O gráfico de Gartner é como un desfile de alta moda para os da industria tecnolóxica. Ao mirar, podes descubrir con antelación cales son as palabras que máis se publican nesta tempada e que escoitarás en todas as vindeiras conferencias.
Desciframos o que hai detrás das fermosas palabras deste gráfico para que tamén poidas falar o idioma.
Para comezar, só unhas palabras sobre que tipo de gráfico é este. Cada ano en agosto, a axencia de consultoría Gartner publica un informe: Gartner Hype Curve. En ruso, esta é unha "curva de bombo" ou, máis simplemente, de bombo. Hai 30 anos, os raperos do grupo Public Enemy cantaban: "Non creas o bombo". Créalo ou non, é unha pregunta persoal, pero paga a pena polo menos coñecer estas palabras clave se traballas no ámbito tecnolóxico e queres coñecer as tendencias globais.
Este é un gráfico das expectativas do público dunha determinada tecnoloxía. Segundo Gartner, idealmente, a tecnoloxía pasa por 5 etapas: lanzamento da tecnoloxía, pico de expectativas infladas, val da decepción, pendente da iluminación, meseta de produtividade. Pero tamén ocorre que se afoga no "val da decepción": podes lembrar exemplos moi facilmente, toma os mesmos bitcoins: inicialmente alcanzando o pico como "diñeiro do futuro", caeron rapidamente cando as deficiencias da tecnoloxía. fíxose evidente, en primeiro lugar as restricións ao número de transaccións e á enorme cantidade de electricidade necesaria para xerar bitcoins (o que xa leva consigo problemas ambientais). E por suposto, non debemos esquecer que o gráfico de Gartner é só unha previsión: aquí, por exemplo, podes ler un detallado , onde se resolven as previsións incumpridas máis rechamantes.
Entón, repasemos o novo gráfico de Gartner. As tecnoloxías divídense en 5 grandes grupos temáticos:
- IA avanzada e analítica
- Informática posclásica e comunicacións
- Sensación e Mobilidade
- Humano aumentado
- Ecosistemas dixitais
1. IA avanzada e análise
Nos últimos 10 anos vimos a mellor hora de aprendizaxe profunda. Estas redes son realmente eficaces para a súa gama de tarefas. En 2018, Yann LeCun, Geoffrey Hinton e Yoshua Bengio recibiron o premio Turing polos seus descubrimentos, o galardón máis prestixioso, análogo ao Premio Nobel de informática. Así, as principais tendencias nesta área, que se mostran no gráfico:
1.1. Transferir Aprendizaxe
Non adestras unha rede neuronal desde cero, senón que tomas unha que xa está adestrada e asígnalle un obxectivo diferente. Ás veces, isto require reciclar parte da rede, pero non toda a rede, o que é moito máis rápido. Por exemplo, tomando unha rede neuronal preparada ResNet50, adestrada no conxunto de datos ImageNet1000, obterás un algoritmo que pode clasificar moitos obxectos diferentes nunha imaxe nun nivel moi profundo (1000 clases baseadas en funcións xeradas por 50 capas da neurona). rede). Pero non tes que adestrar toda esa rede, o que levaría meses.
В Samsung “Redes neuronais e visión por ordenador”, por exemplo, na final coa clasificación das placas en limpas e sucias, demóstrase un enfoque que en 5 minutos pon á túa disposición unha profunda rede neuronal capaz de distinguir as placas sucias das limpas, construída segundo a arquitectura descrita anteriormente. A rede orixinal non sabía o que eran as placas, só aprendeu a distinguir as aves dos cans (ver ImageNet).
Fonte: Samsung "Redes neuronais e visión por ordenador"
Para Transfer Learning cómpre saber que enfoques funcionan e que arquitecturas básicas preparadas están dispoñibles. En xeral, isto acelera moito a aparición de aplicacións prácticas da aprendizaxe automática.
1.2. Redes adversarias xerativas (GAN)
Isto é para aqueles casos nos que nos resulta moi difícil formular o obxectivo de aprendizaxe. Canto máis preto estea a tarefa da vida real, máis comprensible é para nós (“trae a mesiña de noite”), pero máis difícil é formulala como tarefa técnica. GAN é só un intento de salvarnos deste problema.
