Gartneri diagramm tehnoloogiasektoris tööle asuvatele inimestele on nagu kõrge moe näitus. Vaadates seda, saate ette teada, millised sõnad on selle hooaja kõige popimad ja mida kuulete kõigil lähituleviku konverentsidel.

Oleme dekodeerinud, mis peitub selle diagrammi ilusate sõnade taga, et saaksite samuti sellel keeles rääkida.

Alustuseks paar sõna, mis see diagramm on. Igal aastal, augustis, avaldab konsultatsioonifirma Gartner raporti – Gartner Hype Curve. Eestikeelselt tuntud kui "hype'i kõver" või teisisõnu – hype. 30 aastat tagasi laulis Public Enemy: "Don't believe the hype". Kas usuda või mitte, on isiklik küsimus, kuid vähemalt nende võtmesõnade teadmine on kohustuslik, kui töötate tehnoloogiasektoris ja soovite teada maailma trende.

See on tehnoloogia avalike ootuste graafik. Gartneri arvates läbib tehnoloogia ideaalis järjestikku 5 etappi: tehnoloogia käivitamine, ekslikud ootuste tipud, pettumuse org, valgustuse kaldajoon ja tootlikkuse platoo. Kuid mõnikord juhtub ka, et see jääb "pettumuse orgu" — näiteid selle kohta on lihtne tuua, näiteks Bitcoinid: esialgu saavutades tipu kui "tuleviku raha", langesid nad kiiresti tagasi, kui tehnoloogia puudused, eelkõige tehingute arvu piirangud ja tohutu energia tarbimine Bitcoinide genereerimiseks (mis tõukab juba keskkonnaprobleeme), muutusid ilmselgeks. Ja loomulikult ei tohi unustada, et Gartneri graafik on vaid prognoos: siin näiteks saab lugeda üksikasjalikku artiklile, kus käsitletakse kõige silmapaistvamaid täitmata ennustusi.

Nii et vaatame Gartneri uut graafikut. Tehnoloogiad on jagatud 5 suurde teema gruppi:

1. Edasijõudnud tehisintellekt ja analüütilised meetodid (Advanced AI and Analytics)
2. Postklassikalised arvutus- ja kommunikatsioonitehnoloogiad (Postclassical Compute and Comms)
3. Sensoorika ja mobiilsus (Sensing and Mobility)
4. «Täiendatud» inimene (Augmented Human)
5. Digitaalsed ökosüsteemid (Digital Ecosystems)

1. Edasijõudnud AI ja analüüs (Advanced AI and Analytics)

Viimase kümne aasta jooksul oleme näinud sügava õppimise (Deep Learning) säravat tund. Need suured võrgud on oma ülesannete jaoks tõeliselt efektiivsed. 2018. aastal said Yann LeCun, Geoffrey Hinton ja Yoshua Bengio oma avastuste eest Turingi auhinna – kõige prestiižsema auhinna, mis on analoogne „Nobeli” auhinnale infotehnoloogias. Seega on peamised suundumused selles valdkonnas, mis on kantud graafikule:

1.1. Ülekande õppimine (Transfer Learning)

Te ei koolita närvivõrku nullist, vaid võtate juba koolitatud mudeli ja määrate sellele uue eesmärgi. Mõnikord on vajalik osa võrgust ümber koolitada, kuid mitte kogu võrku, mis on palju kiirem. Näiteks, kui võtate valmis närvivõrgu ResNet50, mis on koolitatud ImageNet1000 andmestikul, saate algoritmi, mis suudab piltide järgi klassifitseerida väga palju erinevaid objekte sügaval tasemel (1000 klassi tunnuste järgi, mille on välja töötanud 50 närvivõrgu kihti). Kuid teil ei ole vaja kogu seda võrku täielikult koolitada, mis võtaks kuude kaupa.

V online-kursusel Samsung „Närvivõrgud ja arvutinägemine”, näiteks, lõpus Kaggle-ülesandes lõhestab puhtaid ja määrdunud taldrikuid, näidates lähenemist, mis 5 minutiga annab teile sügava närvivõrgu, mis suudab eristada määrdunud taldrikuid puhtatest, ehitatud ülaltoodud arhitektuuri põhjal. Algne võrk ei teadnud, mis taldrikud on, ta õppis lihtsalt eristama linnukesi koertest (vt ImageNet).

Allikas: veebikursus Samsung „Närvivõrgud ja arvutinägemine“

Transfer Learning'i jaoks on oluline teada, millised lähenemisviisid toimivad ja millised on olemasolevad põhiharhitektuurid. Üldiselt kiirendab see oluliselt masinõppe praktiliste rakenduste väljatöötamist.

1.2. Generatiivsed vastandvõrgud (Generative Adversarial Networks, GAN)

See on olukordades, kus on väga keeruline sõnastada õppimise eesmärki. Mida lähemal on ülesanne reaalsusele, seda arusaadavam see meile on („too öökapike“), kuid seda keerulisem on seda tehnilise ülesandena sõnastada. GAN on justkui katse meid sellest probleemist vabastada.

