analytics/KI
Alles, was das Wort „Edge“ enthält, bedeutet wörtlich Folgendes: die Übertragung einiger Algorithmen von der Cloud/dem Server auf die Endgeräte-/Gateway-Ebene. Dieser Algorithmus arbeitet schneller und erfordert für den Betrieb keine Verbindung zu einem zentralen Server. Wenn Sie mit der Abstraktion eines „Thin Client“ vertraut sind, verdicken wir diesen Client hier ein wenig.
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 signalisieren, ohne darauf zu warten, dass die Daten in die Cloud und von dort an den Schichtleiter gelangen. Oder ein anderes Beispiel: Selbstfahrende Autos können die Verkehrssituation selbstständig einschätzen, ohne Kontakt zu einem zentralen Server aufzunehmen.
Oder ein anderes Beispiel, warum dies aus Sicherheitssicht wichtig ist: Wenn Sie auf Ihrem Telefon Texte eingeben, merkt es sich für Sie typische Wörter, sodass Ihre Telefontastatur sie Ihnen später bequem vorschlagen kann – dies wird als vorausschauende Texteingabe bezeichnet. Das Senden aller Ihrer Tastatureingaben an ein Rechenzentrum wäre eine Verletzung Ihrer Privatsphäre und einfach nicht sicher. Das Tastaturtraining erfolgt daher ausschließlich im Rahmen Ihres Geräts 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 Cloud-Datenspeicher und vorgefertigten Verfahren erhalten. Auf diese Weise können wir uns von Infrastrukturaufgaben befreien und uns voll und ganz auf die Produktion von etwas Nützlichem konzentrieren. Beispiele für PaaS-Plattformen für KI-Aufgaben: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Adaptives maschinelles Lernen (Adaptives ML)
Was wäre, wenn wir künstlicher Intelligenz erlauben würden, sich anzupassen? Sie fragen sich: Wie? Passt sie sich nicht bereits an die Aufgabe an? Das Problem besteht darin, dass wir jede dieser Aufgaben sorgfältig formulieren, bevor wir einen künstlichen Intelligenzalgorithmus zu ihrer Lösung entwickeln. Sie werden Ihnen sagen, dass diese Kette vereinfacht werden kann.
Herkömmliches maschinelles Lernen funktioniert nach dem Open-Loop-Prinzip: Man bereitet die Daten vor, entwickelt ein neuronales Netzwerk (oder was auch immer), trainiert es, schaut sich dann ein paar Indikatoren an und wenn einem alles gefällt, kann man das neuronale Netzwerk auf die Smartphones schicken, um die Probleme der Benutzer zu lösen. Bei Anwendungen mit großen Datenmengen und sich allmählich ändernder Datenbeschaffenheit sind jedoch andere Methoden erforderlich. Solche Systeme, die sich selbst anpassen und lernen, sind in geschlossenen, selbstlernenden Kreisläufen (Closed-Loop) organisiert und müssen reibungslos funktionieren.
Anwendungen können Stream Analytics sein, das von vielen Geschäftsleuten zur Entscheidungsfindung verwendet wird, oder adaptives Produktionsmanagement. Angesichts der Größenordnung moderner Anwendungen und der besser verstandenen Risiken für den Menschen werden die Methoden, die zur Lösung dieses Problems beitragen, alle unter dem allgemeinen Begriff „Adaptive KI“ zusammengefasst.
Beim Anblick dieses Bildes wird man das Gefühl nicht los, dass Zukunftsforscher nichts lieber tun würden, als einem Roboter das Atmen beizubringen …
Postklassische Informatik und Kommunikation
2.1. Mobilfunk der fünften Generation (5G)
Dies ist ein so interessantes Thema, dass wir Sie sofort auf unsere . Nun, hier ist eine kurze Zusammenfassung. 5G wird die Internetgeschwindigkeit aufgrund der Erhöhung der Datenübertragungsfrequenz unrealistisch schnell machen. Kurzwellen können Hindernisse schlechter durchdringen, daher wird die Netzwerkstruktur völlig anders sein: 500-mal mehr Basisstationen werden benötigt.