Aquí funcionan dúas redes: unha é un xerador (Xerativo), a outra é un discriminador (Adversarial). Unha rede aprende a facer un traballo útil (clasificar imaxes, recoñecer sons, debuxar debuxos animados). E outra rede aprende a ensinar esa rede: ten exemplos reais, e aprende a atopar unha fórmula complexa ata agora descoñecida para comparar os produtos da parte xerativa da rede con obxectos do mundo real (conxunto de adestramento) baseándose en características profundas realmente importantes. : o número de ollos, a proximidade ao estilo de Miyazaki, a pronuncia correcta do inglés.
Un exemplo do resultado dunha rede para xerar personaxes de anime.
Pero, por suposto, é difícil construír alí arquitectura. Non basta con botar neuronas, hai que estar preparadas. E hai que estudar durante semanas. Os meus compañeiros do Centro de Intelixencia Artificial de Samsung están traballando no tema GAN; esta é unha das súas preguntas clave de investigación. Por exemplo, así : usar redes xerativas para sintetizar fotos realistas de persoas con poses variables, por exemplo, para crear un probatorio virtual ou para sintetizar un rostro, o que pode reducir a cantidade de información que se debe almacenar ou transmitir para garantir un vídeo de alta calidade. comunicación, difusión ou protección de datos persoais.
1.3. IA explicable
Para algunhas tarefas raras, os avances nas arquitecturas profundas achegaron de súpeto as capacidades das redes neuronais profundas ás capacidades humanas. Agora a batalla está en marcha para aumentar o alcance de tales tarefas. Por exemplo, un robot aspirador podería distinguir facilmente un gato dun can nunha reunión frontal. Pero na maioría das situacións da vida, será incapaz de atopar un gato durmindo entre roupa ou mobles (sen embargo, coma nós, na maioría dos casos...).
Cal é a razón do éxito das redes neuronais profundas? Desenvolven unha representación do problema baseada non en información “visible a simple vista” (píxeles fotográficos, cambios no volume do son...), senón en características obtidas tras o preprocesamento desta información por varios centos de capas dunha rede neuronal. Desafortunadamente, estas relacións tamén poden carecer de sentido, incoherentes ou ter trazos de imperfeccións no conxunto de datos orixinal. Por exemplo, hai un pequeno xogo de ordenador sobre o que pode levar o uso irreflexivo da IA na contratación .
O sistema de etiquetado de imaxes etiquetou á persoa que cociña como muller, aínda que a persoa da imaxe é en realidade un home (). iso no Instituto de Virginia.
Para analizar relacións complexas e profundas que moitas veces non podemos formular nós mesmos, necesítanse métodos de IA explicables. Organizan as características das redes neuronais profundas para que despois do adestramento, poidamos analizar a representación interna que a rede aprendeu, en lugar de simplemente confiar na súa decisión.
1.4. Análise de borde/IA
Todo o que teña a palabra Edge significa literalmente o seguinte: transferir parte dos algoritmos da nube/servidor ao nivel do dispositivo/gateway final. Tal algoritmo funcionará máis rápido e non requirirá unha conexión a un servidor central para o seu funcionamento. Se estás familiarizado coa abstracción dun "cliente fino", aquí estamos facendo que este cliente sexa un pouco máis groso.
Isto podería ser importante para a Internet das cousas. Por exemplo, se unha máquina está sobrequentada e necesita arrefriamento, ten sentido sinalalo inmediatamente, a nivel de planta, sen esperar a que os datos vaian á nube e de alí ao xefe de quenda. Ou outro exemplo: os coches autónomos poden descubrir a situación do tráfico por si mesmos, sen contactar cun servidor central.
Ou outro exemplo de por que isto é importante desde o punto de vista da seguridade: cando escribes textos no teu teléfono, lembra as palabras que son típicas para ti, para que despois o teclado do teléfono poida indicarche comodamente con elas, isto chámase preditivo. entrada de texto. Enviar todo o que escribes no teu teclado a un centro de datos nalgún lugar sería unha violación da túa privacidade e simplemente non sería seguro. Polo tanto, o adestramento do teclado ocorre só no propio dispositivo.
1.5. Plataforma AI como servizo (AI PaaS)
PaaS - Platform-as-a-Service é un modelo de negocio no que accedemos a unha plataforma integrada, incluíndo o seu almacenamento de datos baseado na nube e procedementos preparados. Deste xeito, podemos liberarnos das tarefas de infraestrutura e concentrarnos plenamente en producir algo útil. Exemplo de plataformas PaaS para tarefas de IA: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Aprendizaxe automático adaptativo (ML adaptativo)
E se deixamos que a intelixencia artificial se adapte... Vostede pregunta - é dicir, como?... Non se adapta xa á tarefa? O problema é este: deseñamos con esmero cada un destes problemas antes de construír un algoritmo de intelixencia artificial para resolvelo. Eles contestaránche: resulta que esta cadea pódese simplificar.
