Gartnerin lista on kuin huippumuotinäytös teknologia-alan toimijoille. Sitä katsomalla saat etukäteen selville, mitkä sanat ovat tämän kauden suosituimpia ja mitä kuulet kaikissa tulevissa konferensseissa.

Olemme selvittäneet, mitä tämän kaavion kauniiden sanojen takana on, jotta sinäkin osaat puhua kieltä.

Aluksi muutama sana siitä, millainen kaavio tämä on. Joka vuosi elokuussa konsulttitoimisto Gartner julkaisee raportin - Gartner Hype Curve. Venäjällä tämä on "hype-käyrä" tai yksinkertaisemmin sanottuna hype. 30 vuotta sitten Public Enemy -yhtyeen räpparit lauloivat: "Älä usko hypeä." Usko tai älä, se on henkilökohtainen kysymys, mutta kannattaa ainakin tietää nämä avainsanat, jos työskentelet teknologia-alalla ja haluat tietää globaaleista trendeistä.

Tämä on kaavio yleisön odotuksista tietystä tekniikasta. Gartnerin mukaan ihannetapauksessa teknologia käy läpi 5 vaihetta: teknologian lanseeraus, paisuneiden odotusten huippu, pettymysten laakso, valaistumisen kaltevuus, tuottavuuden tasango. Mutta tapahtuu myös, että se hukkuu "pettymysten laaksoon" - voit muistaa esimerkkejä itse hyvin helposti, ottaa samat bitcoinit: alun perin huipulla "tulevaisuuden rahana" ne putosivat nopeasti alas, kun tekniikan puutteet tuli ilmeiseksi, ennen kaikkea rajoitukset tapahtumien lukumäärälle ja valtavalle sähkömäärälle, joka tarvitaan bitcoinien tuottamiseen (johon liittyy jo ympäristöongelmia). Eikä tietenkään saa unohtaa, että Gartnerin kaavio on vain ennuste: täältä voit esimerkiksi lukea yksityiskohtaisen Artikkeli, jossa selvitetään silmiinpistävimmät toteutumattomat ennusteet.

Joten käydään läpi uusi Gartner-kaavio. Tekniikat on jaettu viiteen suureen teemaryhmään:

1. Kehittynyt AI ja Analytics
2. Postclassical Compute and Comms
3. Tunto ja liikkuvuus
4. Lisätty ihminen
5. Digitaaliset ekosysteemit

1. Kehittynyt AI ja Analytics

Viimeisten 10 vuoden aikana olemme nähneet syvällisen oppimisen hienoimman tunnin. Nämä verkostot ovat todella tehokkaita tehtäviinsä. Vuonna 2018 Yann LeCun, Geoffrey Hinton ja Yoshua Bengio saivat Turing-palkinnon löydöstään - arvostetuimman palkinnon, joka on analoginen tietojenkäsittelytieteen Nobelin palkinnon kanssa. Joten tämän alueen tärkeimmät trendit, jotka näkyvät kaaviossa:

1.1. Siirrä oppiminen

Et kouluta neuroverkkoa tyhjästä, vaan ota jo koulutettu verkko ja määritä sille eri tavoite. Joskus tämä vaatii uudelleenkoulutusta osan verkosta, mutta ei koko verkkoa, mikä on paljon nopeampaa. Esimerkiksi ottamalla valmis hermoverkko ResNet50, joka on koulutettu ImageNet1000-tietojoukossa, saat algoritmin, joka voi luokitella kuvan monia eri kohteita erittäin syvällä tasolla (1000 luokkaa, jotka perustuvat 50 hermokerroksen luomiin ominaisuuksiin verkko). Mutta sinun ei tarvitse kouluttaa koko verkostoa, mikä kestäisi kuukausia.

В verkkokurssi Finaalissa esimerkiksi Samsung ”Neuroverkot ja tietokonenäkö”. Kaggle tehtävä Levyjen luokittelu puhtaisiin ja likaisiin osoittaa lähestymistapaa, joka antaa käyttöösi 5 minuutissa syvän hermoverkon, joka pystyy erottamaan likaiset levyt puhtaista ja joka on rakennettu yllä kuvatun arkkitehtuurin mukaisesti. Alkuperäinen verkosto ei tiennyt ollenkaan, mitä levyt olivat, se vain oppi erottamaan linnut koirista (katso ImageNet).

Lähde: verkkokurssi Samsung "Neuroverkot ja tietokonenäkö"

Transfer Learningiä varten sinun on tiedettävä, mitkä lähestymistavat toimivat ja mitä valmiita perusarkkitehtuureja on saatavilla. Kaiken kaikkiaan tämä nopeuttaa huomattavasti koneoppimisen käytännön sovellusten syntymistä.

1.2. Generative Adversarial Networks (GAN)

Tämä on niitä tapauksia, joissa meidän on erittäin vaikea muotoilla oppimistavoitteita. Mitä lähempänä todellista elämää tehtävä on, sitä ymmärrettävämpää se on meille ("tuo yöpöytä"), mutta sitä vaikeampaa on muotoilla se tekniseksi tehtäväksi. GAN on vain yritys pelastaa meidät tästä ongelmasta.

Täällä toimii kaksi verkkoa: toinen on generaattori (Generative), toinen on syrjintä (Adversarial). Yksi verkosto oppii tekemään hyödyllistä työtä (luokittelemaan kuvia, tunnistamaan ääniä, piirtämään sarjakuvia). Ja toinen verkosto oppii opettamaan tuota verkkoa: sillä on todellisia esimerkkejä ja se oppii löytämään aiemmin tuntemattoman monimutkaisen kaavan verkon generatiivisen osan tuotteiden vertaamiseksi todellisiin objekteihin (koulutussarja) todella tärkeiden syvien ominaisuuksien perusteella. : silmien lukumäärä, läheisyys Miyazakin tyyliin, oikea englannin ääntäminen.

