Gartnerov grafikon je poput revije visoke mode za one u tehnološkoj industriji. Gledajući ga, možete unaprijed saznati koje su riječi ove sezone najhitnije i što ćete čuti na svim nadolazećim konferencijama.

Dešifrirali smo što se krije iza lijepih riječi u ovom grafikonu tako da i vi možete govoriti jezik.

Za početak samo nekoliko riječi o kakvom se grafikonu radi. Svake godine u kolovozu konzultantska agencija Gartner objavljuje izvješće – Gartner Hype Curve. Na ruskom, ovo je "hype curve", ili, jednostavnije, hype. Prije 30 godina reperi iz grupe Public Enemy pjevali su: “Ne vjeruj hypeu.” Vjerovali ili ne, to je osobno pitanje, ali vrijedi znati barem ove ključne riječi ako radite u području tehnologije i želite znati globalne trendove.

Ovo je grafikon očekivanja javnosti od određene tehnologije. Prema Gartneru, idealno, tehnologija prolazi kroz 5 faza: lansiranje tehnologije, vrhunac napuhanih očekivanja, dolina razočaranja, padina prosvjetljenja, plato produktivnosti. No događa se i da se utopi u "dolini razočaranja" - primjera se vrlo lako možete sjetiti i sami, uzmite te iste bitcoine: u početku su dosegnuli vrhunac kao "novac budućnosti", brzo su kliznuli prema dolje kada su nedostaci tehnologije postalo očito, prije svega ograničenja broja transakcija i enormne količine električne energije potrebne za generiranje bitcoina (što već za sobom povlači ekološke probleme). I naravno, ne smijemo zaboraviti da je Gartnerov grafikon samo prognoza: ovdje, na primjer, možete pročitati detaljan članak, gdje su razvrstana najupečatljivija neostvarena predviđanja.

Dakle, pogledajmo novu Gartnerovu tablicu. Tehnologije su podijeljene u 5 velikih tematskih skupina:

1. Napredna umjetna inteligencija i analitika
2. Postklasično računalstvo i komunikacije
3. Senzor i pokretljivost
4. Augmented Human
5. Digitalni ekosustavi

1. Napredna umjetna inteligencija i analitika

Tijekom proteklih 10 godina vidjeli smo najbolji sat dubokog učenja. Ove su mreže doista učinkovite za svoj raspon zadataka. Godine 2018. Yann LeCun, Geoffrey Hinton i Yoshua Bengio dobili su Turingovu nagradu za svoja otkrića – najprestižniju nagradu, analognu Nobelovoj nagradi za informatiku. Dakle, glavni trendovi u ovoj oblasti, koji su prikazani na grafikonu:

1.1. Prijenos učenja

Neuronsku mrežu ne trenirate od nule, već uzimate već obučenu i dodjeljujete joj drugačiji cilj. Ponekad to zahtijeva prekvalificiranje dijela mreže, ali ne cijele mreže, što je puno brže. Na primjer, uzimajući gotovu neuronsku mrežu ResNet50, treniranu na skupu podataka ImageNet1000, dobit ćete algoritam koji može klasificirati mnogo različitih objekata na slici na vrlo dubokoj razini (1000 klasa temeljenih na značajkama koje generira 50 slojeva neuralnih mreža). Ali ne morate trenirati cijelu tu mrežu, što bi trajalo mjesecima.

В online tečaj Samsung “Neuronske mreže i računalni vid”, primjerice, u finalu Kaggle zadatak s klasifikacijom tanjura na čiste i prljave demonstriran je pristup koji vam u 5 minuta daje na raspolaganje duboku neuronsku mrežu sposobnu razlikovati prljave od čistih tanjura, izgrađenu prema gore opisanoj arhitekturi. Izvorna mreža uopće nije znala što su ploče, samo je naučila razlikovati ptice od pasa (vidi ImageNet).

Izvor: online tečaj Samsung "Neuronske mreže i računalni vid"

Za Transfer Learning morate znati koji pristupi funkcioniraju i koje su gotove osnovne arhitekture dostupne. Sve u svemu, ovo uvelike ubrzava pojavu praktičnih primjena strojnog učenja.

1.2. Generativne kontradiktorne mreže (GAN)

Ovo je za one slučajeve kada nam je vrlo teško formulirati cilj učenja. Što je zadatak bliži stvarnom životu, to nam je razumljiviji ("donesi noćni ormarić"), ali ga je teže formulirati kao tehnički zadatak. GAN je samo pokušaj da nas spasi od ovog problema.

