Το γράφημα της Gartner είναι σαν μια επίδειξη υψηλής μόδας για όσους εργάζονται στον κλάδο της τεχνολογίας. Κοιτάζοντάς το, μπορείτε να μάθετε εκ των προτέρων ποιες λέξεις είναι οι πιο δημοφιλείς αυτή τη σεζόν και τι θα ακούσετε σε όλα τα προσεχή συνέδρια.

Αποκρυπτογραφήσαμε τι κρύβεται πίσω από τις όμορφες λέξεις σε αυτό το γράφημα, ώστε να μπορείτε να μιλάτε και εσείς τη γλώσσα.

Αρχικά, λίγα λόγια για το τι είδους γράφημα είναι αυτό. Κάθε χρόνο τον Αύγουστο, η συμβουλευτική εταιρεία Gartner δημοσιεύει μια έκθεση - Gartner Hype Curve. Στα ρωσικά, αυτή είναι μια "καμπύλη διαφημιστικής εκστρατείας" ή, πιο απλά, διαφημιστική εκστρατεία. Πριν από 30 χρόνια, ράπερ από το συγκρότημα Public Enemy τραγούδησαν: "Μην πιστεύεις τη διαφημιστική εκστρατεία". Είτε το πιστεύετε είτε όχι, είναι μια προσωπική ερώτηση, αλλά αξίζει τουλάχιστον να γνωρίζετε αυτές τις λέξεις-κλειδιά εάν εργάζεστε στον τομέα της τεχνολογίας και θέλετε να μάθετε τις παγκόσμιες τάσεις.

Αυτό είναι ένα γράφημα των προσδοκιών του κοινού από μια συγκεκριμένη τεχνολογία. Σύμφωνα με την Gartner, ιδανικά, η τεχνολογία περνά από 5 στάδια: εκτόξευση τεχνολογίας, κορύφωση διογκωμένων προσδοκιών, κοιλάδα απογοήτευσης, κλίση διαφωτισμού, οροπέδιο παραγωγικότητας. Αλλά συμβαίνει επίσης να πνίγεται στην «κοιλάδα της απογοήτευσης» - μπορείτε να θυμηθείτε μόνοι σας παραδείγματα, πάρτε τα ίδια bitcoin: αρχικά φτάνοντας στην κορυφή ως «χρήματα του μέλλοντος», γλίστρησαν γρήγορα όταν οι αδυναμίες της τεχνολογίας έγινε προφανής, πρώτα απ' όλα περιορισμοί στον αριθμό των συναλλαγών και στην τεράστια ποσότητα ηλεκτρικής ενέργειας που απαιτείται για την παραγωγή bitcoin (που ήδη συνεπάγεται περιβαλλοντικά προβλήματα). Και φυσικά, δεν πρέπει να ξεχνάμε ότι το γράφημα της Gartner είναι απλώς μια πρόβλεψη: εδώ, για παράδειγμα, μπορείτε να διαβάσετε μια λεπτομερή ένα άρθρο, όπου ταξινομούνται οι πιο εντυπωσιακές ανεκπλήρωτες προβλέψεις.

Λοιπόν, ας δούμε το νέο διάγραμμα Gartner. Οι τεχνολογίες χωρίζονται σε 5 μεγάλες θεματικές ομάδες:

1. Προηγμένο AI και Analytics
2. Postclassical Compute and Comms
3. Αίσθηση και Κινητικότητα
4. Επαυξημένος Άνθρωπος
5. Ψηφιακά Οικοσυστήματα

1. Προηγμένο AI και Analytics

Τα τελευταία 10 χρόνια έχουμε δει την καλύτερη ώρα βαθιάς μάθησης. Αυτά τα δίκτυα είναι πραγματικά αποτελεσματικά για το φάσμα των εργασιών τους. Το 2018, οι Yann LeCun, Geoffrey Hinton και Yoshua Bengio έλαβαν το βραβείο Turing για τις ανακαλύψεις τους - το πιο διάσημο βραβείο, ανάλογο με το βραβείο Νόμπελ στην επιστήμη των υπολογιστών. Έτσι, οι κύριες τάσεις σε αυτόν τον τομέα, οι οποίες φαίνονται στο διάγραμμα:

1.1. Εκμάθηση μεταφοράς

Δεν εκπαιδεύετε ένα νευρωνικό δίκτυο από την αρχή, αλλά παίρνετε ένα ήδη εκπαιδευμένο και του αναθέτετε έναν διαφορετικό στόχο. Μερικές φορές αυτό απαιτεί επανεκπαίδευση μέρους του δικτύου, αλλά όχι ολόκληρου του δικτύου, κάτι που είναι πολύ πιο γρήγορο. Για παράδειγμα, λαμβάνοντας ένα έτοιμο νευρωνικό δίκτυο ResNet50, εκπαιδευμένο στο σύνολο δεδομένων ImageNet1000, θα λάβετε έναν αλγόριθμο που μπορεί να ταξινομήσει πολλά διαφορετικά αντικείμενα σε μια εικόνα σε πολύ βαθύ επίπεδο (1000 κλάσεις βασισμένες σε χαρακτηριστικά που δημιουργούνται από 50 επίπεδα του νευρικού δίκτυο). Αλλά δεν χρειάζεται να εκπαιδεύσετε ολόκληρο το δίκτυο, κάτι που θα χρειαζόταν μήνες.

В διαδικτυακό μάθημα Samsung "Νευρωνικά δίκτυα και όραση υπολογιστή", για παράδειγμα, στον τελικό Έργο Kaggle με την ταξινόμηση των πλακών σε καθαρές και βρώμικες, αποδεικνύεται μια προσέγγιση που σε 5 λεπτά σας δίνει στη διάθεσή σας ένα βαθύ νευρωνικό δίκτυο ικανό να διακρίνει τις βρώμικες πλάκες από τις καθαρές, κατασκευασμένο σύμφωνα με την αρχιτεκτονική που περιγράφεται παραπάνω. Το αρχικό δίκτυο δεν ήξερε καθόλου τι ήταν οι πλάκες, έμαθε μόνο να ξεχωρίζει τα πουλιά από τα σκυλιά (βλ. ImageNet).

Πηγή: διαδικτυακό μάθημα Samsung "Νευρωνικά δίκτυα και όραση υπολογιστή"

Για το Transfer Learning πρέπει να γνωρίζετε ποιες προσεγγίσεις λειτουργούν και ποιες έτοιμες βασικές αρχιτεκτονικές είναι διαθέσιμες. Συνολικά, αυτό επιταχύνει σημαντικά την εμφάνιση πρακτικών εφαρμογών της μηχανικής μάθησης.

1.2. Generative Adversarial Networks (GAN)

Αυτό ισχύει για εκείνες τις περιπτώσεις που είναι πολύ δύσκολο για εμάς να διαμορφώσουμε τον μαθησιακό στόχο. Όσο πιο κοντά είναι το έργο στην πραγματική ζωή, τόσο πιο κατανοητό είναι για εμάς («φέρτε το κομοδίνο»), αλλά τόσο πιο δύσκολο είναι να το διατυπώσουμε ως τεχνική εργασία. Το GAN είναι απλώς μια προσπάθεια να μας σώσει από αυτό το πρόβλημα.