Esimerkki animehahmojen luomisverkoston tuloksesta. Lähde

Mutta arkkitehtuuria on tietysti vaikea rakentaa sinne. Ei riitä, että vain heittää hermosoluja, ne on valmistauduttava. Ja sinun täytyy opiskella viikkoja. Kollegani Samsung Artificial Intelligence Centerissä työskentelevät GAN-aiheen parissa; tämä on yksi heidän keskeisistä tutkimuskysymyksistään. Esimerkiksi näin suunnittelu: generatiivisten verkkojen käyttö syntetisoimaan realistisia valokuvia ihmisistä vaihtelevissa asennoissa - esimerkiksi virtuaalisen sovitushuoneen luomiseen tai kasvojen syntetisoimiseen, mikä voi vähentää tallennettavan tai siirrettävän tiedon määrää korkealaatuisen videon varmistamiseksi viestintää, lähetystä tai henkilötietojen suojaa.

Lähde

1.3. Selitettävä AI

Joissakin harvinaisissa tehtävissä syvien arkkitehtuurien kehitys on yhtäkkiä tuonut syvien hermoverkkojen ominaisuudet lähemmäksi ihmisen kykyjä. Nyt taistelu on käynnissä tällaisten tehtävien valikoiman lisäämiseksi. Esimerkiksi robottipölynimuri voi helposti erottaa kissan koirasta suorassa kokouksessa. Mutta useimmissa elämäntilanteissa hän ei löydä kissaa, joka nukkuu liinavaatteiden tai huonekalujen välissä (mutta, kuten me, useimmissa tapauksissa...).

Mikä on syvien hermoverkkojen menestyksen syy? He kehittävät ongelman esityksen, joka ei perustu "paljaalla silmällä näkyvään" tietoon (valokuvapikselit, äänenvoimakkuuden muutokset...), vaan ominaisuuksiin, jotka on saatu esikäsiteltyään tätä tietoa useiden sadojen hermoverkon kerrosten avulla. Valitettavasti nämä suhteet voivat myös olla merkityksettömiä, epäjohdonmukaisia ​​tai niissä voi olla jälkiä epätäydellisyydestä alkuperäisessä tietojoukossa. Esimerkiksi on olemassa pieni tietokonepeli siitä, mihin tekoälyn ajattelematon käyttö rekrytoinnissa voi johtaa Parhaan istuvuuden selviytyminen.

Kuvatunnistejärjestelmä merkitsi ruoanlaiton naiseksi, vaikka kuvassa oleva henkilö onkin mies (Lähde). se huomannut Virginia Institutessa.

Selittäviä tekoälymenetelmiä tarvitaan analysoimaan monimutkaisia ​​ja syviä suhteita, joita emme usein voi itse muotoilla. Ne organisoivat syvien hermoverkkojen ominaisuudet niin, että koulutuksen jälkeen voimme analysoida verkon oppimaa sisäistä esitystä sen sijaan, että luottaisimme vain sen päätökseen.

1.4. Edge Analytics / AI

Kaikki sanalla Edge tarkoittaa kirjaimellisesti seuraavaa: osan algoritmeista siirtämistä pilvestä/palvelimesta päätelaite/yhdyskäytävätasolle. Tällainen algoritmi toimii nopeammin eikä vaadi yhteyttä keskuspalvelimeen toimiakseen. Jos tunnet "ohuen asiakkaan" abstraktion, teemme tästä asiakkaasta hieman paksumman.
Tämä voi olla tärkeää esineiden internetille. Esimerkiksi jos kone on ylikuumentunut ja tarvitsee jäähdytystä, on järkevää ilmoittaa tästä välittömästi, laitostasolla, odottamatta tietojen siirtymistä pilveen ja sieltä vuorotyönjohtajalle. Tai toinen esimerkki: itse ajavat autot voivat selvittää liikennetilanteen itse, ilman yhteyttä keskuspalvelimeen.

Lähde

Tai toinen esimerkki siitä, miksi tämä on tärkeää turvallisuusnäkökulmasta: kun kirjoitat tekstiä puhelimeen, se muistaa sinulle tyypilliset sanat, jotta puhelimen näppäimistö voi kätevästi pyytää niitä - tätä kutsutaan ennakoivaksi tekstinsyötöksi . Kaiken näppäimistöllä kirjoittamasi lähettäminen datakeskukseen loukkaisi yksityisyyttäsi ja olisi yksinkertaisesti vaarallista. Siksi näppäimistön harjoittelua tapahtuu vain itse laitteessasi.

1.5. AI-alusta palveluna (AI PaaS)

PaaS - Platform-as-a-Service on liiketoimintamalli, jossa saamme pääsyn integroituun alustaan ​​sisältäen sen pilvipohjaisen tietovaraston ja valmiit prosessit. Näin voimme vapautua infrastruktuuritehtävistä ja keskittyä täysin hyödyllisen tuottamiseen. Esimerkki PaaS-alustoista tekoälytehtäviä varten: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Mukautuva koneoppiminen (Adaptiivinen ML)

Mitä jos annamme tekoälyn sopeutua... Kysyt - eli miten?... Eikö se jo mukaudu tehtävään? Ongelma on tämä: suunnittelemme huolellisesti jokaisen tällaisen ongelman ennen kuin rakennamme tekoälyalgoritmin sen ratkaisemiseksi. He vastaavat sinulle - käy ilmi, että tätä ketjua voidaan yksinkertaistaa.