Ovdje rade dvije mreže: jedna je generator (Generative), druga je diskriminator (Adversarial). Jedna mreža uči obavljati koristan posao (klasificirati slike, prepoznavati zvukove, crtati karikature). A druga mreža uči poučavati tu mrežu: ima stvarne primjere i uči pronaći prethodno nepoznatu složenu formulu za usporedbu proizvoda generativnog dijela mreže s objektima iz stvarnog svijeta (set za vježbanje) na temelju stvarno važnih dubokih karakteristika : broj očiju, blizina Miyazakijevom stilu, ispravan engleski izgovor.

Primjer rezultata mreže za generiranje anime likova. Источник

Ali, naravno, tamo je teško graditi arhitekturu. Nije dovoljno samo baciti neurone, treba ih pripremiti. I moraš učiti tjednima. Moji kolege u Samsungovom centru za umjetnu inteligenciju rade na temi GAN; ovo je jedno od njihovih ključnih istraživačkih pitanja. Na primjer, ovako razvoj: korištenje generativnih mreža za sintetiziranje realističnih fotografija ljudi s promjenjivim pozama - na primjer, za stvaranje virtualne kabine za provlačenje ili za sintetiziranje lica, što može smanjiti količinu informacija koje je potrebno pohraniti ili prenijeti kako bi se osigurao video visoke kvalitete komunikacije, emitiranja ili zaštite osobnih podataka.

Источник

1.3. Objašnjiva AI

Za neke rijetke zadatke, napredak u dubokim arhitekturama iznenada je približio mogućnosti dubokih neuronskih mreža ljudskim sposobnostima. Sada je u tijeku bitka za povećanje opsega takvih zadataka. Na primjer, robot usisavač mogao bi lako razlikovati mačku od psa na izravnom sastanku. Ali u većini životnih situacija neće moći pronaći mačku kako spava među posteljinom ili namještajem (ali, kao i mi, u većini slučajeva...).

Koji je razlog uspjeha dubokih neuronskih mreža? Oni razvijaju prikaz problema koji se ne temelji na informacijama “vidljivim golim okom” (fotografski pikseli, promjene glasnoće zvuka...), već na značajkama dobivenim nakon prethodne obrade tih informacija od strane nekoliko stotina slojeva neuronske mreže. Nažalost, ti odnosi također mogu biti besmisleni, nedosljedni ili nositi tragove nesavršenosti u izvornom skupu podataka. Na primjer, postoji mala računalna igrica o tome do čega može dovesti nepromišljena upotreba umjetne inteligencije pri zapošljavanju Opstanak najboljih.

Sustav za označavanje slike označio je osobu koja kuha kao ženu, iako je osoba na slici zapravo muškarac (Источник). to zamijetili na Institutu Virginia.

Za analizu složenih i dubokih odnosa koje često ne možemo sami formulirati, potrebne su Objašnjive AI metode. Oni organiziraju značajke dubokih neuronskih mreža tako da nakon obuke možemo analizirati unutarnju reprezentaciju koju je mreža naučila, umjesto da se jednostavno oslanjamo na njezinu odluku.

1.4. Edge Analytics / AI

Sve uz riječ Edge doslovno znači sljedeće: prijenos dijela algoritama iz oblaka/poslužitelja na razinu krajnjeg uređaja/gatewaya. Takav algoritam radit će brže i za svoj rad neće zahtijevati vezu sa središnjim poslužiteljem. Ako ste upoznati s apstrakcijom "tankog klijenta", onda ćemo ovog klijenta učiniti malo debljim.
Ovo bi moglo biti važno za Internet stvari. Na primjer, ako je stroj pregrijan i treba mu hlađenje, ima smisla to odmah signalizirati, na razini pogona, bez čekanja da podaci odu u oblak, a odatle voditelju smjene. Ili još jedan primjer: samovozeći automobili mogu sami odrediti prometnu situaciju, bez kontaktiranja središnjeg poslužitelja.

Источник

Ili još jedan primjer zašto je ovo važno sa sigurnosne točke gledišta: kada tipkate tekstove na svom telefonu, on pamti riječi koje su tipične za vas, tako da vam kasnije telefonska tipkovnica može zgodno ponuditi njih - to se zove prediktivno unos teksta. Slanje svega što tipkate na tipkovnici u podatkovni centar bilo bi kršenje vaše privatnosti i jednostavno nesigurno. Stoga se obuka tipkovnice odvija samo unutar samog vašeg uređaja.

1.5. AI platforma kao usluga (AI PaaS)

PaaS - Platform-as-a-Service je poslovni model u kojem dobivamo pristup integriranoj platformi, uključujući njezinu pohranu podataka temeljenu na oblaku i gotove procedure. Na taj način možemo se osloboditi infrastrukturnih zadataka i potpuno se koncentrirati na proizvodnju nečeg korisnog. Primjer PaaS platformi za AI zadatke: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Prilagodljivo strojno učenje (Adaptive ML)

Što ako pustimo umjetnu inteligenciju da se prilagodi... Pitate - odnosno kako?.. Zar se već ne prilagođava zadatku? Problem je sljedeći: mukotrpno dizajniramo svaki takav problem prije nego što izgradimo algoritam umjetne inteligencije za njegovo rješavanje. Oni će vam odgovoriti - ispada da se ovaj lanac može pojednostaviti.

