Le classement de Gartner est comme un défilé de haute couture pour les acteurs de l'industrie technologique. En le consultant, vous pourrez découvrir à l'avance quels sont les mots les plus médiatisés cette saison et ce que vous entendrez lors de toutes les conférences à venir.
Nous avons déchiffré ce qui se cache derrière les beaux mots de ce graphique afin que vous puissiez aussi parler la langue.
Pour commencer, quelques mots sur ce type de graphique. Chaque année en août, l'agence de conseil Gartner publie un rapport - Gartner Hype Curve. En russe, il s’agit d’une « courbe de battage médiatique » ou, plus simplement, de battage médiatique. Il y a 30 ans, les rappeurs du groupe Public Enemy chantaient : « Ne croyez pas le battage médiatique ». Croyez-le ou non, c'est une question personnelle, mais cela vaut au moins la peine de connaître ces mots-clés si vous travaillez dans le domaine technologique et souhaitez connaître les tendances mondiales.
Il s'agit d'un graphique des attentes du public à l'égard d'une technologie particulière. Selon Gartner, idéalement, la technologie passe par 5 étapes : lancement de la technologie, pic d'attentes exagérées, vallée de la déception, pente de l'illumination, plateau de productivité. Mais il arrive aussi qu'il se noie dans la « vallée de la déception » - vous vous souvenez très facilement d'exemples, prenez les mêmes bitcoins : atteignant d'abord le sommet de « l'argent du futur », ils ont rapidement glissé lorsque les lacunes de la technologie est devenue une évidence, tout d'abord les restrictions sur le nombre de transactions et l'énorme quantité d'électricité nécessaire pour générer des bitcoins (ce qui pose déjà des problèmes environnementaux). Et bien sûr, il ne faut pas oublier que le graphique de Gartner n’est qu’une prévision : ici, par exemple, vous pouvez lire un , où sont triées les prédictions non réalisées les plus frappantes.
Passons donc en revue le nouveau graphique Gartner. Les technologies sont réparties en 5 grands groupes thématiques :
- IA et analyses avancées
- Calcul postclassique et communications
- Détection et mobilité
- Humain augmenté
- Écosystèmes numériques
1. IA et analyses avancées
Au cours des 10 dernières années, nous avons assisté à l’heure la plus belle du deep learning. Ces réseaux sont véritablement efficaces pour l’ensemble de leurs tâches. En 2018, Yann LeCun, Geoffrey Hinton et Yoshua Bengio ont reçu le prix Turing pour leurs découvertes – la récompense la plus prestigieuse, analogue au prix Nobel d'informatique. Ainsi, les principales tendances dans ce domaine, qui sont présentées sur le graphique :
1.1. Apprentissage par transfert
Vous n'entraînez pas un réseau neuronal à partir de zéro, mais vous en prenez un déjà formé et lui assignez un objectif différent. Parfois, cela nécessite de recycler une partie du réseau, mais pas l’ensemble du réseau, ce qui est beaucoup plus rapide. Par exemple, en prenant un réseau neuronal prêt à l'emploi ResNet50, formé sur l'ensemble de données ImageNet1000, vous obtiendrez un algorithme capable de classer de nombreux objets différents dans une image à un niveau très profond (1000 50 classes basées sur des caractéristiques générées par XNUMX couches du réseau neuronal). réseau). Mais vous n’êtes pas obligé de former l’ensemble de ce réseau, ce qui prendrait des mois.
В Samsung « Réseaux de neurones et vision par ordinateur », par exemple, en finale avec la classification des plaques en propres et sales, une approche est démontrée qui en 5 minutes vous met à votre disposition un réseau neuronal profond capable de distinguer les plaques sales des propres, construit selon l'architecture décrite ci-dessus. Le réseau d'origine ne savait pas du tout ce qu'étaient les plaques, il a seulement appris à distinguer les oiseaux des chiens (voir ImageNet).
Source: Samsung "Réseaux de neurones et vision par ordinateur"
Pour l'apprentissage par transfert, vous devez savoir quelles approches fonctionnent et quelles architectures de base prêtes à l'emploi sont disponibles. Dans l’ensemble, cela accélère considérablement l’émergence d’applications pratiques de l’apprentissage automatique.
1.2. Réseaux adverses génératifs (GAN)
C'est pour les cas où il nous est très difficile de formuler un objectif d'apprentissage. Plus la tâche est proche de la vie réelle, plus elle nous est compréhensible (« apportez la table de chevet »), mais plus il est difficile de la formuler comme une tâche technique. GAN n'est qu'une tentative de nous sauver de ce problème.