Perinteinen koneoppiminen toimii avoimen silmukan periaatteella: valmistelet dataa, keksit hermoverkon (tai mitä tahansa), harjoittelet, sitten katsot useita indikaattoreita, ja jos pidät kaikesta, voit lähettää neuroverkon älypuhelimiin - ratkaise käyttäjien ongelmia. Mutta sovelluksissa, joissa dataa on paljon ja sen luonne vähitellen muuttuu, tarvitaan muita menetelmiä. Tällaiset järjestelmät, jotka mukautuvat ja opettavat itseään, on organisoitu suljetuiksi itseoppiviin silmukoihin (closed-loop), ja niiden on toimittava sujuvasti.

Sovellukset - tämä voisi olla stream-analytiikka (Stream Analytics), jonka perusteella monet liikemiehet tekevät päätöksiä, tai mukautuva tuotannonhallinta. Nykyisten sovellusten mittakaavassa ja kun otetaan huomioon paremmin ymmärrettävät riskit ihmisille, tekniikat, jotka muodostavat ratkaisun tähän ongelmaan, on koottu kattotermiin Adaptive AI.

Lähde

Tätä kuvaa katsoessa on vaikea päästä eroon tunteesta, että älä ruoki futurologeja leipää - anna heidän opettaa robotti hengittämään...

Postclassical Compute and Comms

2.1. Viidennen sukupolven matkaviestintä (5G)

Tämä on niin mielenkiintoinen aihe, että viittaamme välittömästi meidän статье. No, tässä lyhyt yhteenveto. 5G lisää tiedonsiirron taajuutta lisäämällä Internetin nopeuden epärealistisen nopeasti. Lyhyiden aaltojen on vaikeampi kulkea esteiden läpi, joten verkkojen suunnittelu on täysin erilainen: tukiasemia tarvitaan 500 kertaa enemmän.

Nopeuden mukana saamme uusia ilmiöitä: reaaliaikaisia ​​pelejä lisätyllä todellisuudella, monimutkaisten tehtävien suorittamista (kuten leikkausta) etänäkyvyyden avulla, onnettomuuksien ja vaikeiden tilanteiden ehkäisemistä tiellä koneiden välisen viestinnän avulla. Proosallisemmin sanottuna: mobiili Internet lakkaa vihdoin putoamasta joukkotapahtumien, kuten stadionin otteluiden, aikana.

Kuvan lähde - Reuters, Niantic

2.2. Seuraavan sukupolven muisti

Tässä puhutaan viidennen sukupolven RAM-muistista - DDR5. Samsung ilmoitti, että DDR2019-pohjaiset tuotteet ovat saatavilla vuoden 5 loppuun mennessä. Uuden muistin odotetaan olevan kaksi kertaa nopeampi ja kaksinkertaisempi samalla kokokertoimella, eli voimme hankkia tietokoneellemme jopa 32 Gt:n muistitikkuja. Tulevaisuudessa tämä koskee erityisesti älypuhelimia (uusi muisti on vähän virtaa kuluttava versio) ja kannettavia tietokoneita (joissa DIMM-paikkojen määrä on rajoitettu). Ja koneoppiminen vaatii myös suuria määriä RAM-muistia.

2.3. Matalan kiertoradan satelliittijärjestelmät

Ajatus raskaiden, kalliiden ja tehokkaiden satelliittien korvaamisesta pienten ja halpojen satelliittien parvella on kaukana uusista, ja se syntyi jo 90-luvulla. Mistä "Elon Musk jakaa pian Internetiä kaikille satelliitista" Nyt vain laiskot eivät ole kuulleet. Tunnetuin yritys täällä on Iridium, joka meni konkurssiin 90-luvun lopulla, mutta pelastettiin Yhdysvaltain puolustusministeriön kustannuksella (ei pidä sekoittaa iRidiumiin, venäläiseen älykkään kodin järjestelmään). Elon Muskin projekti (Starlink) ei ole kaukana ainoasta - Richard Branson (OneWeb - 1440 ehdotettua satelliittia), Boeing (3000 satelliittia), Samsung (4600 satelliittia) ja muut osallistuvat satelliittikilpailuun.

Miten asiat tällä alueella ovat, miltä talous näyttää - lue sisään arvostelu. Ja odotamme näiden järjestelmien ensimmäisiä testejä ensimmäisten käyttäjien toimesta, joiden pitäisi tapahtua ensi vuonna.

2.4. Nanoscale 3D-tulostus

3D-tulostus, vaikka se ei ole astunut jokaisen ihmisen elämään (yksittäisen kodin muovitehtaan lupaamassa muodossa), on kuitenkin jo aikoja sitten poistunut nörteistä. Voit arvioida sen perusteella, että jokainen koululainen tietää ainakin 3D-muotoiltujen kynien olemassaolosta, ja monet haaveilevat ostavansa laatikon, jossa on juoksut ja suulakepuristin... "juuri sellaiseen" (tai ovat jo ostaneet sen).

