Gartneri edetabel on nagu kõrgmoeshow tehnikatööstuses tegutsejatele. Seda vaadates saad juba ette teada, millised sõnad on sel hooajal enim käratanud ja mida kuulete kõigil eelseisvatel konverentsidel.

Oleme dešifreerinud selle graafiku ilusate sõnade taga, et saaksite ka keelt rääkida.

Alustuseks paar sõna selle kohta, mis tüüpi graafik see on. Konsultatsiooniagentuur Gartner avaldab iga aasta augustis aruande – Gartner Hype Curve. Vene keeles on see "hüpekõver" või lihtsamalt öeldes hype. 30 aastat tagasi laulsid räpparid grupist Public Enemy: "Don't believe the hype." Uskuge või mitte, see on isiklik küsimus, kuid kui töötate tehnoloogiavaldkonnas ja soovite teada globaalseid trende, tasub neid märksõnu vähemalt teada.

See on graafik avalikkuse ootustest konkreetse tehnoloogia suhtes. Gartneri sõnul läbib tehnoloogia ideaaljuhul 5 etappi: tehnoloogia käivitamine, ülepaisutatud ootuste tipp, pettumuse org, valgustumise kalle, tootlikkuse platoo. Kuid juhtub ka seda, et see upub "pettumuse orgu" - võite ise väga lihtsalt meenutada näiteid, võtta samad bitcoinid: alguses "tuleviku raha" tippu tabades libisesid need kiiresti alla, kui tehnoloogia puudused ilmnesid. ilmseks sai ennekõike piirangud tehingute arvule ja bitcoinide genereerimiseks kuluvale tohutule elektrihulgale (millega kaasnevad juba keskkonnaprobleemid). Ja muidugi ei tohi unustada, et Gartneri graafik on vaid prognoos: siit saad näiteks lugeda üksikasjalikku artiklit, kus vaadeldakse kõige silmatorkavamaid täitumata ennustusi.

Niisiis, vaatame üle uue Gartneri edetabeli. Tehnoloogiad on jagatud 5 suurde temaatilise rühma:

1. Täiustatud AI ja Analytics
2. Postklassikaline arvutus ja kommunikatsioon
3. Tundmine ja liikuvus
4. Laiendatud inimene
5. Digitaalsed ökosüsteemid

1. Täiustatud AI ja Analytics

Viimase 10 aasta jooksul oleme näinud süvaõppe parimat tundi. Need võrgud on oma ülesannete täitmiseks tõeliselt tõhusad. 2018. aastal said Yann LeCun, Geoffrey Hinton ja Yoshua Bengio oma avastuste eest Turingi auhinna – mainekaima auhinna, mis on analoogne Nobeli arvutiteaduse preemiaga. Niisiis, peamised suundumused selles valdkonnas, mis on näidatud diagrammil:

1.1. Ülekandeõpe

Te ei treeni närvivõrku nullist, vaid võtate juba treenitud võrgu ja määrate sellele teise eesmärgi. Mõnikord nõuab see osa võrgu ümberõpet, kuid mitte kogu võrku, mis on palju kiirem. Näiteks kui võtta valmis närvivõrk ResNet50, mis on koolitatud ImageNet1000 andmestikul, saate algoritmi, mis suudab klassifitseerida pildil palju erinevaid objekte väga sügaval tasemel (1000 klassi, mis põhinevad funktsioonidel, mis on genereeritud 50 närvikihi poolt. võrk). Kuid te ei pea kogu seda võrku koolitama, mis võtaks kuid.

В veebikursus Finaalis näiteks Samsung “Närvivõrgud ja arvutinägemine”. Kaggle ülesanne plaatide klassifitseerimisega puhasteks ja määrdunudteks demonstreeritakse lähenemist, mis annab 5 minutiga teie käsutusse sügava närvivõrgu, mis suudab eristada määrdunud plaate puhastest ja mis on ehitatud vastavalt ülalkirjeldatud arhitektuurile. Algne võrk ei teadnud üldse, mis taldrikud on, vaid õppis eristama linde koertest (vt ImageNet).

Allikas: veebikursus Samsung "Närvivõrgud ja arvutinägemine"

Transfer Learning jaoks peate teadma, millised lähenemisviisid töötavad ja millised valmis põhiarhitektuurid on saadaval. Üldiselt kiirendab see masinõppe praktiliste rakenduste tekkimist.

1.2. Generatiivsed võistlevad võrgud (GAN)

Seda nendeks juhtudeks, kui meil on väga raske õpieesmärki sõnastada. Mida lähemal on ülesanne tegelikule elule, seda arusaadavam on see meile (“too öökapp”), kuid seda keerulisem on seda tehnilise ülesandena sõnastada. GAN on lihtsalt katse meid sellest probleemist päästa.