A aprendizaxe automática convencional funciona co principio dun sistema aberto (bucle aberto): preparas datos, creas unha rede neuronal (ou o que sexa), adestras, despois miras varios indicadores e, se che gusta todo, podes enviar o rede neuronal para teléfonos intelixentes - resolver problemas dos usuarios. Pero nas aplicacións onde hai moitos datos e a súa natureza cambia paulatinamente, son necesarios outros métodos. Estes sistemas, que se adaptan e ensinan por si mesmos, organízanse en bucles pechados de autoaprendizaxe (circuito pechado) e deben funcionar sen problemas.
Aplicacións: pode tratarse de análises de fluxos (Stream Analytics), sobre a base das cales moitos empresarios toman decisións, ou xestión adaptativa da produción. A escala das aplicacións actuais e tendo en conta os riscos mellor entendidos para os humanos, as técnicas que constitúen unha solución a este problema recóllense baixo o termo xeral de IA adaptativa.
Mirando esta imaxe, é difícil desfacerse da sensación de que non alimentan os futurólogos con pan: que ensinen a un robot a respirar...
Informática posclásica e comunicacións
2.1. Comunicacións móbiles de quinta xeración (5G)
Este é un tema tan interesante que inmediatamente te remitimos ao noso . Ben, aquí tes un pequeno resumo. 5G, ao aumentar a frecuencia de transmisión de datos, fará que a velocidade de Internet sexa pouco realista. É máis difícil que as ondas curtas atravesen os obstáculos, polo que o deseño das redes será completamente diferente: necesítanse 500 veces máis estacións base.
Xunto á velocidade, conseguiremos novos fenómenos: xogos en tempo real con realidade aumentada, realización de tarefas complexas (como cirurxía) a través da telepresencia, prevención de accidentes e situacións difíciles nas estradas mediante a comunicación entre máquinas. Nunha nota máis prosaica: Internet móbil finalmente deixará de caer durante eventos masivos, como un partido nun estadio.
Fonte da imaxe: Reuters, Niantic
2.2. Memoria de próxima xeración
Aquí estamos a falar da quinta xeración de RAM: DDR5. Samsung anunciou que os produtos baseados en DDR2019 estarán dispoñibles a finais de 5. Espérase que a nova memoria sexa o dobre de rápida e o dobre de capacidade mantendo o mesmo factor de forma, é dicir, poderemos conseguir memorias cunha capacidade de ata 32 GB para o noso ordenador. No futuro, isto será especialmente relevante para teléfonos intelixentes (a nova memoria estará nunha versión de baixo consumo) e para portátiles (onde o número de ranuras DIMM é limitado). E a aprendizaxe automática tamén require grandes cantidades de memoria RAM.
2.3. Sistemas de satélites de órbita terrestre baixa
A idea de substituír satélites pesados, caros e poderosos por un enxame de pequenos e baratos está lonxe de ser nova e apareceu nos anos 90. Sobre que Agora só os preguiceiros non escoitaron. A empresa máis famosa aquí é Iridium, que quebrau a finais dos 90, pero salvou a costa do Departamento de Defensa dos Estados Unidos (non debe confundirse co iRidium, o sistema doméstico intelixente ruso). O proxecto de Elon Musk (Starlink) dista moito de ser o único: Richard Branson (OneWeb - 1440 satélites propostos), Boeing (3000 satélites), Samsung (4600 satélites) e outros están participando na carreira de satélites.
Como están as cousas nesta área, como é a economía alí - lea . E estamos á espera das primeiras probas destes sistemas por parte dos primeiros usuarios, que deberían realizarse o próximo ano.
2.4. Impresión 3D a nanoescala
A impresión 3D, aínda que non entrou na vida de todas as persoas (na forma prometida por unha fábrica de plástico doméstica individual), con todo deixou tempo atrás o nicho tecnolóxico para os frikis. Podes xulgar polo feito de que todos os escolares saben da existencia de polo menos bolígrafos esculpidos en 3D, e moitos soñan con mercar unha caixa con corredores e unha extrusora para... "así" (ou xa a compraron).