Mit der Geschwindigkeit werden auch neue Phänomene einhergehen: Echtzeitspiele mit erweiterter Realität, die Durchführung komplexer Aufgaben (wie etwa Operationen) durch Telepräsenz und die Vermeidung von Unfällen und schwierigen Situationen auf der Straße durch die Kommunikation zwischen Autos. Um es etwas prosaischer auszudrücken: Bei Massenveranstaltungen, wie zum Beispiel einem Spiel im Stadion, wird es endlich keine Ausfälle mehr beim mobilen Internet geben.
Bildquelle: Reuters, Niantic
2.2. Speicher der nächsten Generation
Hier sprechen wir von der fünften RAM-Generation – DDR5. Samsung hat angekündigt, dass DDR2019-basierte Produkte bis Ende 5 verfügbar sein werden. Der neue Speicher soll bei gleichem Formfaktor doppelt so schnell und doppelt so groß sein, sodass wir für unseren Computer Speichersticks mit einer Kapazität von bis zu 32 GB erhalten können. 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. Maschinelles Lernen erfordert außerdem große Mengen RAM.
2.3. Satellitensysteme in erdnaher Umlaufbahn
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. Darüber Heutzutage haben nur die Faulen nichts davon gehört. Das bekannteste Unternehmen hier ist Iridium, das Ende der 90er Jahre bankrott ging, aber vom US-Verteidigungsministerium gerettet wurde (nicht zu verwechseln mit iRidium, einem 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 ist die Lage in diesem Bereich, wie ist die Wirtschaft dort – lesen Sie in . Und wir warten auf die ersten Tests dieser Systeme durch die ersten Anwender, die im nächsten Jahr stattfinden sollen.
2.4. 3D-Druck im Nanomaßstab
Obwohl der 3D-Druck noch nicht in jedermanns Leben Einzug gehalten hat (in Form der versprochenen individuellen Heim-Kunststofffabrik), hat er die Nische der Technologien für Computerfreaks längst verlassen. Das lässt sich daran erkennen, dass jedes Schulkind zumindest von der Existenz von 3D-Skulpturstiften weiß und viele davon träumen, sich eine Schachtel mit Angusskanälen und einem Extruder zu kaufen, um... „einfach so“ eine zu bekommen (oder sich bereits eine gekauft haben).
Stereolithografie (Laser-3D-Drucker) ermöglicht das Drucken mit einzelnen Photonen: Es werden neue Polymere erforscht, die zum Aushärten nur zwei Photonen benötigen. Dadurch können wir völlig neue Filter, Halterungen, Federn, Kapillaren, Linsen und … Ihre Optionen in den Kommentaren unter Nicht-Laborbedingungen erstellen! Und hier ist es nicht weit zur Photopolymerisation – erst diese Technologie ermöglicht das „Drucken“ von Prozessoren und Rechenschaltungen. Außerdem gibt es das schon seit mehreren Jahren , jedoch ohne radikale Entwicklung.
3. Wahrnehmung und Mobilität
3.1. Autonomes Fahren Level 4 & 5
Um nicht in der Terminologie verwirrt zu werden, ist es wichtig zu verstehen, welche Autonomiestufen unterschieden werden (aus einer detaillierten , auf die wir alle Interessierten verweisen):
Stufe 1: Geschwindigkeitsregelung: unterstützt den Fahrer in sehr begrenzten Situationen (z. B. beim Halten einer festgelegten 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, was Tesla und General Motors bereits haben.
Level 3: Der Fahrer muss nicht mehr ständig die Straße im Auge behalten. Aber Sie müssen wachsam bleiben und bereit sein, die Kontrolle zu übernehmen. Dies ist etwas, was in Autos auf dem Markt noch nicht verfügbar ist. Alle derzeit vorhandenen befinden sich auf Level 1-2.