Siin töötab kaks võrku: üks on generaator (Generative), teine ​​on diskrimineerija (Adversarial). Üks võrgustik õpib kasulikku tööd tegema (pilte klassifitseerima, helisid ära tundma, multikaid joonistama). Ja teine ​​võrgustik õpib seda võrku õpetama: sellel on reaalsed näited ja see õpib leidma varem tundmatu keeruka valemi võrgu generatiivse osa produktide võrdlemiseks reaalmaailma objektidega (koolituskomplekt), tuginedes tõeliselt olulistele sügavatele omadustele. : silmade arv, lähedus Miyazaki stiilile, õige inglise keele hääldus.

Näide animetegelaste genereerimise võrgu tulemusest. Allikas

Aga loomulikult on seal keeruline arhitektuuri ehitada. Ei piisa ainult neuronite loopimisest, need tuleb ette valmistada. Ja õppida tuleb nädalaid. Minu kolleegid Samsungi tehisintellekti keskusest tegelevad GAN-teemaga; see on üks nende peamisi uurimisküsimusi. Näiteks niimoodi arengut: generatiivsete võrkude kasutamine erinevate poosidega inimeste realistlike fotode sünteesimiseks – näiteks virtuaalse proovikabiini loomiseks või näo sünteesimiseks, mis võib vähendada kvaliteetse video tagamiseks salvestatava või edastatava teabe hulka. side, ringhäälingu või isikuandmete kaitse.

Allikas

1.3. Seletav AI

Mõnede haruldaste ülesannete puhul on süvaarhitektuuri edusammud ühtäkki toonud sügavate närvivõrkude võimalused inimese võimalustele lähemale. Nüüd käib võitlus selliste ülesannete ulatuse suurendamise nimel. Näiteks robottolmuimeja suudab otsekohtumisel kassi koerast kergesti eristada. Kuid enamikus elusituatsioonides ei leia ta voodipesu või mööbli vahel magavat kassi (enamasti nagu meiegi...).

Mis on sügavate närvivõrkude edu põhjus? Nad arendavad probleemi esituse, mis ei põhine mitte "palja silmaga nähtaval" teabel (foto pikslid, helitugevuse muutused ...), vaid tunnustel, mis on saadud pärast selle teabe eeltöötlemist mitmesaja närvivõrgu kihiga. Kahjuks võivad need seosed olla ka mõttetud, ebajärjekindlad või sisaldada algandmete kogumi puudusi. Näiteks on väike arvutimäng selle kohta, milleni võib AI mõtlematu kasutamine värbamisel kaasa tuua Parima sobivuse ellujäämine.

Piltide märgistamise süsteem sildistas toidu valmistava inimese naiseks, kuigi pildil olev inimene on tegelikult mees (Allikas). seda märganud Virginia Instituudis.

Et analüüsida keerulisi ja sügavaid seoseid, mida me sageli ise sõnastada ei oska, on vaja seletatavaid tehisintellekti meetodeid. Nad korraldavad sügavate närvivõrkude funktsioonid nii, et pärast koolitust saaksime analüüsida sisemist esitust, mille võrk on õppinud, selle asemel, et toetuda lihtsalt oma otsusele.

1.4. Edge Analytics / AI

Kõik, mis sisaldab sõna Edge, tähendab otsetõlkes järgmist: osa algoritmide ülekandmine pilvest/serverist lõppseadme/lüüsi tasemele. Selline algoritm töötab kiiremini ja ei vaja selle tööks ühendust keskserveriga. Kui olete tuttav "õhukese kliendi" abstraktsiooniga, siis siin muudame selle kliendi veidi paksemaks.
See võib olla asjade Interneti jaoks oluline. Näiteks kui masin on üle kuumenenud ja vajab jahutamist, on sellest mõistlik koheselt, tehase tasandil, märku anda, ootamata, millal andmed pilve ja sealt vahetusemeistrile lähevad. Või teine ​​näide: isejuhtivad autod saavad ise liiklusolukorrast aru saada, ilma keskserveriga ühendust võtmata.

Allikas

Või veel üks näide, miks see turvalisuse seisukohast oluline on: kui sisestate telefoni teksti, siis jätab see teile tüüpilised sõnad meelde, et hiljem saaks telefoni klaviatuur teid mugavalt nendega viidata – seda nimetatakse ennustavaks. tekstisisestus. Kui saadate kõik, mida klaviatuuril sisestate, kuskile andmekeskusesse, rikuks see teie privaatsust ja oleks lihtsalt ebaturvaline. Seetõttu toimub klaviatuuritreening ainult teie seadmes endas.

1.5. AI platvorm kui teenus (AI PaaS)

PaaS – Platform-as-a-Service on ärimudel, mille raames saame ligipääsu integreeritud platvormile, sealhulgas selle pilvepõhisele andmesalvestusele ja valmisprotseduuridele. Nii saame vabaneda infrastruktuuri ülesannetest ja keskenduda täielikult millegi kasuliku tootmisele. PaaS-i platvormide näide AI ülesannete jaoks: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Adaptiivne masinõpe (adaptiivne ML)

Mis siis, kui laseme tehisintellektil kohaneda... Küsite - ehk kuidas?.. Kas see ei kohandu juba ülesandega? Probleem on järgmine: kujundame iga sellise probleemi hoolikalt enne selle lahendamiseks tehisintellekti algoritmi koostamist. Nad vastavad teile - selgub, et seda ahelat saab lihtsustada.