A estereolitografía (impresoras láser 3D) permite imprimir con fotóns individuais: estanse a explorar novos polímeros que só precisan de dous fotóns para solidificarse. Isto permitirá, en condicións non de laboratorio, crear filtros, monturas, resortes, capilares, lentes e... as túas opcións nos comentarios completamente novos! E aquí non está lonxe da fotopolimerización: só esta tecnoloxía permítenos "imprimir" procesadores e circuítos informáticos. Ademais, este non é o primeiro ano que hai , pero sen desenvolvemento radical.
3. Percepción e Mobilidade
3.1. Condución autónoma Nivel 4 e 5
Para non confundirse na terminoloxía, convén comprender que niveis de autonomía se distinguen (tomado do detallado , ao que nos remitimos a todos os interesados):
Nivel 1: Control de crucero: axuda ao condutor en situacións moi limitadas (por exemplo, manter o coche a unha velocidade determinada despois de que o condutor quite o pé do pedal)
Nivel 2: asistencia limitada á dirección e á freada. O condutor debe estar preparado para tomar o control case ao instante. As súas mans están no volante, os seus ollos están dirixidos á estrada. Isto é algo que xa teñen Tesla e General Motors.
Nivel 3: o condutor xa non ten que vixiar constantemente a estrada. Pero debe permanecer alerta e estar preparado para tomar o control. Isto é algo que aínda non teñen os coches dispoñibles comercialmente. Todos os existentes actualmente están no nivel 1-2.
Nivel 4: auténtico piloto automático, pero con restricións: só viaxes nunha zona coñecida que estea coidadosamente mapeada e xeralmente coñecida polo sistema, e baixo determinadas condicións: por exemplo, en ausencia de neve. Waymo e General Motors teñen este tipo de prototipos, e teñen previsto lanzalos en varias cidades e probalos en contornas reais. Yandex ten zonas de proba para taxis non tripulados en Skolkovo e Innopolis: a viaxe ten lugar baixo a supervisión dun enxeñeiro sentado no asento do pasaxeiro; a finais de ano, a compañía prevé ampliar a súa flota a 100 vehículos non tripulados.
Nivel 5: condución totalmente automática, substitución completa dun condutor vivo. Estes sistemas non existen, e é improbable que aparezan nos próximos anos.
Que tan realista é ver todo isto nun futuro próximo? Aquí gustaríame redirixir o lector ao artigo . Isto débese en parte á falta de conectividade 5G: as velocidades 4G dispoñibles non son suficientes. En parte debido ao custo moi elevado dos coches autónomos: aínda non son rendibles, o modelo de negocio non está claro. Nunha palabra, "todo é complicado" aquí, e non é casual que Gartner escriba que a previsión para a implantación masiva dos niveis 4 e 5 non é anterior a 10 anos.
3.2. Cámaras de detección 3D
Hai oito anos, o controlador de xogos Kinect de Microsoft fixo olas ao ofrecer unha solución accesible e relativamente barata para a visión 3D. Desde entón, os xogos de educación física e de baile con Kinect experimentaron o seu pequeno ascenso e declive, pero as cámaras 3D comezaron a utilizarse en robots industriais, vehículos non tripulados e teléfonos móbiles para a identificación facial. A tecnoloxía fíxose máis barata, máis compacta e máis accesible.
O teléfono Samsung S10 ten unha cámara de tempo de voo que mide a distancia a un obxecto para facilitar o enfoque.
Se estás interesado neste tema, redirixirémosche a unha moi boa revisión detallada das cámaras de profundidade: , .
3.3. Drones para entrega de carga pequena (Drones de entrega de carga lixeira)
Este ano, Amazon fixo oleadas cando mostrou no salón un novo dron voador que pode transportar pequenas cargas de ata 2 kg. Para unha cidade cos seus atascos, esta parece unha solución ideal. Vexamos como funcionan estes drons nun futuro moi próximo. Quizais paga a pena ser cautelosamente escéptico aquí: hai moitos problemas, comezando pola posibilidade de roubo doado dun dron e rematando coas restricións legais aos UAV. Amazon Prime Air leva seis anos, pero aínda está en fase de proba.
O novo dron de Amazon, mostrado esta primavera. Hai algo de Star Wars sobre el.
Ademais de Amazon, hai outros xogadores neste mercado (hai un detallado ), pero nin un só produto acabado: todo está en fase de probas e campañas de mercadotecnia. Por separado, cómpre destacar un médico altamente especializado bastante interesante en África: entrega de sangue doado en Ghana (14 entregas, empresa Zipline) e Ruanda (empresa Matternet).