Konvencionalno strojno učenje radi na principu otvorene petlje: pripremite podatke, osmislite neuronsku mrežu (ili bilo što), trenirate, zatim pogledate nekoliko indikatora i ako vam se sve sviđa, možete poslati neuronsku mrežu na pametne telefone za rješavanje problema korisnika. Ali u aplikacijama gdje postoji mnogo podataka i njihova se priroda postupno mijenja, potrebne su druge metode. Takvi sustavi, koji se prilagođavaju i sami uče, organizirani su u zatvorene, samoučeće petlje (closed-loop) i moraju raditi glatko.

Aplikacije - to bi mogla biti stream analitika (Stream Analytics) na temelju koje mnogi gospodarstvenici donose odluke ili adaptivno upravljanje proizvodnjom. Na razini trenutnih primjena i s obzirom na bolje shvaćene rizike za ljude, sve tehnike koje predstavljaju rješenje ovog problema okupljene su pod krovnim pojmom Adaptive AI.

Источник

Gledajući ovu sliku, teško se osloboditi osjećaja da futurolozi nisu kruhom - neka nauče robota disati...

Postklasično računalstvo i komunikacije

2.1. Mobilne komunikacije pete generacije (5G)

Ovo je toliko zanimljiva tema da vas odmah upućujemo na našu članak. Pa, evo kratkog sažetka. 5G će povećanjem frekvencije prijenosa podataka brzinu interneta učiniti nerealno velikom. Kratki valovi teže prolaze kroz prepreke, pa će dizajn mreža biti potpuno drugačiji: potrebno je 500 puta više baznih stanica.

Uz brzinu, dobit ćemo nove fenomene: igre u stvarnom vremenu s proširenom stvarnošću, obavljanje složenih zadataka (poput operacija) putem teleprisutnosti, sprječavanje nesreća i teških situacija na cestama putem komunikacije između strojeva. Prozaičnije rečeno: mobilni internet konačno će prestati padati tijekom masovnih događaja, poput utakmice na stadionu.

Izvor slike - Reuters, Niantic

2.2. Memorija sljedeće generacije

Ovdje govorimo o petoj generaciji RAM-a – DDR5. Samsung je najavio da će proizvodi temeljeni na DDR2019 biti dostupni do kraja 5. Očekuje se da će nova memorija biti duplo brža i duplo obimnija uz isti faktor forme, odnosno da ćemo za svoje računalo moći nabaviti memorijske stickove kapaciteta do 32GB. U budućnosti će to biti posebno relevantno za pametne telefone (nova memorija će biti u verziji s niskom potrošnjom energije) i za prijenosna računala (gdje je broj DIMM utora ograničen). A strojno učenje također zahtijeva velike količine RAM-a.

2.3. Satelitski sustavi niske Zemljine orbite

Ideja o zamjeni teških, skupih, snažnih satelita s rojem malih i jeftinih daleko je od nove i pojavila se još 90-ih. O čemu “Elon Musk će uskoro distribuirati internet svima sa satelita” Sada samo lijeni nisu čuli. Najpoznatija tvrtka ovdje je Iridium, koja je bankrotirala krajem 90-ih, ali je spašena na račun američkog Ministarstva obrane (ne brkati s iRidiumom, ruskim sustavom pametne kuće). Projekt Elona Muska (Starlink) daleko je od jedinog - u utrci satelita sudjeluju Richard Branson (OneWeb - 1440 predloženih satelita), Boeing (3000 satelita), Samsung (4600 satelita) i drugi.

Kako stvari stoje na ovim prostorima, kako izgleda tamošnja ekonomija - pročitajte u pregled. A mi čekamo prve testove ovih sustava od strane prvih korisnika, koji bi se trebali dogoditi sljedeće godine.

2.4. 3D ispis u nanorazmjerima

3D ispis, iako nije ušao u život svakog čovjeka (u obliku koji obećava pojedinačna kućna tvornica plastike), ipak je odavno napustio tehnološku nišu za geekove. Sudite po tome što svaki školarac zna za postojanje barem 3D oblikovanih olovaka, a mnogi sanjaju o kupnji kutije s klizačima i ekstruderom za... “baš tako” (ili su je već kupili).

