El gráfico de Gartner es como un desfile de alta costura para quienes trabajan en la industria tecnológica. Al mirarlo, podrá saber de antemano qué palabras son las más publicitadas esta temporada y qué escuchará en las próximas conferencias.
Hemos descifrado qué hay detrás de las hermosas palabras en este gráfico para que tú también puedas hablar el idioma.
Para empezar, unas pocas palabras sobre qué tipo de gráfico es este. Cada año, en agosto, la agencia de consultoría Gartner publica un informe: Gartner Hype Curve. En ruso, esto es una “curva de exageración” o, más simplemente, exageración. Hace 30 años, los raperos del grupo Public Enemy cantaron: "No creas en las exageraciones". Lo creas o no, es una pregunta personal, pero vale la pena al menos conocer estas palabras clave si trabajas en el campo de la tecnología y quieres conocer las tendencias globales.
Este es un gráfico de las expectativas del público de una tecnología en particular. Según Gartner, idealmente, la tecnología pasa por 5 etapas: lanzamiento de la tecnología, pico de expectativas infladas, valle de la decepción, pendiente de la iluminación, meseta de la productividad. Pero también sucede que se ahoga en el “valle de la decepción”; usted mismo puede recordar ejemplos muy fácilmente, tome los mismos bitcoins: inicialmente alcanzaron la cima como “dinero del futuro”, pero rápidamente cayeron cuando las deficiencias de la tecnología Se hizo evidente, en primer lugar, las restricciones en el número de transacciones y la enorme cantidad de electricidad necesaria para generar bitcoins (lo que ya conlleva problemas medioambientales). Y por supuesto, no debemos olvidar que el gráfico de Gartner es sólo una previsión: aquí, por ejemplo, podéis leer un detallado , donde se clasifican las predicciones incumplidas más llamativas.
Entonces, repasemos el nuevo gráfico de Gartner. Las tecnologías se dividen en 5 grandes grupos temáticos:
- Inteligencia artificial y análisis avanzados
- Computación y comunicaciones posclásicas
- Sensación y movilidad
- Humano Aumentado
- Ecosistemas digitales
1. Inteligencia artificial y análisis avanzados
Durante los últimos 10 años hemos visto el mejor momento del aprendizaje profundo. Estas redes son verdaderamente efectivas para su variedad de tareas. En 2018, Yann LeCun, Geoffrey Hinton y Yoshua Bengio recibieron el Premio Turing por sus descubrimientos, el premio más prestigioso, análogo al Premio Nobel de informática. Entonces, las principales tendencias en esta área, que se muestran en el gráfico:
1.1. Transferir aprendizaje
No se entrena una red neuronal desde cero, sino que se toma una ya entrenada y se le asigna un objetivo diferente. A veces esto requiere volver a entrenar parte de la red, pero no toda la red, lo cual es mucho más rápido. Por ejemplo, tomando una red neuronal ResNet50 ya preparada, entrenada en el conjunto de datos ImageNet1000, obtendrá un algoritmo que puede clasificar muchos objetos diferentes en una imagen a un nivel muy profundo (1000 clases basadas en características generadas por 50 capas de la red neuronal). red). Pero no es necesario capacitar a toda esa red, lo que llevaría meses.
В Samsung “Redes neuronales y visión por computadora”, por ejemplo, en la final con la clasificación de platos en limpios y sucios se demuestra un enfoque que en 5 minutos pone a tu disposición una red neuronal profunda capaz de distinguir platos sucios de limpios, construida según la arquitectura descrita anteriormente. La red original no sabía en absoluto qué eran las placas, solo aprendió a distinguir las aves de los perros (ver ImageNet).
Fuente: Samsung "Redes neuronales y visión por computadora"
Para Transfer Learning necesita saber qué enfoques funcionan y qué arquitecturas básicas listas para usar están disponibles. En general, esto acelera enormemente la aparición de aplicaciones prácticas del aprendizaje automático.
1.2. Redes generativas adversarias (GAN)
Esto es para aquellos casos en los que nos resulta muy difícil formular el objetivo de aprendizaje. Cuanto más cerca está la tarea de la vida real, más comprensible nos resulta (“traer la mesita de noche”), pero más difícil es formularla como una tarea técnica. GAN es solo un intento de salvarnos de este problema.