Deux réseaux fonctionnent ici : l'un est générateur (Generative), l'autre est discriminateur (Adversarial). Un réseau apprend à faire un travail utile (classer des images, reconnaître des sons, dessiner des dessins animés). Et un autre réseau apprend à enseigner ce réseau : il a des exemples réels, et il apprend à trouver une formule complexe jusqu'alors inconnue pour comparer les produits de la partie générative du réseau avec des objets du monde réel (ensemble d'apprentissage) basé sur des caractéristiques profondes vraiment importantes. : le nombre d'yeux, la proximité avec le style de Miyazaki, la prononciation anglaise correcte.
Un exemple du résultat d'un réseau de génération de personnages d'anime.
Mais, bien sûr, il est difficile d’y construire une architecture. Il ne suffit pas de jeter les neurones, il faut les préparer. Et il faut étudier pendant des semaines. Mes collègues du Samsung Artificial Intelligence Center travaillent sur le sujet du GAN ; c'est l'une de leurs questions clés de recherche. Par exemple, comme ça : utiliser des réseaux génératifs pour synthétiser des photos réalistes de personnes avec des poses variables - par exemple, pour créer une cabine d'essayage virtuelle ou pour synthétiser un visage, ce qui peut réduire la quantité d'informations qui doivent être stockées ou transmises pour garantir une vidéo de haute qualité communication, diffusion ou protection des données personnelles.
1.3. IA explicable
Pour certaines tâches rares, les progrès des architectures profondes ont soudainement rapproché les capacités des réseaux neuronaux profonds des capacités humaines. La bataille est désormais engagée pour accroître l’éventail de ces tâches. Par exemple, un robot aspirateur pourrait facilement distinguer un chat d’un chien lors d’une rencontre frontale. Mais dans la plupart des situations de la vie, il sera incapable de trouver un chat endormi parmi le linge ou les meubles (toutefois, comme nous, dans la plupart des cas...).
Quelle est la raison du succès des réseaux de neurones profonds ? Ils développent une représentation du problème basée non pas sur des informations « visibles à l'œil nu » (pixels photo, modifications du volume sonore...), mais sur des caractéristiques obtenues après prétraitement de ces informations par plusieurs centaines de couches d'un réseau neuronal. Malheureusement, ces relations peuvent également être dénuées de sens, incohérentes ou comporter des traces d'imperfections dans l'ensemble de données d'origine. Par exemple, il existe un petit jeu informatique sur ce que peut conduire l'utilisation irréfléchie de l'IA dans le recrutement. .
Le système de marquage d'images a étiqueté la personne qui cuisine comme une femme, même si la personne sur la photo est en réalité un homme (). il à l'Institut de Virginie.
Pour analyser des relations complexes et profondes que nous ne pouvons souvent pas formuler nous-mêmes, des méthodes d’IA explicable sont nécessaires. Ils organisent les caractéristiques des réseaux de neurones profonds afin qu'après la formation, nous puissions analyser la représentation interne que le réseau a apprise, plutôt que de simplement nous fier à sa décision.
1.4. Analyse de pointe/IA
Tout ce qui contient le mot Edge signifie littéralement ce qui suit : transférer une partie des algorithmes du cloud/serveur vers le niveau de l'appareil final/de la passerelle. Un tel algorithme fonctionnera plus rapidement et ne nécessitera pas de connexion à un serveur central pour son fonctionnement. Si vous êtes familier avec l'abstraction d'un « client léger », alors nous rendons ici ce client un peu plus épais.
Cela pourrait être important pour l’Internet des objets. Par exemple, si une machine surchauffe et a besoin d'être refroidie, il est logique de le signaler immédiatement, au niveau de l'usine, sans attendre que les données soient transférées vers le cloud et de là vers le chef d'équipe. Ou un autre exemple : les voitures autonomes peuvent déterminer elles-mêmes la situation du trafic, sans contacter un serveur central.
Ou un autre exemple de la raison pour laquelle cela est important du point de vue de la sécurité : lorsque vous tapez des textes sur votre téléphone, il se souvient des mots qui vous sont typiques, afin que plus tard le clavier du téléphone puisse vous les proposer facilement - c'est ce qu'on appelle la prédictivité. saisie de texte. Envoyer tout ce que vous tapez sur votre clavier à un centre de données quelque part constituerait une violation de votre vie privée et serait tout simplement dangereux. Par conséquent, l’apprentissage du clavier s’effectue uniquement au sein de votre appareil lui-même.