Υπάρχουν δύο δίκτυα που λειτουργούν εδώ: το ένα είναι ένα generator (Generative), το άλλο είναι ένα διακριτικό (Adversarial). Ένα δίκτυο μαθαίνει να κάνει χρήσιμη εργασία (ταξινόμηση εικόνων, αναγνώριση ήχων, σχεδίαση κινούμενων σχεδίων). Και ένα άλλο δίκτυο μαθαίνει να διδάσκει αυτό το δίκτυο: έχει πραγματικά παραδείγματα και μαθαίνει να βρίσκει έναν προηγουμένως άγνωστο πολύπλοκο τύπο για τη σύγκριση των προϊόντων του παραγωγικού τμήματος του δικτύου με αντικείμενα του πραγματικού κόσμου (σετ εκπαίδευσης) με βάση πραγματικά σημαντικά βαθιά χαρακτηριστικά : ο αριθμός των ματιών, η εγγύτητα με το στυλ του Miyazaki, η σωστή αγγλική προφορά.

Ένα παράδειγμα του αποτελέσματος ενός δικτύου για τη δημιουργία χαρακτήρων anime. Πηγή

Αλλά, φυσικά, είναι δύσκολο να χτίσεις εκεί αρχιτεκτονική. Δεν αρκεί απλώς να ρίχνουμε νευρώνες, πρέπει να είναι προετοιμασμένοι. Και πρέπει να μελετάς για εβδομάδες. Οι συνάδελφοί μου στο Κέντρο Τεχνητής Νοημοσύνης της Samsung εργάζονται πάνω στο θέμα GAN· αυτό είναι ένα από τα βασικά ερευνητικά τους ερωτήματα. Για παράδειγμα, όπως αυτό ανάπτυξη: χρήση δικτύων δημιουργίας για τη σύνθεση ρεαλιστικών φωτογραφιών ατόμων με μεταβλητές πόζες - για παράδειγμα, για τη δημιουργία ενός εικονικού γυμναστηρίου ή για τη σύνθεση ενός προσώπου, το οποίο μπορεί να μειώσει τον όγκο των πληροφοριών που πρέπει να αποθηκευτούν ή να μεταδοθούν για να διασφαλιστεί βίντεο υψηλής ποιότητας επικοινωνία, μετάδοση ή προστασία προσωπικών δεδομένων.

Πηγή

1.3. Επεξηγήσιμη AI

Για ορισμένες σπάνιες εργασίες, η πρόοδος στις αρχιτεκτονικές σε βάθος έφερε ξαφνικά τις δυνατότητες των βαθιάς νευρωνικών δικτύων πιο κοντά στις ανθρώπινες δυνατότητες. Τώρα η μάχη είναι σε εξέλιξη για να αυξηθεί το εύρος τέτοιων εργασιών. Για παράδειγμα, μια ηλεκτρική σκούπα ρομπότ θα μπορούσε εύκολα να ξεχωρίσει μια γάτα από έναν σκύλο σε μια μετωπική συνάντηση. Αλλά στις περισσότερες καταστάσεις ζωής, δεν θα μπορέσει να βρει μια γάτα να κοιμάται ανάμεσα σε σεντόνια ή έπιπλα (ωστόσο, όπως εμείς, στις περισσότερες περιπτώσεις...).

Ποιος είναι ο λόγος της επιτυχίας των βαθιών νευρωνικών δικτύων; Αναπτύσσουν μια αναπαράσταση του προβλήματος που δεν βασίζεται σε πληροφορίες «ορατές με γυμνό μάτι» (pixel φωτογραφιών, αλλαγές στην ένταση του ήχου...), αλλά σε χαρακτηριστικά που λαμβάνονται μετά την προεπεξεργασία αυτών των πληροφοριών από αρκετές εκατοντάδες στρώματα ενός νευρωνικού δικτύου. Δυστυχώς, αυτές οι σχέσεις μπορεί επίσης να είναι ανούσιες, ασυνεπείς ή να φέρουν ίχνη ατελειών στο αρχικό σύνολο δεδομένων. Για παράδειγμα, υπάρχει ένα μικρό παιχνίδι υπολογιστή για το τι μπορεί να οδηγήσει η αλόγιστη χρήση της τεχνητής νοημοσύνης στη στρατολόγηση Survival Of The Best Fit.

Το σύστημα προσθήκης ετικετών εικόνων χαρακτήρισε το άτομο που μαγειρεύει ως γυναίκα, παρόλο που το άτομο στην εικόνα είναι στην πραγματικότητα άντρας (Πηγή). Αυτό Παρατήρησα στο Ινστιτούτο της Βιρτζίνια.

Για να αναλύσουμε πολύπλοκες και βαθιές σχέσεις που συχνά δεν μπορούμε να διατυπώσουμε οι ίδιοι, χρειάζονται εξηγήσιμες μέθοδοι τεχνητής νοημοσύνης. Οργανώνουν τα χαρακτηριστικά των βαθιών νευρωνικών δικτύων, έτσι ώστε μετά την εκπαίδευση, να μπορούμε να αναλύσουμε την εσωτερική αναπαράσταση που έχει μάθει το δίκτυο, αντί να βασιζόμαστε απλώς στην απόφασή του.

1.4. Edge Analytics / AI

Τα πάντα με τη λέξη Edge σημαίνει κυριολεκτικά το εξής: μεταφορά μέρους των αλγορίθμων από το cloud/server στο τελικό επίπεδο συσκευής/gateway. Ένας τέτοιος αλγόριθμος θα λειτουργεί πιο γρήγορα και δεν θα απαιτεί σύνδεση με κεντρικό διακομιστή για τη λειτουργία του. Εάν είστε εξοικειωμένοι με την αφαίρεση ενός "thin client", τότε εδώ κάνουμε αυτόν τον πελάτη λίγο πιο χοντρό.
Αυτό θα μπορούσε να είναι σημαντικό για το Internet of Things. Για παράδειγμα, εάν ένα μηχάνημα υπερθερμαίνεται και χρειάζεται ψύξη, είναι λογικό να το σηματοδοτήσετε αμέσως, σε επίπεδο εγκατάστασης, χωρίς να περιμένετε να πάνε τα δεδομένα στο cloud και από εκεί στον επιστάτη βάρδιας. Ή ένα άλλο παράδειγμα: τα αυτόνομα αυτοκίνητα μπορούν να καταλάβουν την κατάσταση της κυκλοφορίας μόνα τους, χωρίς να επικοινωνήσουν με έναν κεντρικό διακομιστή.

Πηγή

Ή ένα άλλο παράδειγμα για το γιατί αυτό είναι σημαντικό από την άποψη της ασφάλειας: όταν πληκτρολογείτε κείμενα στο τηλέφωνό σας, θυμάται τις λέξεις που είναι χαρακτηριστικές για εσάς, έτσι ώστε αργότερα το πληκτρολόγιο του τηλεφώνου να σας προτρέπει εύκολα - αυτό ονομάζεται προγνωστικό εισαγωγή κειμένου. Η αποστολή όλων όσων πληκτρολογείτε στο πληκτρολόγιό σας σε ένα κέντρο δεδομένων κάπου θα ήταν παραβίαση του απορρήτου σας και απλώς μη ασφαλές. Επομένως, η εκπαίδευση πληκτρολογίου πραγματοποιείται μόνο εντός της ίδιας της συσκευής σας.

1.5. Η πλατφόρμα AI ως υπηρεσία (AI PaaS)

Το PaaS - Platform-as-a-Service είναι ένα επιχειρηματικό μοντέλο στο οποίο έχουμε πρόσβαση σε μια ολοκληρωμένη πλατφόρμα, συμπεριλαμβανομένης της αποθήκευσης δεδομένων που βασίζεται σε σύννεφο και των έτοιμων διαδικασιών. Με αυτόν τον τρόπο, μπορούμε να απελευθερωθούμε από τα καθήκοντα υποδομής και να επικεντρωθούμε πλήρως στην παραγωγή κάτι χρήσιμο. Παράδειγμα πλατφορμών PaaS για εργασίες AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Προσαρμοστική Μηχανική Εκμάθηση (Adaptive ML)

Κι αν αφήσουμε την τεχνητή νοημοσύνη να προσαρμοστεί... Ρωτάς - δηλαδή πώς;.. Δεν προσαρμόζεται ήδη στο έργο; Το πρόβλημα είναι το εξής: σχεδιάζουμε επιμελώς κάθε τέτοιο πρόβλημα πριν δημιουργήσουμε έναν αλγόριθμο τεχνητής νοημοσύνης για να το λύσουμε. Θα σας απαντήσουν - αποδεικνύεται ότι αυτή η αλυσίδα μπορεί να απλοποιηθεί.

