Gartneri graafik tehnoloogia valdkonnas tegutsevatele inimestele on nagu kõrge moe näitus. Vaatates sellele, saate ette teada, millised sõnad on sel hooajal kõige populaarsemad ja mida kuulete kõigil lähitulevikus toimuvatel konverentsidel.

Me oleme lahti võtnud, mis peitub nende ilusate sõnade taga, et saaksite ka teie sellel keelel rääkida.

Alustuseks paar sõna, mis graafik see on. Igal aastal auguste kuus avaldab konsultatsiooniettevõte Gartner raporti – Gartner Hype Curve. Eestikeeles on see "hype'i kõver", või lihtsamalt öeldes – hype. 30 aastat tagasi laulis hip-hop grupp Public Enemy: "Ära usu hype'i". Usuda või mitte, see on isiklik küsimus, kuid vähemalt nende võtmesõnade tundmine on vajalik, kui töötate tehnoloogia valdkonnas ja soovite teada maailma trende.

See on graafik avalikest ootustest teatud tehnoloogiate suhtes. Gartneri arvates läbib tehnoloogia ideaaljuhul järjestikku 5 etappi: tehnoloogia käivitamine, üles tõusvate ootuste tipp, pettumuste org, valgustuse nõlv ja produktiivsuse platoo. Kuid juhtub ka nii, et see upub "pettumuste orga" – näiteks võite ise kergesti meenutada bitcoin'e: algselt tõusis see "tuleviku raha" tipule, kuid langes kiiresti alla, kui tehnoloogia puudused, peamiselt tehingute arvulised piirangud ja tohutu energia vajadus bitcoin'ide genereerimise jaoks, muutusid selgeks (mis tekitab juba probleeme keskkonnaalasele olukorrale). Ja loomulikult ei tohi unustada, et Gartneri graafik on vaid ennustus: siin näiteks saate lugeda põhjalikumalt artiklit, kus käsitletakse kõige silmatorkavamaid täitmata ennustusi.

Seega, heidame pilgu uuele Gartneri graafikule. Tehnoloogiad on jagatud viide peamisse temaatilisse rühma:

1. Täiustatud tehisintellekt ja analüütika (Advanced AI and Analytics)
2. Postklassikalised arvutused ja suhtlemine (Postclassical Compute and Comms)
3. Sensoorika ja mobiilsus (Sensing and Mobility)
4. „Täiendatud“ inimene (Augmented Human)
5. Digitaalsed ökosüsteemid (Digital Ecosystems)

1. Täiustatud tehisintellekt ja analüütika (Advanced AI and Analytics)

Viimased 10 aastat on me näinud sügava õppimise (Deep Learning) tähtsaimat aega. Need võrgud on tõeliselt tõhusad oma ülesannete ringis. 2018. aastal said Yann LeCun, Geoffrey Hinton ja Yoshua Bengio nende avastuste eest Turingi auhinna – kõige prestiižsema auhinna, mis on sarnane „Nobeli” auhinnale informaatikas. Nii et siin on peamised trendid, mis on välja toodud graafikus:

1.1. Ülekandõpe (Transfer Learning)

Te ei koolita närvivõrku nullist, vaid võtate juba koolitatud võrgu ja määrate sellele uue eesmärgi. Mõnikord on vajalik osa võrgust ümber koolitada, kuid mitte kogu võrku, mis on palju kiiremini. Näiteks, kui võtta valmis närvivõrk ResNet50, mis on koolitatud andmestikul ImageNet1000, saate algoritmi, mis suudab pildi põhjal klassifitseerida väga palju erinevaid objekte väga sügaval tasemel (1000 klassi omaduste järgi, mille on välja töötanud 50 närvivõrgu kihti). Kuid teile ei ole vajalik kogu seda võrku tervikuna koolitada, mis tooks nädalatepikkuse töö.

Uues veebikursus Samsung „Närvivõrgud ja arvutinägemine”, näiteks, lõppfaasis Kaggle-ülesanne kätitlemiseerimisega puhtaid ja musti taldrikuid, demonstreerib lähenemisviisi, mis 5 minutiga annab teile kasutada sügava närvivõrgu, mis suudab eristada musti taldrikuid puhastest, mis on rajatud eespool kirjeldatud arhitektuurile. Algne võrk ei teadnud, mis on taldrikud, ta õppis lihtsalt eristama linde koertest (vt ImageNet).

Allikas: veebikursus Samsung „Närvivõrgud ja arvutinägemine”

Ülekandõppe jaoks on oluline teada, millised lähenemisviisid töötavad, millised on olemasolevad põhistruktuurid. Üldiselt kiirendab see masinõppe praktiliste rakenduste tekkimist.

1.2. Generatiivly-konkurentsivõrgud (Generative Adversarial Networks, GAN)

See on olukordades, kus meil on väga raske sõnastada õppe eesmärki. Mida lähemale ülesanne reaalsusele, seda arusaadavam see meile on („too öökapp”), kuid seda keerulisem on see tehnilise ülesandena sõnastada. GAN on justkui katse vabastada meid sellest probleemist.