Siin töötavad kaks võrgustikku: üks genereerija (Generative) ja teine diskrimineerija (Adversarial). Üks võrgustik õpib tegema kasulikku tööd (piltide klassifitseerimine, helide tuvastamine, joonistamine). Teine võrgustik õpib õpetama seda võrgustikku: tal on reaalsed näited ja ta õpib leidma eelnevalt teadmata keerulist valemit, et võrrelda genereeriva osa võrgustiku väljundeid reaalse maailma objektidega (õppevalikuga), tuginedes tõeliselt olulistele sügavale omadustele: silmade arv, sarnasus Miyazaki stiiliga, inglise keele häälduse õiguspärasus.

Näide võrgustiku töötulemuse kohta anime-kangelaste genereerimisel. Allikas

Kuid seal on loomulikult raske arhitektuuri üles ehitada. Lihtsalt neuronite viskamine ei piisa, neid tuleb ette valmistada. Õpetama peab nädalaid. GAN-teemaga tegelevad mu kolleegid Samsungi tehisintellekti keskuses, see on nende üks peamisi uurimisküsimusi. Näiteks selline arendus: generatiivsete võrkude kasutamine inimeste realistlike fotode sünteesimiseks, mille poosi on võimalik muuta — näiteks virtuaalse prooviruumi loomiseks või näo sünteesimiseks, mis võib vähendada vajalike andmete kogust, mida tuleb säilitada või edastada kvaliteetse videokõne, ülekande või isikuandmete kaitsmise tagamiseks.

Allikas

1.3. Selgitatav AI (Explainable AI)

Mõnedes harvades ülesannetes on sügavate arhitektuuride areng äkki viinud sügavate närvivõrkude võimed inimese omadest lähedale. Nüüd käib võitlus selle nimel, et laiendada selliste ülesannete ringi. Näiteks võiks tolmuimeja kergesti eristada kassi koerast otseses kohtumises. Kuid enamikes igapäevaelu olukordades ei suuda ta leida kassi, mis magab pesu või mööbli seas (kuigi ka meie ei suuda seda enamasti…).

Mis seisab sügavate närvivõrkude edus, on see, et nad loovad ülesande esituse, mis põhineb mitte "alasti silmaga nähtaval" teabel (piltide pikslid, helitugevuse tõusud jne), vaid tunnustel, mis saadakse selle teabe eelneva töötlemise käigus mitme sajandi närvivõrgu kihti. Kahjuks võivad need seosed olla ka mõttetud, vastuolulised või kanda endas algse andmekogumi puudusi. Näiteks sellest, kuhu võib viia mõtlematu AI kasutamine värbamises, on väike arvutimäng. Parimate sobivuse ellujäämine.

Pildimärgendussüsteem nimetas inimeseks, kes toiduvalmistab, naist, kuigi pildil on tegelikult mees (Allikas). See märgati Virginia instituudis.

Kuna keeruliste ja sügavate seoste analüüsimiseks, mida me tihti ise sõnastada ei suuda, on vajalikud Explainable AI meetodid. Need korraldavad sügavate närvivõrkude tunnuseid nii, et pärast õppimist saaksime analüüsida võrgu omandatud sisemist esitamist, mitte lihtsalt tugineda selle lahendusele.

1.4. Piiriäärne analüütika / AI (Edge Analytics / AI)

Kõik, kus on sõna Edge, tähendab põhimõtteliselt järgmist: osa algoritmidest kantakse pilvest/serverist lõppseadmest/ukse tasandile. Selline algoritm töötab kiiremini ja ei vaja keskserveriga ühendust töötamiseks. Kui oled tuttav "peene kliendi" kontseptsiooniga, siis siin me seda klienti veidi paksendame.
See võib olla oluline asjade interneti jaoks. Näiteks, kui masin üle kuumeneb ja vajab jahutamist, on mõistlik saata sellest signaal kohe, tehase tasandil, oodates, kuni andmed jõuavad pilve ja sealt vahetusjuhile. Või teine näide: isesõitvad autod saavad liiklust olukorda ise hallata, ilma et peaks keskserveriga ühendust võtma.

Allikas

Või teine näide, miks see turvalisuse seisukohalt oluline on: kui sa oma telefonis tekste trükid, mäletab see sinu tüüpilisi sõnu, et telefoniklahvistik saaks neid sulle mugavalt pakkuda – seda nimetatakse ennustavaks sisestamiseks. Kõike, mida sa klaviatuuril kirjutad, andmekeskusse saatmine rikuks sinu privaatsust ja oleks lihtsalt ebaturvaline. Seetõttu toimub klaviatuuri õppimine ainult su enda seadme raames.

1.5. AI platvorm teenusena (AI PaaS)

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

1.6. Kohanduv masinõpe (Adaptive ML)

Mis juhtub, kui lubame tehisintellektil end kohandada… Küsiksite – kuidas siis?.. Kas ta ei kohandu niigi ülesandele? Probleem seisneb selles: iga selline ülesanne vormistatakse hoolikalt, enne kui loome selle lahendamiseks tehisintellekti algoritmi. Teile vastatakse – selgub, et seda ahelat saab ka lihtsustada.