Tavapärane masinõpe töötab avatud süsteemi (open-loop) põhimõttel: valmistad ette andmed, mõtled välja närvivõrgu (või mis iganes), treenid, siis vaatad mitut näitajat ja kui kõik meeldib, saad saata närvivõrk nutitelefonidesse – lahendage kasutajaprobleemid. Kuid rakendustes, kus andmeid on palju ja nende olemus järk-järgult muutub, on vaja muid meetodeid. Sellised süsteemid, mis kohanduvad ja õpetavad ennast, on organiseeritud suletud iseõppivateks ahelateks (suletud tsükkel) ja need peavad töötama tõrgeteta.

Rakendused – selleks võiks olla vooanalüütika (Stream Analytics), mille põhjal paljud ärimehed otsuseid langetavad, või adaptiivne tootmisjuhtimine. Praeguste rakenduste ulatuses ja arvestades paremini mõistetavaid riske inimestele, on selle probleemi lahenduseks olevad tehnikad koondatud adaptiivse tehisintellekti katustermini alla.

Allikas

Seda pilti vaadates on raske vabaneda tundest, et futuroloogid ei toida leiba – las nad õpetavad robotit hingama...

Postklassikaline arvutus ja kommunikatsioon

2.1. Viienda põlvkonna mobiilside (5G)

See on nii huvitav teema, et suuname teid kohe meie juurde siit. Noh, siin on lühike kokkuvõte. 5G muudab andmeedastussagedust suurendades interneti kiiruse ebareaalselt kiireks. Lühikestel lainetel on takistustest raskem läbida, seetõttu on võrkude ülesehitus täiesti erinev: tugijaamu on vaja 500 korda rohkem.

Koos kiirusega saame uusi nähtusi: liitreaalsusega reaalajas mängud, keerukate ülesannete (nt operatsioon) täitmine telekohaloleku kaudu, õnnetuste ja keeruliste olukordade ennetamine maanteedel masinatevahelise suhtluse kaudu. Proosalisemal noodil: mobiilne Internet lõpetab lõpuks massiürituste, näiteks staadionil toimuva matši, langemise.

Pildi allikas - Reuters, Niantic

2.2. Järgmise põlvkonna mälu

Siin räägime viienda põlvkonna RAM-ist - DDR5. Samsung teatas, et DDR2019-põhised tooted on saadaval 5. aasta lõpuks. Eeldatavasti saab uus mälu olema kaks korda kiirem ja kaks korda mahukam, säilitades sama vormiteguri ehk saame oma arvutisse hankida kuni 32GB mahuga mälupulgad. Edaspidi on see eriti aktuaalne nutitelefonide puhul (uus mälu tuleb vähese energiatarbega versioonis) ja sülearvutite puhul (kus DIMM-i pesade arv on piiratud). Ja masinõpe nõuab ka palju RAM-i.

2.3. Madala orbiidi satelliitsüsteemid

Idee asendada rasked, kallid ja võimsad satelliidid väikeste ja odavate satelliitidega pole kaugeltki uus ja tekkis 90ndatel. Millest "Elon Musk levitab varsti Internetti kõigile satelliidi kaudu" Nüüd pole ainult laisad kuulnud. Tuntuim firma siin on Iridium, mis läks 90ndate lõpus pankrotti, kuid päästeti USA kaitseministeeriumi arvelt (mitte segi ajada Venemaa targa kodu süsteemiga iRidium). Elon Muski projekt (Starlink) pole kaugeltki ainus – satelliidivõistlusel osalevad Richard Branson (OneWeb – 1440 satelliiti), Boeing (3000 satelliiti), Samsung (4600 satelliiti) jt.

Kuidas selles vallas asjad seisavad, kuidas sealne majandus välja näeb – loe edasi ülevaade. Ja ootame nende süsteemide esimesi katsetusi esimeste kasutajate poolt, mis peaksid toimuma järgmisel aastal.

2.4. Nanoskaala 3D printimine

3D-printimine, ehkki mitte iga inimese ellu pole sisenenud (üksiku koduplastitehase poolt lubatud kujul), on sellegipoolest juba ammu geekide tehnoloogianišist lahkunud. Võid hinnata selle järgi, et iga koolilaps teab vähemalt 3D-kujuliste pastakate olemasolust ning paljud unistavad soetada kasti jooksikute ja ekstruuderiga... just selliseks (või on selle juba ostnud).