Siin töötavad kaks võrgustikku: üks on genereeriv (Generative) ja teine diskrimineeriv (Adversarial). Üks võrgustik õpib tegema kasulikku tööd (piltide klassifitseerimist, helide tuvastamist, joonistamist). Teine võrgustik õpib õpetama esimest: tal on reaalsed näited ja ta õpib leidma eelnevalt tundmatuid keerulisi valemeid, et võrrelda genereeriva osa tulemusi reaalse maailma objektidega (treeningnäidis) tõeliselt oluliste sügavate omaduste põhjal: silmade arv, sarnasus Miyazaki stiiliga, inglise keele häälduse õigsus.

Võrgustiku tulemuste näide anime karakterite genereerimiseks. Allikas

Kuid seal on muidugi keeruline arhitektuuri üles ehitada. Ei piisa lihtsalt neuronite paiskamisest, neid tuleb ette valmistada. Ja õpetama peab nädalate kaupa. GAN-ide teema on minu kolleegide uurimistöö keskmes Samsungi tehisintellekti keskuses, see on nende üks peamisi teadusuuringute küsimusi. Näiteks, selline arendus: genereerivate võrgustike kasutamine realistlike inimeste fotode sünteesimiseks muudetava poosi abil – näiteks, et luua virtuaalne proovikabiin, või näo sünteesimiseks, mis võib võimaldada vähendada teabe hulka, mida on vaja salvestada või edastada kvaliteetse videokõne, edastamise või isikuandmete kaitse tagamiseks.

Allikas

1.3. Selgitatav tehisintellekt (Explainable AI)

Mõnes harvas ülesandes on sügavate arhitektuuride areng äkki viinud sügavate närvivõrkude võimed inimese omadustega sarnaseks. Nüüd käib võitlus selle nimel, et selliste ülesannete ringi laiendada. Näiteks võiks robotpõrandalihvija kergesti eristada kassi koerast silmast silma kohtumisel. Kuid enamikus igapäevaelu olukordades pole ta suuteline leidma kassi, kes magab pesu või mööbli seas (nagu meie, enamikul juhtudel…).

Mis on sügavate närvivõrkude edusammude põhjuseks? Need arendavad ülesande esitlemise viisi, mis ei põhine mitte „käega katsutaval“ teabel (fotode pikslitel, helitugevuse hüpetel...), vaid tunnustel, mis on saadud selle teabe eeltöötlemise käigus sadade närvivõrkude kihtide abil. Kahjuks võivad need seosed olla samuti mõttetud, vastuolulised või kanda endas algandmete puudusi. Näiteks on väike arvutimäng, mis illustreerib, kuhu võib viia hoolimatu AI kasutamine värbamises. Ellujäämine parima sobivuse kaudu.

Kujutiste märgistamise süsteem nimetas toitu valmistavat inimest naiseks, kuigi pildil on tegelikult mees (Allikas). See märgati Virginia Ülikoolis.

Kuna me peame analüüsima keerulisi ja sügavaid seoseid, mida me sageli ise sõnastada ei oska, on vajalikud seletatavad AI meetodid. Need organiseerivad sügavate närvivõrkude tunnuseid nii, et pärast õpetamist saaksime analüüsida võrgu õppitud sisemist esitust, mitte lihtsalt toetuda selle lahendusele.

1.4. Äärmiselt analüüs / AI (Edge Analytics / AI)

Kõik, kus on sõna Edge, tähendab sõna otseses mõttes järgmist: osa algoritmidest viiakse pilvest / serverist lõppseadmest / väravast kõrgemale tasemele. Selline algoritm töötab kiiremini ja ei vajata oma tööks keskses serveris. Kui olete tuttav „õhuklientide“ mõistega, siis siinkohal me muudame seda klienti veidi paksemaks.
See võib olla oluline asjade Interneti jaoks. Näiteks, kui masin on üle kuumenemise ja vajab jahutamist, on mõistlik anda sellest märguanne kohe, tehasetasemel, oodates, kuni andmed jõuavad pilve ja sealt vahetuvasse meistrisse. Või näiteks: isesõitvad autod oskavad iseseisvalt liiklusolusid mõista, ilma kesksesse serverisse pöördumata.

Allikas

Või teine näide, miks see on turvalisuse seisukohalt oluline: kui sa oma telefonis tekste kirjutad, mäletab see sinu lemmiksõnu, et telefon klaviatuur saaks neid sulle mugavalt soovitada – seda nimetatakse ennustavaks teksti sisestamiseks. Saata andmed, mida sa klaviatuuril sisestad, kuhugi andmekeskusesse oleks sinu privaatsuse rikkumine ja lihtsalt ohtlik. Seetõttu toimub klaviatuuri õppimine ainult sinu seadme raames.

1.5. Tehisintellekti platvorm teenusena (AI PaaS)

PaaS – Platvorm-teenusena – on ärimudel, kus me saame juurdepääsu integreeritud platvormile, sealhulgas selle pilveandmesalvestusele ja valmis protseduuridele. Nii saame vabastada end infrastruktuuriülesannetest ja keskenduda täielikult millegi kasuliku tootmisele. Näide PaaS-i platvormidest AI ülesannete jaoks: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Adaptivne masinõpe (Adaptive ML)

Kuidas, kui me lubame tehisintellektil kohaneda... Küsite, kuidas?.. Kas ta ei kohandu niikuinii ülesandega? Probleem on selles: me vormistame iga sellise ülesande põhjalikult enne, kui loome algoritmi selle lahendamiseks. Teile vastatakse – selgub, et ka seda ahelat saab lihtsustada.