Stufe 4: Echter Autopilot, jedoch mit Einschränkungen: Fahren nur in einem bekannten Gebiet, das sorgfältig kartiert und dem System allgemein bekannt ist, und unter bestimmten Bedingungen: zum Beispiel kein Schnee. Waymo und General Motors verfügen über derartige Prototypen und planen, diese in mehreren Städten einzuführen und unter realen Bedingungen zu testen. Yandex verfügt in Skolkovo und Innopolis über Testzonen für selbstfahrende Taxis: Die Fahrt findet unter Aufsicht eines Ingenieurs statt, der auf dem Beifahrersitz sitzt. Bis zum Jahresende plant das Unternehmen, seine Flotte auf 100 unbemannte Fahrzeuge zu erweitern.
Level 5: Vollautomatisches Fahren, vollständiger Ersatz eines echten Fahrers. Solche Systeme gibt es nicht und es ist unwahrscheinlich, dass sie in den nächsten Jahren auftauchen werden.
Wie realistisch ist es, all dies in absehbarer Zukunft zu erleben? Hier möchte ich den Leser zum Artikel weiterleiten . Dies liegt teilweise an der fehlenden 5G-Konnektivität: Die vorhandenen 4G-Geschwindigkeiten reichen nicht aus. Dies liegt unter anderem an den sehr hohen Kosten autonomer Fahrzeuge: Sie sind noch nicht rentabel, das Geschäftsmodell ist unklar. Kurz gesagt: „Alles ist kompliziert“, und es ist kein Zufall, dass Gartner schreibt, dass die Massenimplementierung der Stufen 4 und 5 frühestens in 10 Jahren erfolgen wird.
3.2. 3D-Sensorkameras
Vor acht Jahren sorgte Microsofts Kinect-Spielecontroller für Aufsehen, als er eine zugängliche und relativ kostengünstige Lösung für 3D-Vision bot. Seitdem haben Sport- und Tanzspiele mit Kinect ihren kurzen Aufstieg und Niedergang erlebt, doch mittlerweile werden 3D-Kameras auch 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 über Tiefenkameras weiter: , .
3.3. Drohnen für die Lieferung leichter Fracht
Amazon sorgte dieses Jahr für Aufsehen, als es eine neue Flugdrohne vorstellte, die kleine Lasten mit einem Gewicht von bis zu 2 kg transportieren kann. Für eine Stadt mit ihren Verkehrsstaus scheint dies eine ideale Lösung zu sein. Mal sehen, welche Leistung diese Drohnen in naher Zukunft bringen werden. Vielleicht ist hier eine vorsichtige Skepsis angebracht: Es gibt viele Probleme, von der Möglichkeit eines einfachen Diebstahls einer Drohne bis hin zu gesetzlichen Beschränkungen für UAVs. Amazon Prime Air gibt es bereits seit sechs Jahren, befindet sich aber noch immer in der Testphase.
Die neue Drohne von Amazon, die diesen Frühling vorgestellt wurde. Er hat etwas von Star Wars.
Neben Amazon gibt es noch weitere Akteure auf diesem Markt (es gibt eine detaillierte ), aber noch kein einziges fertiges Produkt: Alles befindet sich in der Test- und Vermarktungsphase. Erwähnenswert sind auch die interessanten hochspezialisierten medizinischen in Afrika: Blutspendenlieferungen in Ghana (14 Lieferungen, Zipline) und Ruanda (Matternet).
3.4. Fliegende autonome Fahrzeuge
Es ist schwierig, hier etwas Konkretes zu sagen. Laut Gartner wird dies frühestens in 10 Jahren der Fall sein. Im Allgemeinen gibt es hier dieselben Probleme wie bei selbstfahrenden Autos, nur dass sie eine neue Dimension bekommen – die Vertikale. Porsche, Boeing und Uber haben ihre Ambitionen zum Bau eines Flugtaxis angekündigt.
3.5. Augmented Reality Cloud (AR-Cloud)
Eine dauerhafte digitale Kopie der realen Welt, die die Erstellung einer neuen, von allen Benutzern gemeinsam genutzten Realitätsebene ermöglicht. Technisch ausgedrückt besteht die Idee darin, 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 tief verwurzelt, dass manche mittlerweile glauben, AR ohne die Cloud sei einfach nutzlos.