1.5. Plateforme AI en tant que service (AI PaaS)
PaaS - Platform-as-a-Service est un modèle commercial dans lequel nous avons accès à une plate-forme intégrée, y compris son stockage de données basé sur le cloud et ses procédures prêtes à l'emploi. De cette façon, nous pouvons nous libérer des tâches d’infrastructure et nous concentrer pleinement sur la production de quelque chose d’utile. Exemple de plateformes PaaS pour les tâches d'IA : IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Apprentissage automatique adaptatif (ML adaptatif)
Et si nous laissions l'intelligence artificielle s'adapter... Vous demandez - c'est-à-dire comment ?.. Ne s'adapte-t-elle pas déjà à la tâche ? Le problème est le suivant : nous concevons minutieusement chacun de ces problèmes avant de construire un algorithme d’intelligence artificielle pour le résoudre. Ils vous répondront - il s'avère que cette chaîne peut être simplifiée.
L'apprentissage automatique conventionnel fonctionne sur le principe d'une boucle ouverte : vous préparez des données, créez un réseau de neurones (ou autre), vous entraînez, puis regardez plusieurs indicateurs, et si tout vous plaît, vous pouvez envoyer le réseau de neurones aux smartphones - résoudre les problèmes des utilisateurs. Mais dans les applications où il y a beaucoup de données et où leur nature change progressivement, d'autres méthodes sont nécessaires. De tels systèmes, qui s'adaptent et s'apprennent eux-mêmes, sont organisés en boucles fermées d'auto-apprentissage (closed-loop) et doivent fonctionner sans problème.
Applications - il peut s'agir d'analyses de flux (Stream Analytics), sur la base desquelles de nombreux hommes d'affaires prennent des décisions, ou d'une gestion adaptative de la production. À l’échelle des applications actuelles et compte tenu des risques mieux connus pour l’homme, les techniques qui constituent une solution à ce problème sont toutes regroupées sous le terme générique d’IA adaptative.
En regardant cette image, il est difficile de se débarrasser du sentiment que l’on ne donne pas de pain aux futurologues – qu’ils apprennent à un robot à respirer…
Calcul postclassique et communications
2.1. Communications mobiles de cinquième génération (5G)
C'est un sujet tellement intéressant que nous vous renvoyons immédiatement à notre . Eh bien, voici un bref résumé. La 5G, en augmentant la fréquence de transmission des données, rendra la vitesse d’Internet irréaliste. Il est plus difficile pour les ondes courtes de franchir les obstacles, la conception des réseaux sera donc complètement différente : 500 fois plus de stations de base sont nécessaires.
Avec la vitesse, nous obtiendrons de nouveaux phénomènes : des jeux en temps réel avec réalité augmentée, l'exécution de tâches complexes (comme la chirurgie) grâce à la téléprésence, la prévention des accidents et des situations difficiles sur les routes grâce à la communication entre les machines. Sur une note plus prosaïque : l'Internet mobile cessera enfin de baisser lors d'événements de masse, comme un match dans un stade.
Source de l'image - Reuters, Niantic
2.2. Mémoire de nouvelle génération
Nous parlons ici de la cinquième génération de RAM – DDR5. Samsung a annoncé que les produits basés sur la DDR2019 seraient disponibles d'ici fin 5. On s'attend à ce que la nouvelle mémoire soit deux fois plus rapide et deux fois plus grande tout en conservant le même facteur de forme, c'est-à-dire que nous pourrons obtenir des clés USB d'une capacité allant jusqu'à 32 Go pour notre ordinateur. À l'avenir, cela sera particulièrement pertinent pour les smartphones (la nouvelle mémoire sera dans une version basse consommation) et pour les ordinateurs portables (où le nombre d'emplacements DIMM est limité). Et l’apprentissage automatique nécessite également de grandes quantités de RAM.
2.3. Systèmes satellitaires en orbite terrestre basse
L'idée de remplacer les satellites lourds, coûteux et puissants par une nuée de satellites petits et bon marché est loin d'être nouvelle et est apparue dans les années 90. À propos de quoi Désormais, seuls les paresseux n’ont pas entendu. L'entreprise la plus célèbre ici est Iridium, qui a fait faillite à la fin des années 90, mais a été sauvée aux dépens du ministère américain de la Défense (à ne pas confondre avec iRidium, le système russe de maison intelligente). Le projet d'Elon Musk (Starlink) est loin d'être le seul - Richard Branson (OneWeb - 1440 satellites proposés), Boeing (3000 satellites), Samsung (4600 satellites) et d'autres participent à la course aux satellites.
Comment les choses se passent dans cette région, à quoi ressemble l'économie là-bas - lire dans . Et on attend les premiers tests de ces systèmes par les premiers utilisateurs, qui devraient avoir lieu l'année prochaine.
2.4. Impression 3D à l'échelle nanométrique
L'impression 3D, même si elle n'est pas entrée dans la vie de tout le monde (sous la forme promise par une usine de plastique domestique individuelle), a néanmoins depuis longtemps quitté le créneau technologique des geeks. Vous pouvez en juger par le fait que tous les écoliers connaissent l'existence d'au moins des stylos sculptés en 3D, et beaucoup rêvent d'acheter une boîte avec des glissières et une extrudeuse pour... « comme ça » (ou l'ont déjà achetée).