Tavapärane masinõpe töötab avatud süsteemi (open-loop) põhimõttel: sa valmistad andmeid ette, mõtled välja närvivõrgu (või midagi muud), koolitad, siis vaatad mitmeid näitajaid ning kui kõik meeldib, saadate närvivõrgu nutitelefonidesse – kasutajaülesannete lahendamiseks. Kuid rakendustes, kus andmeid on palju ja nende karakter pidevalt muutub, on vajalikud teised meetodid. Sellised süsteemid, mis kohandavad ja õpetavad end ise, korraldavad end sulgude, isekoolituslike kontuuride (closed-loop) alla ning need peavad töötama katkematult.

Rakendused — see võib olla vooganalüüs (Stream Analytics), mille põhjal teevad paljud ettevõtjad otsuseid, või adaptiivne tootmise juhtimine. Kaasaegsete rakenduste ulatuses ja arvestades paremini mõistetavaid riske inimestele koguvad meetodid, mis moodustavad lahenduse sellele probleemile, kõik need meetodid kogutakse üldnime all Adaptivne AI.

Allikas

Vaadates seda pilti, on keeruline eralduda tundest, et futurolooge ei peaks näljutama – anna neile robot hingama õpetada...

Postklassikalised arvutused ja suhtlemine (Postclassical Compute and Comms)

2.1. Viienda põlvkonna mobiilside (5G)

See on nii huvitav teema, et saadame teid kohe meie artiklis. Siin on lühike kokkuvõte. 5G suurendab andmete edastamise sagedust, muutes Interneti kiirus tõeliselt kiireks. Lühikestel lainetel on raskem takistustest läbi minna, seega on võrgu struktuur täiesti erinev: baasjaamu on vaja 500 korda rohkem.

Koos kiiruseta saame uusi nähtusi: reaalajas mänge laiendatud reaalsuses, keeruliste ülesannete täitmise (näiteks kirurgiliste protseduuride) kaugosalusena, õnnetuste ja keeruliste olukordade ennetamise teel autode vahelise suhtluse kaudu. Pragmaatilisemalt: lõpuks ei kuku mobiilne Internet massiliste ürituste ajal, nagu staadionile toimuva matši ajal.

Pildi allikas – Reuters, Niantic

2.2. Järgmisel põlvkonnal mälu (Next-Generation Memory)

Siin on jutt viienda põlvkonna operatiivmälu – DDR5. Samsung kuulutas välja, et 2019. aasta lõpuks tulevad turule DDR5 põhinevad tooted. Oodatav on, et uus mälu on kaks korda kiirem ja kaks korda mahukam, säilitades samas formaadi, seega saame oma arvutit varustada kuni 32 GB mälu moodulitega. Tulevikus on see eriti oluline nutitelefonidele (uus mälu on saadaval madala energiatarbimise variandis) ja sülearvutitele (kus DIMM-pesade arv on piiratud). Ja masinõpe vajab suuri koguseid operatiivsest mälust.

2.3. Madala orbiidi satelliitsüsteemid (Low-Earth-Orbit Satellite Systems)

Idee vahetada välja rasked, kallid ja võimsad satelliidid väikeste ja odavate vastu ei ole sugugi uus, see tuli esile juba 90. aastatel. Üks tuntumaid projekti aretajaid, «Elon Musk hakkab varsti kõigile internetti satelliidi kaudu jagama» pole praegu enam kuulnud vaid laisk. Siin on kõige tuntum ettevõte Iridium, mis pankrotistes 90. aastate lõpus, kuid päästeti Ameerika Ühendriikide kaitseministeeriumi toel (ära sega kokku iRidiumiga – Venemaa nutika kodu süsteemiga). Elon Musk'i projekt (Starlink) ei ole sugugi ainus – satelliidi võidujooksus osalevad Richard Branson (OneWeb – 1440 eeldatavat satelliidi), Boeing (3000 satelliidi), Samsung (4600 satelliidi) ja teised.

Kuidas asjad selles valdkonnas on, milline on sealne majandus – loe meie ülevaatest. Me ootame nende süsteemide esimesi teste, mis toimuvad juba järgmisel aastal, esimestelt kasutajatelt.

2.4. Nanomõõtmetes 3D-prindimine (Nanoscale 3D Printing)

3D-printimine, kuigi see ei ole sisse tunginud igaühe ellu (lubatud isikliku kodus plastikut valmistava tehase vormis), on juba ammu välja kasvanud geegitehnoloogiate nišist. Seda tõestab, et vähemalt 3D-skulptuuriliste pliiatsite olemasolust on teadlik iga koolilaps ning paljud unistavad endale omamoodi kasti, kuhu on pandud rööpad ja ekstruuder... "lihtsalt nii" (või on juba soetanud).