Aquí funcionan dos redes: una es generadora (Generativa) y la otra es discriminadora (Adversaria). Una red aprende a realizar trabajos útiles (clasificar imágenes, reconocer sonidos, dibujar dibujos animados). Y otra red aprende a enseñarle a esa red: tiene ejemplos reales y aprende a encontrar una fórmula compleja previamente desconocida para comparar los productos de la parte generativa de la red con objetos del mundo real (conjunto de entrenamiento) basada en características profundas realmente importantes. : el número de ojos, la proximidad al estilo de Miyazaki, la pronunciación correcta del inglés.
Un ejemplo del resultado de una red para generar personajes de anime.
Pero, por supuesto, es difícil construir arquitectura allí. No basta con lanzar neuronas, hay que estar preparadas. Y tienes que estudiar durante semanas. Mis colegas del Centro de Inteligencia Artificial de Samsung están trabajando en el tema GAN; esta es una de sus preguntas de investigación clave. Por ejemplo, así : uso de redes generativas para sintetizar fotografías realistas de personas con poses variables, por ejemplo, para crear un probador virtual o sintetizar una cara, lo que puede reducir la cantidad de información que debe almacenarse o transmitirse para garantizar un vídeo de alta calidad. comunicación, radiodifusión o protección de datos personales.
1.3. IA explicable
Para algunas tareas poco comunes, los avances en las arquitecturas profundas han acercado repentinamente las capacidades de las redes neuronales profundas a las capacidades humanas. Ahora ha comenzado la batalla para aumentar el alcance de tales tareas. Por ejemplo, un robot aspirador podría distinguir fácilmente a un gato de un perro en un encuentro frontal. Pero en la mayoría de situaciones de la vida, no podrá encontrar un gato durmiendo entre la ropa de cama o los muebles (aunque, como nosotros, en la mayoría de los casos...).
¿A qué se debe el éxito de las redes neuronales profundas? Desarrollan una representación del problema basándose no en información “visible a simple vista” (píxeles de fotografías, cambios en el volumen del sonido...), sino en características obtenidas después de preprocesar esta información mediante varios cientos de capas de una red neuronal. Desafortunadamente, estas relaciones también pueden carecer de significado, ser inconsistentes o contener rastros de imperfecciones en el conjunto de datos original. Por ejemplo, hay un pequeño juego de ordenador sobre lo que puede provocar el uso irreflexivo de la IA en el reclutamiento. .
El sistema de etiquetado de imágenes etiquetó a la persona que cocinaba como mujer, a pesar de que la persona en la imagen es en realidad un hombre () eso en el Instituto Virginia.
Para analizar relaciones complejas y profundas que a menudo no podemos formular nosotros mismos, se necesitan métodos de IA explicables. Organizan las características de las redes neuronales profundas para que, después del entrenamiento, podamos analizar la representación interna que la red ha aprendido, en lugar de simplemente confiar en su decisión.
1.4. Análisis de borde/IA
Todo lo que lleva la palabra Edge significa literalmente lo siguiente: transferir parte de los algoritmos desde la nube/servidor al nivel del dispositivo final/puerta de enlace. Un algoritmo de este tipo funcionará más rápido y no requerirá una conexión a un servidor central para su funcionamiento. Si está familiarizado con la abstracción de un "cliente ligero", aquí vamos a hacer que este cliente sea un poco más pesado.
Esto podría ser importante para el Internet de las cosas. Por ejemplo, si una máquina se sobrecalienta y necesita refrigeración, tiene sentido señalarlo inmediatamente, a nivel de planta, sin esperar a que los datos vayan a la nube y de allí al jefe de turno. U otro ejemplo: los coches autónomos pueden detectar la situación del tráfico por sí solos, sin necesidad de contactar con un servidor central.
U otro ejemplo de por qué esto es importante desde el punto de vista de la seguridad: cuando escribe mensajes de texto en su teléfono, este recuerda las palabras que son típicas para usted, de modo que luego el teclado del teléfono puede indicarle cómodamente con ellas; esto se llama predictivo entrada de texto. Enviar todo lo que escribe en su teclado a un centro de datos en algún lugar sería una violación de su privacidad y simplemente inseguro. Por lo tanto, el aprendizaje del teclado se produce únicamente dentro de su dispositivo.