Tavapärane masinõpe toimib avatud süsteemi (open-loop) põhimõtte kohaselt: valmistate andmed, tulete välja närvivõrguga (või millegi muuga), treenite, seejärel vaatate mitmeid näitajaid ning kui teile kõik meeldib, saate saatma närvivõrgu nutitelefonidesse – lahendama kasutajate ülesandeid. Kuid rakendustes, kus andmeid on väga palju ja nende iseloom järk-järgult muutub, on vajalikud teised meetodid. Sellised süsteemid, mis kohanduvad ja õpivad ise, korraldatakse suletud, ennast õpetavatesse kontuuridesse (closed-loop), ja nad peavad töötama katkestusteta.

Rakendused – need võivad olla voogedastuse analüüs (Stream Analytics), mille põhjal teevad paljud ettevõtjad otsuseid, või adaptiivne tootmise juhtimine. Tänapäevaste rakenduste kontekstis ja arvestades inimeste paremini mõistetavaid riske kogunevad probleemide lahendamise meetodid kõik ühte kategooriasse, mida kutsutakse adaptiivseks tehisintellektiks.

Allikas

Vaadates seda pilti, on raske vabaneda tundest, et futurologe ei tohi leivaga toita – anna neile võimalus õpetada robotile hingama…

Postklassikalised arvutus- ja kommunikatsioonitehnoloogiad (Postclassical Compute and Comms)

5G mobiilside

See on nii huvitav teema, et suuname teid kohe meie artiklis. Siin on lühike kokkuvõte. 5G suurendab andmeedastuse sagedust, muutes Interneti kiirus uskumatult kiireks. Lühikesed lained on takistustest keerulisemini läbitavad, seetõttu muutub võrgustruktuur täiesti teistsuguseks: baasjaamu on vaja 500 korda rohkem.

Koos kiirusest tulevad uued nähtused: reaalajas mängud koos täiustatud reaalsusega, keeruliste ülesannete täitmine (näiteks kirurgiaga) läbi kohaloleku edastamise, õnnetuste ja keeruliste olukordade vältimine teedel autodevahelise suhtluse kaudu. Igapäevasematest asjadest: lõpuks lakkab mobiilne internet massiürituste ajal kokku kukkumast, nagu näiteks staadioni mängu ajal.

Pildi allikas — Reuters, Niantic

2.2. Järgmise põlvkonna mälu (Next-Generation Memory)

Siin räägitakse viiendast põlvkonnast operaatiivmälu – DDR5. Samsung kuulutas välja, et 2019. aasta lõpuks tulevad turule tooted, mis toetavad DDR5. Oodatakse, et uus mälu on kaks korda kiirem ja kaks korda mahukam, samas säilitades vormifaktori, seega saame oma arvutile mälu mooduleid, mille maht on kuni 32 GB. Tulevikus on see eriti oluline nutitelefonide jaoks (uus mälu on madalama energiatarbimise versioonis) ja sülearvutite jaoks (kus DIMM-slotide arv on piiratud). Ja masinõpe vajab suuri mahtusid operaatiivmälu.

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

Idee asendada mahukaid, kalliseid ja võimsaid satelliite väikese ja odava rööbaste rikka mitmekesine ei ole uus ning see ilmus juba 90-ndatel. Räägime sellest, et „Elon Musk hakkab peagi kõigile satelliidi internetti jagama“ hetkel ei ole kuulnud ainult laisk. Siin on kõige tuntum ettevõte – Iridium, mis läks pankrotti 90-ndate lõpus, kuid päästeti Ameerika Ühendriikide järelvalve tõttu (ärge segage iRidiumi – Venemaa nutikodu süsteemiga). Elon Muski projekt (Starlink) pole kaugeltki ainus – satelliidivõidujooksus osalevad Richard Branson (OneWeb – 1440 planeeritud satelliiti), Boeing (3000 satelliiti), Samsung (4600 satelliiti) ja teised.

Kuidas asjad sellel alal on, kuidas seal majandus välja näeb – lugeda ülevaates. Ja me ootame esimestelt testidelt neid süsteeme esimestelt kasutajatelt, mis peaksid toimuma juba järgmisel aastal.

2.4. 3D-printimine nanoskaalas (Nanoscale 3D Printing)

3D printimine, kuigi see ei ole igapäevaellu tunginud (viisil, nagu lubatud individuaalne kodune plastifabrik), on juba ammu väljunud geekide tehnoloogia niššist. Seda tõendab asjaolu, et vähemalt 3D-skulptuuripliiatsite olemasolust teab iga koolilaps, ja paljud unistavad omada kasti vooliku ja ekstruuderiga… "niisama" (või on juba soetatud).