Η συμβατική μηχανική εκμάθηση λειτουργεί με βάση την αρχή ενός ανοιχτού βρόχου: προετοιμάζετε δεδομένα, δημιουργείτε ένα νευρωνικό δίκτυο (ή οτιδήποτε άλλο), εκπαιδεύεστε, μετά κοιτάζετε πολλούς δείκτες και αν σας αρέσουν όλα, μπορείτε να στείλετε το νευρωνικό δίκτυο σε smartphone για την επίλυση προβλημάτων χρήστη. Όμως σε εφαρμογές όπου υπάρχουν πολλά δεδομένα και η φύση τους αλλάζει σταδιακά, χρειάζονται άλλες μέθοδοι. Τέτοια συστήματα, τα οποία προσαρμόζονται και διδάσκονται, οργανώνονται σε κλειστούς βρόχους αυτομάθησης (κλειστός βρόχος) και πρέπει να λειτουργούν ομαλά.

Εφαρμογές - αυτό θα μπορούσε να είναι ανάλυση ροής (Stream Analytics), βάσει των οποίων πολλοί επιχειρηματίες λαμβάνουν αποφάσεις ή προσαρμοστική διαχείριση παραγωγής. Στην κλίμακα των τρεχουσών εφαρμογών και δεδομένων των καλύτερα κατανοητών κινδύνων για τον άνθρωπο, οι τεχνικές που αποτελούν λύση σε αυτό το πρόβλημα συλλέγονται όλες κάτω από τον γενικό όρο Adaptive AI.

Πηγή

Βλέποντας αυτή την εικόνα, είναι δύσκολο να απαλλαγούμε από την αίσθηση ότι δεν ταΐζουν ψωμί οι μελλοντολόγοι - αφήστε τους να διδάξουν ένα ρομπότ να αναπνέει...

Postclassical Compute and Comms

2.1. Κινητές επικοινωνίες πέμπτης γενιάς (5G)

Αυτό είναι ένα τόσο ενδιαφέρον θέμα που σας παραπέμπουμε αμέσως στο δικό μας άρθρο. Λοιπόν, εδώ είναι μια σύντομη περίληψη. Το 5G, αυξάνοντας τη συχνότητα μετάδοσης δεδομένων, θα κάνει την ταχύτητα του Διαδικτύου μη ρεαλιστικά γρήγορη. Είναι πιο δύσκολο για τα σύντομα κύματα να περάσουν μέσα από εμπόδια, επομένως ο σχεδιασμός των δικτύων θα είναι εντελώς διαφορετικός: χρειάζονται 500 φορές περισσότεροι σταθμοί βάσης.

Μαζί με την ταχύτητα, θα έχουμε νέα φαινόμενα: παιχνίδια σε πραγματικό χρόνο με επαυξημένη πραγματικότητα, εκτέλεση σύνθετων εργασιών (όπως χειρουργική επέμβαση) μέσω τηλεπαρουσίας, πρόληψη ατυχημάτων και δύσκολων καταστάσεων στους δρόμους μέσω της επικοινωνίας μεταξύ μηχανών. Σε μια πιο πεζή σημείωση: το κινητό Διαδίκτυο θα σταματήσει επιτέλους να πέφτει κατά τη διάρκεια μαζικών εκδηλώσεων, όπως ένας αγώνας σε ένα γήπεδο.

Πηγή εικόνας - Reuters, Niantic

2.2. Μνήμη επόμενης γενιάς

Εδώ μιλάμε για την πέμπτη γενιά RAM – DDR5. Η Samsung ανακοίνωσε ότι προϊόντα που βασίζονται σε DDR2019 θα είναι διαθέσιμα μέχρι το τέλος του 5. Αναμένεται ότι η νέα μνήμη θα είναι διπλάσια ταχύτερη και διπλάσια χωρητικότητα διατηρώντας τον ίδιο παράγοντα μορφής, δηλαδή θα μπορούμε να πάρουμε memory sticks χωρητικότητας έως 32 GB για τον υπολογιστή μας. Στο μέλλον, αυτό θα είναι ιδιαίτερα σημαντικό για smartphone (η νέα μνήμη θα είναι σε έκδοση χαμηλής κατανάλωσης) και για φορητούς υπολογιστές (όπου ο αριθμός των υποδοχών DIMM είναι περιορισμένος). Και η μηχανική εκμάθηση απαιτεί επίσης μεγάλες ποσότητες μνήμης RAM.

2.3. Δορυφορικά συστήματα χαμηλής τροχιάς

Η ιδέα της αντικατάστασης των βαρέων, ακριβών, ισχυρών δορυφόρων με ένα σμήνος μικρών και φθηνών δεν είναι καινούργια και εμφανίστηκε στη δεκαετία του '90. Σχετικά με το τι «Ο Έλον Μασκ θα διανείμει σύντομα το Διαδίκτυο σε όλους από δορυφόρο» Τώρα μόνο οι τεμπέληδες δεν έχουν ακούσει. Η πιο διάσημη εταιρεία εδώ είναι η Iridium, η οποία χρεοκόπησε στα τέλη της δεκαετίας του '90, αλλά σώθηκε σε βάρος του Υπουργείου Άμυνας των ΗΠΑ (δεν πρέπει να συγχέεται με το iRidium, το ρωσικό σύστημα έξυπνου σπιτιού). Το έργο του Elon Musk (Starlink) απέχει πολύ από το μοναδικό - ο Richard Branson (OneWeb - 1440 προτεινόμενοι δορυφόροι), η Boeing (3000 δορυφόροι), η Samsung (4600 δορυφόροι) και άλλοι συμμετέχουν στον δορυφορικό αγώνα.

Πώς έχουν τα πράγματα σε αυτόν τον τομέα, πώς φαίνεται η οικονομία εκεί - διαβάστε επανεξέταση. Και περιμένουμε τις πρώτες δοκιμές αυτών των συστημάτων από τους πρώτους χρήστες, που θα πρέπει να γίνουν τον επόμενο χρόνο.

2.4. Νανοκλίμακα τρισδιάστατη εκτύπωση

Η τρισδιάστατη εκτύπωση, αν και δεν έχει μπει στη ζωή κάθε ανθρώπου (με τη μορφή που υπόσχεται ένα μεμονωμένο εργοστάσιο οικιακών πλαστικών), ωστόσο έχει αφήσει εδώ και πολύ καιρό τη θέση της τεχνολογίας για τους geeks. Μπορείτε να κρίνετε από το γεγονός ότι κάθε μαθητής γνωρίζει για την ύπαρξη τουλάχιστον τρισδιάστατων γλυπτών στυλό και πολλοί ονειρεύονται να αγοράσουν ένα κουτί με δρομείς και έναν εξωθητή για... «έτσι» (ή το έχουν ήδη αγοράσει).