1.5. Plataforma de IA como servicio (AI PaaS)
PaaS: plataforma como servicio es un modelo de negocio en el que obtenemos acceso a una plataforma integrada, incluido su almacenamiento de datos basado en la nube y procedimientos listos para usar. De esta manera podemos liberarnos de las tareas de infraestructura y concentrarnos completamente en producir algo útil. Ejemplo de plataformas PaaS para tareas de IA: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Aprendizaje automático adaptativo (ML adaptativo)
¿Y si dejamos que la inteligencia artificial se adapte? Usted pregunta: ¿cómo? ¿No se adapta ya a la tarea? El problema es este: diseñamos minuciosamente cada uno de esos problemas antes de construir un algoritmo de inteligencia artificial para resolverlo. Ellos le responderán: resulta que esta cadena se puede simplificar.
El aprendizaje automático convencional funciona según el principio de un circuito abierto: usted prepara datos, crea una red neuronal (o cualquier cosa), la entrena, luego observa varios indicadores y, si le gusta todo, puede enviar la red neuronal a los teléfonos inteligentes. - resolver problemas de los usuarios. Pero en aplicaciones donde hay muchos datos y su naturaleza cambia gradualmente, se necesitan otros métodos. Estos sistemas, que se adaptan y aprenden por sí solos, están organizados en circuitos cerrados de autoaprendizaje (closed-loop) y deben funcionar sin problemas.
Aplicaciones: esto podría ser análisis de flujo (Stream Analytics), sobre la base del cual muchos empresarios toman decisiones, o gestión de producción adaptativa. A la escala de las aplicaciones actuales y dados los riesgos mejor comprendidos para los humanos, las técnicas que constituyen una solución a este problema se agrupan bajo el término general de IA adaptativa.
Al mirar esta imagen, es difícil deshacerse de la sensación de que no se debe alimentar a los futurólogos con pan: que se les enseñe a un robot a respirar...
Computación y comunicaciones posclásicas
2.1. Comunicaciones móviles de quinta generación (5G)
Este es un tema tan interesante que lo remitimos inmediatamente a nuestro . Bueno, aquí tienes un breve resumen. 5G, al aumentar la frecuencia de transmisión de datos, hará que la velocidad de Internet sea irrealmente rápida. A las ondas cortas les resulta más difícil atravesar obstáculos, por lo que el diseño de las redes será completamente diferente: se necesitarán 500 veces más estaciones base.
Junto a la velocidad, llegaremos a nuevos fenómenos: juegos en tiempo real con realidad aumentada, realización de tareas complejas (como una cirugía) mediante telepresencia, prevención de accidentes y situaciones difíciles en la carretera mediante la comunicación entre máquinas. En una nota más prosaica: Internet móvil finalmente dejará de caer durante eventos multitudinarios, como un partido en un estadio.
Fuente de la imagen: Reuters, Niantic
2.2. Memoria de próxima generación
Estamos hablando de la quinta generación de RAM: DDR5. Samsung anunció que los productos basados en DDR2019 estarán disponibles a finales de 5. Se espera que la nueva memoria sea dos veces más rápida y con el doble de capacidad manteniendo el mismo factor de forma, es decir, podremos conseguir tarjetas de memoria con una capacidad de hasta 32 GB para nuestra computadora. En el futuro, esto será especialmente relevante para los teléfonos inteligentes (la nueva memoria estará en una versión de bajo consumo) y para los portátiles (donde el número de ranuras DIMM es limitado). Y el aprendizaje automático también requiere grandes cantidades de RAM.
2.3. Sistemas de satélites de órbita terrestre baja
La idea de sustituir satélites pesados, caros y potentes por un enjambre de satélites pequeños y baratos no es nada nueva y apareció allá por los años 90. Acerca de Ahora sólo los perezosos no han oído. La empresa más famosa aquí es Iridium, que quebró a finales de los 90, pero se salvó a expensas del Departamento de Defensa de EE. UU. (no debe confundirse con iRidium, el sistema doméstico inteligente ruso). El proyecto de Elon Musk (Starlink) está lejos de ser el único: Richard Branson (OneWeb - 1440 satélites propuestos), Boeing (3000 satélites), Samsung (4600 satélites) y otros participan en la carrera de los satélites.
Cómo están las cosas en esta zona, cómo es la economía allí - leer en . Y estamos esperando las primeras pruebas de estos sistemas por parte de los primeros usuarios, que deberían tener lugar el próximo año.
2.4. Impresión 3D a nanoescala
La impresión 3D, aunque no ha entrado en la vida de todas las personas (en la forma prometida por una fábrica de plástico doméstica individual), hace mucho tiempo que abandonó el nicho de la tecnología para los geeks. Se puede juzgar por el hecho de que todos los escolares saben de la existencia de al menos bolígrafos esculpidos en 3D, y muchos sueñan con comprar una caja con guías y una extrusora para... "así" (o ya la han comprado).