Stereolitograafia (laserite 3D-printerid) võimaldab printida eraldi fotonitest: uuritakse uusi polümeere, mille kõvenemiseks piisab kahest fotonist. See võimaldab mitte-laboratoorsetes tingimustes luua täiesti uusi filtreid, kinnitusi, vedrusid, kapillaare, läätsi ja… teie variandid kommentaarides! Siin on lähedal fotopolümerisatsioon – vaid see tehnoloogia võimaldab "printida" protsessoreid ja arvutiringkondi. Lisaks sellele on juba mitu aastat olemas tehnoloogia, mis võimaldab printida grafeeni 500-nanomeetrisi kolmemõõtmelisi struktuure, kuid ilma radikaalsete edusammudeta.

Allikas

3. Sensoorika ja liikuvus (Sensing and Mobility)

3.1. Autonoomsed sõidukid, tase 4 ja 5 (Autonomous Driving Level 4 & 5)

Kuna terminoloogias segadusse mitte sattuda, on mõistlik aru saada, milliseid autonoomsuse tasemeid eristatakse (pärineb detailsest artikkel, kuhu suuname kõiki huvilisi):

Tase 1: Kruise kontroll: juhi abi väga piiratud olukordades (näiteks auto hoidmine määratud kiirusel pärast seda, kui juht on jala pedaalilt ära võtnud)
Tase 2: Piiratud abi roolimise ja pidurdamise osas. Juht peab olema valmis juhtimise üle võtma praktiliselt koheselt. Tema käed on roolil, pilk suunatud teele. See on see, mida juba pakuvad Tesla ja General Motors.
Tase 3: Juht ei pea enam pidevalt teed jälgima. Kuid ta peab olema tähelepanelik ja valmis juhtimise üle võtma. Seda ei ole hetkel müügis olevates autodest veel saadaval. Kõik olemasolevad on praegu tasemetel 1-2.
Tase 4: Tõeline autopiloot, kuid piirangutega: ainult sõidud tuntud piirkondades, mis on hoolikalt kaardistatud ja mille süsteem tunneb üldiselt ära, ja teatud tingimustel: näiteks lume puudumisel. Selliseid prototüüpe on näiteks Waymo ja General Motors, kes plaanivad neid mitmes linnas käivitada ja tõelistes tingimustes testida. Yandex'il on testimisalad isesõitvate taksode jaoks Skolkovo ja Innopolis: sõit toimub inseneri järelevalve all, kes istub kõrvalistmel; aasta lõpuks plaanib ettevõte laiendada oma autopargi 100 isesõitvani.
Tase 5: Täielik automaatne juhtimine, täielik asendamine elava juhi poolt. Selliseid süsteeme ei eksisteeri ja tõenäoliselt ei ilmu need järgmistel aastatel.

Kui realistlik on seda kõike varsti näha? Siin tahaksin suunata lugejat artiklile „Miks on robotaxi käivitamine 2020. aastaks, nagu lubab Tesla, võimatu“See osaliselt on seotud 5G ühenduse puudumisega: olemasolevad 4G kiirus ei ole piisavad. Osaliselt ka väga kõrgete autonoomsete autode hindadega: need pole veel kasumlikud, äri mudel pole selge. Ühesõnaga, siin on "kõik keeruline", ja pole juhus, et Gartner kirjutab, et prognoos massiliseks kasutuselevõtuks Tasemel 4 ja 5 – mitte varem kui 10 aasta pärast.

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

Kaheksa aastat tagasi põhjustas Microsoft Kinect mängukontroller palju müra, pakkudes taskukohast ja suhteliselt odavat lahendust 3D nägemiseks. Sellest ajast alates on füüsiliste ja tantsumängude lühike õitseaeg Kinektiga möödunud, kuid 3D kaameraid on hakatud kasutama tööstusroboteis, droonides ja mobiiltelefonides näotuvastamiseks. Tehnoloogia on muutunud odavamaks, kompaktsemaks ja kergemini kättesaadavaks.

Samsung S10 telefonis on ajakuluülekande (Time-of-Flight) kaamera, mis mõõdab objekti kaugust - selleks, et lihtsustada fokuseerimist. Allikas

Kui teid huvitab see teema, siis suuname teid hea detailse sügavuse kaamerate ülevaate juurde: osa 1, osa 2.

3.3. Kerged kaubaveodrooni (Light Cargo Delivery Drones)

Sel aastal tekitas Amazon palju elevust, kui esitles messil uut lendavat drooni, mis suudab kanda väikeseid koormusi kuni 2 kg. Linna, kus on pidevalt ummikud, tundub see ideaalne lahendus. Jääb overnäha, kuidas need droonid tulevikus tegutsema hakkavad. Siinkohal tasub olla ettevaatlikult skeptiline: on palju probleeme, alates drooni kerge varastamise võimalusest kuni dronide seadusandlike piiranguteni. Amazon Prime Air on eksisteerinud juba kuus aastat, ent on endiselt testimise faasis.

Uus Amazoni droon, mis näidati sel kevadel. Midagi on selles «Tähesõdade» laadset. Allikas

Lisaks Amazonile on sellel turul ka teisi mängijaid (on üksikasjalik ülevaade), kuid ühtegi valmistoote ei ole: kõik on testimise ja turunduskampaaniate etapis. Eraldi tasub mainida ka üsna huvitavaid kitsaste spetsialiseerumistega meditsiinilisi projekte Aafrikas: doonorivere transport Ghanas (14 000 kohaletoimetamist, ettevõte Zipline) ja Rwandas (ettevõte Matternet).