La stéréolithographie (imprimantes laser 3D) permet d'imprimer avec des photons individuels : de nouveaux polymères sont explorés qui ne nécessitent que deux photons pour se solidifier. Cela permettra, dans des conditions hors laboratoire, de créer des filtres, montures, ressorts, capillaires, lentilles complètement nouveaux et... vos options dans les commentaires ! Et là, on n'est pas loin de la photopolymérisation : seule cette technologie permet d'« imprimer » des processeurs et des circuits informatiques. De plus, ce n'est pas la première année qu'il y a , mais sans développement radical.
3. Détection et mobilité
3.1. Conduite autonome niveaux 4 et 5
Afin de ne pas se tromper dans la terminologie, il convient de comprendre quels sont les niveaux d'autonomie (tirés du détail , auquel nous renvoyons tous ceux qui sont intéressés) :
Niveau 1 : Régulateur de vitesse : assiste le conducteur dans des situations très limitées (par exemple, maintenir la voiture à une vitesse donnée après que le conducteur ait relâché le pied de la pédale)
Niveau 2 : Assistance de direction et de freinage limitée. Le conducteur doit être prêt à prendre le contrôle presque instantanément. Ses mains sont sur le volant, ses yeux sont tournés vers la route. C’est quelque chose que Tesla et General Motors possèdent déjà.
Niveau 3 : Le conducteur n’a plus à surveiller constamment la route. Mais il doit rester vigilant et être prêt à prendre le contrôle. C’est quelque chose que les voitures disponibles dans le commerce ne possèdent pas encore. Tous ceux qui existent actuellement sont au niveau 1-2.
Niveau 4 : Véritable pilote automatique, mais avec restrictions : uniquement des déplacements dans une zone connue, soigneusement cartographiée et généralement connue du système, et sous certaines conditions : par exemple, en l'absence de neige. Waymo et General Motors disposent de tels prototypes et prévoient de les lancer dans plusieurs villes et de les tester dans des environnements réels. Yandex dispose de zones de test pour les taxis sans pilote à Skolkovo et Innopolis : le voyage s'effectue sous la supervision d'un ingénieur assis sur le siège passager ; d'ici la fin de l'année, l'entreprise prévoit d'étendre sa flotte à 100 véhicules sans pilote.
Niveau 5 : Conduite entièrement automatique, remplacement complet d'un conducteur réel. De tels systèmes n’existent pas et il est peu probable qu’ils apparaissent dans les années à venir.
Est-il réaliste de voir tout cela dans un avenir proche ? Ici, je voudrais rediriger le lecteur vers l'article . Cela est dû en partie au manque de connectivité 5G : les vitesses 4G disponibles ne suffisent pas. En partie à cause du coût très élevé des voitures autonomes : elles ne sont pas encore rentables et le modèle économique n’est pas clair. En un mot, « tout est compliqué » ici, et ce n'est pas un hasard si Gartner écrit que la prévision de la mise en œuvre massive des niveaux 4 et 5 n'est pas antérieure à 10 ans.
3.2. Caméras de détection 3D
Il y a huit ans, la manette de jeu Kinect de Microsoft faisait des vagues en proposant une solution accessible et relativement peu coûteuse à la vision 3D. Depuis lors, les jeux d'éducation physique et de danse avec Kinect ont connu une brève ascension et un déclin, mais les caméras 3D ont commencé à être utilisées dans les robots industriels, les véhicules sans pilote et les téléphones portables pour l'identification faciale. La technologie est devenue moins chère, plus compacte et plus accessible.
Le téléphone Samsung S10 dispose d'une caméra Time-of-Flight qui mesure la distance par rapport à un objet pour faciliter la mise au point.
Si ce sujet vous intéresse, alors nous vous redirigerons vers une très bonne revue détaillée des caméras de profondeur : , .
3.3. Drones pour la livraison de petites marchandises (Light Cargo Delivery Drones)
Cette année, Amazon a fait des vagues en présentant au salon un nouveau drone volant capable de transporter de petites charges allant jusqu'à 2 kg. Pour une ville avec ses embouteillages, cela semble être une solution idéale. Voyons comment ces drones se comporteront dans un avenir très proche. Peut-être vaut-il la peine d’être prudemment sceptique : les problèmes sont nombreux, à commencer par la possibilité d’un vol facile d’un drone, jusqu’aux restrictions légales sur les drones. Amazon Prime Air existe depuis six ans mais est encore en phase de test.
Le nouveau drone d'Amazon, présenté ce printemps. Il y a quelque chose de Star Wars chez lui.