Stereolitografia (laser 3D-tulostimet) mahdollistaa tulostuksen yksittäisillä fotoneilla: tutkitaan uusia polymeerejä, joiden kiinteytymiseen tarvitaan vain kaksi fotonia. Tämän avulla voit luoda täysin uusia suodattimia, kiinnikkeitä, jousia, kapillaareja, linssejä ja... vaihtoehtojasi kommenteissa muissa kuin laboratorioolosuhteissa! Ja tässä se ei ole kaukana fotopolymeroinnista - vain tämän tekniikan avulla voimme "tulostaa" prosessoreita ja laskentapiirejä. Lisäksi tämä ei ole ensimmäinen vuosi tekniikka grafeenin 500 nm kolmiulotteisten rakenteiden painamiseen, mutta ilman radikaalia kehitystä.

Lähde

3. Tunnistus ja liikkuvuus

3.1. Autonominen ajo, tasot 4 ja 5

Jotta terminologia ei menisi sekaisin, on syytä ymmärtää, mitkä autonomian tasot erotetaan toisistaan ​​(otettu yksityiskohtaisesta Artikkeli, johon ohjaamme kaikkia kiinnostuneita):

Taso 1: Vakionopeussäädin: auttaa kuljettajaa hyvin rajoitetuissa tilanteissa (esimerkiksi pitämällä autoa tietyssä nopeudessa sen jälkeen, kun kuljettaja on nostanut jalkansa polkimelta)
Taso 2: Rajoitettu ohjaus- ja jarrutusavustin. Kuljettajan on oltava valmis ottamaan hallinnan lähes välittömästi. Hänen kätensä ovat ohjauspyörässä, hänen katseensa on suunnattu tielle. Tämä on jotain, mitä Teslalla ja General Motorsilla on jo.
Taso 3: Kuljettajan ei enää tarvitse jatkuvasti tarkkailla tietä. Mutta hänen on pysyttävä valppaana ja valmis ottamaan hallintaansa. Tämä on jotain, mitä kaupallisesti saatavilla olevissa autoissa ei vielä ole. Kaikki nykyiset ovat tasoilla 1-2.
Taso 4: Todellinen autopilotti, mutta rajoituksin: vain matkat tunnetulla alueella, joka on huolellisesti kartoitettu ja järjestelmän yleisesti tiedossa, ja tietyissä olosuhteissa: esimerkiksi lumen puuttuessa. Waymolla ja General Motorsilla on tällaisia ​​prototyyppejä, ja ne aikovat julkaista ne useissa kaupungeissa ja testata niitä todellisissa ympäristöissä. Yandexillä on miehittämättömien taksien testialueet Skolkovossa ja Innopoliksessa: matka tapahtuu matkustajan paikalla istuvan insinöörin valvonnassa; vuoden loppuun mennessä yhtiö aikoo laajentaa kalustonsa 100 miehittämättömään ajoneuvoon.
Taso 5: Täysautomaattinen ajo, elävän kuljettajan täydellinen vaihto. Tällaisia ​​järjestelmiä ei ole, eivätkä ne todennäköisesti ilmesty tulevina vuosina.

Kuinka realistista on nähdä tämä kaikki lähitulevaisuudessa? Tässä haluan ohjata lukijan artikkeliin "Miksi on mahdotonta käynnistää robotaksia vuoteen 2020 mennessä, kuten Tesla lupaa". Tämä johtuu osittain 5G-yhteyden puutteesta: saatavilla olevat 4G-nopeudet eivät riitä. Osittain autonomisten autojen erittäin korkeiden kustannusten vuoksi: ne eivät ole vielä kannattavia, liiketoimintamalli on epäselvä. Sanalla sanoen "kaikki on monimutkaista" täällä, eikä ole sattumaa, että Gartner kirjoittaa, että ennuste tasojen 4 ja 5 massiivisesta toteutuksesta on aikaisintaan 10 vuoden kuluttua.

3.2. 3D Sensing Kamerat

Kahdeksan vuotta sitten Microsoftin Kinect-peliohjain loi aaltoja tarjoamalla helppokäyttöisen ja suhteellisen edullisen ratkaisun 3D-näkemiseen. Siitä lähtien liikunta- ja tanssipelit Kinectillä ovat kokeneet lyhyen nousunsa ja laskunsa, mutta 3D-kameroita alettiin käyttää teollisuusroboteissa, miehittämättömissä ajoneuvoissa ja matkapuhelimissa kasvojen tunnistamiseen. Tekniikasta on tullut halvempaa, kompaktimpaa ja helpommin saavutettavissa olevaa.

Samsung S10 -puhelimessa on lentoaikakamera, joka mittaa etäisyyden kohteeseen tarkennuksen helpottamiseksi. Lähde

Jos olet kiinnostunut tästä aiheesta, ohjaamme sinut erittäin hyvään yksityiskohtaiseen katsaukseen syvyyskameroista: osa 1, osa 2.

3.3. Droonit pienrahdin kuljettamiseen (Light Cargo Delivery Drones)

Tänä vuonna Amazon loi aaltoja, kun se esitteli messussa uuden lentävän dronin, joka voi kuljettaa pieniä, jopa 2 kg:n kuormia. Kaupungille, jossa on liikenneruuhkia, tämä vaikuttaa ihanteelliselta ratkaisulta. Katsotaan kuinka nämä droonit toimivat lähitulevaisuudessa. Ehkä tässä kannattaa olla varovaisen skeptinen: ongelmia on monia, alkaen mahdollisuudesta helposti varastaa drone ja päättyen UAV-laisille asetettuihin rajoituksiin. Amazon Prime Air on ollut olemassa kuusi vuotta, mutta se on edelleen testausvaiheessa.