3.4. Lendavad autonoomsed transpordivahendid (Flying Autonomous Vehicles)

Siin on keeruline midagi kindlat öelda. Gartneri arvates ei toimu see enne kui 10 aasta pärast. Ükskõik, need on samad probleemid nagu isesõitvates autodes, lihtsalt need saavad uue mõõtme — vertikaalse. Oma ambitsioonidest ehitada lendavat taksot teavad rääkida Porsche, Boeing, Uber.

3.5. Täiendatud reaalsuse pilv (AR Cloud)

Pidev digitaalne koopia reaalsest maailmast, mis võimaldab luua kõigi kasutajate jaoks uue reaalsuse kihi. Tehniliselt rääkides tähendab see avatud pilveplatvormi loomist, kuhu arendajad saaksid integreerida oma AR-rakendusi. Monetiseerimise mudel on arusaadav, see on mingisugune analoog Steamile. Idee on juurdunud nii sügavale, et nüüd arvatakse, et AR ilma pilve ei ole lihtsalt kasulik.

Kuidas see tulevikus välja võiks näha, on maalitud lühikeses videoklipis. Näeb välja nagu järjekordne osa 'Mustast peeglist':

Veel saab lugeda ülevaateartiklist.

4. 'Täiendatud' inimene (Augmented Human)

4.1. Tehisintellekt emotsioonide jaoks (Emotion AI)

Kuidas mõõta, simuleerida ja reageerida inimeste emotsioonidele? Üks klientidest on siin häälassistente tootvad ettevõtted nagu Amazon Alexa. Nad saavad tõeliselt kodudesse sisse elada, kui õpivad ära tundma tuju: mõistma kliendi rahulolematuse põhjuseid ja püüdma olukorda parandada. Tegelikult on kontekstis palju rohkem teavet kui sõnumis endas. Ja kontekst on nii näoilme, intonatsioon kui ka mitteverbaalne käitumine.

Teistest praktilistest rakendustest: emotsioonide analüüs tööintervjuude ajal (video intervjuude kaudu), reageerimise hindamine reklaamklippide või muu videosisu puhul (naeratused, naer), abi õppimisel (nt iseseisvates praktikas avaliku esinemise kunstis).

Selle teema kohta on raske paremini sõna võtta kui autori 6-minutilises lühifilmis. Stealing Ur Feeling. Nutikalt ja stiilselt tehtud videos näidatakse, kuidas saame mõõta meie emotsioone turunduse eesmärgil, ja hetkereaktsioone teie näol kasutades teada, kas teil on armastus pitsade, koerte, Kanye Westi vastu, ning isegi kui suur on teie sissetulek ja umbkaudu teie IQ. Külastades filmi veebisaiti ülaltoodud lingil, saate osaleda interaktiivses videos, kasutades oma sülearvuti sisseehitatud kaamerat. Film on juba olnud mitmetel filmifestivalidel.

Allikas

On isegi selline huvitav uurimus: kuidas tuvastada irooniat tekstis. Võeti tweet'id, millel oli #iroonia ja moodustati treeningvalim 25 000 irooniat sisaldavast tweet'ist ja 100 000 tavalisest tweet'ist igasugustest teemadest. Kasutati TensorFlow raamatukogu, koolitati süsteemi, ja siin on tulemus:

Allikas

Seetõttu, kui te ei ole kindel, kas teie kolleeg või tuttav – kas ta ütles midagi tõsiselt või irooniaga, – saate kasutada juba treenitud närvivõrku!

4.2. Täiendatud intelligents (Augmented Intelligence)

Tehisintellekti meetodite abil tehtud intellektuaalse töö automatiseerimine. Tundub, et pole midagi uut? Kuid siin on oluline ise formuleering, eriti kuna see kattub lühendiga Tehisintellekt. See viitab meile arutelule "tugeva" ja "nõrga" AI üle.
Tugev AI on just see tehisintellekt, mida näeme ulmefilmides, mis on täielikult võrdsed inimmeele ja teadvusega. Sellist ei eksisteeri ning pole selge, kas selline peaks üldse eksisteerima.

Nõrk AI ei ole iseseisev isik, vaid inimese abistaja-assistent. See ei pretendeeri inimlikele mõtlemisvõimetele, vaid oskab lihtsalt lahendada infotehnilisi ülesandeid, näiteks tuvastada, mis on pildil, või tõlkida teksti.

Allikas

Sellest plaanist on augmented intelligence puhtalt "nõrk tehisintellekt", ja see määratlus tundub sobiv, kuna see ei tekita segadust ega ahvatle nägema siin seda " tugevat tehisintellekti", millest kõik unistavad (või kardavad, kui meenutada hulga arutelusid "masinate ülestõusu" üle). Kasutades väljendit augmented intelligence, muutume me justkui selle filmi tegelasteks: teaduslikust fantaasiast (nagu Asimovi "Mina, robot") satume küberpanka (selles žanris nimetatakse "augmenteeringuteks" igasuguseid implantaate, mis suurendavad inimese võimeid).