Outre Amazon, il existe d'autres acteurs sur ce marché (il existe une liste détaillée ), mais pas un seul produit fini : tout est au stade des tests et des campagnes marketing. Par ailleurs, il convient de noter des soins médicaux hautement spécialisés assez intéressants. en Afrique : livraison de dons de sang au Ghana (14 000 livraisons, société Zipline) et au Rwanda (société Matternet).
3.4. Véhicules autonomes volants
Il est difficile de dire quoi que ce soit de précis ici. Selon Gartner, cela n’apparaîtra que dans 10 ans. En général, il y a ici tous les mêmes problèmes que dans les voitures autonomes, sauf qu'ils acquièrent une nouvelle dimension - verticale. Porsche, Boeing et Uber ont annoncé leur ambition de construire un taxi volant.
3.5. Cloud de réalité augmentée (AR Cloud)
Une copie numérique permanente du monde réel, permettant de créer une nouvelle couche de réalité commune à tous les utilisateurs. En termes plus techniques, nous parlons de créer une plateforme cloud ouverte dans laquelle les développeurs pourraient intégrer leurs applications AR. Le modèle de monétisation est clair : c'est une sorte d'analogue à Steam. L’idée est devenue tellement ancrée que certains pensent désormais que la RA sans le cloud est tout simplement inutile.
Ce à quoi cela pourrait ressembler dans le futur est montré dans une courte vidéo. On dirait un autre épisode de Black Mirror :
Vous pouvez également lire sur
4. Humain augmenté
4.1. IA des émotions
Comment mesurer, simuler et répondre aux émotions humaines ? Certains des clients ici sont des entreprises qui fabriquent des assistants vocaux comme Amazon Alexa. Ils peuvent vraiment s’habituer aux maisons s’ils apprennent à reconnaître l’ambiance : comprendre la raison de l’insatisfaction de l’utilisateur et essayer de corriger la situation. En général, il y a beaucoup plus d’informations dans le contexte que dans le message lui-même. Et le contexte est l’expression faciale, l’intonation et le comportement non verbal.
Autres applications pratiques : analyse des émotions lors d'un entretien d'embauche (à partir d'entretiens vidéo), évaluation des réactions à des publicités ou autres contenus vidéo (sourires, rires), aide à l'apprentissage (par exemple, pour une pratique autonome de l'art de parler en public).
Difficile de mieux parler sur ce sujet que l'auteur d'un court métrage de 6 minutes . La vidéo pleine d'esprit et de style montre comment mesurer nos émotions à des fins de marketing et, à partir des réactions momentanées de votre visage, découvrir si vous aimez la pizza, les chiens, Kanye West, et même quel est votre niveau de revenu et votre QI approximatif. En visitant le site Web du film en utilisant le lien ci-dessus, vous devenez participant à une vidéo interactive grâce à la caméra intégrée de votre ordinateur portable. Le film a déjà été projeté dans plusieurs festivals de cinéma.
Il existe même une étude tellement intéressante : comment reconnaître le sarcasme dans un texte. Nous avons pris des tweets avec le hashtag #sarcasm et créé un ensemble de formation de 25 000 tweets contenant du sarcasme et 100 000 tweets réguliers sur tout ce qui existe sous le soleil. Nous avons utilisé la bibliothèque TensorFlow, formé le système et voici le résultat :
Par conséquent, maintenant, si vous n'êtes pas sûr de votre collègue ou ami - il vous a dit quelque chose de manière sérieuse ou sarcastique, vous pouvez déjà utiliser !
4.2. Intelligence augmentée
Automatisation du travail intellectuel à l'aide de méthodes d'apprentissage automatique. Cela ne semble rien de nouveau ? Mais la formulation elle-même est ici importante, d’autant plus qu’elle coïncide en abréviation avec Intelligence Artificielle. Cela nous ramène au débat sur l’IA « forte » et « faible ».
L’IA forte est la même intelligence artificielle que celle des films de science-fiction, qui est tout à fait équivalente à l’esprit humain et qui est consciente de lui-même en tant qu’individu. Cela n’existe pas encore et il n’est pas certain que cela existera.
Une IA faible n’est pas une personne indépendante, mais un assistant humain. Il ne prétend pas avoir une pensée humaine, mais sait simplement comment résoudre des problèmes d'information, par exemple déterminer ce qui est montré dans une image ou traduire un texte.
En ce sens, l’Intelligence Augmentée est une « IA faible » dans sa forme la plus pure, et la formulation semble réussie, car elle n’introduit pas de confusion et la tentation de voir ici la même « IA forte » dont tout le monde rêve (ou craint, si l’on veut). rappelons les nombreuses discussions sur les "voitures de la rébellion"). En utilisant l’expression Intelligence Augmentée, nous devenons immédiatement les héros d’un autre film : de la science-fiction (comme « Moi, Robot » d’Asimov) nous nous retrouvons dans le cyberpunk (« les augmentations » dans ce genre sont toutes sortes d’implants qui élargissent les capacités humaines).