3.4. Vehículos autónomos voadores
É difícil dicir algo definitivo aquí. Segundo Gartner, isto aparecerá non antes de 10 anos. En xeral, aquí hai todos os mesmos problemas que nos coches autónomos, só que adquiren unha nova dimensión: vertical. Porsche, Boeing e Uber anunciaron as súas ambicións de construír un taxi voador.
3.5. Nube de realidade aumentada (nube AR)
Unha copia dixital permanente do mundo real, que permite crear unha nova capa de realidade común a todos os usuarios. En termos máis técnicos, estamos a falar de facer unha plataforma de nube aberta na que os desenvolvedores poidan integrar as súas aplicacións AR. O modelo de monetización é claro; é unha especie de análogo de Steam. A idea quedou tan arraigada que agora algúns cren que a RA sen a nube é simplemente inútil.
Como pode ser isto no futuro móstrase nun pequeno vídeo. Parece outro episodio de Black Mirror:
Tamén podes ler en
4. Humano aumentado
4.1. Emoción AI
Como medir, simular e responder ás emocións humanas? Algúns dos clientes aquí son empresas que fan asistentes de voz como Amazon Alexa. Poden realmente afacerse aos fogares se aprenden a recoñecer o estado de ánimo: comprender o motivo da insatisfacción do usuario e tentar corrixir a situación. En xeral, hai moita máis información no contexto que na propia mensaxe. E o contexto é a expresión facial, a entoación e o comportamento non verbal.
Outras aplicacións prácticas: análise de emocións durante unha entrevista de traballo (a partir de entrevistas de vídeo), avaliación de reaccións a anuncios publicitarios ou outros contidos de vídeo (sorrisos, risas), axuda na aprendizaxe (por exemplo, para a práctica independente na arte de falar en público).
É difícil falar mellor deste tema que o autor dunha curtametraxe de 6 minutos . O vídeo enxeñoso e elegante mostra como podes medir as nosas emocións con fins de mercadotecnia e, a partir das reaccións momentáneas do teu rostro, descubre se che gusta a pizza, os cans, Kanye West e mesmo cal é o teu nivel de ingresos e o teu coeficiente intelectual aproximado. Ao visitar o sitio web da película usando a ligazón anterior, convértete nun vídeo interactivo usando a cámara integrada do teu portátil. A película xa foi exhibida en varios festivais de cine.
Incluso hai un estudo tan interesante: como recoñecer o sarcasmo nun texto. Collemos chíos co hashtag #sarcasm e fixemos un conxunto de adestramento de 25 chíos con sarcasmo e 000 chíos habituais sobre todo o que está baixo o sol. Usamos a biblioteca TensorFlow, adestramos o sistema e aquí está o resultado:
Polo tanto, agora, se non estás seguro sobre o teu colega ou amigo - díxoche algo en serio ou con sarcasmo, xa podes usar !
4.2. Intelixencia Aumentada
Automatización do traballo intelectual mediante métodos de aprendizaxe automática. Non parecería nada novo? Pero a redacción en si é importante aquí, sobre todo porque coincide na abreviatura de Intelixencia Artificial. Isto lévanos de volta ao debate sobre a IA "forte" e "débil".
A IA forte é a mesma intelixencia artificial das películas de ciencia ficción que é completamente equivalente á mente humana e é consciente de si mesma como individuo. Isto aínda non existe e non está claro se existirá en absoluto.
A IA débil non é unha persoa independente, senón un asistente humano. Non afirma ter un pensamento humano, senón que simplemente sabe como resolver problemas de información, por exemplo, determinar o que se mostra nunha imaxe ou traducir un texto.
Neste sentido, a Intelixencia Aumentada é unha “IA débil” en estado puro, e a formulación parece exitosa, xa que non introduce confusión e a tentación de ver aquí a mesma “IA forte” coa que todos soñan (ou tememos, se lembre as numerosas discusións sobre os "coches da rebelión"). Usando a expresión Augmented Intelligence, convertémonos de inmediato nos heroes doutra película: desde a ciencia ficción (como "I, Robot" de Asimov) atopámonos no cyberpunk ("aumentos" neste xénero son todo tipo de implantes que amplían as capacidades humanas).