Amazonin uusi drone, esillä tänä keväänä. Hänessä on jotain Star Warsista. Lähde

Amazonin lisäksi näillä markkinoilla on muitakin toimijoita (siellä on yksityiskohtainen yleiskatsaus), mutta ei yhtä valmista tuotetta: kaikki on testaus- ja markkinointikampanjoiden vaiheessa. Erikseen on syytä huomata varsin mielenkiintoinen erittäin erikoistunut lääketiede Hankkeet Afrikassa: luovutetun veren toimitus Ghanassa (14 000 toimitusta, Zipline-yhtiö) ja Ruandassa (Matternet-yhtiö).

3.4. Lentävät autonomiset ajoneuvot

Tässä on vaikea sanoa mitään varmaa. Gartnerin mukaan tämä ilmestyy aikaisintaan 10 vuoden kuluttua. Yleensä täällä on samat ongelmat kuin itseajavissa autoissa, vain ne saavat uuden ulottuvuuden - pystysuoran. Porsche, Boeing ja Uber ovat ilmoittaneet tavoitteestaan ​​rakentaa lentävä taksi.

3.5. Lisätyn todellisuuden pilvi (AR-pilvi)

Pysyvä digitaalinen kopio todellisesta maailmasta, jonka avulla voit luoda uuden, kaikille käyttäjille yhteisen todellisuuden kerroksen. Teknisemmin sanottuna puhumme avoimen pilvialustan tekemisestä, johon kehittäjät voivat integroida AR-sovelluksensa. Kaupallistamismalli on selkeä, se on eräänlainen Steamin analogi. Ajatus on niin juurtunut, että jotkut uskovat nyt, että AR ilman pilveä on yksinkertaisesti hyödytöntä.

Miltä tämä saattaa näyttää tulevaisuudessa, näkyy lyhyessä videossa. Näyttää toiselta Black Mirrorin jaksolta:

Voit myös lukea osoitteessa Katsausartikkeli.

4. Lisätty ihminen

4.1. Emotion AI

Kuinka mitata, simuloida ja reagoida ihmisten tunteisiin? Jotkut täällä olevista asiakkaista ovat yrityksiä, jotka valmistavat ääniassistentteja, kuten Amazon Alexa. He voivat todella tottua koteihin, jos he oppivat tunnistamaan tunnelman: ymmärtävät käyttäjän tyytymättömyyden syyn ja yrittävät korjata tilannetta. Yleensä kontekstissa on paljon enemmän tietoa kuin itse viestissä. Ja konteksti on ilme, intonaatio ja ei-sanallinen käyttäytyminen.

Muita käytännön sovelluksia: tunteiden analysointi työhaastattelun aikana (videohaastattelujen perusteella), mainoksiin tai muuhun videosisältöön kohdistuvien reaktioiden arviointi (hymyt, naurut), apu oppimiseen (esim. julkisen puhumisen taiteen itsenäiseen harjoitteluun).

Tästä aiheesta on vaikea puhua paremmin kuin 6 minuutin lyhytelokuvan kirjoittaja Varastamalla miehen tunnetta. Nokkela ja tyylikäs video näyttää, kuinka voit mitata tunteitamme markkinointitarkoituksiin ja selvittää kasvojen hetkellisistä reaktioista pidätkö pizzasta, koirista, Kanye Westistä ja jopa siitä, mikä on tulotasosi ja likimääräinen älykkyysosamääräsi. Vierailemalla elokuvan verkkosivuilla yllä olevan linkin kautta, osallistut interaktiiviseen videoon kannettavan tietokoneen sisäänrakennetun kameran avulla. Elokuva on esitetty jo useilla elokuvafestivaaleilla.

Lähde

On jopa niin mielenkiintoinen tutkimus: kuinka tunnistaa sarkasmi tekstistä. Otimme twiittejä hashtagilla #sarkasmi ja teimme koulutussarjan, jossa oli 25 000 sarkasmia sisältävää twiittiä ja 100 000 tavallista twiittiä kaikesta auringon alla. Käytimme TensorFlow-kirjastoa, koulutimme järjestelmän, ja tässä on tulos:

Lähde

Siksi nyt, jos et ole varma kollegastasi tai ystävästäsi - hän sanoi sinulle jotain vakavasti tai sarkastisesti, voit jo käyttää koulutettu neuroverkko!

4.2. Lisätty älykkyys

Henkisen työn automatisointi koneoppimismenetelmillä. Ei taida olla mitään uutta? Mutta itse sanamuoto on tärkeä tässä, varsinkin kun se lyhennettynä on sama kuin tekoäly. Tämä tuo meidät takaisin keskusteluun "vahvasta" ja "heikosta" tekoälystä.
Vahva tekoäly on samaa tieteiselokuvien tekoälyä, joka vastaa täysin ihmismieltä ja on tietoinen itsestään yksilönä. Tätä ei ole vielä olemassa, eikä ole selvää, tuleeko sitä ollenkaan olemaan.

Heikko tekoäly ei ole itsenäinen henkilö, vaan ihmisen avustaja. Hän ei väitä omaavansa ihmismäistä ajattelua, vaan osaa yksinkertaisesti ratkaista informaatioongelmia, esimerkiksi määrittää, mitä kuvassa näkyy tai kääntää tekstiä.