Stereolitografija (laserski 3D pisači) omogućuje ispis s pojedinačnim fotonima: istražuju se novi polimeri koji zahtijevaju samo dva fotona za skrućivanje. To će omogućiti, u izvanlaboratorijskim uvjetima, izradu potpuno novih filtera, nosača, opruga, kapilara, leća i... svoje mogućnosti u komentarima! I ovdje nije daleko od fotopolimerizacije - samo ova tehnologija omogućuje nam "ispis" procesora i računalnih sklopova. Osim toga, ovo nije prva godina da postoji tehnologija za ispis grafenskih 500 nm trodimenzionalnih struktura, ali bez radikalnog razvoja.

Источник

3. Osjet i pokretljivost

3.1. Autonomna vožnja, razina 4 i 5

Kako se ne bi zabunili u terminologiji, vrijedi razumjeti koje se razine autonomije razlikuju (preuzete iz detaljnog Članak, na koju upućujemo sve zainteresirane):

Razina 1: Tempomat: pomaže vozaču u vrlo ograničenim situacijama (na primjer, zadržavanje automobila pri određenoj brzini nakon što vozač makne nogu s papučice)
Razina 2: Ograničena pomoć pri upravljanju i kočenju. Vozač mora biti spreman preuzeti kontrolu gotovo trenutno. Ruke su mu na volanu, pogled uperen u cestu. To je nešto što Tesla i General Motors već imaju.
Razina 3: Vozač više ne mora stalno paziti na cestu. Ali mora ostati oprezan i spreman preuzeti kontrolu. To je nešto što komercijalno dostupni automobili još nemaju. Svi trenutno postojeći su na razini 1-2.
Razina 4: Pravi autopilot, ali s ograničenjima: samo putovanja u poznatom području koje je pažljivo mapirano i općenito poznato sustavu, i pod određenim uvjetima: na primjer, u nedostatku snijega. Waymo i General Motors imaju takve prototipove, a planiraju ih lansirati u nekoliko gradova i testirati u stvarnim okruženjima. Yandex ima testne zone za bespilotne taksije u Skolkovu i Innopolisu: putovanje se odvija pod nadzorom inženjera koji sjedi na suvozačevom mjestu; do kraja godine tvrtka planira proširiti svoju flotu na 100 bespilotnih vozila.
Razina 5: Potpuna automatska vožnja, potpuna zamjena živog vozača. Takvi sustavi ne postoje i vjerojatno se neće pojaviti u nadolazećim godinama.

Koliko je realno sve to vidjeti u dogledno vrijeme? Ovdje bih želio preusmjeriti čitatelja na članak “Zašto je nemoguće pokrenuti robotaxi do 2020., kao što Tesla obećava”. To je djelomično zbog nedostatka 5G povezivosti: dostupne 4G brzine nisu dovoljne. Dijelom zbog vrlo visoke cijene autonomnih automobila: oni još nisu isplativi, poslovni model je nejasan. Jednom riječju, ovdje je “sve komplicirano” i nije slučajno što Gartner piše da je prognoza za masovnu implementaciju razina 4 i 5 tek za 10 godina.

3.2. Kamere za 3D senzore

Prije osam godina, Microsoftov Kinect kontroler za igranje napravio je valove ponudivši pristupačno i relativno jeftino rješenje za 3D viziju. Od tada su tjelesni odgoj i plesne igre s Kinectom doživjele svoj kratki uspon i pad, no 3D kamere počele su se koristiti u industrijskim robotima, bespilotnim vozilima i mobitelima za identifikaciju lica. Tehnologija je postala jeftinija, kompaktnija i pristupačnija.

Telefon Samsung S10 ima Time-of-Flight kameru koja mjeri udaljenost do objekta radi lakšeg fokusiranja. Источник

Ako vas zanima ova tema, preusmjerit ćemo vas na vrlo dobru detaljnu recenziju dubinskih kamera: Dio 1, Dio 2.

3.3. Dronovi za dostavu malih tereta (Light Cargo Delivery Drones)

Ove je godine Amazon napravio valove kada je na sajmu pokazao novi leteći dron koji može nositi mali teret do 2 kg. Za grad s njegovim prometnim gužvama ovo se čini kao idealno rješenje. Pogledajmo kakve će biti performanse ovih dronova u bliskoj budućnosti. Možda ovdje vrijedi biti oprezno skeptičan: postoje mnogi problemi, počevši od mogućnosti lake krađe bespilotne letjelice, a završavajući zakonskim ograničenjima za bespilotne letjelice. Amazon Prime Air postoji već šest godina, ali je još uvijek u fazi testiranja.

Amazonov novi dron, prikazan ovog proljeća. Ima nešto Star Wars u njemu. Источник

Osim Amazona, postoje i drugi igrači na ovom tržištu (postoji detaljan pregled), ali niti jedan gotov proizvod: sve je u fazi testiranja i marketinških kampanja. Zasebno je vrijedno spomenuti prilično zanimljivu visokospecijaliziranu medicinu Projekti u Africi: isporuka darovane krvi u Gani (14 000 isporuka, Zipline tvrtka) i Ruandi (Matternet tvrtka).