La estereolitografía (impresoras láser 3D) permite imprimir con fotones individuales: se están explorando nuevos polímeros que solo requieren dos fotones para solidificarse. Esto permitirá, en condiciones no de laboratorio, crear filtros, monturas, resortes, capilares, lentes completamente nuevos y... ¡tus opciones en los comentarios! Y aquí no está lejos de la fotopolimerización: sólo esta tecnología nos permite "imprimir" procesadores y circuitos informáticos. Además, este no es el primer año que se produce , pero sin un desarrollo radical.
3. Sensación y movilidad
3.1. Conducción autónoma niveles 4 y 5
Para no confundirse con la terminología, conviene comprender qué niveles de autonomía se distinguen (tomado del detalle , al que remitimos a todos los interesados):
Nivel 1: Control de crucero: ayuda al conductor en situaciones muy limitadas (por ejemplo, mantener el coche a una velocidad determinada después de que el conductor levanta el pie del pedal)
Nivel 2: Asistencia limitada a la dirección y al frenado. El conductor debe estar preparado para tomar el control casi al instante. Tiene las manos en el volante y la mirada fija en la carretera. Esto es algo que ya tienen Tesla y General Motors.
Nivel 3: el conductor ya no tiene que vigilar constantemente la carretera. Pero debe permanecer alerta y estar preparado para tomar el control. Esto es algo que los coches disponibles en el mercado todavía no tienen. Todos los existentes actualmente están en el nivel 1-2.
Nivel 4: Verdadero piloto automático, pero con restricciones: solo viajes en un área conocida, cuidadosamente cartografiada y generalmente conocida por el sistema, y bajo ciertas condiciones: por ejemplo, en ausencia de nieve. Waymo y General Motors tienen prototipos de este tipo y planean lanzarlos en varias ciudades y probarlos en entornos reales. Yandex tiene zonas de prueba para taxis no tripulados en Skolkovo e Innopolis: el viaje se realiza bajo la supervisión de un ingeniero sentado en el asiento del pasajero; Para finales de año, la empresa planea ampliar su flota a 100 vehículos no tripulados.
Nivel 5: Conducción totalmente automática, sustitución completa de un conductor vivo. Estos sistemas no existen y es poco probable que aparezcan en los próximos años.
¿Qué tan realista es ver todo esto en el futuro previsible? Aquí me gustaría redirigir al lector al artículo. . Esto se debe en parte a la falta de conectividad 5G: las velocidades 4G disponibles no son suficientes. En parte debido al altísimo coste de los coches autónomos: todavía no son rentables y el modelo de negocio no está claro. En una palabra, aquí "todo es complicado", y no es casualidad que Gartner escriba que la previsión para la implementación masiva de los niveles 4 y 5 no es antes de 10 años.
3.2. Cámaras de detección 3D
Hace ocho años, el controlador de juegos Kinect de Microsoft causó sensación al ofrecer una solución accesible y relativamente económica para la visión 3D. Desde entonces, los juegos de educación física y baile con Kinect han experimentado un breve auge y declive, pero las cámaras 3D comenzaron a utilizarse en robots industriales, vehículos no tripulados y teléfonos móviles para la identificación facial. La tecnología se ha vuelto más barata, más compacta y más accesible.
El teléfono Samsung S10 tiene una cámara de tiempo de vuelo que mide la distancia a un objeto para facilitar el enfoque.
Si está interesado en este tema, lo redirigiremos a una muy buena revisión detallada de las cámaras de profundidad: , .
3.3. Drones para entrega de carga pequeña (Light Cargo Delivery Drones)
Este año, Amazon causó sensación cuando mostró en la feria un nuevo dron volador que puede transportar pequeñas cargas de hasta 2 kg. Para una ciudad con atascos, esta parece una solución ideal. Veamos cómo se comportan estos drones en un futuro muy próximo. Quizás valga la pena ser cautelosamente escéptico en este punto: hay muchos problemas, desde la posibilidad de un fácil robo de un dron hasta las restricciones legales a los vehículos aéreos no tripulados. Amazon Prime Air existe desde hace seis años, pero aún se encuentra en la fase de prueba.
El nuevo dron de Amazon, mostrado esta primavera. Hay algo de Star Wars en él.
Además de Amazon, hay otros actores en este mercado (hay una descripción detallada ), pero ni un solo producto terminado: todo está en etapa de pruebas y campañas de marketing. Por otra parte, cabe destacar médicos altamente especializados bastante interesantes. en África: entrega de sangre donada en Ghana (14 entregas, empresa Zipline) y Ruanda (empresa Matternet).