Lähde

Tässä mielessä Augmented Intelligence on "heikko tekoäly" puhtaimmassa muodossaan, ja muotoilu vaikuttaa onnistuneelta, koska se ei aiheuta hämmennystä ja kiusausta nähdä tässä sama "vahva tekoäly", josta kaikki haaveilevat (tai pelkäävät, jos me muistaa lukuisia keskusteluja "kapina-autoista"). Käyttämällä ilmaisua Augmented Intelligence, meistä tulee välittömästi toisen elokuvan sankareita: tieteiskirjallisuudesta (kuten Asimovin "I, Robot") löydämme itsemme kyberpunkista (tämän genren "lisäykset" ovat kaikenlaisia ​​ihmisen kykyjä laajentavia implantteja).

miten sanoi Erik Brynjolfsson ja Andrew McAffee: ”Seuraavien 10 vuoden aikana näin tapahtuu. Tekoäly ei korvaa johtajia, mutta tekoälyä käyttävät johtajat korvaavat ne, jotka eivät ole vielä päässeet siihen."

Esimerkkejä:

• Lääketiede: Stanfordin yliopisto kehitettiin algoritmi, joka selviää patologioiden tunnistamisesta rintakehän röntgenkuvissa keskimäärin yhtä menestyksekkäästi kuin useimmat lääkärit
• Koulutus: apu opiskelijoille ja opettajille, opiskelijoiden vastausten analysointi materiaaliin, yksilöllisen oppimispolun rakentaminen.
• Liiketoimintaanalytiikka: tietojen esikäsittely vie tilastojen mukaan 80 % tutkijan ajasta ja vain 20 % itse kokeesta

4.3. Biosirut

Tämä on kaikkien kyberpunk-elokuvien ja -kirjojen suosikkiteema. Yleisesti ottaen lemmikkien mikrosiruttaminen ei ole uusi käytäntö. Mutta nyt näitä siruja on alettu istuttaa ihmisiin.

Tässä tapauksessa hype liittyy todennäköisimmin amerikkalaisen Three Square Marketin sensaatiomaiseen tapaukseen. Siellä työnantaja alkoi tarjota sirujen istuttamista ihon alle maksua vastaan. Sirun avulla voit avata ovia, kirjautua tietokoneisiin, ostaa välipaloja automaatista - eli sellaisesta yleisestä työntekijäkorttista. Lisäksi tällainen siru toimii nimenomaan tunnistuskorttina, sillä ei ole GPS-moduulia, joten ketään sitä käyttävää on mahdotonta jäljittää. Ja jos henkilö haluaa poistaa sirun käsivarrestaan, se kestää 5 minuuttia lääkärin avulla.

Sirut istutetaan yleensä peukalon ja etusormen väliin. Lähde

Lue lisää Artikkeli hakkeen tilasta maailmassa.

4.4 Mukaansatempaava työtila

"Immersive" on toinen uusi sana, jolta ei yksinkertaisesti ole pakopaikkaa. Se on kaikkialla. Mukaansatempaava teatteri, näyttely, elokuva. Mitä tarkoitat? Upotus on mukaansatempaavan vaikutelman luomista, kun tekijän ja katsojan, virtuaalisen ja todellisen maailman välinen raja katoaa. Työpaikalla tämä oletettavasti tarkoittaa tekijän ja aloitteentekijän välisen rajan hämärtämistä ja työntekijöiden kannustamista aktiivisempaan asemaan muotoilemalla ympäristöään.

Koska meillä on nyt ketteryyttä, joustavuutta ja tiivistä yhteistyötä kaikkialla, työpaikkojen tulee olla mahdollisimman helposti muokattavissa ja rohkaista ryhmätyöhön. Talous sanelee ehdot: määräaikaisia ​​työntekijöitä on enemmän, toimistotilojen vuokrakustannukset nousevat, ja kilpailluilla työmarkkinoilla IT-yritykset yrittävät lisätä työntekijöiden tyytyväisyyttä työhön luomalla virkistysalueita ja muita etuja. Ja kaikki tämä näkyy työpaikkojen suunnittelussa.

Ja raportti nuppi

4.5. Henkilöitymä

Kaikki tietävät, mitä personointi mainonnassa on. Tämä on kun tänään keskustelet kollegasi kanssa siitä, että huoneen ilma on hieman kuivaa ja sinun pitäisi ostaa ilmankostutin toimistoon, ja seuraavana päivänä näet sosiaalisessa verkostossasi mainoksen - "osta ilmankostutin" (a todellinen tapaus, joka tapahtui minulle).

Lähde

Gartnerin määrittelemä personointi on vastaus käyttäjien kasvavaan huoleen heidän henkilötietojensa käytöstä mainontatarkoituksiin. Tavoitteena on kehittää lähestymistapa, jossa meille näytetään mainontaa, joka liittyy tilanteeseen, jossa olemme, eikä meihin henkilökohtaisesti. Esimerkiksi sijaintimme, laitteemme tyyppi, kellonaika, sääolosuhteet - tämä on jotain, joka ei loukkaa henkilötietojamme, emmekä tunne epämiellyttävää "seuraamisen" tunnetta.

Lue näiden kahden käsitteen eroista huomautus Andrew Frank kirjoittaa blogia Gartnerin verkkosivuilla. Siinä on niin hienovarainen ero ja niin samankaltaiset sanat, että et tiedä eroa, vaarannat riidellä pitkään keskustelukumppanisi kanssa, epäilemättä, että yleensä molemmat ovat oikeassa (ja tämä on myös todellinen tapaus, joka tapahtui kirjoittaja).

4.6. Biotekniikka – viljelty tai keinotekoinen kudos

Tämä on ennen kaikkea ajatus keinotekoisen lihan kasvattamisesta. Samaan aikaan useat tiimit ympäri maailmaa kehittävät laboratoriota "Meat 2.0" - sen odotetaan muuttuvan tavallista halvemmaksi, ja pikaruoat ja sitten supermarketit siirtyvät siihen. Tämän teknologian sijoittajia ovat Bill Gates, Sergey Brin, Richard Branson ja muut.