Kuidas öeldi Erik Brynjolfsson ja Andrew McAfee: "Järgmisel 10 aastal juhtub järgmist. Tehisintellekt ei asenda juhte, vaid need juhid, kes kasutavad tehisintellekti, asendavad need, kes ei ole veel jõudnud."

Näited:

• Meditsiin: Stanfordi ülikool on välja töötanud algoritm., mis suudab rindkere röntgenpiltide patoloogiate tuvastamise ülesande täita keskmiselt sama edukalt kui enamik arste.
• Haridus: õpilaste ja õpetajate abi, õpilaste reaktsiooni analüüs materjalidele, individuaalse õpitee koostamine.
• Ärianalüüs: andmete eelprotsessimine võtab statistika kohaselt 80% teadlase ajast ja vaid 20% jääb eksperimentideks.

4.3. Biochipid (Biochips)

See on kõigi küberpungifilmide ja -raamatute lemmikteema. Üldiselt ei ole lemmikloomade kiibistamine uus praktika. Kuid nüüd on neid kiipe hakanud implantaatima ka inimestele.

Sel juhul on huvi tõenäoliselt seotud kõmulise juhtumiga Ameerika ettevõttes Three Square Market. Seal hakkas tööandja pakkuma, et inimesed saavad naha alla kiipe implanteerida vastutasuks preemia eest. Kiip võimaldab avada uksi, sisse logida arvutitesse ja osta suupisteid automaatidest – see on nagu universaalne töötaja kaart. Samas teenib selline kiip vaid identifitseerimiskaardina, selles ei ole GPS-moodulit, seega kedagi jälgida ei saa. Kui inimene soovib kiipi käest eemaldada, kestab see doktoriga vaid 5 minutit.

Kiibid implanteeritakse tavaliselt pöidla ja nimetissõrme vahele. Allikas

Lugege üksikasjalikult artiklile kiibistamise olukorrast maailmas.

4.4. Immersiivne tööruum (Immersive Workspace)

«Immersiivne» – veel üks uus sõna, millest lihtsalt ei pääse. See on igal pool. Immersiivne teater, näitus, kino. Mida see tähendab? Immersiivsus on see, kui luuakse süvenemisefekt, kui kaob piir autorite ja vaatajate, virtuaalse ja reaalmaailma vahel. Töökoha kontekstis tähendab see tõenäoliselt piiri kustutamist teostaja ja algataja vahel ning töötajate julgustamist aktiivsemale osalemisele läbi ümbritseva keskkonna ümberkujundamise.

Kuna Agile on nüüd igal pool, peab ka töökoht olema maksimaalselt kergesti konfigureeritav, soodustama grupitööd. Majandus diktseerib oma nõudmised: ajutiste töötajate arv kasvab, kontoriruumi üürimise kulud tõusevad ning IT-sektoris püüavad ettevõtted töötajate rahulolu tõsta, luues puhkepiirkondi ja muid eeliseid. See kõik peegeldub töökohtade disainis.

Uusimad raporti Knoll

4.5. Personifikatsioon (Personification)

K kõigile on teada, mis on personaliseerimine reklaamis. See on siis, kui sa arutled kolleegiga, et kontoris on kuiv õhk ja peaksime ostma niisutaja, ning järgmisel päeval näed sotsiaalmeedias reklaami – "osta niisutaja" (reaalne juhtum, mis juhtus minuga).

Allikas

Personaalsus, Garteri määratluse kohaselt, on vastus kasvavale murele kasutajate isikuandmete kasutamise üle reklaami eesmärgil. Eesmärk on töötada välja lähenemine, kus meile näidatakse reklaame, mis vastavad kontekstile, milles me viibime, mitte isiklikult meile. Näiteks meie asukoht, seadme tüüp, päevaaeg, ilmastikutingimused – see ei riku meie isikuandmeid ja me ei tunne ebamugavustunnet «jälgimise» osas.

Nende kahe mõiste erinevusest loe märkus Andrew Franki blogist Gartneri veebisaidil. Erinevus on nii peen ja sõnad nii sarnased, et te, teadmata vahet, võite kaua vaielda vestluspartneriga, kahtlemata, et mõlemad on õiged (ja see on samuti reaalne juhtum, mis juhtus autoriga).

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

See on peamiselt idee kasvatada kunstlikku liha. Samal ajal töötavad mitmed meeskonnad üle maailma laboratoorsete "Liha 2.0" arendamise kallal – oodatakse, et see muutub tavalisest odavamaks ning kiirtoidukohad ja samuti supermarketid hakkavad seda kasutama. Investeerijate hulgas on Bill Gates, Sergey Brin, Richard Branson ja teised.