3.4. Vehículos autónomos voladores
Es difícil decir algo definitivo aquí. Según Gartner, esto no aparecerá antes de 10 años. En general, aquí surgen los mismos problemas que en los coches autónomos, sólo que adquieren una nueva dimensión: la vertical. Porsche, Boeing y Uber han anunciado sus ambiciones de construir un taxi volador.
3.5. Nube de Realidad Aumentada (Nube AR)
Una copia digital permanente del mundo real, que te permite crear una nueva capa de realidad común a todos los usuarios. En términos más técnicos, estamos hablando de crear una plataforma de nube abierta en la que los desarrolladores puedan integrar sus aplicaciones de RA. El modelo de monetización es claro, es una especie de análogo de Steam. La idea se ha vuelto tan arraigada que algunos ahora creen que la RA sin la nube es simplemente inútil.
En un breve vídeo se muestra cómo podría ser esto en el futuro. Parece otro episodio de Black Mirror:
También puedes leer en
4. Humano aumentado
4.1. IA de emociones
¿Cómo medir, simular y responder a las emociones humanas? Algunos de los clientes aquí son empresas que fabrican asistentes de voz como Amazon Alexa. Realmente podrán acostumbrarse a las casas si aprenden a reconocer el estado de ánimo: comprender el motivo de la insatisfacción del usuario e intentar corregir la situación. En general, hay mucha más información en el contexto que en el mensaje mismo. Y el contexto es la expresión facial, la entonación y el comportamiento no verbal.
Otras aplicaciones prácticas: análisis de emociones durante una entrevista de trabajo (basado en entrevistas en vídeo), evaluación de reacciones a anuncios publicitarios u otros contenidos de vídeo (sonrisas, risas), asistencia en el aprendizaje (por ejemplo, para la práctica independiente del arte de hablar en público).
Es difícil hablar mejor sobre este tema que el autor de un cortometraje de 6 minutos. . El video ingenioso y elegante muestra cómo puedes medir nuestras emociones con fines de marketing y, a partir de las reacciones momentáneas de tu rostro, descubrir si te gusta la pizza, los perros, Kanye West e incluso cuál es tu nivel de ingresos y tu coeficiente intelectual aproximado. Al visitar el sitio web de la película mediante el enlace anterior, se convierte en participante de un vídeo interactivo utilizando la cámara integrada de su computadora portátil. La película ya se ha proyectado en varios festivales de cine.
Incluso existe un estudio tan interesante: cómo reconocer el sarcasmo en un texto. Tomamos tweets con el hashtag #sarcasmo e hicimos un conjunto de entrenamiento de 25 tweets con sarcasmo y 000 tweets regulares sobre todo lo que hay bajo el sol. Usamos la biblioteca TensorFlow, entrenamos el sistema y aquí está el resultado:
Por lo tanto, ahora, si no está seguro de su colega o amigo, le dijo algo en serio o con sarcasmo, ya puede utilizar !
4.2. Inteligencia aumentada
Automatización del trabajo intelectual mediante métodos de aprendizaje automático. ¿No parece nada nuevo? Pero la redacción en sí es importante aquí, sobre todo porque coincide en abreviatura con Inteligencia Artificial. Esto nos lleva de nuevo al debate sobre la IA “fuerte” y “débil”.
La IA fuerte es la misma inteligencia artificial de las películas de ciencia ficción que es completamente equivalente a la mente humana y es consciente de sí misma como individuo. Esto aún no existe y no está claro si existirá.
La IA débil no es una persona independiente, sino un asistente humano. No pretende tener un pensamiento humano, simplemente sabe resolver problemas de información, por ejemplo, determinar lo que se muestra en una imagen o traducir un texto.
En este sentido, la Inteligencia Aumentada es una “IA débil” en estado puro, y la formulación parece acertada, ya que no introduce confusión y la tentación de ver aquí la misma “IA fuerte” con la que todo el mundo sueña (o teme, si queremos). Recordemos las numerosas discusiones sobre los “coches de la rebelión”). Usando la expresión Inteligencia Aumentada, inmediatamente nos convertimos en héroes de otra película: de la ciencia ficción (como “Yo, robot” de Asimov) llegamos al ciberpunk (“los aumentos” en este género son todo tipo de implantes que amplían las capacidades humanas).
cómo Erik Brynjolfsson y Andrew McAffee: “Durante los próximos 10 años, esto es lo que sucederá. La IA no reemplazará a los gerentes, pero aquellos gerentes que la utilicen reemplazarán a aquellos que aún no la han logrado”.