Lähde

Syitä, miksi kaikki ovat niin kiinnostuneita keinolihasta:

1. Ilmaston lämpeneminen: maatilojen metaanipäästöt. Tämä on 18 % maailman ilmastoon vaikuttavien kaasujen määrästä.
2. Väestönkasvu. Lihan kysyntä kasvaa, eikä kaikkia voida ruokkia luonnollisella lihalla - se on yksinkertaisesti kallista.
3. Tilan puute. Amazonin metsistä 70 prosenttia on jo hakattu laitumeksi.
4. Eettiset näkökohdat. On niitä, joille tämä on tärkeää. Eläinoikeusjärjestö PETA on jo tarjonnut miljoonan dollarin palkinnon tutkijalle, joka tuo keinotekoisen kananlihaa markkinoille.

Aidon lihan korvaaminen soijalla on osittainen ratkaisu, koska ihmiset osaavat arvostaa maku- ja rakenneeroa, eivätkä todennäköisesti luopu pihveistä soijan hyväksi. Tarvitset siis aitoa, luonnonmukaisesti viljeltyä lihaa. Nyt keinotekoinen liha on valitettavasti liian kallista: alkaen 12 dollaria kilolta. Tämä johtuu tällaisen lihan viljelyn monimutkaisesta teknisestä prosessista. Lue siitä kaikesta Artikkeli.

Jos puhumme muista kudosten kasvutapauksista - jo lääketieteessä - niin keinotekoisten elinten aihe on mielenkiintoinen: esimerkiksi "laastari" sydänlihakselle, painettu erityinen 3D-tulostin. Tunnettu historia kuin keinotekoisesti kasvatettu hiiren sydän, mutta yleensä kaikki on edelleen kliinisten tutkimusten piirissä. Joten emme todennäköisesti näe Frankensteinia tulevina vuosina.

Tässä Gartner on hyvin varovainen arvioissaan, pitäen ilmeisesti mielessä hänen epäonnistuneen vuoden 2015 ennusteensa, jonka mukaan vuonna 2019 10 prosentilla kehittyneiden maiden väestöstä olisi 3D-tulostettu lääketieteellisen laitteen implantti. Siksi se tarkoittaa, että aika tuottavuuden tasolle saavuttamiseen on vähintään 10 vuotta.

5. Digitaaliset ekosysteemit

5.1. Hajautettu verkko

Tämä käsite liittyy läheisesti verkon keksijän, Turing-palkinnon voittajan Sir Tim Burners-Leen nimeen. Hänelle tietojenkäsittelytieteen eettiset kysymykset olivat aina tärkeitä ja Internetin kollektiivinen olemus: hypertekstin perustaa luodessaan hän oli vakuuttunut siitä, että verkon tulee toimia kuin verkko, ei hierarkia. Näin oli verkon kehittämisen alkuvaiheessa. Internetin kasvaessa sen rakenne kuitenkin keskittyi useista syistä. Kävi ilmi, että koko maan pääsy verkkoon voidaan helposti estää vain muutaman palveluntarjoajan avulla. Ja käyttäjätiedoista on tullut Internet-yritysten voiman- ja tulonlähde.

"Internet on jo hajautettu", Burners-Lee sanoo. ”Ongelmana on, että yksi hakukone, yksi iso sosiaalinen verkosto, yksi mikrobloggausalusta hallitsee. Meillä ei ole teknisiä ongelmia, mutta meillä on sosiaalisia ongelmia."

Hänen avaa kirje World Wide Webin 30-vuotispäivänä verkon luoja hahmotteli kolme Internetin pääongelmaa:

1. Kohdennettu vahinko, kuten valtion tukema hakkerointi, rikollisuus ja verkko häirintä
2. Jo järjestelmän suunnittelu, joka käyttäjän vahingoksi luo pohjan sellaisille mekanismeille kuin: taloudelliset kannustimet napsautussyötille ja väärän tiedon leviäminen
3. Järjestelmäsuunnittelun tahattomat seuraukset, jotka johtavat ristiriitaan ja verkkokeskustelun laadun heikkenemiseen

Ja Tim Berners-Leellä on jo vastaus siihen, mihin periaatteisiin "terveen ihmisen Internet" voisi perustua, vailla ongelmaa numero 2: "Monille käyttäjille mainostulot ovat ainoa malli vuorovaikutukseen Internetin kanssa. Vaikka ihmiset pelkäävät, mitä heidän tiedoilleen tapahtuu, he ovat valmiita tekemään sopimuksen markkinointikoneen kanssa mahdollisuudesta saada sisältöä ilmaiseksi. Kuvittele maailma, jossa tavaroista ja palveluista maksaminen on helppoa ja nautinnollista molemmille osapuolille.” Vaihtoehtoina, miten tämä voitaisiin järjestää: muusikot voivat myydä äänitteitään ilman välittäjiä iTunesin muodossa, ja uutissivustot voivat käyttää mikromaksujärjestelmää yhden artikkelin lukemiseen sen sijaan, että ansaitsisivat rahaa mainonnasta.

Tämän uuden Internetin kokeellisena prototyyppinä Tim Berners-Lee käynnisti SOLID-projektin, jonka ydin on, että tallennat tietosi "pod" -tietovarastoon, ja voit toimittaa nämä tiedot kolmansien osapuolien sovelluksille. Mutta periaatteessa sinä itse olet tietojesi mestari. Kaikki tämä liittyy läheisesti vertaisverkkojen käsitteeseen, eli tietokoneesi ei vain pyydä palveluita, vaan myös tarjoaa niitä, jotta et luottaisi yhteen palvelimeen ainoana kanavana.