Allikas

Põhjused, miks kunstlik liha nii palju kõneainet pakub:

1. Globaalne soojenemine: metaani heitkogused farmidest. See moodustab 18% maailma kliimat mõjutavatest gaasidest.
2. Rahvastiku kasv. Liha vajadus suureneb, ja kõiki loodusliku lihaga toita ei õnnestu – see on lihtsalt liiga kallis.
3. Kohtade nappus. 70% Amazonase metsadest on juba raiutud karjamaade tarbeks.
4. Eetilised kaalutlused. On inimesi, kelle jaoks see on oluline. Loomade kaitseorganisatsioon PETA on juba pakkunud 1 miljoni dollari suuruse preemia sellele teadlasele, kes toob turule kunstliku kana liha.

Tõeline liha asendamine sojaekvivalentidega on osaline lahendus, kuna inimesed tunnevad maitseeelt ja tekstuurilt selget vahet, ning ei loobu ilmselt praest soja kasuks. Seega on vajalik tõeline, just orgaaniliselt kasvatatud liha. Kahjuks on kunstlik liha hetkel liiga kallis: alates 12 dollarist kilogrammi eest. See on seotud keerulise tehnoloogilise protsessiga, mis on vajalik sellise liha kasvatamiseks. Lugege selle kohta lähemalt. artiklile.

Kui rääkida muudest koe kasvatamise juhtudest – juba meditsiinis – siis on huvitav teema kunstlikud organid: näiteks „krohv” südame lihase jaoks, printitud spetsiaalse 3D-printeriga. On tuntud lood nagu kunstlikult kasvatatud hiire süda, kuid üldiselt ei ületa kõik see veel kliiniliste katsete piire. Nii et Frankeni koletisi me lähiaastatel ilmselt ei näe.

Siin on Gartner ettevaatlik hinnangutes, ilmselt pidades silmas oma ebaõnnestunud ennustust 2015. aastast, et 2019. aastaks omavad 10% arenenud riikide elanikkonnast 3D-prinditud meditsiinilist implantaatseadet. Seetõttu märgib ta produktiivsuse platoolähenemise aega – mitte vähem kui 10 aastat.

5. Digitaalsed ökosüsteemid (Digital Ecosystems)

5.1. Detsentraliseeritud veeb (Decentralized Web)

See mõisted on tihedalt seotud veebilehe leiutaja, Turingi auhinna laureaadi, sir Tim Bernersi-Lee nimega. Tema jaoks on alati olnud olulised eetilised küsimused infotehnoloogias ning Interneti kollektiivne olemus: hüperteksti aluseid rajades oli ta veendunud, et võrk peaks toimima nagu ämblikuvõrk, mitte hieraariana. Nii see oligi varajases veebiarengu etapis. Kuid koos Interneti kasvuga hakkas tema struktuur mitmel põhjusel keskkonduma. Osutus, et juurdepääsu võrkudele kogu riigi jaoks saab kergesti blokeerida vaid mõne teenusepakkuja abil. Ja kasutajate andmed on muutunud internetifirmade võimu ja tulude allikaks.

„Internet on juba detsentraliseeritud,” ütleb Berners-Lee. „Probleemiks on see, et domineerib üks otsingumootor, üks suur sotsiaalmeedia võrk, üks mikroblogimise platvorm. Meil ei ole tehnilisi probleeme, vaid sotsiaalsed.”

Oma avatud kirjas World Wide Webi 30. aastapäeva tähistamiseks joonistas veebisahtel välja kolm peamist Interneti probleemi:

1. Sihtlik kahjustamine, nagu riigi toetatud häkkerirünnakud, kuritegevus ja veebihäirimine
2. Süsteemi seadmed, mis kasutaja kahjuks loovad aluse mehhanismidele nagu rahaline preemia klikkide püüdmiseks ja valeinformatsiooni viiruslik levitamine
3. Süsteemi disaini tahtmatud tagajärjed, mis viivad konfliktideni ja vähendavad online-arutelu kvaliteeti

Ja Tim Berners-Lee'il on juba vastus, millistel põhimõtetel võiks põhineda "terve inimese Internet", mis on vaba probleemist number 2: „Paljude kasutajate jaoks jääb veebiga suhtlemise ainus mudel reklaamitulu. Isegi kui inimesed on hirmul selle üle, mis nende andmetega juhtub, on nad nõus koostööd tegema turundusmasinaga, et saada sisu tasuta. Kujutage ette maailma, kus toodete ja teenuste eest tasumine on mõlemale poolele kerge ja meeldiv.” Üks võimalus, kuidas seda korraldada, on see, et muusikud saavad müüa oma plaate otse, ilma iTunes'i vahenduseta, ja uudiste saidid kasutavad mikromaksete süsteemi ühe artikli lugemise eest, selle asemel, et reklaamidelt tulu teenida.

Eksperimentaalse prototüübina sellisest uuest Internetist käivitas Tim Berners-Lee projekti SOLID, mille olemus seisneb selles, et säilitate oma andmeid "podis" — teabehoidlas, ning saate neid andmeid kolmandatele rakendustele anda. Kuid sisuliselt olete teie ise oma andmete omanikud. Kõik see on tihedalt seotud peer-to-peer võrkude kontseptsiooniga, st teie arvuti mitte ainult ei nõua teenuseid, vaid pakub neid ka, et mitte toetuda ühele serverile ainsa kanalina.