Ejemplos:
- Medicina: desarrollada por la Universidad de Stanford , que afronta la tarea de reconocer patologías en las radiografías de tórax con tanto éxito como la mayoría de los médicos
- Educación: asistencia a estudiantes y profesores, análisis de las respuestas de los estudiantes a los materiales, construcción de una trayectoria de aprendizaje individual.
- Análisis empresarial: el preprocesamiento de datos, según las estadísticas, requiere el 80% del tiempo de un investigador y solo el 20% del experimento en sí.
4.3. Biochips
Este es el tema favorito de todas las películas y libros cyberpunk. En general, colocar microchips en mascotas no es una práctica nueva. Pero ahora estos chips han comenzado a implantarse en personas.
En este caso, lo más probable es que el revuelo esté relacionado con el sensacional caso de la empresa estadounidense Three Square Market. Allí, el empleador comenzó a ofrecer implantar chips debajo de la piel a cambio de una tarifa. El chip le permite abrir puertas, iniciar sesión en computadoras, comprar bocadillos en una máquina expendedora, es decir, una tarjeta de empleado tan universal. Además, dicho chip sirve precisamente como tarjeta de identificación; no tiene módulo GPS, por lo que es imposible rastrear a alguien que lo utilice. Y si una persona quiere quitarse el chip del brazo, tarda 5 minutos con la ayuda de un médico.
Los chips suelen implantarse entre el pulgar y el índice.
Leer más sobre la situación del chipping en el mundo.
4.4. Espacio de trabajo inmersivo
“Inmersivo” es otra palabra nueva que simplemente no tiene escapatoria. Está en todas partes. Teatro inmersivo, exposición, cine. ¿Qué quieres decir? La inmersión es la creación de un efecto de inmersión, cuando se pierde la frontera entre el autor y el espectador, el mundo virtual y el real. En el lugar de trabajo, presumiblemente, esto significa desdibujar la línea entre hacedor e iniciador y alentar a los empleados a adoptar una posición más activa reformateando su entorno.
Dado que ahora contamos con agilidad, flexibilidad y colaboración estrecha en todas partes, los lugares de trabajo deberían ser lo más fácilmente configurables posible y deberían fomentar el trabajo en grupo. La economía dicta sus condiciones: hay más empleados temporales, el costo de alquilar espacio de oficina está aumentando y, en un mercado laboral competitivo, las empresas de TI están tratando de aumentar la satisfacción laboral de los empleados mediante la creación de áreas recreativas y otros beneficios. Y todo esto se refleja en el diseño de los lugares de trabajo.
de Loma
4.5. Personificación
Todo el mundo sabe qué es la personalización en la publicidad. Es entonces cuando hoy estás comentando con un colega que el aire de la habitación está algo seco y que deberías comprar un humidificador para la oficina, y al día siguiente ves un anuncio en tu red social: "compra un humidificador" (un incidente real que me pasó a mí).
La personalización, tal como la define Gartner, es una respuesta a las crecientes preocupaciones de los usuarios sobre el uso de sus datos personales con fines publicitarios. El objetivo es desarrollar un enfoque en el que se nos muestre publicidad que sea relevante para el contexto en el que nos encontramos, y no para nosotros personalmente. Por ejemplo, nuestra ubicación, tipo de dispositivo, hora del día, condiciones climáticas: esto es algo que no viola nuestros datos personales y no sentimos la desagradable sensación de estar "vigilados".
Lea sobre la diferencia entre estos dos conceptos. Andrew Frank bloguea en el sitio web de Gartner. Hay una diferencia tan sutil y palabras tan similares que tú, sin saber la diferencia, te arriesgas a discutir durante mucho tiempo con tu interlocutor, sin sospechar que, en general, ambos tienen razón (y este también es un incidente real que le sucedió a autor).
4.6. Biotecnología: tejido cultivado o artificial
Ésta es, ante todo, la idea de cultivar carne artificial. Al mismo tiempo, varios equipos de todo el mundo están ocupados desarrollando el laboratorio "Carne 2.0"; se espera que sea más barato de lo habitual y que las comidas rápidas y luego los supermercados se trasladen a él. Entre los inversores en esta tecnología se encuentran Bill Gates, Sergey Brin, Richard Branson y otros.
fuente
Razones por las que todo el mundo está tan interesado en la carne artificial:
- Calentamiento global: emisiones de metano de las granjas. Esto es el 18% del volumen global de gases que afectan al clima.