Como Erik Brynjolfsson e Andrew McAffee: "Durante os próximos 10 anos, isto é o que sucederá. A IA non substituirá aos xestores, pero os xestores que usan a IA substituirán aos que aínda non o fixeron".
Exemplos:
- Medicina: Universidade de Stanford desenvolvida , que se enfronta á tarefa de recoñecer patoloxías nas radiografías de tórax de media con tanto éxito como a maioría dos médicos
- Educación: asistencia ao alumnado e profesorado, análise das respostas do alumnado aos materiais, construción dunha traxectoria de aprendizaxe individual.
- Analítica empresarial: o preprocesamento de datos, segundo as estatísticas, leva o 80% do tempo dun investigador e só o 20% do propio experimento.
4.3. Biochips
Este é o tema favorito de todas as películas e libros de ciberpunk. En xeral, facer microchip ás mascotas non é unha práctica nova. Pero agora estes chips comezaron a implantarse nas persoas.
Neste caso, o bombo é máis probable asociado ao caso sensacional da empresa estadounidense Three Square Market. Alí, o empresario comezou a ofrecer implantar chips baixo a pel a cambio dunha taxa. O chip permítelle abrir portas, iniciar sesión en ordenadores, mercar lanches nunha máquina expendedora, é dicir, unha tarxeta de empregado tan universal. Ademais, un chip deste tipo serve precisamente como tarxeta de identificación; non ten un módulo GPS, polo que é imposible rastrexar a ninguén que o utilice. E se unha persoa quere eliminar o chip do brazo, leva 5 minutos coa axuda dun médico.
As fichas adoitan implantarse entre o polgar e o dedo índice.
Le máis sobre o estado de cousas do chipping no mundo.
4.4. Espazo de traballo inmersivo
"Inmersivo" é outra nova palabra que simplemente non ten escapatoria. Está en todas partes. Teatro inmersivo, exposición, cine. Que queres dicir? A inmersión é a creación dun efecto inmersivo, cando se perde a fronteira entre o autor e o espectador, o mundo virtual e o real. No lugar de traballo, presumiblemente, isto significa difuminar a liña entre o que fai e o iniciador e animar aos empregados a adoptar unha posición máis activa a través da reforma do seu entorno.
Dado que agora temos áxil, flexibilidade e colaboración estreita en todas partes, os lugares de traballo deberían ser o máis facilmente configurables posible e deberían fomentar o traballo en grupo. A economía dita os seus termos: hai máis empregados temporais, o custo do aluguer de oficinas está en aumento e, nun mercado laboral competitivo, as empresas de TI intentan aumentar a satisfacción dos empregados co traballo creando áreas recreativas e outros beneficios. E todo iso reflíctese no deseño dos lugares de traballo.
De Otero
4.5. Personificación
Todo o mundo sabe o que é a personalización na publicidade. Isto é cando hoxe estás a falar cun colega de que o aire da habitación está algo seco e deberías mercar un humidificador para a oficina e ao día seguinte ves un anuncio na túa rede social: "compra un humidificador" (un incidente real que me pasou).
A personalización, tal e como a define Gartner, é unha resposta á crecente preocupación dos usuarios sobre o uso dos seus datos persoais con fins publicitarios. O obxectivo é desenvolver un enfoque no que se nos mostre publicidade relevante para o contexto no que nos atopamos, e non para nós persoalmente. Por exemplo, a nosa localización, tipo de dispositivo, hora do día, condicións meteorolóxicas: isto é algo que non viola os nosos datos persoais e non sentimos a desagradable sensación de estar "vixiados".
Le sobre a diferenza entre estes dous conceptos Andrew Frank bloguea no sitio web de Gartner. Hai unha diferenza tan sutil e palabras tan semellantes que ti, sen saber a diferenza, corres o risco de discutir durante moito tempo co teu interlocutor, sen sospeitar que, en xeral, ambos teñen razón (e tamén é un incidente real que lle ocorreu ao autor).
4.6. Biotecnoloxía: tecido cultivado ou artificial
Esta é, en primeiro lugar, a idea de cultivar carne artificial. Ao mesmo tempo, varios equipos de todo o mundo están ocupados desenvolvendo o laboratorio "Meat 2.0": espérase que se faga máis barato do habitual e que as comidas rápidas e despois os supermercados cambien a el. Os investimentos nesta tecnoloxía inclúen Bill Gates, Sergey Brin, Richard Branson e outros.