Stereolitograafia (laser 3D-printerid) võimaldab prindimist üksikute fotonite kaupa: uuritakse uusi polümeere, mille kõvenemiseks piisab vaid kahest fotonist. See võimaldab laboratooriumivälistes tingimustes luua täiesti uusi filtreid, kinnitusi, vedrusid, kapillaare, läätsi ja… teie ettepanekud kommentaarides! Siinkohal ei jää kuna fotopolümeerimisest kaugele – just see tehnoloogia võimaldab "printida" protsessoreid ja arvutuskaffe. Lisaks sellele, ei ole juba mitu aastat olemas grafiini 500 nm kolmemõõtmeliste struktuuride printimise tehnoloogia,, kuid ilma radikaalse arenguta.

Allikas

3. Sensorika ja mobiilsus (Sensing and Mobility)

3.1. Isesõitvad autod, tase 4 ja 5 (Autonomous Driving Level 4 & 5)

Kuna terminoloogia on keeruline, on mõistlik selgitada, milliseid tasemeid autonoomsuses eristatakse (võetud üksikasjalikest artikleid, kuhu suuname kõik huvilised):

Tase 1: Kiiruserežiim: juhi abi väga piiratud olukordades (näiteks – auto hoidmine etteantud kiirusel pärast seda, kui juht on jala pedalilt eemaldanud)
Tase 2: Piiratud abi roolimise ja peatamise osas. Juht peab olema valmis juhtimise enda peale võtma praktiliselt kohe. Tema käed on roolil, pilk suunatud teele. See on midagi, mis on juba olemas Teslas ja General Motorsis.
Tase 3: Juht ei pea enam pidevalt teed jälgima. Kuid ta peab jääma tähelepanelikuks ja olema valmis juhtimise enda peale võtma. Seda praegu turul olevates autod ei paku. Kõik olemasolevad on tasemel 1-2.
Tase 4: Tõeline autonoomne sõidurežiim, kuid piirangutega: ainult reisid tuntud piirkonnas, mis on põhjalikult kaardistatud ja üldiselt süsteemile teada, ning teatud tingimustel: näiteks lume puudumisel. Selliseid prototüüpe on Waymo ja General Motors'il, kes plaanivad neid käivitada mitmes linnas ning testida tõelistes tingimustes. Yandex'il on testimisalad koostööpartnerite taksoteenusele Skolkovo's ja Innopolis'e linnas: sõit toimub inseneri järelevalve all, kes istub reisijakoha peal; ettevõte plaanib aastaks laiendada autopark 100 autonoomse autoni.
Tase 5: Täielik automatiseeritud sõitmine, täielik elava juhi asendamine. Selliseid süsteeme ei eksisteeri ja tõenäoliselt ei ilmu need varsti.

Kui reaalselt on võimalik seda nähtust lähitulevikus näha? Siin tahaksin viidata lugejat artiklile „Miks robotaxi käivitamine 2020. aastaks, nagu lubab Tesla, ei ole võimalik“. See on osaliselt tingitud 5G-ühenduse puudumisest: olemasolevad 4G kiiruset ei ole piisavad. Osaliselt väga kõrgetest autonoomsete autode kuludest: need on hetkel kahjumlikud, äri mudel on ebaselge. Ühesõnaga, siin on „kõik keeruline“ ja pole juhus, et Gartner kirjutab, et 4. ja 5. taseme laialdase kasutuselevõtu prognoos – mitte varem kui 10 aasta pärast.

3.2. 3D-nägemise kaamerad (3D Sensing Cameras)

Kaheksa aastat tagasi tõi Microsoft Kinect mängukontroller müra, pakkudes taskukohast ja suhteliselt odavat lahendust 3D-nägemiseks. Sellest ajast alates on füüsilise kasvatuse ja tantsu mängud Kinect'iga olnud oma lühikese tõusu ja languse, kuid 3D-kaameraid on hakatud kasutama tööstuslikes robotites, droonides, mobiiltelefonides näotuvastuseks. Tehnoloogia on muutunud odavamaks, kompaktsemaks ja kergemini kättesaadavaks.

Samsung S10 telefonis on aeglennukaamera (Time-of-Flight), mis mõõdab objekti kaugust – fookuse lihtsustamiseks. Allikas

Kui see teema huvitab teid, siis viitame väga heale põhjalikule sügavuse kaamerate ülevaatele: osa 1, Osa 2.

3.3. Kerged kaubad toimetavad droonid (Light Cargo Delivery Drones)

Sel aastal tegi Amazon müra, kui tutvustas näitusel uut lennudroni, mis suudab transportida väikseid koormaid kuni 2 kg. Suures linnas, kus on ummikud, tundub see ideaalne lahendus. Vaatame, kuidas need dronid tulevikus toimivad. Tõenäoliselt tasub siinkohal olla ettevaatlikult skeptiline: probleemide ring on lai, alates droonide lihtsast vargusest kuni regulatiivsete piiranguteni UAV-dele. Amazon Prime Air on tegutsenud juba kuus aastat, kuid on endiselt testimisfaasis.