- Crecimiento de la población. La demanda de carne está creciendo y no será posible alimentar a todos con carne natural, es simplemente cara.
- Falta de espacio. El 70% de los bosques amazónicos ya han sido talados para pastos.
- Consideraciones éticas. Hay quienes para quienes esto es importante. La organización de derechos animales PETA ya ha ofrecido un premio de 1 millón de dólares al científico que lleve al mercado carne de pollo artificial.
Reemplazar la carne real con soja es una solución parcial, porque las personas pueden apreciar la diferencia en sabor y textura, y es poco probable que abandonen el bistec en favor de la soja. Entonces necesitas carne real, cultivada orgánicamente. Ahora, lamentablemente, la carne artificial es demasiado cara: desde 12 dólares el kilo. Esto se debe al complejo proceso técnico de cultivo de dicha carne. Lee sobre todo .
Si hablamos de otros casos de crecimiento de tejido, ya en medicina, entonces el tema de los órganos artificiales es interesante: por ejemplo, un "parche" para el músculo cardíaco, una impresora 3D especial. Conocido como un corazón de ratón cultivado artificialmente, pero en general todo todavía está dentro del alcance de los ensayos clínicos. Por tanto, es poco probable que veamos a Frankenstein en los próximos años.
Aquí Gartner es muy cauteloso en sus estimaciones, aparentemente teniendo en cuenta su fallida predicción de 2015 de que en 2019, el 10% de la población de los países desarrollados tendría un implante de dispositivo médico impreso en 3D. Por lo tanto, significa que el tiempo para alcanzar una meseta de productividad es de al menos 10 años.
5. Ecosistemas digitales
5.1. Web descentralizada
Este concepto está estrechamente asociado con el nombre del inventor de la web, el ganador del Premio Turing, Sir Tim Burners-Lee. Para él, las cuestiones de ética en la informática siempre fueron importantes y la esencia colectiva de Internet también fue importante: al sentar las bases del hipertexto, estaba convencido de que la red debería funcionar como una red y no como una jerarquía. Este fue el caso en la etapa inicial del desarrollo de la red. Sin embargo, a medida que Internet creció, su estructura se centralizó por diversas razones. Resultó que el acceso a la red para todo un país se podía bloquear fácilmente con la ayuda de unos pocos proveedores. Y los datos de los usuarios se han convertido en una fuente de poder e ingresos para las empresas de Internet.
"Internet ya está descentralizada", afirma Burners-Lee. “El problema es que domina un motor de búsqueda, una gran red social, una plataforma de microblogging. No tenemos problemas tecnológicos, pero sí sociales”.
En su Con motivo del 30 aniversario de la World Wide Web, el creador de la Web destacó tres problemas principales de Internet:
- Daños dirigidos, como piratería informática, delitos y acoso en línea patrocinados por el estado
- El propio diseño del sistema, que, en detrimento del usuario, crea el terreno para mecanismos como: incentivos financieros para clickbait y la difusión viral de información falsa.
- Consecuencias no deseadas del diseño del sistema que generan conflictos y reducen la calidad de la discusión en línea
Y Tim Berners-Lee ya tiene una respuesta sobre en qué principios podría basarse la “Internet de una persona sana”, sin el problema número 2: “Para muchos usuarios, los ingresos por publicidad siguen siendo el único modelo de interacción con Internet. Incluso si las personas tienen miedo de lo que sucederá con sus datos, están dispuestas a llegar a un acuerdo con la máquina de marketing para tener la oportunidad de recibir contenido de forma gratuita. Imagine un mundo en el que pagar por bienes y servicios sea fácil y agradable para ambas partes”. Entre las opciones para esto se encuentran: los músicos pueden vender sus grabaciones sin intermediarios en forma de iTunes, y los sitios de noticias pueden utilizar un sistema de micropagos por leer un artículo, en lugar de ganar dinero con la publicidad.
Como prototipo experimental de esta nueva Internet, Tim Berners-Lee lanzó el proyecto SOLID, cuya esencia es que usted almacena sus datos en un "pod", un almacén de información, y puede proporcionar estos datos a aplicaciones de terceros. Pero, en principio, usted mismo es el dueño de sus datos. Todo esto está muy relacionado con el concepto de redes peer-to-peer, es decir, tu ordenador no sólo solicita servicios, sino que también los proporciona, para no depender de un servidor como único canal.