Stereolitograafia (laser 3D-printerid) võimaldab printida üksikute footonitega: uuritakse uusi polümeere, mille tahkumiseks on vaja ainult kahte footoni. See võimaldab mittelaboritingimustes luua kommentaarides täiesti uusi filtreid, kinnitusi, vedrusid, kapillaare, läätsi ja... oma valikuid! Ja siin pole fotopolümerisatsioonist kaugel - ainult see tehnoloogia võimaldab meil "printida" protsessoreid ja arvutusahelaid. Lisaks pole see esimene aasta tehnoloogia grafeeni 500 nm kolmemõõtmeliste struktuuride printimiseks, kuid ilma radikaalse arenguta.

Allikas

3. Sensing ja liikuvus

3.1. Autonoomne sõit, 4. ja 5. tase

Et terminoloogias mitte segadusse sattuda, tasub mõista, milliseid autonoomia tasemeid eristatakse (võetuna üksikasjalikust artiklid, millele viitame kõigile huvilistele):

Tase 1: püsikiiruse hoidja: abistab juhti väga piiratud olukordades (näiteks hoides autot etteantud kiirusel pärast seda, kui juht on jala pedaalilt maha võtnud)
Tase 2: piiratud rooli- ja pidurdusabi. Juht peab olema valmis peaaegu koheselt kontrolli üle võtma. Tema käed on roolil, pilgud on suunatud teele. See on midagi, mis Teslal ja General Motorsil juba on.
Tase 3: juht ei pea enam pidevalt teed jälgima. Kuid ta peab jääma valvsaks ja olema valmis kontrolli üle võtma. See on midagi, mida müügilolevatel autodel veel pole. Kõik hetkel olemasolevad on tasemel 1-2.
Tase 4: tõeline autopiloot, kuid piirangutega: ainult reisid teadaolevas piirkonnas, mis on hoolikalt kaardistatud ja süsteemile üldiselt teada, ning teatud tingimustel: näiteks lume puudumisel. Waymol ja General Motorsil on sellised prototüübid olemas ning nad kavatsevad need mitmes linnas turule tuua ja reaalsetes keskkondades katsetada. Yandexil on mehitamata taksode katsetsoonid Skolkovos ja Innopolises: reis toimub reisijaistmel istuva inseneri järelevalve all; aasta lõpuks plaanib ettevõte oma autoparki laiendada 100 mehitamata sõidukini.
Tase 5: täisautomaatne sõit, aktiivse juhi täielik asendamine. Selliseid süsteeme ei ole ja tõenäoliselt ei teki neid lähiaastatel.

Kui realistlik on seda kõike lähitulevikus näha? Siinkohal tahaksin suunata lugeja artikli juurde "Miks on võimatu käivitada robottaksot aastaks 2020, nagu Tesla lubab". See on osaliselt tingitud 5G-ühenduvuse puudumisest: saadaolevatest 4G-kiirustest ei piisa. Osaliselt autonoomsete autode väga kõrge hinna tõttu: need ei ole veel kasumlikud, ärimudel on ebaselge. Ühesõnaga "kõik on siin keeruline" ja pole juhus, et Gartner kirjutab, et 4. ja 5. taseme massilise rakendamise prognoos pole varasem kui 10 aasta pärast.

3.2. 3D-tundlikud kaamerad

Kaheksa aastat tagasi lõi Microsofti mängukontroller Kinect laineid, pakkudes ligipääsetavat ja suhteliselt odavat lahendust 3D-nägemisele. Sellest ajast peale on kehalise kasvatuse ja tantsumängud Kinectiga kogenud oma lühikest tõusu ja langust, kuid 3D-kaameraid hakati kasutama tööstuslikes robotites, mehitamata sõidukites ja mobiiltelefonides näo tuvastamiseks. Tehnoloogia on muutunud odavamaks, kompaktsemaks ja kättesaadavamaks.

Samsung S10 telefonil on lennuaja kaamera, mis mõõdab kaugust objektist, et hõlbustada teravustamist. Allikas

Kui olete selle teema vastu huvitatud, siis suuname teid väga heale sügavuskaamerate üksikasjalikule ülevaatele: Osa 1, Osa 2.

3.3. Droonid väikelasti kohaletoimetamiseks (kerglasti kohaletoimetamise droonid)

Tänavu lõi Amazon laineid, kui demonstreeris näitusel uut lendavat drooni, mis suudab kanda väikeseid, kuni 2 kg koormaid. Ummikutega linna jaoks tundub see ideaalne lahendus. Vaatame, kuidas need droonid lähitulevikus toimivad. Võib-olla tasub siin olla ettevaatlik skeptiline: probleeme on palju, alustades drooni kerge varguse võimalusest ja lõpetades UAV-de seaduslike piirangutega. Amazon Prime Air on tegutsenud kuus aastat, kuid on endiselt testimisfaasis.

Amazoni uus droon, näidatud sel kevadel. Temas on midagi Star Warsi. Allikas

Lisaks Amazonile on sellel turul ka teisi tegijaid (seal on üksikasjalik ülevaade), kuid mitte ühtki valmistoodet: kõik on testimise ja turunduskampaaniate etapis. Eraldi väärib märkimist üsna huvitav kõrgelt spetsialiseeritud meditsiini Projektid Aafrikas: annetatud vere kohaletoimetamine Ghanasse (14 000 tarnet, ettevõte Zipline) ja Rwandasse (ettevõte Matternet).