Comme Erik Brynjolfsson et Andrew McAffee : « Au cours des 10 prochaines années, c'est ce qui va se passer. L’IA ne remplacera pas les managers, mais les managers qui l’utilisent remplaceront ceux qui n’y sont pas encore parvenus.
Exemples:
- Médecine : l’Université de Stanford a développé , qui s'acquitte de la tâche de reconnaître les pathologies sur les radiographies pulmonaires en moyenne avec autant de succès que la plupart des médecins
- Éducation : assistance aux étudiants et aux enseignants, analyse des réponses des étudiants aux supports, construction d'un parcours d'apprentissage individuel.
- Business Analytics : le prétraitement des données, selon les statistiques, prend 80 % du temps d'un chercheur, et seulement 20 % de l'expérience elle-même
4.3. Biopuces
C’est le thème préféré de tous les films et livres cyberpunk. En général, l’identification par micropuce des animaux de compagnie n’est pas une pratique nouvelle. Mais maintenant, ces puces ont commencé à être implantées chez les humains.
Dans ce cas, le battage médiatique est très probablement associé au cas sensationnel de la société américaine Three Square Market. Là, l'employeur a commencé à proposer d'implanter des puces sous la peau en échange d'une rémunération. La puce vous permet d'ouvrir des portes, de vous connecter à des ordinateurs, d'acheter des collations dans un distributeur automatique, c'est-à-dire une telle carte d'employé universelle. De plus, une telle puce sert précisément de carte d'identification : elle ne possède pas de module GPS, il est donc impossible de suivre quiconque l'utilise. Et si une personne souhaite retirer la puce de son bras, cela prend 5 minutes avec l'aide d'un médecin.
Les puces sont généralement implantées entre le pouce et l'index.
En savoir plus sur la situation du chipping dans le monde.
4.4. Espace de travail immersif
« Immersif » est un autre nouveau mot qui n'a tout simplement pas d'échappatoire. Il y en a partout. Théâtre immersif, exposition, cinéma. Que veux-tu dire? L'immersion est la création d'un effet immersif, lorsque la frontière entre l'auteur et le spectateur, le monde virtuel et le monde réel se perd. Sur le lieu de travail, cela signifie probablement brouiller la frontière entre l'acteur et l'initiateur et encourager les employés à adopter une position plus active en reformatant leur environnement.
Puisque nous avons désormais partout Agile, flexibilité et collaboration étroite, les lieux de travail doivent être aussi facilement configurables que possible et doivent encourager le travail de groupe. L'économie dicte ses conditions : il y a plus d'employés temporaires, le coût de location des bureaux augmente et, sur un marché du travail compétitif, les entreprises informatiques tentent d'augmenter la satisfaction des employés au travail en créant des espaces de loisirs et d'autres avantages. Et tout cela se reflète dans la conception des lieux de travail.
De Monticule
4.5. Personnification
Tout le monde sait ce qu’est la personnalisation dans la publicité. C'est à ce moment-là qu'aujourd'hui vous discutez avec un collègue que l'air de la pièce est un peu sec et que vous devriez acheter un humidificateur pour le bureau, et le lendemain vous voyez une publicité sur votre réseau social - « achetez un humidificateur » (un véritable incident qui m'est arrivé).
La personnalisation, telle que définie par Gartner, est une réponse aux inquiétudes croissantes des utilisateurs quant à l'utilisation de leurs données personnelles à des fins publicitaires. L’objectif est de développer une approche dans laquelle on nous montre une publicité pertinente au contexte dans lequel nous nous trouvons, et non à nous personnellement. Par exemple, notre emplacement, le type d'appareil, l'heure de la journée, les conditions météorologiques - cela ne viole pas nos données personnelles et nous ne ressentons pas la sensation désagréable d'être « surveillés ».
Découvrez la différence entre ces deux concepts Andrew Frank blogue sur le site Web de Gartner. Il y a une différence si subtile et des mots si similaires que vous, ne connaissant pas la différence, risquez de discuter longtemps avec votre interlocuteur, sans vous douter qu'en général, les deux ont raison (et c'est aussi un véritable incident qui est arrivé au auteur).
4.6. Biotechnologie – Tissus cultivés ou artificiels
C’est avant tout l’idée de cultiver de la viande artificielle. Dans le même temps, plusieurs équipes à travers le monde s'affairent à développer le laboratoire « Viande 2.0 » - on s'attend à ce qu'il devienne moins cher que d'habitude, et les fast-foods puis les supermarchés y passeront. Les investisseurs dans cette technologie comprennent Bill Gates, Sergey Brin, Richard Branson et d'autres.