5.2. Organismos Autónomos Descentralizados
Es una organización que se rige por reglas escritas en forma de programa informático. Sus actividades financieras se basan en blockchain. El propósito de crear tales organizaciones es eliminar al Estado del papel de intermediario y crear un entorno común de confianza para las contrapartes, que no sea propiedad de nadie individualmente, sino de todos en conjunto. Es decir, en teoría, si la idea se arraiga, se deberían suprimir los notarios y otras instituciones de verificación habituales.
El ejemplo más famoso de una organización de este tipo fue The DAO, centrada en empresas de riesgo, que recaudó 2016 millones de dólares en 150, de los cuales 50 dólares fueron robados inmediatamente a través de un agujero legal en las reglas. Inmediatamente surgió un dilema difícil: retroceder y devolver el dinero, o admitir que el retiro del dinero fue legal, porque de ninguna manera violaba las reglas de la plataforma. Como resultado, para devolver el dinero a los inversores, los creadores tuvieron que destruir el DAO, reescribiendo la cadena de bloques y violando su principio básico: la inmutabilidad.
Cómic sobre Ethereum (izquierda) y The DAO (derecha).
Toda esta historia ha arruinado la reputación de la idea misma de DAO. Este proyecto se realizó sobre la base de la criptomoneda Ethereum, se espera la versión Ether 2.0 el próximo año; tal vez los autores (incluido el famoso Vitalik Buterin) tengan en cuenta los errores y muestren algo nuevo. Probablemente esa sea la razón por la que Gartner puso a DAO en la línea ascendente.
5.3.Datos sintéticos
Para entrenar redes neuronales se necesitan grandes cantidades de datos. Etiquetar datos manualmente es una tarea enorme que solo puede realizar un humano. Por tanto, es posible crear conjuntos de datos artificiales. Por ejemplo, las mismas colecciones de rostros humanos en el sitio. . Se crean utilizando GAN, los algoritmos que ya se mencionaron anteriormente.
Estos rostros no pertenecen a las personas.
La gran ventaja de estos datos es que no existen dificultades legales para utilizarlos: no hay nadie que dé su consentimiento para el procesamiento de datos personales.
5.4.Operaciones digitales
El sufijo “Ops” se ha puesto increíblemente de moda desde que DevOps se arraigó en nuestro discurso. Ahora, sobre qué es DigitalOps: es solo una generalización de DevOps, DesignOps, MarketingOps... ¿Ya estás aburrido? En resumen, se trata de una transferencia del enfoque DevOps desde el área del software a todos los demás aspectos del negocio: marketing, diseño, etc.
La idea de DevOps era eliminar barreras entre el propio Desarrollo y Operaciones (procesos de negocio), mediante la creación de equipos comunes, donde hay programadores, testers, especialistas en seguridad y administradores; implementación de ciertas prácticas: integración continua, infraestructura como código, reducción y fortalecimiento de cadenas de retroalimentación. El objetivo era acelerar el tiempo de comercialización del producto. Si pensaba que esto era similar a Agile, tenía razón. Ahora transfiera mentalmente este enfoque del campo del desarrollo de software al desarrollo en general y comprenderá qué es DigitalOps.
5.5. Gráficos de conocimiento
Una forma de software para modelar un área de conocimiento, incluido el uso de algoritmos de aprendizaje automático. Se construye un gráfico de conocimiento sobre las bases de datos existentes para vincular toda la información: tanto estructurada (lista de eventos o personas) como no estructurada (texto de un artículo).
El ejemplo más sencillo es la tarjeta que puedes ver en los resultados de búsqueda de Google. Si buscas una persona o institución, verás una tarjeta a la derecha:
Tenga en cuenta que "Próximos eventos" no es una copia de la información de Google Maps, sino una integración del calendario con Yandex.Afisha: puede verlo fácilmente si hace clic en los eventos. Es decir, es la combinación de varias fuentes de datos juntas.
Si solicita una lista, por ejemplo, "directores famosos", se le mostrará un carrusel:
Bono para quienes lean hasta el final.
Y ahora que nos hemos aclarado el significado de cada uno de los puntos, podemos mirar la misma imagen, pero en ruso:
¡Compártelo libremente en las redes sociales!
Tatyana Volkova - Autora del programa de formación para la pista de TI de Internet de las cosas en Samsung Academy, especialista en programas de responsabilidad social corporativa en el Centro de Investigación de Samsung
Fuente: habr.com