3.4. Lendavad autonoomsed sõidukid

Siin on raske midagi kindlat öelda. Gartneri sõnul ilmneb see mitte varem kui 10 aasta pärast. Üldiselt on siin kõik samad probleemid, mis isejuhtivates autodes, ainult et need omandavad uue mõõtme - vertikaalse. Porsche, Boeing ja Uber on teatanud oma ambitsioonidest ehitada lendav takso.

3.5. Liitreaalsuse pilv (AR-pilv)

Püsiv digitaalne koopia reaalsest maailmast, mis võimaldab teil luua uue reaalsuse kihi, mis on ühine kõigile kasutajatele. Tehnilisemalt öeldes räägime avatud pilveplatvormi loomisest, millesse arendajad saaksid oma AR-rakendusi integreerida. Monetiseerimismudel on selge, see on omamoodi Steami analoog. Idee on nii juurdunud, et mõned usuvad nüüd, et AR ilma pilveta on lihtsalt kasutu.

Kuidas see tulevikus välja näha võib, näitab lühike video. Näeb välja nagu järjekordne Black Mirrori episood:

Lugeda saab ka aadressil ülevaateartikkel.

4. Laiendatud inimene

4.1. Emotsioon AI

Kuidas mõõta, simuleerida ja reageerida inimese emotsioonidele? Mõned siinsed kliendid on ettevõtted, kes toodavad häälassistente, nagu Amazon Alexa. Nad saavad koduga tõeliselt harjuda, kui õpivad meeleolu ära tundma: mõistavad kasutaja rahulolematuse põhjust ja proovivad olukorda parandada. Üldiselt on kontekstis palju rohkem informatsiooni kui sõnumis endas. Ja kontekst on näoilme, intonatsioon ja mitteverbaalne käitumine.

Muud praktilised rakendused: emotsioonide analüüs töövestlusel (videointervjuude põhjal), reaktsioonide hindamine reklaamidele või muule videosisule (naeratused, naer), abistamine õppimisel (näiteks iseseisvaks harjutamiseks avaliku esinemise kunstis).

Sellel teemal on raske rääkida paremini kui 6-minutilise lühifilmi autoril Varastamine Ur Feeling. Vaimukas ja stiilses videos näidatakse, kuidas saad turunduseesmärkidel mõõta meie emotsioone ning oma näo hetkereaktsioonidest teada saada, kas sulle meeldivad pitsa, koerad, Kanye West ja isegi milline on sinu sissetulekutase ja ligikaudne IQ. Kui külastate ülaltoodud linki kasutades filmi veebisaiti, saate oma sülearvuti sisseehitatud kaamera abil interaktiivses videos osalejaks. Filmi on näidatud juba mitmel filmifestivalil.

Allikas

On isegi selline huvitav uurimus: kuidas tekstis sarkasmi ära tunda. Tegime säutse hashtagiga #sarcasm ja tegime koolituskomplekti, mis koosnes 25 000 sarkasmiga säutsuga ja 100 000 tavalist säutsu kõigest päikese all. Kasutasime TensorFlow teeki, koolitasime süsteemi ja siin on tulemus:

Allikas

Seega, kui te pole oma kolleegi või sõbra suhtes kindel - ta ütles teile midagi tõsiselt või sarkastiliselt, võite juba kasutada koolitatud närvivõrk!

4.2. Laiendatud intelligentsus

Intellektuaalse töö automatiseerimine masinõppe meetodite abil. Tundub, et pole midagi uut? Kuid sõnastus ise on siinkohal oluline, eriti kuna see kattub lühendiga tehisintellektiga. See toob meid tagasi arutelu juurde "tugeva" ja "nõrga" AI üle.
Tugev tehisintellekt on seesama ulmefilmidest pärit tehisintellekt, mis on täiesti võrdväärne inimmõistusega ja teadvustab ennast kui indiviid. Seda pole veel olemas ja pole selge, kas see üldse eksisteerib.

Nõrk AI ei ole iseseisev inimene, vaid inimese assistent. Ta ei väida, et tal on inimlik mõtlemine, vaid lihtsalt oskab infoprobleeme lahendada, näiteks määrata pildil näidatavat või tõlkida teksti.

Allikas

Selles mõttes on laiendatud intelligentsus oma puhtaimal kujul "nõrk AI" ja sõnastus tundub edukas, kuna see ei tekita segadust ega kiusatust näha siin sedasama "tugevat tehisintellekti", millest kõik unistavad (või kardavad, kui me meenutage arvukaid arutelusid "mässuautode" üle). Kasutades väljendit Augmented Intelligence, saavad meist kohe teise filmi kangelased: ulmekirjandusest (nagu Asimovi “I, Robot”) satume küberpunki (selles žanris on “augmentatsioonid” igasugused inimese võimeid avardavad implantaadid).