Orixe
Razóns polas que todo o mundo está tan interesado na carne artificial:
- Quentamento global: emisións de metano das explotacións. Este é o 18% do volume global de gases que afectan ao clima.
- Crecemento da poboación. A demanda de carne está crecendo e non será posible alimentar a todos con carne natural: é simplemente caro.
- Falta de espazo. O 70% dos bosques amazónicos xa foron talados para pasto.
- Consideracións éticas. Hai aqueles para os que isto é importante. A organización dos dereitos dos animais PETA xa ofreceu un premio de 1 millón de dólares ao científico que leva ao mercado carne de polo artificial.
Substituír a carne real por soia é unha solución parcial, porque a xente pode apreciar a diferenza de sabor e textura, e é improbable que abandone o bisté en favor da soia. Polo tanto, necesitas carne real e ecolóxica. Agora, por desgraza, a carne artificial é demasiado cara: desde 12 dólares por quilogramo. Isto débese ao complexo proceso técnico de cultivo desta carne. Le sobre todo .
Se falamos doutros casos de crecemento de tecidos - xa na medicina - entón o tema dos órganos artificiais é interesante: por exemplo, un "parche" para o músculo cardíaco, unha impresora 3D especial. Coñecido como un corazón de rato cultivado artificialmente, pero en xeral todo aínda está dentro do alcance dos ensaios clínicos. Polo tanto, é pouco probable que vexamos a Frankenstein nos próximos anos.
Aquí Gartner é moi cauteloso nas súas estimacións, ao parecer tendo en conta a súa errada previsión de 2015 de que en 2019, o 10% da poboación dos países desenvolvidos tería un implante de dispositivo médico impreso en 3D. Polo tanto, significa que o tempo para alcanzar unha meseta de produtividade é de polo menos 10 anos.
5. Ecosistemas dixitais
5.1. Web descentralizada
Este concepto está intimamente asociado co nome do inventor da web, o gañador do premio Turing Sir Tim Burners-Lee. Para el sempre foron importantes as cuestións éticas en informática e a esencia colectiva de Internet: sentando as bases do hipertexto, estaba convencido de que a rede debía funcionar como unha rede, e non como unha xerarquía. Este foi o caso na fase inicial do desenvolvemento da rede. Non obstante, a medida que Internet creceu, a súa estrutura centralizouse por varias razóns. Resultou que o acceso á rede para todo un país podería bloquearse facilmente coa axuda duns poucos provedores. E os datos dos usuarios convertéronse nunha fonte de poder e ingresos para as empresas de Internet.
"Internet xa está descentralizado", di Burners-Lee. “O problema é que domina un motor de busca, unha gran rede social, unha plataforma de microblogging. Non temos problemas tecnolóxicos, pero si temos problemas sociais”.
No seu Para o 30 aniversario da World Wide Web, o creador da Web describiu tres problemas principais de Internet:
- Danos dirixidos, como piratería, crimes e acoso en liña patrocinados polo estado
- O propio deseño do sistema, que, en detrimento do usuario, crea o terreo para mecanismos como: incentivos financeiros ao clickbait e a propagación viral de información falsa.
- Consecuencias non desexadas do deseño do sistema que levan a conflitos e a calidade reducida da discusión en liña
E Tim Berners-Lee xa ten unha resposta sobre en que principios podería basearse a “Internet dunha persoa saudable”, carente do problema número 2: “Para moitos usuarios, os ingresos publicitarios seguen sendo o único modelo para interactuar con Internet. Aínda que a xente teña medo do que ocorre cos seus datos, está disposta a facer un trato coa máquina de marketing para ter a oportunidade de recibir contido de balde. Imaxina un mundo no que pagar por bens e servizos sexa fácil e agradable para ambas as partes". Entre as opcións de como se podería organizar: os músicos poden vender as súas gravacións sen intermediarios en forma de iTunes, e os sitios de noticias poden usar un sistema de micropagos para ler un artigo, en lugar de gañar cartos coa publicidade.
Como prototipo experimental para esta nova Internet, Tim Berners-Lee lanzou o proxecto SOLID, cuxa esencia é que almacena os seus datos nun "pod" - un almacén de información, e pode proporcionar estes datos a aplicacións de terceiros. Pero, en principio, ti mesmo sodes os amos dos vosos datos. Todo isto está moi relacionado co concepto de redes peer-to-peer, é dicir, o teu ordenador non só solicita servizos, senón que tamén os proporciona, para non depender dun servidor como única canle.