Source
Raisons pour lesquelles tout le monde s’intéresse tant à la viande artificielle :
- Réchauffement climatique : émissions de méthane des fermes. Cela représente 18 % du volume mondial de gaz qui affectent le climat.
- Croissance démographique. La demande de viande augmente et il ne sera pas possible de nourrir tout le monde avec de la viande naturelle - c'est tout simplement cher.
- Manque d'espace. 70 % des forêts amazoniennes ont déjà été abattues pour servir de pâturage.
- Considérations éthiques. Il y a ceux pour qui c'est important. L'organisation de défense des droits des animaux PETA a déjà offert un prix d'un million de dollars au scientifique qui mettra sur le marché de la viande de poulet artificielle.
Remplacer la vraie viande par du soja est une solution partielle, car les gens peuvent apprécier la différence de goût et de texture et sont peu susceptibles d'abandonner le steak au profit du soja. Il vous faut donc de la vraie viande cultivée biologiquement. Aujourd’hui, malheureusement, la viande artificielle est trop chère : à partir de 12 dollars le kilo. Cela est dû au processus technique complexe de culture de cette viande. Lisez tout .
Si nous parlons d'autres cas de croissance tissulaire - déjà en médecine - alors le sujet des organes artificiels est intéressant : par exemple, un « patch » pour le muscle cardiaque, une imprimante 3D spéciale. Connu comme un cœur de souris cultivé artificiellement, mais en général, tout reste dans le cadre des essais cliniques. Il est donc peu probable que nous voyions Frankenstein dans les années à venir.
Ici, Gartner est très prudent dans ses estimations, gardant apparemment à l’esprit sa prédiction ratée de 2015 selon laquelle en 2019, 10 % de la population des pays développés disposerait d’un implant de dispositif médical imprimé en 3D. Cela signifie donc qu’il faudra au moins 10 ans pour atteindre un plateau de productivité.
5. Écosystèmes numériques
5.1. Web décentralisé
Ce concept est étroitement associé au nom de l'inventeur du Web, Sir Tim Burners-Lee, lauréat du Turing Award. Pour lui, les questions d'éthique en informatique ont toujours été importantes et l'essence collective d'Internet était importante : en posant les bases de l'hypertexte, il était convaincu que le réseau devait fonctionner comme un web, et non comme une hiérarchie. Ce fut le cas au début du développement du réseau. Cependant, à mesure que l’Internet se développait, sa structure est devenue centralisée pour diverses raisons. Il s’est avéré que l’accès au réseau d’un pays entier pouvait être facilement bloqué avec l’aide de quelques fournisseurs seulement. Et les données des utilisateurs sont devenues une source de pouvoir et de revenus pour les sociétés Internet.
« Internet est déjà décentralisé », explique Burners-Lee. « Le problème est qu’un seul moteur de recherche, un grand réseau social et une seule plateforme de microblogging dominent. Nous n’avons pas de problèmes technologiques, mais nous avons des problèmes sociaux. »
Dans son A l'occasion du 30e anniversaire du World Wide Web, le créateur du Web a souligné trois problèmes principaux d'Internet :
- Dommages ciblés tels que le piratage, la criminalité et le harcèlement en ligne parrainés par l'État
- La conception même du système qui, au détriment de l'utilisateur, crée le terrain pour des mécanismes tels que : des incitations financières au clickbait et à la diffusion virale de fausses informations.
- Conséquences involontaires de la conception du système qui conduisent à des conflits et à une qualité réduite des discussions en ligne
Et Tim Berners-Lee a déjà une réponse sur quels principes pourrait reposer « l'Internet d'une personne en bonne santé », dépourvu du problème numéro 2 : « Pour de nombreux utilisateurs, les revenus publicitaires restent le seul modèle pour interagir avec Internet. Même si les gens ont peur du sort de leurs données, ils sont prêts à conclure un accord avec la machine marketing pour avoir la possibilité de recevoir du contenu gratuitement. Imaginez un monde dans lequel payer des biens et des services serait facile et agréable pour les deux parties. Parmi les options possibles : les musiciens peuvent vendre leurs enregistrements sans intermédiaires sous forme d'iTunes, et les sites d'information peuvent utiliser un système de micropaiements pour lire un article, au lieu de gagner de l'argent grâce à la publicité.
En tant que prototype expérimental de ce nouvel Internet, Tim Berners-Lee a lancé le projet SOLID, dont l'essence est que vous stockez vos données dans un « pod » - une banque d'informations, et que vous pouvez fournir ces données à des applications tierces. Mais en principe, vous êtes vous-même maître de vos données. Tout cela est étroitement lié au concept de réseaux peer-to-peer, c'est-à-dire que votre ordinateur non seulement demande des services, mais les fournit également, afin de ne pas s'appuyer sur un seul serveur comme seul canal.