Η στερεολιθογραφία (λέιζερ τρισδιάστατοι εκτυπωτές) επιτρέπει την εκτύπωση με μεμονωμένα φωτόνια: διερευνώνται νέα πολυμερή που χρειάζονται μόνο δύο φωτόνια για να στερεοποιηθούν. Αυτό θα επιτρέψει, σε μη εργαστηριακές συνθήκες, να δημιουργήσετε εντελώς νέα φίλτρα, βάσεις, ελατήρια, τριχοειδή, φακούς και... τις επιλογές σας στα σχόλια! Και εδώ δεν απέχει πολύ από τον φωτοπολυμερισμό - μόνο αυτή η τεχνολογία μας επιτρέπει να "εκτυπώνουμε" επεξεργαστές και κυκλώματα υπολογιστών. Επιπλέον, δεν είναι η πρώτη χρονιά που υπάρχει τεχνολογία εκτύπωσης τρισδιάστατων δομών γραφενίου 500 nm, αλλά χωρίς ριζική ανάπτυξη.

Πηγή

3. Αίσθηση και Κινητικότητα

3.1. Αυτόνομη Οδήγηση Επίπεδο 4 & 5

Για να μην μπερδευτούμε στην ορολογία, αξίζει να καταλάβουμε ποια επίπεδα αυτονομίας διακρίνονται (από τα αναλυτικά Άρθρο, στο οποίο παραπέμπουμε όλους τους ενδιαφερόμενους):

Επίπεδο 1: Cruise control: βοηθά τον οδηγό σε πολύ περιορισμένες καταστάσεις (για παράδειγμα, κρατώντας το αυτοκίνητο σε μια δεδομένη ταχύτητα αφού ο οδηγός βγάλει το πόδι του από το πεντάλ)
Επίπεδο 2: Περιορισμένη υποβοήθηση διεύθυνσης και πέδησης. Ο οδηγός πρέπει να είναι έτοιμος να πάρει τον έλεγχο σχεδόν αμέσως. Τα χέρια του είναι στο τιμόνι, τα μάτια του είναι στραμμένα στο δρόμο. Αυτό είναι κάτι που έχουν ήδη η Tesla και η General Motors.
Επίπεδο 3: Ο οδηγός δεν χρειάζεται πλέον να παρακολουθεί συνεχώς το δρόμο. Πρέπει όμως να παραμείνει σε εγρήγορση και να είναι έτοιμος να πάρει τον έλεγχο. Αυτό είναι κάτι που δεν έχουν ακόμη τα εμπορικά διαθέσιμα αυτοκίνητα. Όλα τα υπάρχοντα είναι στο επίπεδο 1-2.
Επίπεδο 4: Αληθινός αυτόματος πιλότος, αλλά με περιορισμούς: ταξίδια μόνο σε μια γνωστή περιοχή που είναι προσεκτικά χαρτογραφημένη και γενικά γνωστή στο σύστημα, και υπό ορισμένες προϋποθέσεις: για παράδειγμα, απουσία χιονιού. Η Waymo και η General Motors έχουν τέτοια πρωτότυπα και σχεδιάζουν να τα λανσάρουν σε πολλές πόλεις και να τα δοκιμάσουν σε πραγματικά περιβάλλοντα. Η Yandex διαθέτει ζώνες δοκιμών για μη επανδρωμένα ταξί στο Skolkovo και την Innopolis: το ταξίδι πραγματοποιείται υπό την επίβλεψη ενός μηχανικού που κάθεται στη θέση του συνοδηγού. μέχρι το τέλος του έτους, η εταιρεία σχεδιάζει να επεκτείνει τον στόλο της σε 100 μη επανδρωμένα οχήματα.
Επίπεδο 5: Πλήρης αυτόματη οδήγηση, πλήρης αντικατάσταση ζωντανού οδηγού. Τέτοια συστήματα δεν υπάρχουν και είναι απίθανο να εμφανιστούν τα επόμενα χρόνια.

Πόσο ρεαλιστικό είναι να τα δούμε όλα αυτά στο άμεσο μέλλον; Εδώ θα ήθελα να ανακατευθύνω τον αναγνώστη στο άρθρο «Γιατί είναι αδύνατο να κυκλοφορήσει ένα robotaxi μέχρι το 2020, όπως υπόσχεται η Tesla». Αυτό οφείλεται εν μέρει στην έλλειψη συνδεσιμότητας 5G: οι διαθέσιμες ταχύτητες 4G δεν επαρκούν. Εν μέρει λόγω του πολύ υψηλού κόστους των αυτόνομων αυτοκινήτων: δεν είναι ακόμη κερδοφόρα, το επιχειρηματικό μοντέλο είναι ασαφές. Με μια λέξη, "όλα είναι περίπλοκα" εδώ και δεν είναι τυχαίο ότι η Gartner γράφει ότι η πρόβλεψη για τη μαζική εφαρμογή των Επιπέδων 4 και 5 δεν είναι νωρίτερα από 10 χρόνια.

3.2. Κάμερες με ανίχνευση 3D

Πριν από οκτώ χρόνια, το χειριστήριο παιχνιδιών Kinect της Microsoft έκανε πάταγο προσφέροντας μια προσβάσιμη και σχετικά φθηνή λύση στην όραση 3D. Έκτοτε, τα παιχνίδια φυσικής αγωγής και χορού με το Kinect γνώρισαν τη σύντομη άνοδο και την παρακμή τους, αλλά οι τρισδιάστατες κάμερες άρχισαν να χρησιμοποιούνται σε βιομηχανικά ρομπότ, μη επανδρωμένα οχήματα και κινητά τηλέφωνα για αναγνώριση προσώπου. Η τεχνολογία έχει γίνει φθηνότερη, πιο συμπαγής και πιο προσιτή.

Το τηλέφωνο Samsung S10 διαθέτει κάμερα Time-of-Flight που μετρά την απόσταση από ένα αντικείμενο για να διευκολύνει την εστίαση. Πηγή

Εάν ενδιαφέρεστε για αυτό το θέμα, τότε θα σας ανακατευθύνουμε σε μια πολύ καλή λεπτομερή ανασκόπηση των καμερών βάθους: Μέρος 1, Μέρος 2.

3.3. Drones για παράδοση μικρού φορτίου (Light Cargo Delivery Drones)

Φέτος, η Amazon έκανε πάταγο όταν παρουσίασε ένα νέο ιπτάμενο drone στην έκθεση που μπορεί να μεταφέρει μικρά φορτία έως 2 κιλά. Για μια πόλη με την κυκλοφοριακή συμφόρηση, αυτό φαίνεται σαν μια ιδανική λύση. Ας δούμε πώς αποδίδουν αυτά τα drones στο πολύ κοντινό μέλλον. Ίσως αξίζει να είμαστε προσεκτικοί δύσπιστοι εδώ: υπάρχουν πολλά προβλήματα, ξεκινώντας από την πιθανότητα εύκολης κλοπής ενός drone και τελειώνοντας με νομικούς περιορισμούς στα UAV. Το Amazon Prime Air κυκλοφορεί εδώ και έξι χρόνια, αλλά βρίσκεται ακόμα στη φάση δοκιμών.

Το νέο drone της Amazon, που παρουσιάστηκε αυτή την άνοιξη. Υπάρχει κάτι από τον Πόλεμο των Άστρων σε αυτόν. Πηγή

Εκτός από την Amazon, υπάρχουν και άλλοι παίκτες σε αυτήν την αγορά (υπάρχει αναλυτική περιγραφή επανεξετάσει), αλλά όχι ένα τελικό προϊόν: όλα βρίσκονται στο στάδιο των δοκιμών και των εκστρατειών μάρκετινγκ. Ξεχωριστά, αξίζει να σημειωθεί αρκετά ενδιαφέροντα υψηλά εξειδικευμένα ιατρικά Έργα στην Αφρική: παράδοση αιμοδοσίας στην Γκάνα (14 παραδόσεις, εταιρεία Zipline) και στη Ρουάντα (εταιρεία Matternet).