3.4. Autonomna leteća vozila

Teško je tu reći nešto određeno. Prema Gartneru, to će se pojaviti tek za 10 godina. Općenito, ovdje postoje isti problemi kao i kod samovozećih automobila, samo što dobivaju novu dimenziju - okomitu. Porsche, Boeing i Uber najavili su svoje ambicije za izgradnju letećeg taksija.

3.5. Oblak proširene stvarnosti (AR Cloud)

Trajna digitalna kopija stvarnog svijeta, koja vam omogućuje stvaranje novog sloja stvarnosti zajedničkog svim korisnicima. U više tehničkom smislu, govorimo o stvaranju otvorene platforme u oblaku u koju bi programeri mogli integrirati svoje AR aplikacije. Model monetizacije je jasan, to je neka vrsta analoga Steama. Ideja je postala toliko ukorijenjena da neki sada vjeruju da je AR bez oblaka jednostavno beskoristan.

Kako bi to moglo izgledati u budućnosti, pokazuje kratki video. Izgleda kao još jedna epizoda Black Mirrora:

Također možete pročitati na Pregledaj članak.

4. Augmented Human

4.1. Emocija AI

Kako mjeriti, simulirati i odgovoriti na ljudske emocije? Neki od klijenata ovdje su tvrtke koje proizvode glasovne asistente kao što je Amazon Alexa. Oni se uistinu mogu naviknuti na dom ako nauče prepoznati raspoloženje: razumiju razloge nezadovoljstva korisnika i pokušaju ispraviti situaciju. Općenito, puno je više informacija u kontekstu nego u samoj poruci. A kontekst je izraz lica, intonacija i neverbalno ponašanje.

Ostale praktične primjene: analiza emocija tijekom razgovora za posao (na temelju video intervjua), procjena reakcija na reklame ili druge video sadržaje (osmijesi, smijeh), pomoć u učenju (npr. za samostalno vježbanje govorničke umjetnosti).

Teško je bolje govoriti o ovoj temi od autora 6-minutnog kratkog filma Stealing Ur Feeling. Duhoviti i elegantni video pokazuje kako možete izmjeriti naše emocije u marketinške svrhe, te po trenutnim reakcijama vašeg lica otkriti volite li pizzu, pse, Kanye Westa, pa čak i koliki su vam prihodi i približni IQ. Posjetom web stranice filma putem gornje poveznice postajete sudionik interaktivnog videa pomoću ugrađene kamere vašeg prijenosnog računala. Film je već prikazan na nekoliko filmskih festivala.

Источник

Postoji čak i tako zanimljiva studija: kako prepoznati sarkazam u tekstu. Uzeli smo tweetove s hashtagom #sarcasm i napravili skup od 25 tweetova sa sarkazmom i 000 običnih tweetova o svemu pod suncem. Koristili smo biblioteku TensorFlow, uvježbali sustav i evo rezultata:

Источник

Stoga, sada, ako niste sigurni za svog kolegu ili prijatelja - rekao vam je nešto ozbiljno ili sarkastično, već možete koristiti obučena neuronska mreža!

4.2. Povećana inteligencija

Automatizacija intelektualnog rada metodama strojnog učenja. Čini se kao ništa novo? Ali ovdje je važna sama formulacija, pogotovo jer se u skraćenici podudara s Umjetna inteligencija. Ovo nas vraća na raspravu o "jakoj" i "slaboj" umjetnoj inteligenciji.
Strong AI ista je umjetna inteligencija iz znanstvenofantastičnih filmova koja je potpuno ekvivalentna ljudskom umu i svjesna je sebe kao pojedinca. To još ne postoji i nije jasno hoće li uopće postojati.

Slaba AI nije neovisna osoba, već ljudski pomoćnik. Ne tvrdi da ima ljudsko razmišljanje, već jednostavno zna kako riješiti informacijske probleme, na primjer, odrediti što je prikazano na slici ili prevesti tekst.

Источник

U tom smislu, proširena inteligencija je "slaba umjetna inteligencija" u svom najčišćem obliku, a formulacija se čini uspješnom, jer ne unosi zabunu i iskušenje da se ovdje vidi ista "jaka umjetna inteligencija" o kojoj svi sanjaju (ili se boje, ako prisjetimo se brojnih rasprava o “pobunjeničkim automobilima”). Upotrebom izraza Augmented Intelligence odmah postajemo junaci drugog filma: iz znanstvene fantastike (poput Asimovljevog “Ja, robot”) nalazimo se u cyberpunku (“povećanja” u ovom žanru su svakakvi implantati koji proširuju ljudske mogućnosti).