Allikas

5.2. Detsentraliseeritud autonoomsed organisatsioonid (Decentralized Autonomous Organizations)

See on organisatsioon, mida juhivad reeglid, mis on salvestatud arvutiprogrammina. Selle rahandustegevus toimub plokiahelas. Selliste organisatsioonide loomise eesmärk on kõrvaldada riik vahendajana ja luua ühine usaldusväärne keskkond tehingupartnerite jaoks, mida ei valda keegi üksi, vaid mille omavad kõik koos. Teoorias peaks see, kui idee juurdub, likvideerima notarid ja muud tuttavad verifitseerimise institutsioonid.

Kõige tuntum näide sellisest organisatsioonist oli riskikapitalile suunatud The DAO, mis kogus 2016. aastal 150 miljonit dollarit, millest 50 miljonit varastati koheselt seadusliku "auguga" reeglites. Järgnes keeruline dilemma: kas tagasikeerata ja raha tagasi anda või tunnustada, et raha väljavõtmine oli seaduslik, kuna see ei rikkunud platvormi reegleid. Lõpuks, et investoritele raha tagasi anda, pidid loojaid hävitama The DAO, kirjutades plokiahela ümber ja rikkudes selle peamist põhimõtet – muutumatust.

Komiks Ethereumist (vasakul) ja The DAOst (paremal). Allikas

Kogu see lugu rikkus DAO idee mainet. Projekt loodi Ethereum'i krüptovaluuta baasil, järgmisel aastal oodatakse Ether 2.0 versiooni – võib-olla arvestavad autorid (kelle hulgas on tuntud Vitalik Buterin) vigu ja näitavad midagi uut. Just seetõttu lisas Gartner DAO kasvava tendentsi alla.

5.3. Sünteetilised andmed (Synthetics Data)

Tehisintellekti koolitamiseks on vajalikud suured andmehulkad. Andmete käsitsi markeerimine on tohutu töö, mille saavad teha ainult inimesed. Seetõttu saab luua kunstlikke andmekogumeid. Näiteks sama tüüpi inimeste näokogud veebisaidil. https://generated.photosNeed luuakse GANide abil – algoritmide, millest on juba räägitud.

Need näod ei kuulu inimestele. Allikas

Selle andmematerjali suur pluss on see, et nende kasutamisel ei teki õiguslikke takistusi: isikuandmete töötlemiseks ei ole kelleltki nõusolekut küsida.

5.4.Digital Ops

Sufiks «Ops» on muutunud uskumatult moekaks alates hetkest, kui meie keelekasutusse tuli DevOps. Nüüd on DigitalOps lihtsalt DevOpsi, DesignOpsi, MarketingOpsi jne üldistus… Kas te pole veel igavlenud? Lühidalt öeldes, see on lähenemise edasiviimine, mis on DevOpsis kehtestatud, mujale ärihaarudesse – turundusse, disaini jne.

Allikas

DevOpsi idee oli eemaldada barjäärid arenduse (Development) ja operatsioonide (Operations) vahel, luues ühised meeskonnad, kus on programmeerijad, testijad, turvaspetialistid ja administraatorid; rakendades teatud praktikaid: pidev integreerimine, infrastruktuur kui kood, tagasiside ahelate lühendamine ja tugevdamine. Eesmärk oli kiirendada produktsiooni turule toomist. Kui arvasite, et see sarnaneb Agile'iga, siis olete õigel teel. Nüüd viige see lähenemine arendamisest tarkvaraarendusele üldiselt – ja olete mõistnud, mis on DigitalOps.

5.5. Teadmusgraafikud (Knowledge Graphs)

Programmiline viis teadmiste valdkonna mudeldamiseks, sealhulgas kasutades masinõppe algoritme. Teadmusgraafik ehitatakse olemasolevate andmebaaside peale, et siduda kogu teave ühte: nii struktureeritud (sündmuste või isikute nimekiri) kui ka struktureerimata (artikli tekst).

Lihtsaim näide on see kaart, mida võite näha Google'i otsingutulemustes. Kui otsite mingit isikut või asutust, näete paremal kaarti:


Pange tähele, et "Eelseisvad üritused" ei ole Google Maps'i teabe koopia, vaid Yandex.Auth'i ajakava integreerimine: näete seda kergesti, kui klikkite üritustel. See tähendab erinevate andmeallikate ühendamist ühtsesse koosseisu.

Kui palute loetelu – näiteks "kuulsad režissöörid" – kuvatakse teile "karussell":

Boonus neile, kes on lõpuni jõudnud

Ja nüüd, kui oleme selgitanud iga punkti tähenduse, saame vaadata sama pilti, kuid seekord eesti keeles:

Jagage seda julgelt sotsiaalmeedias!

Tatjana Volkova — Samsungi IT Akadeemia asjade interneti õppeprogrammi autor, Samsungi teadus- ja arenduskeskuse sotsiaalse vastutuse programmide spetsialist


Allikas: habr.com