Wie das in Zukunft aussehen könnte, zeigt ein kurzes Video. Sieht aus wie eine weitere Folge von Black Mirror:
Lesen Sie auch in
4. Erweiterter Mensch
4.1. Emotions-KI
Wie kann man menschliche Emotionen messen, simulieren und darauf reagieren? Zu den Kunden zählen unter anderem Unternehmen, die Sprachassistenten wie Amazon Alexa herstellen. Sie können sich wirklich an das Zuhause gewöhnen, wenn sie lernen, die Stimmung zu erkennen: den Grund für die Unzufriedenheit des Benutzers zu verstehen und zu versuchen, die Situation zu korrigieren. Im Allgemeinen enthält der Kontext viel mehr Informationen als die Nachricht selbst. Und der Kontext ist Gesichtsausdruck, Intonation und nonverbales Verhalten.
Weitere praktische Anwendungen sind: die Analyse von Emotionen bei Vorstellungsgesprächen (mithilfe von Videointerviews), die Beurteilung von Reaktionen auf Werbespots oder andere Videoinhalte (Lächeln, Lachen) und die Unterstützung beim Lernen (z. B. zum selbstständigen Üben der Kunst des öffentlichen Redens).
Es gibt kaum jemanden, der besser zu diesem Thema sprechen kann als der Autor eines 6-minütigen Kurzfilms . Das clever und stilvoll gemachte Video zeigt, wie unsere Emotionen für Marketingzwecke gemessen werden können und Sie anhand der momentanen Reaktionen Ihres Gesichts herausfinden können, ob Sie Pizza, Hunde oder Kanye West mögen und sogar wie hoch Ihr Einkommensniveau und Ihr ungefährer IQ sind. Durch Klicken auf den obigen Link werden Sie Teilnehmer eines interaktiven Videos über die eingebaute Kamera Ihres Laptops. Der Film wurde bereits auf mehreren Filmfestivals gezeigt.
Es gibt sogar eine so interessante Studie: Wie man Sarkasmus in Texten erkennt. Wir haben Tweets mit dem Hashtag #Sarkasmus genommen und eine Trainingsstichprobe aus 25 Tweets mit Sarkasmus und 000 normalen Tweets über alles Mögliche 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 Ihnen etwas ernst oder sarkastisch gesagt hat – können Sie die bereits !
4.2. Erweiterte Intelligenz
Automatisierung geistiger Arbeit durch Methoden des maschinellen Lernens. Es scheint, als gäbe es nichts Neues? Wichtig ist hier aber schon die Formulierung selbst, zumal sie in der Abkürzung mit Künstlicher Intelligenz übereinstimmt. Dies bringt uns zurück zur Debatte über „starke“ und „schwache“ KI.
Starke KI ist dieselbe künstliche Intelligenz aus Science-Fiction-Filmen, die dem menschlichen Verstand völlig gleichwertig ist und sich ihrer selbst als Individuum bewusst ist. Dieses gibt es noch nicht und es ist unklar, ob es das überhaupt geben wird.
Schwache KI ist keine eigenständige Persönlichkeit, sondern ein Assistent eines Menschen. Es erhebt keinen Anspruch auf menschliches Denken, sondern weiß lediglich, wie man Informationsprobleme löst, beispielsweise feststellt, was auf einem Bild abgebildet ist, oder einen Text übersetzt.
In diesem Sinne ist Erweiterte Intelligenz reine „schwache KI“, und die Formulierung scheint gelungen, da sie weder Verwirrung stiftet noch die Versuchung weckt, hierin die „starke KI“ zu sehen, von der alle träumen (oder die sie, wenn wir uns an die zahlreichen Diskussionen über den „Aufstieg der Maschinen“ erinnern, fürchten). 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 (in diesem Genre werden mit „Augmentationen“ alle möglichen Implantate bezeichnet, die die menschlichen Fähigkeiten erweitern).