Kao rekao je Erik Brynjolfsson i Andrew McAffee: “Tijekom sljedećih 10 godina, ovo će se dogoditi. AI neće zamijeniti menadžere, ali oni menadžeri koji koriste AI zamijenit će one koji još nisu uspjeli.”

Primjeri:

• Medicina: Sveučilište Stanford razvijeno algoritam, koji se sa zadatkom prepoznavanja patologija na RTG prsnog koša u prosjeku nosi jednako uspješno kao većina liječnika
• Edukacija: pomoć studentima i nastavnicima, analiza odgovora studenata na materijale, izgradnja individualne trajektorije učenja.
• Poslovna analitika: pretprocesiranje podataka, prema statistici, oduzima 80% vremena istraživača, a samo 20% samog eksperimenta

4.3. Biočipovi

Ovo je omiljena tema svih cyberpunk filmova i knjiga. Općenito, mikročipiranje kućnih ljubimaca nije nova praksa. Ali sada su se ti čipovi počeli ugrađivati ​​u ljude.

U ovom slučaju, hype je najvjerojatnije povezan sa senzacionalnim slučajem u američkoj tvrtki Three Square Market. Tamo je poslodavac počeo nuditi ugradnju čipova pod kožu u zamjenu za naknadu. Čip vam omogućuje otvaranje vrata, prijavu na računala, kupnju grickalica iz automata - dakle, takva univerzalna kartica zaposlenika. Štoviše, takav čip služi upravo kao identifikacijska kartica, nema GPS modul pa je nemoguće pratiti bilo koga tko ga koristi. A ako osoba želi izvaditi čip iz ruke, potrebno je 5 minuta uz pomoć liječnika.

Čipovi se obično ugrađuju između palca i kažiprsta. Источник

Čitaj više članak o stanju čipiranja u svijetu.

4.4. Imerzivni radni prostor

“Immersive” je još jedna nova riječ kojoj jednostavno nema izlaza. Posvuda je. Imerzivno kazalište, izložba, kino. Što misliš? Imerzija je stvaranje imerzivnog efekta, kada se gubi granica između autora i gledatelja, virtualnog i stvarnog svijeta. U odnosu na radno mjesto, vjerojatno, to znači brisanje granice između izvođača i inicijatora i poticanje zaposlenika na aktivniju poziciju kroz preoblikovanje okoline oko sebe.

Budući da sada imamo agilnost, fleksibilnost i blisku suradnju posvuda, radna bi mjesta trebala biti što jednostavnija konfiguracija i trebala bi poticati grupni rad. Ekonomija diktira svoje uvjete: sve je više zaposlenih na određeno vrijeme, rastu cijene najma poslovnog prostora, a na konkurentnom tržištu rada informatičke tvrtke nastoje povećati zadovoljstvo zaposlenika stvaranjem rekreacijskih površina i drugim pogodnostima. A sve se to odražava na dizajn radnih mjesta.

Od izvješće Brežuljak

4.5. Personifikacija

Svi znaju što je personalizacija u oglašavanju. To je ono kada danas s kolegom raspravljate o tome da je zrak u prostoriji nekako suh i da biste trebali kupiti ovlaživač zraka za ured, a sutradan vam se na društvenoj mreži pojavi reklama - "kupite ovlaživač zraka" (a pravi događaj koji mi se dogodio).

Источник

Personalizacija, kako je definira Gartner, odgovor je na sve veću zabrinutost korisnika o korištenju njihovih osobnih podataka u reklamne svrhe. Cilj je razviti pristup u kojem nam se prikazuje oglašavanje koje je relevantno za kontekst u kojem se nalazimo, a ne za nas osobno. Na primjer, naša lokacija, vrsta uređaja, doba dana, vremenski uvjeti - to je nešto što ne krši naše osobne podatke i ne osjećamo neugodan osjećaj da smo "nadzirani".

Pročitajte o razlici između ova dva pojma Bilješka Andrew Frank bloguje na Gartnerovoj web stranici. Postoji tako suptilna razlika i tako slične riječi da vi, ne znajući razliku, riskirate da se dugo raspravljate sa svojim sugovornikom, ne sluteći da su, općenito uzevši, obojica u pravu (a ovo je također stvarni incident koji se dogodio Autor).

4.6. Biotehnologija – kultivirano ili umjetno tkivo

To je, prije svega, ideja uzgoja umjetnog mesa. U isto vrijeme, nekoliko timova diljem svijeta užurbano razvija laboratorij “Meso 2.0” - očekuje se da će postati jeftiniji nego inače, a na njega će prijeći brza hrana, a potom i supermarketi. Investitori u ovu tehnologiju su Bill Gates, Sergey Brin, Richard Branson i drugi.