Lähde

5.2. Hajautetut autonomiset organisaatiot

Se on organisaatio, jota hallitsevat tietokoneohjelman muodossa kirjoitetut säännöt. Sen taloudellinen toiminta perustuu lohkoketjuun. Tällaisten organisaatioiden luomisen tarkoituksena on poistaa valtio välittäjän roolista ja luoda vastapuolille yhteinen luottamusympäristö, joka ei ole kenenkään yksin, vaan kaikkien yhdessä omistama. Eli teoriassa tämän pitäisi, jos idea juurtuu, lakkauttaa notaarit ja muut tavanomaiset tarkastuslaitokset.

Tunnetuin esimerkki tällaisesta organisaatiosta oli yrityskeskeinen The DAO, joka keräsi 2016 miljoonaa dollaria vuonna 150, josta 50 dollaria varastettiin välittömästi sääntöjen laillisen aukon kautta. Heti syntyi vaikea dilemma: joko peruuta ja palauta rahat tai myönnä, että rahojen nostaminen oli laillista, koska se ei millään tavalla rikkonut alustan sääntöjä. Tämän seurauksena luojien oli tuhottava The DAO palauttaakseen rahaa sijoittajille, kirjoittamalla lohkoketjun uudelleen ja rikkoen sen perusperiaatetta - muuttumattomuutta.

Sarjakuva Ethereumista (vasemmalla) ja DAO:sta (oikealla). Lähde

Tämä koko tarina on pilannut DAO:n idean maineen. Tuo projekti tehtiin Ethereumin kryptovaluutan pohjalta, versiota Ether 2.0 odotetaan ensi vuonna – ehkä kirjoittajat (mukaan lukien kuuluisa Vitalik Buterin) ottavat virheet huomioon ja näyttävät jotain uutta. Luultavasti siksi Gartner laittoi DAO:n ylälinjaan.

5.3.Synteettiset tiedot

Neuroverkkojen kouluttamiseen tarvitaan suuria tietomääriä. Tietojen merkitseminen manuaalisesti on valtava tehtävä, jonka voi tehdä vain ihminen. Siksi on mahdollista luoda keinotekoisia tietojoukkoja. Esimerkiksi samat kokoelmat ihmiskasvoista sivustolla https://generated.photos. Ne luodaan GAN-algoritmeilla, jotka mainittiin jo yllä.

Nämä kasvot eivät kuulu ihmisille. Lähde

Tällaisten tietojen suuri etu on, että niiden käytössä ei ole oikeudellisia vaikeuksia: kukaan ei anna suostumusta henkilötietojen käsittelyyn.

5.4.Digital Ops

Loppuliitteestä "Ops" on tullut uskomattoman muodikas DevOpsin juurtuttua puheeseemme. Nyt siitä mitä DigitalOps on – se on vain yleistys sanoista DevOps, DesignOps, MarketingOps... Oletko jo kyllästynyt? Lyhyesti sanottuna se on DevOps-lähestymistavan siirto ohjelmistoalueelta kaikkiin muihin liiketoiminnan osa-alueisiin - markkinointiin, suunnitteluun jne.

Lähde

DevOpsin ideana oli poistaa esteet itsensä kehittämisen ja toimintojen (liiketoimintaprosessien) välillä luomalla yhteisiä tiimejä, joissa on ohjelmoijia, testaajia, tietoturvaasiantuntijoita ja ylläpitäjiä; tiettyjen käytäntöjen toteuttaminen: jatkuva integrointi, infrastruktuuri koodina, palauteketjujen vähentäminen ja vahvistaminen. Tavoitteena oli nopeuttaa tuotteen markkinoilletuloa. Jos luulit tämän olevan samanlainen kuin Agile, olit oikeassa. Siirrä nyt henkisesti tämä lähestymistapa ohjelmistokehityksen alalta kehitykseen yleensä - ja ymmärrät mitä DigitalOps on.

5.5. Tietokaaviot

Ohjelmistotapa tietoalueen mallintamiseen, mukaan lukien koneoppimisalgoritmien käyttö. Tietograafi on rakennettu olemassa olevien tietokantojen päälle yhdistämään kaikki tiedot: sekä jäsennellyt (tapahtumien tai henkilöiden luettelo) että jäsentämättömät (artikkelin teksti).

Yksinkertaisin esimerkki on kortti, jonka näet Googlen hakutuloksissa. Jos etsit henkilöä tai laitosta, näet oikealla kortin:


Huomaa, että "Tulevat tapahtumat" ei ole kopio Google Mapsin tiedoista, vaan aikataulun integraatio Yandex.Afishan kanssa: näet tämän helposti napsauttamalla tapahtumia. Eli se on useiden tietolähteiden yhdistelmä yhdessä.

Jos pyydät luetteloa - esimerkiksi "kuuluisia ohjaajia" - sinulle näytetään karuselli:

Bonus niille, jotka lukevat loppuun

Ja nyt kun olemme selventäneet itsellemme kunkin pisteen merkityksen, voimme katsoa samaa kuvaa, mutta venäjäksi:

Jaa se vapaasti sosiaalisessa mediassa!

Tatyana Volkova - Esineiden internetin IT-radan koulutusohjelman kirjoittaja Samsung Academyssa, yritysvastuuohjelmien asiantuntija Samsung Research Centerissä


Lähde: will.com