5.2. Organismos Autónomos Descentralizados
É unha organización que se rexe por normas escritas en forma de programa informático. As súas actividades financeiras baséanse na cadea de bloques. O propósito de crear tales organizacións é eliminar ao Estado da función de intermediario e crear un ambiente de confianza común para as contrapartes, que non é propiedade de ninguén individualmente, senón de todos xuntos. É dicir, en teoría, isto debería, se a idea arraiga, abolir os notarios e outras institucións de verificación habituais.
O exemplo máis famoso desta organización foi The DAO, centrado en empresas, que recadou 2016 millóns de dólares en 150, dos cales 50 dólares foron roubados inmediatamente a través dun buraco legal nas regras. Inmediatamente xurdiu un dilema difícil: ou retroceder e devolver o diñeiro, ou admitir que a retirada de diñeiro era legal, porque de ningún xeito violaba as regras da plataforma. Como resultado, para devolver diñeiro aos investimentos, os creadores tiveron que destruír O DAO, reescribindo a cadea de bloques e violando o seu principio básico: a inmutabilidade.
Cómic sobre Ethereum (esquerda) e The DAO (dereita).
Toda esta historia arruinou a reputación da mesma idea de DAO. Ese proxecto foi feito sobre a base da moeda criptográfica Ethereum, a versión Ether 2.0 espérase o próximo ano - quizais os autores (incluído o famoso Vitalik Buterin) teñan en conta os erros e mostren algo novo. Probablemente por iso Gartner puxo DAO na liña ascendente.
5.3.Datos sintéticos
Para adestrar redes neuronais son necesarias grandes cantidades de datos. Etiquetar os datos manualmente é unha tarefa enorme que só pode facer un humano. Polo tanto, é posible crear conxuntos de datos artificiais. Por exemplo, as mesmas coleccións de rostros humanos no sitio . Créanse usando GAN, os algoritmos que xa se mencionaron anteriormente.
Estes rostros non pertencen ás persoas.
A gran vantaxe deste tipo de datos é que non hai dificultades legais para usalos: non hai quen dea o seu consentimento para o tratamento dos datos persoais.
5.4. Operacións dixitais
O sufixo "Ops" púxose moi de moda desde que DevOps se arraigou na nosa fala. Agora sobre o que é DigitalOps: é só unha xeneralización de DevOps, DesignOps, MarketingOps... Aínda estás aburrido? En resumo, é unha transferencia do enfoque DevOps desde a área de software a todos os outros aspectos do negocio: mercadotecnia, deseño, etc.
A idea de DevOps era eliminar as barreiras entre o propio Desenvolvemento e as Operacións (procesos de negocio), mediante a creación de equipos comúns, onde haxa programadores, probadores, especialistas en seguridade e administradores; implantación de determinadas prácticas: integración continua, infraestrutura como código, redución e fortalecemento das cadeas de retroalimentación. O obxectivo era acelerar o tempo de comercialización do produto. Se pensabas que isto era semellante a Agile, tiñas razón. Agora transfire mentalmente este enfoque do campo do desenvolvemento de software ao desenvolvemento en xeral, e comprendes o que é DigitalOps.
5.5. Gráficas de coñecemento
Unha forma de software de modelar unha área de coñecemento, incluíndo o uso de algoritmos de aprendizaxe automática. Constrúese un gráfico de coñecemento sobre as bases de datos existentes para vincular toda a información: tanto estruturada (lista de eventos ou persoas) como non estruturada (texto dun artigo).
O exemplo máis sinxelo é a tarxeta que podes ver nos resultados da busca de Google. Se estás buscando unha persoa ou institución, verás unha tarxeta á dereita:
Ten en conta que "Próximos eventos" non é unha copia da información de Google Maps, senón unha integración da programación con Yandex.Afisha: podes ver isto facilmente se fai clic nos eventos. É dicir, é a combinación de varias fontes de datos xuntas.
Se pide unha lista, por exemplo, "directores famosos" - amosarase un carrusel:
Bonificación para os que len ata o final
E agora que aclaramos por nós mesmos o significado de cada un dos puntos, podemos mirar a mesma imaxe, pero en ruso:
Compárteo libremente nas redes sociais!
Tatyana Volkova - Autora do programa de formación para a pista de TI da Internet das Cousas na Samsung Academy, especialista en programas de responsabilidade social corporativa no Samsung Research Center
Fonte: www.habr.com