Источник

Razlozi zašto su svi toliko zainteresirani za umjetno meso:

1. Globalno zatopljenje: emisije metana iz farmi. To je 18% globalne količine plinova koji utječu na klimu.
2. Rast populacije. Potražnja za mesom raste, a prirodnim mesom neće biti moguće nahraniti sve - jednostavno je skupo.
3. Manjak prostora. 70% amazonskih šuma već je posječeno za ispašu.
4. Etička razmatranja. Ima onih kojima je to važno. Organizacija za prava životinja PETA već je ponudila nagradu od milijun dolara znanstveniku koji na tržište iznese umjetno pileće meso.

Zamjena pravog mesa sojom je djelomično rješenje, jer ljudi znaju cijeniti razliku u okusu i teksturi i malo je vjerojatno da će se odreći odreska u korist soje. Dakle, potrebno vam je pravo, organski uzgojeno meso. Sada je, nažalost, umjetno meso preskupo: od 12 dolara po kilogramu. To je zbog složenog tehničkog procesa uzgoja takvog mesa. Pročitajte o svemu članak.

Ako govorimo o drugim slučajevima rasta tkiva - već u medicini - onda je zanimljiva tema s umjetnim organima: na primjer, "flaster" za srčani mišić, tiskani poseban 3D printer. Znan povijest poput umjetno uzgojenog mišjeg srca, ali općenito je sve još u okviru kliničkih ispitivanja. Tako da je malo vjerojatno da ćemo vidjeti Frankensteina u nadolazećim godinama.

Ovdje je Gartner vrlo oprezan u svojim procjenama, očito imajući na umu svoje neuspješno predviđanje iz 2015. da će 2019. godine 10% stanovništva u razvijenim zemljama imati 3D tiskani medicinski implantat. Stoga, to znači da je vrijeme za postizanje platoa produktivnosti najmanje 10 godina.

5. Digitalni ekosustavi

5.1. Decentralizirani web

Ovaj koncept usko je povezan s imenom izumitelja weba, dobitnika Turingove nagrade Sir Tima Burners-Leeja. Za njega su pitanja etike u računalnoj znanosti uvijek bila važna i važna je bila kolektivna bit interneta: postavljajući temelje hiperteksta, bio je uvjeren da mreža treba funkcionirati kao web, a ne kao hijerarhija. To je bio slučaj u ranoj fazi razvoja mreže. Međutim, kako je Internet rastao, njegova je struktura postala centralizirana iz niza razloga. Ispostavilo se da se pristup mreži za cijelu zemlju može lako blokirati uz pomoć samo nekoliko pružatelja usluga. A korisnički podaci postali su izvor moći i prihoda za internetske tvrtke.

"Internet je već decentraliziran", kaže Burners-Lee. “Problem je što dominira jedna tražilica, jedna velika društvena mreža, jedna mikroblog platforma. Nemamo tehnoloških problema, ali imamo društvenih.”

U njegovom otvoreno pismo Povodom 30. obljetnice World Wide Weba, tvorac Weba iznio je tri glavna problema Interneta:

1. Ciljana šteta kao što je državno sponzorirano hakiranje, kriminal i uznemiravanje na internetu
2. Sam dizajn sustava koji, na štetu korisnika, stvara teren za mehanizme kao što su: financijski poticaji za clickbait i virusno širenje lažnih informacija.
3. Nenamjerne posljedice dizajna sustava koje dovode do sukoba i smanjene kvalitete online rasprave

A Tim Berners-Lee već ima odgovor na kojim principima bi se mogao temeljiti “Internet zdrave osobe”, lišen problema broj 2: “Za mnoge korisnike prihod od oglašavanja ostaje jedini model za interakciju s Internetom. Čak i ako se ljudi boje što će se dogoditi s njihovim podacima, spremni su sklopiti dogovor s marketinškim strojem za mogućnost besplatnog primanja sadržaja. Zamislite svijet u kojem je plaćanje roba i usluga jednostavno i ugodno za obje strane.” Među opcijama kako bi se to moglo urediti: glazbenici mogu prodavati svoje snimke bez posrednika u obliku iTunesa, a novinske stranice mogu koristiti sustav mikroplaćanja za čitanje jednog članka, umjesto da zarađuju od oglašavanja.

Kao eksperimentalni prototip za ovaj novi internet, Tim Berners-Lee pokrenuo je projekt SOLID, čija je suština da svoje podatke pohranjujete u “pod” – pohranu informacija, te ih možete proslijediti aplikacijama trećih strana. Ali u principu, vi ste sami gospodari svojih podataka. Sve je to usko povezano s konceptom peer-to-peer mreža, odnosno vaše računalo ne samo da traži usluge, već ih i pruža, kako se ne bi oslanjalo na jedan poslužitelj kao jedini kanal.