Uus Amazoni droon, mis esitati sel kevadel. Midagi on selles «Tähesõdade» moodi. Allikas

Lisaks Amazonile on turul ka teisi mängijaid (on põhjalik ülevaade), kuid valmis toodet ei ole: kõik on testimise ja turundusaktsioonide etapis. Erakordselt huvitavad on ka kitsasfookuslikud meditsiinilised projektid Afrikas: doonoriverd tarnitakse Ghanas (14 000 tarnet, ettevõte Zipline) ja Rwandas (ettevõte Matternet).

3.4. Lennatav autonoomne transport (Flying Autonomous Vehicles)

Siin on keeruline midagi kindlat öelda. Gartneri arvates ilmuvad need mitte varem kui 10 aasta pärast. Üldiselt on probleemid sama laadi nagu isesõitvate autode puhul, ainult need saavad uue mõõtme — vertikaalse. Oma ambitsioonidest lennutaksi ehitamiseks räägivad Porsche, Boeing, Uber.

3.5. Täiendatud reaalsuse pilv (AR Cloud)

Pidev digitaalne koopiapäris maailmast, mis võimaldab luua uue reaalsuse kihi, mis on kõigile kasutajatele ühine. Tehnilisemas keeles tähendab see avatud pilveplatvormi loomist, kuhu arendajad saaksid oma AR-rakendusi integreerida. Monetiseerimise mudel on arusaadav, see on sarnane Steamiga. Idee on juurdunud nii tugevalt, et paljud peavad nüüd, et AR ilma pilveta on lihtsalt kasutule.

Kuidas see tulevikus välja näeb, on kujutatud lühikeses videos. Näeb välja nagu järjekordne osa «Mustast peeglist»:

Seda saab ka lugeda ülevaateartiklist.

4. «Täiendatud» inimene (Augmented Human)

4.1. KI emotsioonide jaoks (Emotion AI)

Kuidas mõõta, simuleerida ja reageerida inimemotsioonidele? Ühed siinsed kliendid on ettevõtted, kes toodavad hääleassistentide sarnaseid nagu Amazon Alexa. Nad saavad tõeliselt kodudesse sisse elada, kui õpivad tuvastama meeleolu: mõistma rahulolematuse põhjust ning proovima olukorda parandada. Üldiselt on kontekstis palju enam informatsiooni kui sõnumis endas. Ja kontekst tähendab nii näoilmeid, intonatsiooni kui ka mitteverbaalset käitumist.

Teised praktilised rakendused: emotsioonide analüüs tööintervjuude ajal (videointervjuud), reklaamivideote või muu videomaterjali reageeringute hindamine (naeratused, naer), toimetulek õpetamisel (näiteks iseseisvate praksiste jaoks avalike esinemiste kunstis).

Selle teema kohta on raske paremini välja öelda kui 6-minutilise lühifilmi autor. Stealing Ur Feeling. Witty ja stiilselt valmistatud videos näidatakse, kuidas saab mõõta meie emotsioone turunduse eesmärkidel ning hetkereaktsioone teie näos kasutada teabe saamiseks: armastate te pitsat, koeri, Kanye Westi ja isegi kui kõrge on teie sissetulek ja ligikaudne IQ. Kui külastate filmi veebisaiti ülaltoodud lingil, muutute interaktiivse video osaliseks, kasutades teie loodud sülearvuti sisseehitatud kaamerat. Film on juba mängitud mitmetel kinofestivalidel.

Allikas

On isegi huvitav uurimus: kuidas tuvastada tekstis sarkasmi. Koguti tweets, millel on hashtags #sarcasm, ja loodi õppeandmestik 25 000 sarkastilisest tweetist ja 100 000 tavalisest tweetist kõikide teemade kohta. Kasutati TensorFlow raamatukogu, koolitati süsteem ja siin on tulemused:

Allikas

Seetõttu, kui te pole kindel oma kolleegi või sõbra osas - kas ta ütles midagi tõsiselt või sarkasmiga, - võite nüüd kasutada juba õpitud närvivõrku.!

4.2. Täiendatud intelligentsus (Augmented Intelligence)

Intellektuaalse töö automatiseerimine masinõppe meetodite abil. Tundub, et midagi uut pole? Kuid siin on oluline just see sõnastus, eriti kuna see langeb kokku akronüümiga tehisintellekt (AI). See viitab meile arutelule "tugevast" ja "nõrgast" AI-st.
Tugev tehisintellekt on just see, mida me näeme ulmefilmides, mis on täielikult võrdväärne inimvaimule ja tunnustab ennast isikuna. Sellist veel ei eksisteeri ja ei ole selge, kas see kunagi eksisteerib.

Nõrk tehisintellekt ei ole iseseisev isik, vaid inimese assistendiks. Ta ei pretendeeri inimliku mõtlemise poolest, vaid suudab lihtsalt lahendada teavet käsitlevaid ülesandeid, näiteks määrata, mis pildil on, või tõlkida teksti.

Allikas

Sel mõttes on Augmented Intelligence puhtal kujul „nõrk tehisintellekt”, ja see määratlemine tundub sobiv, kuna see ei tekita segadust ega ahvatle nägema siin seda „tugevat tehisintellekti”, millest kõik unistavad (või kardavad, kui meenutada lugematuid arutelusid „masinate ülestõusust”). Kasutades mõistet Augmented Intelligence, saame kohe nagu teise filmi tegelasteks: teaduslikust fantaasiast (nagu Asimovi „Minu, robot”) satume kyberpunk'i (selles žanris nimetatakse „augmenteeringuteks” igaüht, mis laiendab inimese võimeid).