Как Erik Brynjolfsson und Andrew McAfee: „Das wird in den nächsten zehn Jahren passieren. Nicht die KI wird Manager ersetzen, sondern die Manager, die KI nutzen, werden diejenigen ersetzen, die dies noch nicht getan haben.“
Beispiele:
- Medizin: Die Stanford University hat , der die Aufgabe, Pathologien auf Röntgenaufnahmen der Brust zu erkennen, im Durchschnitt genauso erfolgreich bewältigt wie die meisten Ärzte
- Bildung: Unterstützung von Schülern und Lehrern, Analyse der Reaktionen der Schüler auf Materialien, Entwicklung individueller Lernpfade.
- Business Analytics: Die Vorverarbeitung der Daten nimmt laut Statistik 80 % der Zeit des Forschers in Anspruch, und nur 20 % entfallen auf das Experiment selbst.
4.3. Biochips
Dies ist ein beliebtes Thema aller Cyberpunk-Filme und -Bücher. Im Allgemeinen ist die Mikrochip-Kennzeichnung von Haustieren keine neue Praxis. Doch mittlerweile werden diese Chips auch in Menschen implantiert.
In diesem Fall hängt der Hype höchstwahrscheinlich mit dem viel beachteten Fall des amerikanischen Unternehmens Three Square Market zusammen. Dort begann der Arbeitgeber, gegen eine Belohnung das Einpflanzen von Chips unter die Haut anzubieten. Mit dem Chip lassen sich Türen öffnen, Computer anmelden, Snacks am Automaten kaufen – ein universeller Mitarbeiterausweis eben. Gleichzeitig dient ein solcher Chip genau als Ausweis; Da es kein GPS-Modul besitzt, ist es unmöglich, die Person, die es verwendet, zu orten. Und wenn ein Mensch einen Chip aus seiner Hand entfernen lassen möchte, dauert dies mit Hilfe eines Arztes 5 Minuten.
Die Chips werden üblicherweise zwischen Daumen und Zeigefinger implantiert.
Mehr lesen über den Stand der Dinge im Zusammenhang mit Mikrochips in der Welt.
4.4. Immersiver Arbeitsbereich
„Immersive“ ist ein weiteres neues Wort, das einfach nicht vermieden werden kann. Es ist überall. Immersives Theater, Ausstellung, Kino. Was bedeutet das? Immersion ist die Schaffung eines immersiven Effekts, wenn die Grenze zwischen Autor und Betrachter, der virtuellen und realen Welt verloren geht. Am Arbeitsplatz bedeutet dies vermutlich, die Grenze zwischen Leistungsträger und Initiator zu verwischen und die Mitarbeiter durch eine Neugestaltung ihres Umfelds zu einer aktiveren Haltung zu ermutigen.
Da wir heute überall von Agilität, Flexibilität und enger Zusammenarbeit geprägt sind, sollten Arbeitsplätze auch möglichst einfach konfigurierbar sein und die Teamarbeit fördern. Die Wirtschaft diktiert ihre eigenen Bedingungen: Es gibt mehr Zeitarbeitskräfte, die Kosten für die Anmietung von Büroräumen steigen und unter den Bedingungen eines wettbewerbsintensiven Arbeitsmarktes versuchen IT-Unternehmen, die Arbeitszufriedenheit ihrer Mitarbeiter durch die Schaffung von Erholungsbereichen und anderen Vorteilen zu steigern. Und all dies spiegelt sich in der Gestaltung der Arbeitsplätze wider.
Von Hügel
4.5. Personifikation
Jeder weiß, was Personalisierung in der Werbung ist. Das ist zum Beispiel so, wenn Sie heute mit einem Kollegen besprechen, dass die Luft im Raum etwas trocken ist und Sie einen Luftbefeuchter für das Büro kaufen sollten, und am nächsten Tag sehen Sie in Ihrem sozialen Netzwerk eine Anzeige – „Kaufen Sie einen Luftbefeuchter“ (ein echter Fall, der mir passiert ist).
Laut Gartner ist die Personalisierung eine Reaktion auf die wachsende Besorgnis der Benutzer 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. Beispielsweise unser Standort, Gerätetyp, Tageszeit, Wetterbedingungen – das sind Dinge, die unsere persönlichen Daten nicht verletzen und wir verspüren nicht das unangenehme Gefühl, „verfolgt“ zu werden.