Kui ütles Erik Brynjolfsson ja Andrew McAffee: „Järgmise 10 aasta jooksul juhtub see nii. AI ei asenda juhte, kuid need juhid, kes kasutavad tehisintellekti, asendavad neid, kes pole seda veel teinud.

Näited:

• Meditsiin: arenes välja Stanfordi ülikool algoritm, kes tuleb rindkere röntgenülesvõtetel patoloogiate äratundmise ülesandega keskmiselt sama edukalt toime kui enamik arste
• Haridus: abistamine õpilastele ja õpetajatele, õpilaste vastuste analüüs materjalidele, individuaalse õpitrajektoori koostamine.
• Ärianalüütika: andmete eeltöötlus võtab statistika järgi 80% teadlase ajast ja ainult 20% eksperimendist endast

4.3. Biokiibid

See on kõigi küberpunkfilmide ja -raamatute lemmikteema. Üldiselt ei ole lemmikloomade mikrokiibistamine uus tava. Nüüd aga hakati neid kiipe inimestele implanteerima.

Antud juhul seostatakse hüpet suure tõenäosusega sensatsioonilise juhtumiga Ameerika ettevõttes Three Square Market. Seal hakkas tööandja pakkuma tasu eest kiipide naha alla siirdamist. Kiip võimaldab avada uksi, logida sisse arvutitesse, osta automaadist suupisteid – ehk siis selline universaalne töötajakaart. Veelgi enam, selline kiip toimib täpselt identifitseerimiskaardina, sellel pole GPS-moodulit, mistõttu on võimatu kedagi selle kasutajat jälgida. Ja kui inimene soovib oma käelt kiipi eemaldada, kulub selleks arsti abiga 5 minutit.

Kiibid implanteeritakse tavaliselt pöidla ja nimetissõrme vahele. Allikas

Loe rohkem artiklit kiibistamise olukorra kohta maailmas.

4.4. Kaasahaarav tööruum

"Kaasahaarav" on veel üks uus sõna, millest lihtsalt pole pääsu. Seda on igal pool. Kaasahaarav teater, näitus, kino. Mida sa silmas pead? Keelekümblus on kaasahaarava efekti loomine, kui kaob piir autori ja vaataja, virtuaalse ja reaalse maailma vahel. Seoses töökohaga tähendab see eeldatavasti piiri hägunemist esineja ja algataja vahel ning töötajate julgustamist aktiivsemale positsioonile ümber kujundades ümbritsevat keskkonda.

Kuna meil on nüüd kõikjal paindlik, paindlik ja tihe koostöö, peaksid töökohad olema võimalikult lihtsalt seadistatavad ja soodustama rühmatööd. Majandus dikteerib oma tingimusi: renditöötajaid on rohkem, büroopindade rentimise hind tõuseb ning konkurentsitihedal tööturul üritavad IT-ettevõtted tõsta töötajate tööga rahulolu, luues puhkealasid ja muid hüvesid. Ja see kõik kajastub töökohtade kujunduses.

Kohta aruanne nupp

4.5. Personifikatsioon

Kõik teavad, mis on isikupärastamine reklaamis. See on siis, kui täna arutate kolleegiga, et õhk toas on mõnevõrra kuiv ja peaksite ostma kontorisse õhuniisutaja ning järgmisel päeval näete oma suhtlusvõrgustikus kuulutust - "osta õhuniisutaja" (a tõeline juhtum, mis minuga juhtus).

Allikas

Gartneri definitsiooni järgi isikupärastamine on vastus kasutajate kasvavale murele nende isikuandmete kasutamise pärast reklaamieesmärkidel. Eesmärk on välja töötada lähenemine, kus meile näidatakse reklaami, mis on asjakohane konteksti, milles me oleme, mitte meile isiklikult. Näiteks meie asukoht, seadme tüüp, kellaaeg, ilmastikutingimused – see on midagi, mis ei riku meie isikuandmeid ja me ei tunne ebameeldivat tunnet, et meid jälgitakse.

Lugege nende kahe mõiste erinevuse kohta noot Andrew Frank blogib Gartneri veebisaidil. Siin on nii peen erinevus ja nii sarnased sõnad, et te, teadmata erinevust, riskite oma vestluskaaslasega pikka aega vaielda, kahtlustamata, et üldiselt on mõlemal õigus (ja see on ka tõeline juhtum, mis juhtus autor).

4.6. Biotehnoloogia – kultiveeritud või tehiskude

See on ennekõike kunstliku liha kasvatamise idee. Samal ajal on mitmed meeskonnad üle maailma hõivatud laboratooriumi “Meat 2.0” arendamisega - eeldatavasti muutub see tavapärasest odavamaks ning kiirtoidud ja seejärel supermarketid lähevad sellele üle. Sellesse tehnoloogiasse investeerijad on Bill Gates, Sergey Brin, Richard Branson ja teised.