Kuidas öeldi Erik Brynjolfsson ja Andrew McAfee: „Järgneva 10 aasta jooksul juhtub just see. Mitte tehisintellekt asendab juhte, vaid need juhid, kes kasutavad tehisintellekti, asendavad need, kes ei ole seda veel teinud.”

Näited:

• Meditsiin: Stanfordi ülikool lõi algrütmi, mis suudab tuvastada kopsuröntgenpiltidel patoloogiaid sama edukalt kui enamik arste.
• Haridus: abi õpilasele ja õpetajale, õpilaste tagasiside analüüs materjalide kohta, individuaalse õpiosaku koostamine.
• Ärianalüüs: andmete eeltöötlus, mis statistika kohaselt võtab 80% teadlase ajast, ja vaid 20% — katsetamine.

4.3. Biošaibid (Biochips)

See on lemmikteema kõigis kyberpunk'i filmides ja raamatutes. Üldiselt on lemmikloomade šaibimine praktika, mis pole uus. Kuid nüüd on neid šaibe hakanud siirdama ka inimestele.

Antud juhul on hype tõenäoliselt seotud kohaliku Ameerika ettevõtte Three Square Market skandaaliga. Seal hakkas tööandja pakkuma töötajatele naha alla kiipide implanteerimist vastutasuks preemiate eest. Kiip võimaldab avada uksi, sisse logida arvutitesse, osta suupisteid automaatidest – see on tegelikult universaalne töötaja kaart. Samas toimib kiip just kui identiteedikaart, selles ei ole GPS-moduulit, seega ei saa kedagi selle abil jälgida. Ja kui inimene soovib kiipi käest eemaldada, võtab see arsti abiga aega vaid 5 minutit.

Kiibid implanteeritakse tavaliselt suure ja nimetissõrme vahele. Allikas

Lugege põhjalikumat artiklit olekust kiipimise osas maailmas.

4.4. Immersiivsed töökeskkonnad (Immersive Workspace)

«Immersiivne» on jälle üks uus sõna, mille eest pole kuhugi põgeneda. See on igal pool. Immersiivne teater, näitus, film. Mida see siis tähendab? Immersiivsus on efekti loomine, kus kaob piir autorite ja vaatajate, virtuaalse ja reaalse maailma vahel. Töökeskkonna kontekstis tähendab see tõenäoliselt piiri hägustamist täitjate ja algatajate vahel ning töötajate julgustamist aktiivsemale käitumisele läbi ümbritseva keskkonna ümbervormingut.

Kuna Agile, paindlikkus ja tihe koostöö on nüüdseks igal pool, peavad ka töökohad olema maksimaalselt lihtsalt konfigureeritavad ja soodustama rühmatööd. Majandus dikteerib oma tingimused: ajutiste töötajate arv kasvab, kontorirent muutub kallimaks, ning IT-sektori konkurentsitingimustes püüavad ettevõtted suurendada töötajate rahulolu, luues rekreatiivseid alasid ja muid eeliseid. See kõik mõjutab töökeskkonna disaini.

Kuna aruande Knoll

4.5. Persoonifitseerimine (Personification)

Kõik teavad, mis on reklaamis personaliseerimine. See on siis, kui te täna arutate kolleegiga, et kontoris on õhk liiga kuiv ja oleks tore osta niisutaja, ning järgmisel päeval näete sotsiaalmeedias reklaami – «osta niisutaja» (reaalne juhtum, mis juhtus minuga).

Allikas

Personaliseerimine tähendab Gartneri määratluse kohaselt vastata kasvavale murele kasutajate isikuandmete kasutamise üle reklaami eesmärgil. Eesmärk on välja töötada lähenemine, kus meile näidatakse reklaame, mis vastavad kontekstile, kus me viibime, mitte isiklikult meile. Näiteks meie asukoht, seadme tüüp, päevaaeg, ilmastikuolud – need ei rikku meie isikuandmeid ja me ei tunne ebamugavalt jälgimist.

Erinevus nende kahe mõiste vahel, loe märkust Andrew Franki blogist Gartneri veebilehel. Siin on nii peen erinevus ja nii sarnased sõnad, et te, teadmata erinevust, võite kaua vaielda vestluskaaslasega, teadmata, et mõlemad on tegelikult õiged (ja see on ka reaalne juhtum, mis juhtus autori endaga).

4.6. Biotehnoloogia – Kunstlikud koed (Biotech – Cultured or Artificial Tissue)

See tähendab eelkõige ideed kasvatada kunstliha. Samal ajal töötavad mitmed tiimid üle maailma laboratoorse "Liha 2.0" kallal - oodatakse, et see saab olema odavam kui tavaline, ja kiirtoidurestoranid ning seejärel supermarketid liiguvad sellele üle. Investeerijate seas on selle tehnoloogia taga Bill Gates, Sergey Brin, Richard Branson ja teised.