Lesen Sie mehr über den Unterschied zwischen diesen beiden Konzepten Andrew Frank in einem Blog auf der Website von Gartner. Hier besteht ein so subtiler Unterschied und die Wörter sind so ähnlich, dass Sie, ohne den Unterschied zu kennen, Gefahr laufen, lange mit Ihrem Gesprächspartner zu streiten, ohne zu ahnen, dass im Allgemeinen beide Recht haben (und dies ist auch ein realer Fall, der dem Autor passiert ist).
4.6. Biotechnologie – kultiviertes oder künstliches Gewebe
Dabei handelt es sich zunächst um die Idee, künstliches Fleisch zu züchten. Gleichzeitig arbeiten mehrere Teams weltweit an der Entwicklung von „Fleisch 2.0“ im Labor – es soll billiger werden als üblich und Fast-Food-Restaurants und später auch Supermärkte werden darauf umsteigen. Zu den Investoren dieser Technologie zählen Bill Gates, Sergey Brin, Richard Branson und andere.
Quelle
Gründe, warum sich alle so für künstliches Fleisch interessieren:
- Globale Erwärmung: Methan-Emissionen von landwirtschaftlichen Betrieben. Dies entspricht 18 % der weltweiten Gesamtmenge klimaschädlicher Gase.
- Bevölkerungswachstum. Die Nachfrage nach Fleisch steigt und es ist nicht möglich, alle Menschen mit natürlichem Fleisch zu ernähren – es ist schlichtweg teuer.
- Platzmangel. 70 % der Amazonaswälder wurden bereits für Weideland abgeholzt.
- Ethische Überlegungen. Es gibt Menschen, denen das wichtig ist. Die Tierrechtsorganisation PETA hat dem Wissenschaftler, der künstliches Hühnerfleisch auf den Markt bringt, bereits einen Preis von einer Million Dollar ausgesetzt.
Das Ersetzen von Sojafleisch durch echtes Fleisch ist nur eine Teillösung, da die Menschen sehr empfindlich auf den Unterschied in Geschmack und Konsistenz reagieren und wahrscheinlich nicht bereit sind, zugunsten von Sojafleisch auf Steak zu verzichten. Was wir also brauchen, ist echtes Fleisch aus biologischem Anbau. Leider ist Kunstfleisch mittlerweile zu teuer: ab 12 Dollar pro Kilogramm. Dies liegt an dem komplexen technologischen Prozess der Fleischproduktion. Lesen Sie alles darüber .
Wenn wir über andere Fälle von Gewebezüchtung sprechen – bereits in der Medizin – dann ist das Thema künstliche Organe interessant: zum Beispiel ein „Flicken“ für den Herzmuskel, mit einem speziellen 3D-Drucker. Bekannt ähnlich einem künstlich gezüchteten Mäuseherzen, insgesamt ist aber alles noch nicht über den Rahmen klinischer Tests hinausgekommen. Daher ist es unwahrscheinlich, dass wir Frankenstein in den kommenden Jahren sehen werden.
Gartner ist hier mit seinen Schätzungen sehr vorsichtig und hat dabei offenbar seine gescheiterte Vorhersage aus dem Jahr 2015 im Hinterkopf, wonach bis 2019 10 % der Bevölkerung der Industrieländer über ein im 3D-Drucker hergestelltes medizinisches Implantat verfügen würden. Aus diesem Grund gibt es die Zeit an, die vergeht, bis die Produktivität ihr Plateau erreicht – und zwar mindestens 10 Jahre.
5. Digitale Ökosysteme
5.1. Dezentrales Web
Dieses Konzept ist eng mit dem Namen des Erfinders des Internets, dem Turing-Preisträger Sir Tim Burners-Lee, verbunden. Für ihn waren Fragen der Ethik in der Informatik und der kollektiven Natur des Internets immer wichtig: Als er die Grundlagen des Hypertexts legte, war er davon überzeugt, dass das Netzwerk wie ein Web und nicht wie eine Hierarchie funktionieren sollte. Dies war in den frühen Phasen der Netzwerkentwicklung der Fall. Mit dem Wachstum des Internets wurde seine Struktur jedoch aus mehreren Gründen zentralisiert. Es zeigt sich, dass sich der Netzzugang für ein ganzes Land mit wenigen Anbietern problemlos sperren lässt. Und Benutzerdaten sind für Internetunternehmen zu einer Macht- und Einnahmequelle geworden.