Allikas

Põhjused, miks kõik on kunstlihast nii huvitatud:

1. Globaalne soojenemine: farmide metaaniheitmed. See moodustab 18% globaalsest kliimat mõjutavatest gaasidest.
2. Rahvastiku kasv. Nõudlus liha järele kasvab ja naturaalse lihaga ei ole võimalik kõiki toita - see on lihtsalt kallis.
3. Ruumipuudus. 70% Amazonase metsadest on juba karjamaaks raiutud.
4. Eetilised kaalutlused. On neid, kelle jaoks see on oluline. Loomakaitseorganisatsioon PETA on juba pakkunud ühe miljoni dollari suuruse preemia teadlasele, kes toob turule kunstliku kanaliha.

Pärisliha asendamine sojaga on poolik lahendus, sest inimesed oskavad hinnata maitse- ja tekstuurierinevust ning tõenäoliselt ei loobu steigist soja kasuks. Seega vajate ehtsat mahepõllumajanduslikult kasvatatud liha. Nüüd on kunstliha kahjuks liiga kallis: alates 12 dollarist kilogrammi kohta. See on tingitud sellise liha kasvatamise keerulisest tehnilisest protsessist. Lugege selle kõige kohta artiklit.

Kui räägime muudest kudede kasvatamise juhtudest - juba meditsiinis -, siis on kunstorganite teema huvitav: näiteks südamelihase “plaaster”, trükitud spetsiaalne 3D-printer. Teatud ajalugu nagu kunstlikult kasvatatud hiiresüda, aga üldiselt jääb kõik siiski kliiniliste uuringute raamidesse. Seega me tõenäoliselt ei näe Frankensteini lähiaastatel.

Siin on Gartner oma hinnangutes väga ettevaatlik, pidades ilmselt silmas tema ebaõnnestunud 2015. aasta ennustust, et 2019. aastal on arenenud riikide elanikkonnast 10% 3D-prinditud meditsiiniseadme implantaadiga. Seega tähendab see, et tootlikkuse platoo saavutamise aeg on vähemalt 10 aastat.

5. Digitaalsed ökosüsteemid

5.1. Detsentraliseeritud veeb

See kontseptsioon on tihedalt seotud veebi leiutaja, Turingi auhinna võitja Sir Tim Burners-Lee nimega. Tema jaoks olid arvutiteaduses alati olulised eetikaküsimused ja oluline oli Interneti kollektiivne olemus: hüperteksti aluse pannes oli ta veendunud, et võrk peaks töötama nagu veeb, mitte nagu hierarhia. Nii oli see võrgu arendamise algfaasis. Interneti kasvades muutus selle struktuur aga erinevatel põhjustel tsentraliseerituks. Selgus, et terve riigi juurdepääsu võrgule saab lihtsalt mõne pakkuja abiga blokeerida. Ja kasutajaandmetest on saanud Interneti-ettevõtete jõu- ja sissetulekuallikas.

"Internet on juba detsentraliseeritud," ütleb Burners-Lee. “Probleem on selles, et domineerib üks otsingumootor, üks suur suhtlusvõrgustik, üks mikroblogimise platvorm. Meil ei ole tehnoloogilisi probleeme, kuid meil on sotsiaalseid probleeme.

Tema oma avatud kiri Veebi looja tõi World Wide Web 30. aastapäeva puhul välja kolm peamist Interneti probleemi:

1. Sihitud kahju, näiteks riiklikult toetatud häkkimine, kuritegevus ja võrgus ahistamine
2. Süsteemi iseloom, mis kasutaja kahjuks loob pinnase sellistele mehhanismidele nagu: rahalised stiimulid klikipeibutussöödaks ja valeteabe viiruslik levik.
3. Süsteemi kavandamise soovimatud tagajärjed, mis põhjustavad konflikte ja veebiarutelude kvaliteedi halvenemist

Ja Tim Berners-Leel on juba vastus selle kohta, millistel põhimõtetel võiks põhineda “Terve inimese Internet”, millel puudub probleem number 2: “Paljude kasutajate jaoks jääb reklaamitulu ainsaks internetiga suhtlemise mudeliks. Isegi kui inimesed pelgavad, mis nende andmetega juhtub, on nad nõus turundusmasinaga diili tegema võimaluse eest tasuta sisu saada. Kujutage ette maailma, kus kaupade ja teenuste eest tasumine on mõlemale poolele lihtne ja nauditav. Selle korraldamise võimaluste hulgas on: muusikud saavad müüa oma salvestisi ilma vahendajateta iTunes'i kujul ja uudistesaidid saavad reklaamiga raha teenimise asemel kasutada ühe artikli lugemise eest mikromaksete süsteemi.

Selle uue Interneti eksperimentaalse prototüübina käivitas Tim Berners-Lee projekti SOLID, mille põhiolemus seisneb selles, et salvestate oma andmed "podi" - teabehoidlasse ja saate neid andmeid edastada kolmandate osapoolte rakendustele. Kuid põhimõtteliselt olete ise oma andmete peremees. Kõik see on tihedalt seotud peer-to-peer võrkude kontseptsiooniga, see tähendab, et teie arvuti mitte ainult ei taotle teenuseid, vaid ka pakub neid, et mitte tugineda ühele serverile kui ainsale kanalile.