Источник

5.2. Decentralizirane autonomne organizacije

To je organizacija koja se vodi prema pravilima zapisanim u obliku računalnog programa. Njegove financijske aktivnosti temelje se na blockchainu. Svrha stvaranja takvih organizacija je eliminirati državu iz uloge posrednika i stvoriti zajedničko okruženje od povjerenja za druge ugovorne strane, koje nije u ničijem pojedinačnom vlasništvu, već u vlasništvu svih zajedno. Odnosno, u teoriji, ovo bi, ako ideja zaživi, ​​trebalo ukinuti javne bilježnike i druge uobičajene ustanove za provjeru.

Najpoznatiji primjer takve organizacije bio je The DAO usmjeren na pothvat, koji je 2016. prikupio 150 milijuna dolara, od čega je 50 odmah ukradeno kroz pravnu rupu u pravilima. Odmah se pojavila teška dilema: ili se vratiti i vratiti novac ili priznati da je povlačenje novca bilo legalno, jer ni na koji način nije kršilo pravila platforme. Kao rezultat toga, kako bi vratili novac ulagačima, kreatori su morali uništiti The DAO, ponovno ispisujući blockchain i kršeći njegovo osnovno načelo - nepromjenjivost.

Strip o Ethereumu (lijevo) i DAO-u (desno). Источник

Cijela ova priča uništila je reputaciju same ideje o DAO-u. Taj je projekt napravljen na temelju kriptovalute Ethereum, verzija Ether 2.0 očekuje se iduće godine - možda će autori (među njima i slavni Vitalik Buterin) uzeti u obzir pogreške i pokazati nešto novo. To je vjerojatno razlog zašto je Gartner stavio DAO na gornju liniju.

5.3. Podaci o sintetici

Za treniranje neuronskih mreža potrebne su velike količine podataka. Ručno označavanje podataka ogroman je zadatak koji može obaviti samo čovjek. Stoga je moguće stvoriti umjetne skupove podataka. Na primjer, iste zbirke ljudskih lica na stranici https://generated.photos. Izrađuju se pomoću GAN - algoritama koji su već spomenuti.

Ova lica ne pripadaju ljudima. Источник

Velika prednost takvih podataka je što nema pravnih poteškoća u korištenju: nema tko dati privolu za obradu osobnih podataka.

5.4.Digitalne operacije

Sufiks "Ops" postao je nevjerojatno moderan otkako se DevOps ukorijenio u našem govoru. Sada o tome što je DigitalOps – to je samo generalizacija DevOps-a, DesignOps-a, MarketingOps-a... Je li vam već dosadno? Ukratko, radi se o prijenosu DevOps pristupa iz softverskog područja u sve ostale aspekte poslovanja – marketing, dizajn itd.

Источник

Ideja DevOps-a bila je ukloniti prepreke između samog razvoja i operacija (poslovnih procesa), kroz stvaranje zajedničkih timova, gdje postoje programeri, testeri, sigurnosni stručnjaci i administratori; implementacija određenih praksi: kontinuirana integracija, infrastruktura kao kod, smanjenje i jačanje povratnih lanaca. Cilj je bio ubrzati vrijeme izlaska proizvoda na tržište. Ako ste mislili da je ovo slično Agileu, bili ste u pravu. Sada mentalno prenesite ovaj pristup s područja razvoja softvera na razvoj općenito - i shvatit ćete što je DigitalOps.

5.5. Grafikoni znanja

Softverski način modeliranja područja znanja, uključujući korištenje algoritama strojnog učenja. Grafikon znanja izgrađen je na temelju postojećih baza podataka kako bi povezao sve informacije: i strukturirane (popis događaja ili ljudi) i nestrukturirane (tekst članka).

Najjednostavniji primjer je kartica koju možete vidjeti u rezultatima Google pretraživanja. Ako tražite osobu ili instituciju, vidjet ćete karticu s desne strane:


Imajte na umu da “Predstojeći događaji” nisu kopija informacija s Google karata, već integracija rasporeda s Yandex.Afisha: to možete lako vidjeti ako kliknete na događaje. To jest, to je kombinacija nekoliko izvora podataka zajedno.

Ako tražite popis - na primjer, "poznati redatelji" - pokazat će vam se vrtuljak:

Bonus za one koji pročitaju do kraja

A sada kada smo sami sebi razjasnili značenje svake od točaka, možemo pogledati istu sliku, ali na ruskom:

Slobodno ga podijelite na društvenim mrežama!

Tatyana Volkova - autorica programa obuke za IT smjer Internet of Things na Samsung Academy, specijalistica za programe društveno odgovornog poslovanja u Samsung Research Centeru


Izvor: www.habr.com