„Das Internet ist bereits dezentralisiert“, sagt Burners-Lee. – Das Problem besteht darin, dass eine Suchmaschine, ein großes soziales Netzwerk und eine Microblogging-Plattform dominieren. Wir haben keine technologischen Probleme, aber wir haben soziale.“
In seiner Anlässlich des 30. Jahrestages des World Wide Web skizzierte der Erfinder des Webs drei Hauptprobleme des Internets:
- Gezielter Schaden, wie staatlich gefördertes Hacking, Kriminalität und Online-Belästigung
- Die Struktur des Systems selbst, die zum Nachteil des Benutzers den Boden für Mechanismen wie finanzielle Anreize für Clickbait und die virale Verbreitung falscher Informationen schafft
- Unbeabsichtigte Folgen des Systemdesigns, die zu Konflikten und einer schlechten Qualität der Online-Diskussionen führen
Und Tim Berners-Lee hat bereits eine Antwort auf die Frage, wie ein „gesundes Internet“ aussehen könnte, ohne Problem Nummer 2: „Für viele Nutzer bleiben Werbeeinnahmen die einzige Möglichkeit, mit dem Internet zu interagieren. Auch wenn sie Angst vor ihren Daten haben, sind sie bereit, mit der Marketingmaschinerie zu verhandeln, um kostenlos an Inhalte zu kommen. Stellen Sie sich eine Welt vor, in der das Bezahlen für Waren und Dienstleistungen für beide Seiten einfach und angenehm ist.“ Eine Möglichkeit hierfür wäre, dass Musiker ihre Aufnahmen ohne einen iTunes-ähnlichen Zwischenhändler verkaufen und dass Nachrichtenseiten für das Lesen eines einzelnen Artikels ein Mikrozahlungssystem verwenden, statt mit Werbung Geld zu verdienen.
Als experimentellen Prototyp für ein solches neues Internet startete Tim Berners-Lee das SOLID-Projekt. Die Idee dahinter ist, dass Sie Ihre Daten in einem „Pod“ – einem Informationsspeicher – speichern und diese Daten Anwendungen von Drittanbietern zur Verfügung stellen können. Aber grundsätzlich sind Sie der Herr Ihrer Daten. Dies alles hängt eng mit dem Konzept von Peer-to-Peer-Netzwerken zusammen. Dies bedeutet, dass Ihr Computer nicht nur Dienste anfordert, sondern diese auch bereitstellt, sodass Sie sich nicht auf einen Server als einzigen Kanal verlassen müssen.
5.2. Dezentrale autonome Organisationen
Es handelt sich um eine Organisation, die durch Regeln gesteuert wird, die als Computerprogramm geschrieben sind. Seine Finanzaktivitäten basieren auf Blockchain. Der Zweck der Schaffung solcher Organisationen besteht darin, den Staat aus der Rolle des Vermittlers zu eliminieren und eine gemeinsame vertrauenswürdige Umgebung für Gegenparteien zu schaffen, die nicht einem Einzelnen, sondern allen gemeinsam gehört. Das heißt, wenn sich die Idee durchsetzt, sollten Notare und andere traditionelle Verifizierungsinstitutionen abgeschafft werden.
Das bekannteste Beispiel einer solchen Organisation war die auf Risikokapital ausgerichtete Organisation The DAO, die im Jahr 2016 150 Millionen US-Dollar einnahm, von denen jedoch 50 Millionen US-Dollar aufgrund einer Gesetzeslücke sofort gestohlen wurden. Es ergab sich sofort ein schwieriges Dilemma: Entweder man macht einen Rückzieher und gibt das Geld zurück oder man gibt zu, dass die Geldabhebung legal war, da sie in keiner Weise gegen die Regeln der Plattform verstieß. Um den Anlegern das Geld zurückzugeben, mussten die Entwickler daher The DAO zerstören, indem sie die Blockchain neu schrieben und ihr Hauptprinzip – die Unveränderlichkeit – verletzten.