Allikas

5.2. Detsentraliseeritud autonoomsed organisatsioonid

See on organisatsioon, mida juhivad arvutiprogrammi kujul kirja pandud reeglid. Tema finantstegevus põhineb plokiahelal. Selliste organisatsioonide loomise eesmärk on kõrvaldada riik vahendaja rollist ja luua vastaspooltele ühine usalduskeskkond, mis ei kuulu kellelegi eraldi, vaid kuulub kõigile koos. See tähendab, et teoreetiliselt peaks see idee juurdumise korral kaotama notarid ja muud tavapärased kontrolliasutused.

Kuulsaim näide sellisest organisatsioonist oli ettevõtmisele keskendunud The DAO, mis kogus 2016. aastal 150 miljonit dollarit, millest 50 dollarit varastati kohe läbi seadusliku augu reeglites. Kohe tekkis raske dilemma: kas kerida tagasi ja tagastada raha või tunnistada, et raha väljavõtmine oli seaduslik, sest see ei rikkunud kuidagi platvormi reegleid. Selle tulemusena pidid loojad investoritele raha tagastamiseks hävitama The DAO, kirjutades ümber plokiahela ja rikkudes selle põhiprintsiipi - muutumatust.

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

Kogu see lugu on hävitanud DAO idee maine. Too projekt tehti Ethereumi krüptovaluuta baasil, järgmisel aastal on oodata versiooni Ether 2.0 – ehk võtavad autorid (sh kuulus Vitalik Buterin) vead arvesse ja näitavad midagi uut. Tõenäoliselt pani Gartner DAO kõrgemale liinile.

5.3.Sünteetika andmed

Närvivõrkude treenimiseks on vaja suuri andmemahtusid. Andmete käsitsi märgistamine on tohutu ülesanne, mida saab teha ainult inimene. Seetõttu on võimalik luua kunstlikke andmekogumeid. Näiteks saidil samad inimnägude kogud https://generated.photos. Need luuakse GAN-i abil - ülalmainitud algoritmide abil.

Need näod ei kuulu inimestele. Allikas

Selliste andmete suureks plussiks on see, et nende kasutamisel ei teki juriidilisi raskusi: isikuandmete töötlemiseks pole keegi nõusolekut anda.

5.4.Digitaalsed toimingud

Järelliide “Ops” on muutunud uskumatult moes pärast seda, kui DevOps meie kõnes juurdus. Nüüd sellest, mis on DigitalOps – see on lihtsalt DevOpsi, DesignOpsi, MarketingOpsi üldistus... Kas teil on juba igav? Lühidalt öeldes on see DevOps-lähenemise ülekandmine tarkvaravaldkonnast äri kõikidesse muudesse aspektidesse – turundus, disain jne.

Allikas

DevOpsi idee oli eemaldada barjäärid arenduse enda ja operatsioonide (äriprotsesside) vahel ühiste meeskondade loomise kaudu, kus on programmeerijad, testijad, turvaspetsialistid ja administraatorid; teatud praktikate rakendamine: pidev integreerimine, infrastruktuur koodina, tagasisideahelate vähendamine ja tugevdamine. Eesmärk oli kiirendada toote turuletulekut. Kui arvasite, et see sarnaneb Agile'iga, oli teil õigus. Nüüd viige see lähenemine vaimselt üle tarkvaraarenduse valdkonnast arendusse üldiselt – ja saate aru, mis on DigitalOps.

5.5. Teadmiste graafikud

Tarkvaraline viis teadmiste valdkonna modelleerimiseks, sealhulgas masinõppe algoritmide kasutamine. Teadmiste graafik on ehitatud olemasolevate andmebaaside peale, et siduda kokku kogu teave: nii struktureeritud (sündmuste või inimeste loend) kui ka struktureerimata (artikli tekst).

Lihtsaim näide on kaart, mida näete Google'i otsingutulemustes. Kui otsite inimest või asutust, näete paremal kaarti:


Pange tähele, et "Tulevad sündmused" ei ole Google Mapsi teabe koopia, vaid ajakava integreerimine Yandex.Afishaga: näete seda hõlpsalt, kui klõpsate sündmustel. See tähendab, et see on mitme andmeallika kombinatsioon.

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

Boonus neile, kes loevad lõpuni

Ja nüüd, kui oleme iga punkti tähenduse enda jaoks selgeks teinud, võime vaadata sama pilti, kuid vene keeles:

Jagage seda vabalt sotsiaalvõrgustikes!

Tatjana Volkova - Samsungi Akadeemia asjade interneti IT raja koolitusprogrammi autor, Samsungi uurimiskeskuse ettevõtete sotsiaalse vastutuse programmide spetsialist


Allikas: www.habr.com