3.4. Ιπτάμενα Αυτόνομα Οχήματα

Είναι δύσκολο να πούμε κάτι συγκεκριμένο εδώ. Σύμφωνα με την Gartner, αυτό θα εμφανιστεί όχι νωρίτερα από 10 χρόνια. Σε γενικές γραμμές, εδώ υπάρχουν όλα τα ίδια προβλήματα όπως στα αυτοοδηγούμενα αυτοκίνητα, μόνο που αποκτούν μια νέα διάσταση - κάθετη. Η Porsche, η Boeing και η Uber ανακοίνωσαν τις φιλοδοξίες τους να κατασκευάσουν ένα ιπτάμενο ταξί.

3.5. Cloud επαυξημένης πραγματικότητας (AR Cloud)

Ένα μόνιμο ψηφιακό αντίγραφο του πραγματικού κόσμου, που σας επιτρέπει να δημιουργήσετε ένα νέο επίπεδο πραγματικότητας κοινό για όλους τους χρήστες. Με πιο τεχνικούς όρους, μιλάμε για τη δημιουργία μιας ανοιχτής πλατφόρμας cloud στην οποία οι προγραμματιστές θα μπορούσαν να ενσωματώσουν τις εφαρμογές AR τους. Το μοντέλο δημιουργίας εσόδων είναι σαφές· είναι ένα είδος αναλόγου του Steam. Η ιδέα έχει εδραιωθεί τόσο πολύ που ορισμένοι πιστεύουν τώρα ότι το AR χωρίς το σύννεφο είναι απλά άχρηστο.

Πώς μπορεί να μοιάζει αυτό στο μέλλον φαίνεται σε ένα σύντομο βίντεο. Μοιάζει με άλλο επεισόδιο του Black Mirror:

Μπορείτε επίσης να διαβάσετε στο άρθρο κριτικής.

4. Augmented Human

4.1. Emotion AI

Πώς να μετρήσετε, να προσομοιώσετε και να απαντήσετε στα ανθρώπινα συναισθήματα; Μερικοί από τους πελάτες εδώ είναι εταιρείες που κατασκευάζουν βοηθούς φωνής όπως η Amazon Alexa. Μπορούν πραγματικά να συνηθίσουν τα σπίτια αν μάθουν να αναγνωρίζουν τη διάθεση: κατανοήσουν τον λόγο της δυσαρέσκειας του χρήστη και προσπαθήσουν να διορθώσουν την κατάσταση. Γενικά, υπάρχουν πολύ περισσότερες πληροφορίες στο πλαίσιο παρά στο ίδιο το μήνυμα. Και το πλαίσιο είναι η έκφραση του προσώπου, ο τονισμός και η μη λεκτική συμπεριφορά.

Άλλες πρακτικές εφαρμογές: ανάλυση συναισθημάτων κατά τη διάρκεια μιας συνέντευξης για δουλειά (με βάση συνεντεύξεις βίντεο), αξιολόγηση αντιδράσεων σε διαφημίσεις ή άλλο περιεχόμενο βίντεο (χαμόγελα, γέλια), βοήθεια στη μάθηση (για παράδειγμα, για ανεξάρτητη πρακτική στην τέχνη της δημόσιας ομιλίας).

Είναι δύσκολο να μιλήσεις καλύτερα για αυτό το θέμα από τον συγγραφέα μιας ταινίας μικρού μήκους 6 λεπτών Αίσθημα κλοπής. Το πνευματώδες και κομψό βίντεο δείχνει πώς μπορείτε να μετρήσετε τα συναισθήματά μας για σκοπούς μάρκετινγκ και από τις στιγμιαίες αντιδράσεις του προσώπου σας, μάθετε αν σας αρέσει η πίτσα, τα σκυλιά, ο Kanye West, ακόμα και ποιο είναι το επίπεδο εισοδήματός σας και το κατά προσέγγιση IQ σας. Επισκεπτόμενοι τον ιστότοπο της ταινίας χρησιμοποιώντας τον παραπάνω σύνδεσμο, γίνεστε συμμετέχων σε ένα διαδραστικό βίντεο χρησιμοποιώντας την ενσωματωμένη κάμερα του φορητού υπολογιστή σας. Η ταινία έχει ήδη προβληθεί σε πολλά κινηματογραφικά φεστιβάλ.

Πηγή

Υπάρχει ακόμη και μια τόσο ενδιαφέρουσα μελέτη: πώς να αναγνωρίσετε τον σαρκασμό στο κείμενο. Πήραμε tweets με το hashtag #sarcasm και φτιάξαμε ένα σετ εκπαίδευσης με 25 tweets με σαρκασμό και 000 κανονικά tweets για τα πάντα κάτω από τον ήλιο. Χρησιμοποιήσαμε τη βιβλιοθήκη TensorFlow, εκπαιδεύσαμε το σύστημα και ιδού το αποτέλεσμα:

Πηγή

Επομένως, τώρα, αν δεν είστε σίγουροι για τον συνάδελφο ή τον φίλο σας - σας είπε κάτι σοβαρά ή σαρκαστικά, μπορείτε ήδη να χρησιμοποιήσετε εκπαιδευμένο νευρωνικό δίκτυο!

4.2. Επαυξημένη Νοημοσύνη

Αυτοματοποίηση της πνευματικής εργασίας με χρήση μεθόδων μηχανικής μάθησης. Δεν φαίνεται τίποτα καινούργιο; Αλλά η ίδια η διατύπωση είναι σημαντική εδώ, ειδικά επειδή συμπίπτει συντομογραφικά με την Τεχνητή Νοημοσύνη. Αυτό μας φέρνει πίσω στη συζήτηση για την «ισχυρή» και την «αδύναμη» τεχνητή νοημοσύνη.
Το Strong AI είναι η ίδια τεχνητή νοημοσύνη από ταινίες επιστημονικής φαντασίας που είναι απολύτως ισοδύναμη με το ανθρώπινο μυαλό και έχει επίγνωση του εαυτού του ως άτομο. Αυτό δεν υπάρχει ακόμα και είναι ασαφές αν θα υπάρξει καθόλου.

Το αδύναμο AI δεν είναι ένα ανεξάρτητο άτομο, αλλά ένας ανθρώπινος βοηθός. Δεν ισχυρίζεται ότι έχει ανθρώπινη σκέψη, αλλά απλώς ξέρει πώς να λύνει προβλήματα πληροφοριών, για παράδειγμα, να προσδιορίζει τι εμφανίζεται σε μια εικόνα ή να μεταφράζει κείμενο.

Πηγή

Υπό αυτή την έννοια, η Επαυξημένη Νοημοσύνη είναι «αδύναμη τεχνητή νοημοσύνη» στην πιο αγνή της μορφή και η διατύπωση φαίνεται να είναι επιτυχημένη, καθώς δεν εισάγει σύγχυση και τον πειρασμό να δούμε εδώ την ίδια «ισχυρή τεχνητή νοημοσύνη» που όλοι ονειρεύονται (ή φοβούνται, αν θυμηθούμε τις πολυάριθμες συζητήσεις για τα «αυτοκίνητα της εξέγερσης»). Χρησιμοποιώντας την έκφραση Augmented Intelligence, γινόμαστε αμέσως ήρωες μιας άλλης ταινίας: από την επιστημονική φαντασία (όπως το "I, Robot" του Asimov) βρισκόμαστε στο cyberpunk (οι "αυξήσεις" σε αυτό το είδος είναι κάθε είδους εμφυτεύματα που διευρύνουν τις ανθρώπινες δυνατότητες).