Allikas

Põhjused, miks kunstlik liha nii palju huvi pakub:

1. Kliimamuutused: metaani heitkogused farmidest. See on 18% maailma kliimale mõjuvatest gaaside kogusest.
2. Rahvastiku kasvu. Liha vajadus kasvab ja kõiki lihtsalt naturaalse lihaga toita ei õnnestu – see on lihtsalt liiga kallis.
3. Ruumikitsikus. 70% Amazonase metsadest on juba raiekulud, et rajada karjamaid.
4. Eetilised kaalutlused. On inimesi, kelle jaoks see on oluline. Loomakaitseorganisatsioon PETA on juba pakkunud 1 miljoni dollari suuruse auhinna teadlasele, kes toob turule kunstliku kanaliha.

Tõelise liha asendamine soja omaga on osaline lahendus, sest inimesed tunnevad hästi erinevust maitses ja tekstuuris ning tõenäoliselt ei loobu nad steikidest soofavorsuseks. Seega on vajalik tõeline, orgaaniliselt kasvatatud liha. Praegu on kunstlik liha, kahjuks, liiga kallis: alates 12 dollarist kilogrammi kohta. See on seotud sellise liha kasvatamise keerulise tehnoloogiaga. Loe sellest rohkem. artiklit.

Kui rääkida teistest kudumise juhtumitest – juba meditsiinis – siis on huvitav teema kunstlike organite kohta: näiteks „kips” südamelihase jaoks, printitud spetsiaalse 3D-printeriga. Teada on lood sarnastest kunstlikult kasvatatud hiire südame juhtudest, kuid üldiselt ei jää kõik veel kliiniliste katsete piiridesse. Seega me ei näe Frankensteinit lähiaastatel.

Siin on Gartner ettevaatlik oma hinnangutes, ilmselt pidades silmas oma 2015. aasta nurjunud ennustust, et 2019. aastaks on 10% arenenud riikide elanikkonnast omanud 3D-printitud meditsiiniseadet-implantaati. Seetõttu märgib ta, et produktiivsuse taseme saavutamise aeg on vähemalt 10 aastat.

5. Digitaalsed ökosüsteemid (Digital Ecosystems)

5.1. Decentraliseeritud Veeb (Decentralized Web)

See mõisted on tihedalt seotud veebilehe leiutaja, Turingi auhinna laureaadi, sir Tim Berners-Lee nimega. Tema jaoks on alati olnud olulised eetika küsimused arvutiteaduses ja Interneti kollektiivne olemus: luues hüperteksti aluse, uskus ta, et võrgu peaks töötama nagu ämblikuvõrk, mitte kui hierarhia. Nii see oligi võrgu arengu varases etapis. Kuid Interneti kasvu tõttu on selle struktuur mitmel põhjusel hakanud keskenduma. Selgus, et kogu riigi juurdepääsu võrkudele saab hõlpsasti blokeerida vaid paarilt teenusepakkujalt. Ja kasutajate andmed on muutunud internetiettevõtete jõu ja tulu allikaks.

„Internet on juba decentraliseeritud,” ütleb Berners-Lee. „Probleem on see, et domineerib üks otsingumootor, üks suur sotsiaalne võrk, üks mikrobloominguteplatvorm. Meil ei ole tehnilisi probleeme, kuid on sotsiaalsed probleeme.”

Oma avatud kirjas World Wide Webi 30. aastapäeva puhul joonistas Webi looja välja kolm peamist probleemi Internetis:

1. Sihtmärgiline kahju, nagu riigi toetatud häkkerirünnakud, kuritegevus ja veebihäirimine
2. Kogu süsteemi struktuur, mis kasutaja kahjuks loob aluse selliste mehhanismide jaoks nagu: klikkimise ja valeinformatsiooni levitamise rahaline premeerimine
3. Kasutamise disaini tahtmatud tagajärjed, mis viivad konfliktideni ja online-arutelu kvaliteedi vähenemiseni

Ja Tim Berners-Lee-l on juba vastus, milles põhineks "Tervete inimeste internet", mis oleks vabastatud probleemist nr 2: "Paljude kasutajate jaoks jääb veebiga suhtlemise ainus mudel reklaamitulu saamiseks. Isegi kui inimesed on mures oma andmete pärast, on nad nõus minema tehingusse turundusmasinaga, et saada sisu tasuta. Kujutage ette maailma, kus kaupade ja teenuste eest tasumine on mõlemale poolele lihtne ja meeldiv." Üks võimalus selle saavutamiseks on, et muusikud võivad oma salvestisi müüa otse, ilma vahendajateta nagu iTunes, ja uudiste saidid kasutavad mikromaksete süsteemi, et võimaldada lugemist ühest artiklist, selle asemel et teenida reklaamist.

Eksperimentaalse prototüübi loomiseks sellest uuest internetist käivitas Tim Berners-Lee SOLID projekti, mille peamine idee on see, et te hoiate oma andmeid "podis" - teabehoidlas ja saate neid andmeid võimaldada kolmandate osapoolte rakendustele. Kuid põhimõtteliselt olete te ise oma andmete omanikud. See kõik on tihedalt seotud peer-to-peer võrkude mõistega, mille kohaselt teie arvuti mitte ainult ei küsi teenuseid, vaid ka pakub neid, et mitte toetuda ühele serverile ainsa kanalina.