5.2. Organisations autonomes décentralisées
C'est une organisation régie par des règles écrites sous la forme d'un programme informatique. Ses activités financières reposent sur la blockchain. Le but de la création de telles organisations est d'éliminer l'État du rôle d'intermédiaire et de créer un environnement de confiance commun pour les contreparties, qui n'appartient à personne individuellement, mais à tous ensemble. Autrement dit, en théorie, cela devrait, si l'idée prend racine, abolir les notaires et autres institutions de vérification habituelles.
L'exemple le plus célèbre d'une telle organisation est The DAO, une entreprise axée sur le capital-risque, qui a levé 2016 millions de dollars en 150, dont 50 $ ont été immédiatement volés en raison d'une faille juridique dans les règles. Un dilemme difficile s'est immédiatement posé : soit revenir en arrière et restituer l'argent, soit admettre que le retrait d'argent était légal, car il ne violait en aucun cas les règles de la plateforme. En conséquence, afin de restituer de l'argent aux investisseurs, les créateurs ont dû détruire The DAO, réécrivant la blockchain et violant son principe de base - l'immuabilité.
Bande dessinée sur Ethereum (à gauche) et The DAO (à droite).
Toute cette histoire a ruiné la réputation de l’idée même deDAO. Ce projet a été réalisé sur la base de la crypto-monnaie Ethereum, la version Ether 2.0 est attendue l'année prochaine - peut-être que les auteurs (dont le célèbre Vitalik Buterin) prendront en compte les erreurs et montreront quelque chose de nouveau. C'est probablement la raison pour laquelle Gartner a mis DAO en amont.
5.3.Données synthétiques
Pour entraîner les réseaux de neurones, de grandes quantités de données sont nécessaires. L’étiquetage manuel des données est une tâche énorme qui ne peut être effectuée que par un humain. Il est donc possible de créer des ensembles de données artificiels. Par exemple, les mêmes collections de visages humains sur le site . Ils sont créés à l'aide du GAN - les algorithmes déjà mentionnés ci-dessus.
Ces visages n'appartiennent pas aux gens.
Le grand avantage de ces données est qu'il n'y a aucune difficulté juridique à les utiliser : personne n'est autorisé à donner son consentement au traitement des données personnelles.
5.4.Opérations numériques
Le suffixe « Ops » est devenu incroyablement à la mode depuis que DevOps a pris racine dans notre discours. Maintenant, à propos de ce qu'est DigitalOps – c'est juste une généralisation de DevOps, DesignOps, MarketingOps... Vous vous ennuyez déjà ? En bref, il s'agit d'un transfert de l'approche DevOps du domaine logiciel vers tous les autres aspects de l'entreprise - marketing, design, etc.
L'idée du DevOps était de supprimer les barrières entre le développement lui-même et les opérations (processus métier), grâce à la création d'équipes communes, où se trouvent des programmeurs, des testeurs, des spécialistes de la sécurité et des administrateurs ; mise en œuvre de certaines pratiques : intégration continue, infrastructure as code, réduction et renforcement des chaînes de feedback. L’objectif était d’accélérer la mise sur le marché du produit. Si vous pensiez que cela ressemblait à Agile, vous aviez raison. Transférez maintenant mentalement cette approche du domaine du développement logiciel au développement en général - et vous comprenez ce qu'est DigitalOps.
5.5. Graphiques de connaissances
Un moyen logiciel de modéliser un domaine de connaissances, notamment à l'aide d'algorithmes d'apprentissage automatique. Un knowledge graph se construit au-dessus des bases de données existantes pour relier toutes les informations : aussi bien structurées (liste d'événements ou de personnes) que non structurées (texte d'un article).
L’exemple le plus simple est la carte que vous pouvez voir dans les résultats de recherche Google. Si vous recherchez une personne ou une institution, vous verrez une fiche à droite :
Veuillez noter que « Événements à venir » n'est pas une copie des informations de Google Maps, mais une intégration du calendrier avec Yandex.Afisha : vous pouvez facilement le voir si vous cliquez sur les événements. Autrement dit, il s’agit de la combinaison de plusieurs sources de données.
Si vous demandez une liste - par exemple, "réalisateurs célèbres" - un carrousel s'affichera :
Bonus pour ceux qui lisent jusqu'au bout
Et maintenant que nous avons clarifié par nous-mêmes le sens de chacun des points, nous pouvons regarder la même image, mais en russe :
Partagez-le librement sur les réseaux sociaux !
Tatyana Volkova - Auteur du programme de formation pour la filière informatique de l'Internet des objets à la Samsung Academy, spécialiste des programmes de responsabilité sociale des entreprises au Samsung Research Center
Source: habr.com