πως είπαν Erik Brynjolfsson και Andrew McAffee: «Τα επόμενα 10 χρόνια, αυτό θα συμβεί. Η τεχνητή νοημοσύνη δεν θα αντικαταστήσει τους μάνατζερ, αλλά εκείνοι οι μάνατζερ που χρησιμοποιούν την τεχνητή νοημοσύνη θα αντικαταστήσουν αυτούς που δεν το έχουν καταφέρει ακόμα».

Παραδείγματα:

• Ιατρική: Αναπτύχθηκε το Πανεπιστήμιο του Στάνφορντ αλγόριθμος, ο οποίος αντιμετωπίζει το έργο της αναγνώρισης παθολογιών στις ακτινογραφίες θώρακα κατά μέσο όρο τόσο επιτυχημένα όσο οι περισσότεροι γιατροί
• Εκπαίδευση: βοήθεια σε μαθητές και εκπαιδευτικούς, ανάλυση των απαντήσεων των μαθητών σε υλικά, κατασκευή ατομικής μαθησιακής τροχιάς.
• Business analytics: η προεπεξεργασία δεδομένων, σύμφωνα με στατιστικά στοιχεία, απαιτεί το 80% του χρόνου ενός ερευνητή και μόνο το 20% του ίδιου του πειράματος

4.3. Biochips

Αυτό είναι το αγαπημένο θέμα όλων των ταινιών και βιβλίων cyberpunk. Γενικά, το μικροτσίπ για κατοικίδια δεν είναι μια νέα πρακτική. Αλλά τώρα αυτά τα τσιπ έχουν αρχίσει να εμφυτεύονται στους ανθρώπους.

Σε αυτή την περίπτωση, το hype πιθανότατα συνδέεται με την συγκλονιστική υπόθεση στην αμερικανική εταιρεία Three Square Market. Εκεί, ο εργοδότης άρχισε να προσφέρει την εμφύτευση τσιπ κάτω από το δέρμα με αντάλλαγμα μια αμοιβή. Το τσιπ σας επιτρέπει να ανοίγετε πόρτες, να συνδεθείτε σε υπολογιστές, να αγοράζετε σνακ από ένα μηχάνημα αυτόματης πώλησης - δηλαδή, μια τέτοια καθολική κάρτα υπαλλήλου. Επιπλέον, ένα τέτοιο τσιπ χρησιμεύει ακριβώς ως κάρτα ταυτότητας· δεν διαθέτει μονάδα GPS, επομένως είναι αδύνατο να παρακολουθήσετε οποιονδήποτε το χρησιμοποιεί. Και αν κάποιος θέλει να αφαιρέσει το τσιπ από το χέρι του, χρειάζεται 5 λεπτά με τη βοήθεια ενός γιατρού.

Τα τσιπ συνήθως εμφυτεύονται μεταξύ του αντίχειρα και του δείκτη. Πηγή

Διαβάστε περισσότερα ένα άρθρο για την κατάσταση των πραγμάτων με τα τσιπάκια στον κόσμο.

4.4. Καθηλωτικός χώρος εργασίας

Το "Immersive" είναι μια άλλη νέα λέξη που απλά δεν έχει διαφυγή. Είναι παντού. Καθηλωτικό θέατρο, έκθεση, κινηματογράφος. Τι εννοείς? Η βύθιση είναι η δημιουργία ενός εμβυθιστικού εφέ, όταν χάνεται το όριο μεταξύ του συγγραφέα και του θεατή, του εικονικού και του πραγματικού κόσμου. Στο χώρο εργασίας, προφανώς, αυτό σημαίνει να θολώνουμε τη γραμμή μεταξύ του πράττοντα και του εμπνευστή και να ενθαρρύνουμε τους εργαζόμενους να πάρουν μια πιο ενεργή θέση μέσω της αναδιαμόρφωσης του περιβάλλοντός τους.

Εφόσον έχουμε πλέον ευέλικτο, ευελιξία και στενή συνεργασία παντού, οι χώροι εργασίας πρέπει να μπορούν να διαμορφωθούν όσο το δυνατόν πιο εύκολα και να ενθαρρύνουν την ομαδική εργασία. Η οικονομία υπαγορεύει τους όρους της: υπάρχουν περισσότεροι έκτακτοι υπάλληλοι, το κόστος ενοικίασης χώρων γραφείων αυξάνεται και σε μια ανταγωνιστική αγορά εργασίας, οι εταιρείες πληροφορικής προσπαθούν να αυξήσουν την ικανοποίηση των εργαζομένων από την εργασία δημιουργώντας χώρους αναψυχής και άλλα οφέλη. Και όλα αυτά αντικατοπτρίζονται στον σχεδιασμό των χώρων εργασίας.

από έκθεση Βουναλάκι

4.5. Προσωποποίηση

Όλοι γνωρίζουν τι είναι η εξατομίκευση στη διαφήμιση. Αυτό συμβαίνει όταν σήμερα συζητάτε με έναν συνάδελφο ότι ο αέρας στο δωμάτιο είναι κάπως στεγνός και θα πρέπει να αγοράσετε έναν υγραντήρα για το γραφείο και την επόμενη μέρα βλέπετε μια διαφήμιση στο κοινωνικό σας δίκτυο - "αγοράστε έναν υγραντήρα" (α πραγματικό περιστατικό που μου συνέβη).

Πηγή

Η εξατομίκευση, όπως ορίζεται από την Gartner, είναι μια απάντηση στις αυξανόμενες ανησυχίες των χρηστών σχετικά με τη χρήση των προσωπικών τους δεδομένων για διαφημιστικούς σκοπούς. Ο στόχος είναι να αναπτύξουμε μια προσέγγιση στην οποία θα προβάλλουμε διαφημίσεις που να είναι σχετικές με το πλαίσιο στο οποίο βρισκόμαστε και όχι με εμάς προσωπικά. Για παράδειγμα, η τοποθεσία μας, ο τύπος της συσκευής, η ώρα της ημέρας, οι καιρικές συνθήκες - αυτό είναι κάτι που δεν παραβιάζει τα προσωπικά μας δεδομένα και δεν νιώθουμε τη δυσάρεστη αίσθηση της «επιτήρησης».

Διαβάστε για τη διαφορά μεταξύ αυτών των δύο εννοιών Σημείωση Ο Andrew Frank γράφει blog στον ιστότοπο της Gartner. Υπάρχει τόσο λεπτή διαφορά και τέτοιες παρόμοιες λέξεις που εσείς, μη γνωρίζοντας τη διαφορά, κινδυνεύετε να μαλώσετε με τον συνομιλητή σας για μεγάλο χρονικό διάστημα, μην υποπτεύεστε ότι, γενικά, και οι δύο έχουν δίκιο (και αυτό είναι επίσης ένα πραγματικό περιστατικό που συνέβη στον συγγραφέας).

4.6. Biotech – Καλλιεργημένος ή Τεχνητός ιστός

Αυτή είναι, πρώτα απ 'όλα, η ιδέα της καλλιέργειας τεχνητού κρέατος. Ταυτόχρονα, αρκετές ομάδες σε όλο τον κόσμο είναι απασχολημένες με την ανάπτυξη του εργαστηρίου "Meat 2.0" - αναμένεται ότι θα γίνει φθηνότερο από το συνηθισμένο και τα fast food και στη συνέχεια τα σούπερ μάρκετ θα στραφούν σε αυτό. Οι επενδυτές σε αυτή την τεχνολογία περιλαμβάνουν τους Bill Gates, Sergey Brin, Richard Branson και άλλους.