Allikas

5.2. Dekrentraliseeritud autonoomsed organisatsioonid (Decentralized Autonomous Organizations)

See on organisatsioon, mida juhivad reeglid, mis on kirja pandud arvutiprogrammina. Tema finantstegevus toimub plokiahela alusel. Selliste organisatsioonide loomise eesmärk on kõrvaldada riik vahendaja rollist ja luua ühine usaldusväärne keskkond lepingupartneritele, mille üle ei valda keegi üksi, vaid kõik koos. Teoreetiliselt peaks see, kui idee juurdub, kaotama notarid ja muud traditsioonilised verifikatsiooni asutused.

Kõige tuntum näide sellisest organisatsioonist oli riskikaptitalist sõltuv The DAO, mis kogus 2016. aastal 150 miljonit dollarit, millest 50 miljonit varastati kohe õiguspärase "auk" kaudu reeglite sees. Siinkohal tekkis keeruline dilemma: kas tagastada raha ja taastada eelnev seis või tunnustada, et raha välja võtmine oli seaduslik, kuna see ei rikkunud platvormi reegleid. Lõpuks, et investoritele raha tagasi anda, pidid loojad hävitama The DAO, kirjutades plokiahela ümber ja rikkudes selle põhialust – muutumatust.

Koomiks Ethereumist (vasakul) ja The DAO-st (paremal). Allikas

Kogu see lugu rikkus DAO idee mainet. See projekt viidi ellu Ethereum krüptovaluuta alusel, järgmisel aastal oodatakse Ether 2.0 versiooni – võib-olla arvestavad autorid (kelle hulgas on tuntud Vitalik Buterin) vigu ja näitavad midagi uut. Võib-olla just seetõttu paigutas Gartner DAO tõusvale joonele.

5.3. Sünteetilised andmed (Synthetics Data)

Näitlusandmete õpetamiseks vajavad tehisintellekti mudelid suuri andmemahtusid. Andmete käsitsi märgistamine on tohutu töö, mida suudab teha ainult inimene. Seetõttu on võimalik luua tehislikke andmekogumeid. Näiteks samu inimeste nägude kogusid veebisaidil. https://generated.photosNeed luuakse GAN-i – algoritmide abil, millest on juba varem räägitud.

Need näod ei kuulu inimestele. Allikas

Selle andmete kasutamise suur eelis on see, et ei teki õiguslikke probleeme: isikuandmete töötlemise nõusolekut ei pea kellegi poole pöörduma.

5.4. Digitaalne ops

Sufiks "Ops" on saanud äärmiselt populaarseks alates sellest, kui meie kõnes saavutati DevOps. Nüüd, et mõista, mida tähendab DigitalOps – see on lihtsalt DevOps, DesignOps, MarketingOps jne. laiem mõisted... Kas sul on veel igav? Ühesõnaga, see on lähenemise üleviimine DevOps-is aktsepteeritud meetodeid tarkvarasektorist kõigisse teiste äri külgedesse - turundusse, disaini jne.

Allikas

DevOps'i idee oli eemaldada barjäärid arenduse (Development) ja operatsioonide (Operations) vahel, luues ühtekuuluvate meeskondade, kus töötavad nii arendajad, testijad, turvaspetsialistid kui ka administraatorid; teatud praktika rakendamine: pidev integreerimine, infrastruktuur kui kood, tagasiside ahelate lühendamine ja tugevdamine. Eesmärk oli kiirendada toote turule toomist. Kui arvate, et see meenutab Agile'i, siis olete õigel teel. Nüüd viige see lähenemine peast tarkvaraarendusest kõikide arendustegevuste valdkonda ja te mõistate, mis on DigitalOps.

5.5. Teadmiste graafikud (Knowledge Graphs)

Programmiline meetod teadmiste valdkonna modelleerimiseks, sealhulgas masinõppe algoritmide abil. Teadmiste graafik ehitatakse olemasolevate andmebaaside kohale, et siduda kogu teave: nii struktureeritud (ürituste või isikute nimekiri) kui ka struktureerimata (artikli tekst).

Kõige lihtsam näide on kaart, mida näete Google'i otsingutulemustes. Kui otsite mingit isikut või institutsiooni, näete paremal kaarti:


Pange tähele, et "Eelseisvad üritused" ei ole Google Maps'i info koopia, vaid Yandex.Afisha ajaloo integreerimine: näete seda hõlpsasti, kui klõpsate üritustel. See tähendab mitme andmeallika ühendamist.

Kui küsite nimekirja, näiteks "kuulsad režissöörid", kuvatakse teile "karussell":

Boonus neile, kes lugesid lõpuni

Ja nüüd, kui oleme selgitanud iga punkti tähendust, saame vaadata sama pilti, aga juba eesti keeles:

Jagage seda julgelt sotsiaalmeedias!

Tatjana Volkova – Samsungi IT Akadeemia asjade Interneti õppeprogrammi autor, Samsungi teadus- ja arenduskeskuse ettevõtte sotsiaalsete vastutuse programmide spetsialist.


Allikas: habr.com