Comic über Ethereum (links) und The DAO (rechts).
Diese ganze Geschichte hat den Ruf der DAO-Idee selbst beschädigt. Dieses Projekt wurde auf Basis der Kryptowährung Ethereum erstellt, nächstes Jahr wird die Version Ether 2.0 erwartet – vielleicht berücksichtigen die Autoren (unter ihnen der berühmte Vitalik Buterin) die Fehler und zeigen etwas Neues. Dies ist wahrscheinlich der Grund, warum Gartner DAO auf der aufsteigenden Linie platziert hat.
5.3.Synthetische Daten
Um neuronale Netze zu trainieren, sind große Datenmengen nötig. Das manuelle Beschriften von Daten ist ein enormer Arbeitsaufwand, der nur von einem Menschen erledigt werden kann. Daher ist es möglich, künstliche Datensätze zu erstellen. Zum Beispiel die gleichen Sammlungen von menschlichen Gesichtern auf der Website . Sie werden mithilfe der oben bereits erwähnten GAN-Algorithmen erstellt.
Diese Gesichter gehören keinen Menschen.
Der große Vorteil solcher Daten besteht darin, dass ihre Verwendung keine rechtlichen Schwierigkeiten bereitet: Es gibt niemanden, der der Verarbeitung personenbezogener Daten zustimmen muss.
5.4.Digitale Operationen
Das Suffix „Ops“ ist unglaublich angesagt, seit DevOps in unseren Wortschatz aufgenommen wurde. Nun zu DigitalOps – es ist lediglich eine Verallgemeinerung von DevOps, DesignOps, MarketingOps … Ist Ihnen schon langweilig? Kurz gesagt handelt es sich um die Übertragung des DevOps-Ansatzes aus dem Softwarebereich auf alle anderen Aspekte des Geschäfts – Marketing, Design usw.
Die Idee von DevOps bestand darin, die Barrieren zwischen Entwicklung und Betrieb (Geschäftsprozessen) zu beseitigen, indem gemeinsame Teams gebildet werden, die Programmierer, Tester, Sicherheitsspezialisten und Administratoren umfassen; Implementierung bestimmter Praktiken: kontinuierliche Integration, Infrastruktur als Code, Verkürzung und Stärkung von Feedbackschleifen. Ziel war es, die Markteinführungszeit des Produkts zu verkürzen. Wenn Sie dachten, das klingt nach Agile, dann haben 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 Wissensgebiets, einschließlich der Verwendung von Algorithmen des maschinellen Lernens. Ein Wissensgraph wird auf der Grundlage vorhandener Datenbanken erstellt, um alle Informationen miteinander zu verknüpfen: sowohl strukturierte (eine Liste von Ereignissen oder Personen) als auch unstrukturierte (der Text eines Artikels).
Das einfachste Beispiel ist die Karte, die Sie möglicherweise in den Google-Suchergebnissen sehen. 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 handelt, sondern um eine Integration des Zeitplans von Yandex.Afisha: Sie können dies ganz einfach sehen, wenn Sie auf die Veranstaltungen klicken. Das heißt, es handelt sich um die Zusammenführung mehrerer Datenquellen zu einer einzigen.
Wenn Sie nach einer Liste fragen – zum Beispiel „berühmte Regisseure“ – wird Ihnen ein „Karussell“ angezeigt:
Bonus für diejenigen, die bis zum Ende lesen
Und jetzt, da wir uns die Bedeutung jedes einzelnen Punktes verdeutlicht haben, können wir uns das gleiche Bild ansehen, allerdings auf Russisch:
Teilen Sie es gerne in sozialen Netzwerken!
Tatyana Volkova – Autorin des Lehrplans für den Studiengang „Internet der Dinge“ an der Samsung IT Academy, Spezialistin für Corporate-Social-Responsibility-Programme am Samsung Research Center
Source: habr.com