Πηγή

Λόγοι για τους οποίους όλοι ενδιαφέρονται τόσο πολύ για το τεχνητό κρέας:

1. Υπερθέρμανση του πλανήτη: εκπομπές μεθανίου από αγροκτήματα. Αυτό είναι το 18% του παγκόσμιου όγκου αερίων που επηρεάζουν το κλίμα.
2. Ανάπτυξη του πληθυσμού. Η ζήτηση για κρέας αυξάνεται και δεν θα είναι δυνατό να ταΐσουμε όλους με φυσικό κρέας - είναι απλά ακριβό.
3. Ελλειψη ΧΩΡΟΥ. Το 70% των δασών του Αμαζονίου έχει ήδη κοπεί για βοσκότοπους.
4. Ηθικές εκτιμήσεις. Υπάρχουν εκείνοι για τους οποίους αυτό είναι σημαντικό. Η οργάνωση για τα δικαιώματα των ζώων PETA έχει ήδη προσφέρει βραβείο 1 εκατομμυρίου δολαρίων στον επιστήμονα που φέρνει στην αγορά τεχνητό κρέας κοτόπουλου.

Η αντικατάσταση του πραγματικού κρέατος με σόγια είναι μια μερική λύση, επειδή οι άνθρωποι μπορούν να εκτιμήσουν τη διαφορά στη γεύση και την υφή και είναι απίθανο να εγκαταλείψουν τη μπριζόλα υπέρ της σόγιας. Χρειάζεστε λοιπόν αληθινό κρέας βιολογικής καλλιέργειας. Τώρα, δυστυχώς, το τεχνητό κρέας είναι πολύ ακριβό: από 12 $ ανά κιλό. Αυτό οφείλεται στην περίπλοκη τεχνική διαδικασία της καλλιέργειας τέτοιου κρέατος. Διαβάστε για όλα αυτά ένα άρθρο.

Αν μιλάμε για άλλες περιπτώσεις ανάπτυξης ιστού - ήδη στην ιατρική - τότε το θέμα με τα τεχνητά όργανα είναι ενδιαφέρον: για παράδειγμα, ένα "έμπλαστρο" για τον καρδιακό μυ, έντυπος έναν ειδικό 3D εκτυπωτή. Γνωστός ιστορία σαν μια τεχνητά αναπτυγμένη καρδιά ποντικιού, αλλά γενικά όλα εξακολουθούν να είναι εντός του πεδίου εφαρμογής των κλινικών δοκιμών. Οπότε είναι απίθανο να δούμε τον Φρανκενστάιν τα επόμενα χρόνια.

Εδώ ο Gartner είναι πολύ προσεκτικός στις εκτιμήσεις του, έχοντας προφανώς κατά νου την αποτυχημένη πρόβλεψή του το 2015 ότι το 2019, το 10% του πληθυσμού στις ανεπτυγμένες χώρες θα είχε ένα εμφύτευμα ιατρικής συσκευής με τρισδιάστατη εκτύπωση. Ως εκ τούτου, σημαίνει ότι ο χρόνος για να φτάσετε σε ένα οροπέδιο παραγωγικότητας είναι τουλάχιστον 3 χρόνια.

5. Ψηφιακά Οικοσυστήματα

5.1. Αποκεντρωμένος Ιστός

Αυτή η ιδέα συνδέεται στενά με το όνομα του εφευρέτη του Ιστού, του νικητή του βραβείου Turing Sir Tim Burners-Lee. Για αυτόν, τα ζητήματα ηθικής στην επιστήμη των υπολογιστών ήταν πάντα σημαντικά και η συλλογική ουσία του Διαδικτύου ήταν σημαντική: βάζοντας τα θεμέλια του υπερκειμένου, ήταν πεπεισμένος ότι το δίκτυο έπρεπε να λειτουργεί σαν ιστός και όχι σαν ιεραρχία. Αυτό συνέβη στο αρχικό στάδιο της ανάπτυξης του δικτύου. Ωστόσο, καθώς το Διαδίκτυο μεγάλωνε, η δομή του έγινε συγκεντρωτική για διάφορους λόγους. Αποδείχθηκε ότι η πρόσβαση στο δίκτυο για μια ολόκληρη χώρα θα μπορούσε εύκολα να αποκλειστεί με τη βοήθεια λίγων μόνο παρόχων. Και τα δεδομένα χρηστών έχουν γίνει πηγή δύναμης και εισοδήματος για τις εταιρείες του Διαδικτύου.

«Το Διαδίκτυο είναι ήδη αποκεντρωμένο», λέει ο Burners-Lee. «Το πρόβλημα είναι ότι κυριαρχεί μια μηχανή αναζήτησης, ένα μεγάλο κοινωνικό δίκτυο, μια πλατφόρμα microblogging. Δεν έχουμε τεχνολογικά προβλήματα, αλλά έχουμε κοινωνικά».

Στο ανοίγω γράμμα Με αφορμή την 30ή επέτειο του Παγκόσμιου Ιστού, ο δημιουργός του Ιστού περιέγραψε τρία βασικά προβλήματα του Διαδικτύου:

1. Στοχευμένη ζημιά, όπως πειρατεία με κρατική υποστήριξη, έγκλημα και διαδικτυακή παρενόχληση
2. Ο ίδιος ο σχεδιασμός του συστήματος, ο οποίος, εις βάρος του χρήστη, δημιουργεί το έδαφος για τέτοιους μηχανισμούς όπως: οικονομικά κίνητρα για clickbait και ιογενής διάδοση ψευδών πληροφοριών
3. Απροσδόκητες συνέπειες του σχεδιασμού του συστήματος που οδηγούν σε σύγκρουση και μειωμένη ποιότητα της διαδικτυακής συζήτησης

Και ο Tim Berners-Lee έχει ήδη μια απάντηση σε ποιες αρχές θα μπορούσε να βασίζεται το «Διαδίκτυο ενός υγιούς ατόμου», χωρίς πρόβλημα υπ' αριθμόν 2: «Για πολλούς χρήστες, το διαφημιστικό εισόδημα παραμένει το μόνο μοντέλο αλληλεπίδρασης με το Διαδίκτυο. Ακόμα κι αν οι άνθρωποι φοβούνται τι συμβαίνει με τα δεδομένα τους, είναι πρόθυμοι να κάνουν μια συμφωνία με τη μηχανή μάρκετινγκ για την ευκαιρία να λαμβάνουν περιεχόμενο δωρεάν. Φανταστείτε έναν κόσμο όπου η πληρωμή για αγαθά και υπηρεσίες είναι εύκολη και ευχάριστη και για τα δύο μέρη». Μεταξύ των επιλογών για το πώς θα μπορούσε να διευθετηθεί αυτό: οι μουσικοί μπορούν να πουλήσουν τις ηχογραφήσεις τους χωρίς μεσάζοντες με τη μορφή iTunes και οι ειδησεογραφικοί ιστότοποι μπορούν να χρησιμοποιούν ένα σύστημα μικροπληρωμών για την ανάγνωση ενός άρθρου, αντί να βγάζουν χρήματα από τη διαφήμιση.

Ως πειραματικό πρωτότυπο για αυτό το νέο Διαδίκτυο, ο Tim Berners-Lee ξεκίνησε το έργο SOLID, η ουσία του οποίου είναι ότι αποθηκεύετε τα δεδομένα σας σε ένα "pod" - ένα κατάστημα πληροφοριών, και μπορείτε να παρέχετε αυτά τα δεδομένα σε εφαρμογές τρίτων. Αλλά καταρχήν, εσείς οι ίδιοι είστε οι κύριοι των δεδομένων σας. Όλα αυτά συνδέονται στενά με την έννοια των δικτύων peer-to-peer, δηλαδή ο υπολογιστής σας όχι μόνο ζητά υπηρεσίες, αλλά και τις παρέχει, ώστε να μην βασίζεται σε έναν διακομιστή ως το μοναδικό κανάλι.

Πηγή

5.2. Αποκεντρωμένες Αυτόνομες Οργανώσεις

Είναι ένας οργανισμός που διέπεται από κανόνες γραμμένους με τη μορφή προγράμματος υπολογιστή. Οι οικονομικές της δραστηριότητες βασίζονται στο blockchain. Σκοπός της δημιουργίας τέτοιων οργανισμών είναι να εξαλειφθεί το κράτος από τον ρόλο του διαμεσολαβητή και να δημιουργηθεί ένα κοινό αξιόπιστο περιβάλλον για τους αντισυμβαλλομένους, το οποίο δεν ανήκει σε κανέναν μεμονωμένα, αλλά ανήκει σε όλους μαζί. Δηλαδή, θεωρητικά, αυτό θα πρέπει, εάν η ιδέα ριζώσει, να καταργήσει τους συμβολαιογράφους και άλλους συνήθεις φορείς επαλήθευσης.

Το πιο διάσημο παράδειγμα μιας τέτοιας οργάνωσης ήταν η επικεντρωμένη στο εγχείρημα The DAO, η οποία συγκέντρωσε 2016 εκατομμύρια δολάρια το 150, εκ των οποίων τα 50 δολάρια κλάπηκαν αμέσως μέσω μιας νομικής τρύπας στους κανόνες. Αμέσως προέκυψε ένα δύσκολο δίλημμα: είτε να γυρίσετε πίσω και να επιστρέψετε τα χρήματα, είτε να παραδεχτείτε ότι η ανάληψη χρημάτων ήταν νόμιμη, επειδή σε καμία περίπτωση δεν παραβίαζε τους κανόνες της πλατφόρμας. Ως αποτέλεσμα, για να επιστρέψουν χρήματα στους επενδυτές, οι δημιουργοί έπρεπε να καταστρέψουν το DAO, ξαναγράφοντας το blockchain και παραβιάζοντας τη βασική του αρχή - το αμετάβλητο.

Κόμικ για το Ethereum (αριστερά) και το DAO (δεξιά). Πηγή

Όλη αυτή η ιστορία έχει καταστρέψει τη φήμη της ίδιας της ιδέας του DAO. Αυτό το έργο έγινε με βάση το κρυπτονόμισμα Ethereum, η έκδοση Ether 2.0 αναμένεται το επόμενο έτος - ίσως οι συγγραφείς (συμπεριλαμβανομένου του διάσημου Vitalik Buterin) να λάβουν υπόψη τα λάθη και να δείξουν κάτι νέο. Αυτός είναι πιθανώς ο λόγος που η Gartner έβαλε το DAO στο upline.

5.3.Στοιχεία συνθετικών

Για την εκπαίδευση των νευρωνικών δικτύων, απαιτούνται μεγάλες ποσότητες δεδομένων. Η χειροκίνητη επισήμανση δεδομένων είναι μια τεράστια εργασία που μπορεί να γίνει μόνο από έναν άνθρωπο. Επομένως, είναι δυνατή η δημιουργία τεχνητών συνόλων δεδομένων. Για παράδειγμα, οι ίδιες συλλογές ανθρώπινων προσώπων στον ιστότοπο https://generated.photos. Δημιουργούνται χρησιμοποιώντας το GAN - τους αλγόριθμους που αναφέρθηκαν ήδη παραπάνω.

Αυτά τα πρόσωπα δεν ανήκουν σε ανθρώπους. Πηγή

Το μεγάλο πλεονέκτημα τέτοιων δεδομένων είναι ότι δεν υπάρχουν νομικές δυσκολίες στη χρήση τους: δεν υπάρχει κανένας που να συναινεί στην επεξεργασία προσωπικών δεδομένων.

5.4.Digital Ops

Το επίθημα "Ops" έχει γίνει απίστευτα της μόδας από τότε που το DevOps ριζώθηκε στην ομιλία μας. Τώρα για το τι είναι το DigitalOps - είναι απλώς μια γενίκευση των DevOps, DesignOps, MarketingOps... Βαρεθήκατε ακόμα; Εν ολίγοις, είναι μια μεταφορά της προσέγγισης DevOps από τον τομέα του λογισμικού σε όλες τις άλλες πτυχές της επιχείρησης - μάρκετινγκ, σχεδιασμός κ.λπ.

Πηγή

Η ιδέα του DevOps ήταν να αφαιρέσει τα εμπόδια μεταξύ της ίδιας της Ανάπτυξης και των Λειτουργιών (επιχειρηματικές διαδικασίες), μέσω της δημιουργίας κοινών ομάδων, όπου υπάρχουν προγραμματιστές, δοκιμαστές, ειδικοί ασφαλείας και διαχειριστές. εφαρμογή ορισμένων πρακτικών: συνεχής ενοποίηση, υποδομή ως κώδικας, μείωση και ενίσχυση των αλυσίδων ανάδρασης. Ο στόχος ήταν να επιταχυνθεί ο χρόνος κυκλοφορίας του προϊόντος στην αγορά. Αν νομίζατε ότι αυτό ήταν παρόμοιο με το Agile, είχατε δίκιο. Τώρα μεταφέρετε διανοητικά αυτήν την προσέγγιση από τον τομέα της ανάπτυξης λογισμικού στην ανάπτυξη γενικά - και καταλαβαίνετε τι είναι το DigitalOps.

5.5. Γραφήματα Γνώσης

Ένας τρόπος λογισμικού για τη μοντελοποίηση μιας περιοχής γνώσης, συμπεριλαμβανομένης της χρήσης αλγορίθμων μηχανικής μάθησης. Ένα γράφημα γνώσης είναι χτισμένο πάνω από υπάρχουσες βάσεις δεδομένων για τη σύνδεση όλων των πληροφοριών: τόσο δομημένη (λίστα συμβάντων ή ατόμων) όσο και μη δομημένη (κείμενο ενός άρθρου).

Το πιο απλό παράδειγμα είναι η κάρτα που μπορείτε να δείτε στα αποτελέσματα αναζήτησης Google. Αν ψάχνετε για άτομο ή ίδρυμα, θα δείτε μια κάρτα στα δεξιά:


Λάβετε υπόψη ότι οι "Προσεχόμενες εκδηλώσεις" δεν είναι αντίγραφο πληροφοριών από τους Χάρτες Google, αλλά ενσωμάτωση του προγράμματος με το Yandex.Afisha: μπορείτε να το δείτε εύκολα εάν κάνετε κλικ στα συμβάντα. Δηλαδή, είναι ο συνδυασμός πολλών πηγών δεδομένων μαζί.

Εάν ζητήσετε μια λίστα - για παράδειγμα, "διάσημους σκηνοθέτες" - θα εμφανιστεί ένα καρουζέλ:

Μπόνους για όσους διαβάζουν μέχρι το τέλος

Και τώρα που ξεκαθαρίσαμε μόνοι μας τη σημασία καθενός από τα σημεία, μπορούμε να δούμε την ίδια εικόνα, αλλά στα ρωσικά:

Μοιραστείτε το ελεύθερα στα κοινωνικά δίκτυα!

Tatyana Volkova - Συγγραφέας του εκπαιδευτικού προγράμματος για το Internet of Things IT track στο Samsung Academy, ειδικός σε προγράμματα εταιρικής κοινωνικής ευθύνης στο Samsung Research Center


Πηγή: www.habr.com