{"id":53222,"date":"2019-11-26T00:00:00","date_gmt":"2019-11-25T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova"},"modified":"2020-02-18T14:01:06","modified_gmt":"2020-02-18T11:01:06","slug":"grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova","status":"publish","type":"post","link":"https:\/\/prohoster.info\/hr\/blog\/news\/grafik-gartnera-2019-o-chyom-vse-eti-modnye-slova","title":{"rendered":"Gartnerov graf 2019: o \u010demu se radi sa svim tim modernim izrazima?","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Gartnerov graf za one koji rade u industriji tehnologije je kao revija visoke mode. Kada ga pogledate, mo\u017eete unaprijed saznati koja su najpopularnija pojmovi ovog sezona i \u0161ta \u0107ete \u010duti na svim nadolaze\u0107im konferencijama.<\/p>\n

Otkrijemo \u0161to se krije iza lijepih rije\u010di na ovom grafu, tako da i vi mo\u017eete govoriti tim jezikom.<\/p>\n

\"Gartnerov
\n
\n<\/a><\/noindex><\/p>\n

Za po\u010detak, nekoliko rije\u010di o ovom grafu. Svake godine u kolovozu konzultantska tvrtka Gartner objavljuje izvje\u0161\u0107e \u2013 Gartner Hype Curve. Na hrvatskom, to je 'kriva uzbu\u0111enja', ili jednostavnije re\u010deno - hype. Prije 30 godina reperi iz grupe Public Enemy pjevali su: 'Ne vjeruj ure\u0111enju hype'. Vjerovati ili ne, pitanje je osobno, ali barem znati ove klju\u010dne rije\u010di vrijedi ako radite u tehnolo\u0161koj industriji i \u017eelite biti u toku s globalnim trendovima.<\/p>\n

Ovo je grafikon koji prikazuje dru\u0161tvena o\u010dekivanja od odre\u0111ene tehnologije. Prema Gartneru, u idealnom slu\u010daju, tehnologija prolazi kroz 5 faza: pokretanje tehnologije, vrhunac pretjeranih o\u010dekivanja, dolina razo\u010daranja, nagib prosvjetljenja, plato produktivnosti. No doga\u0111a se i da tonuli u 'dolini razo\u010daranja' \u2014 primjere mo\u017eete lako sami zamisliti, uzmite iste bitcoine: prvotno su do\u0161li na vrhunac kao 'novac budu\u0107nosti', brzo su se sru\u0161ili kad su postali o\u010diti nedostaci tehnologije, prije svega ograni\u010denja na broj transakcija i ogromna koli\u010dina energije potrebne za generiranje bitcoina (\u0161to pak stvara probleme s ekologijom). I naravno, ne smijemo zaboraviti da je Gartnerov graf samo prognoza: ovdje, na primjer, mo\u017eete pro\u010ditati detaljno \u010dlanak<\/a><\/noindex>, gdje se razra\u0111uju najistaknutija nesukladna predvi\u0111anja.<\/p>\n

Dakle, pro\u0111imo kroz novi Gartnerov graf. Tehnologije su podijeljene u 5 velikih tematskih skupina:<\/p>\n

    \n
  1. Napredna AI i analitika (Advanced AI and Analytics)\n<\/li>\n
  2. Postklasi\u010dno ra\u010dunalstvo i komunikacije (Postclassical Compute and Comms)\n<\/li>\n
  3. Senzorika i mobilnost (Sensing and Mobility)\n<\/li>\n
  4. \"Pobolj\u0161ani\" \u010dovjek (Augmented Human)\n<\/li>\n
  5. Digitalni ekosustavi (Digital Ecosystems)\n<\/li>\n<\/ol>\n

    <\/p>\n

    1. Napredna AI i analitika (Advanced AI and Analytics)<\/h1>\n

    \nPosljednjih deset godina svjedo\u010dimo zlatnom dobu dubokog u\u010denja (Deep Learning). Ove mre\u017ee su iznimno u\u010dinkovite za svoj skup zadataka. Godine 2018. Yann LeCun, Geoffrey Hinton i Yoshua Bengio su za svoja otkri\u0107a u ovom podru\u010dju dobili Turingovu nagradu \u2013 najpresti\u017eniju nagradu, ekvivalent Nobelovoj, u informatici. Dakle, glavni trendovi u ovom podru\u010dju, koji su prikazani na grafu:<\/p>\n

    1.1. Prijenos u\u010denja (Transfer Learning)<\/h2>\n

    \nNe trenirate neuronsku mre\u017eu od nule, ve\u0107 uzimate ve\u0107 istreniranu i postavljate joj drugi cilj. Ponekad je potrebno ponovno trenirati dio mre\u017ee, ali ne cijelu mre\u017eu, \u0161to je mnogo br\u017ee. Na primjer, uzimaju\u0107i gotovu neuronsku mre\u017eu ResNet50, koja je istrenirana na skupu podataka ImageNet1000, dobit \u0107ete algoritam sposoban klasificirati vrlo mnogo razli\u010ditih objekata na vrlo dubokoj razini (1000 klasa prema zna\u010dajkama koje su razvijene kroz 50 slojeva neuronske mre\u017ee). Ali ne morate trenirati cijelu mre\u017eu, \u0161to bi trajalo mjesecima.<\/p>\n

    U online te\u010daju<\/a><\/noindex> Samsung 'Neuronske mre\u017ee i ra\u010dunarska vizija', na primjer, u zavr\u0161nom Kaggle zadatku<\/a><\/noindex> s klasifikacijom tanjura na \u010diste i prljave, demonstrira pristup koji u 5 minuta osigurava duboku neuronsku mre\u017eu sposobnu razlikovati prljave tanjure od \u010distih, izgra\u0111enu prema gornjoj arhitekturi. Izvorna mre\u017ea nije znala \u0161to su tanjuri uop\u0107e, ve\u0107 je u\u010dila razlikovati pti\u010dice od psi\u0107a (vidi ImageNet).<\/p>\n

    \"Gartnerov
    \nIzvor:     online te\u010daj<\/a><\/noindex> Samsung 'Neuronske mre\u017ee i ra\u010dunarska vizija'<\/i><\/p>\n

    Za Transfer Learning potrebno je znati koji pristupi rade, koje postoje gotove osnovne arhitekture. U cjelini, to zna\u010dajno ubrzava pojavu prakti\u010dnih primjena strojnog u\u010denja.<\/p>\n

    1.2. Generativno protivni\u010dke mre\u017ee (Generative Adversarial Networks, GAN)<\/h2>\n

    \nTo su slu\u010dajevi kada nam je vrlo te\u0161ko formulirati cilj u\u010denja. \u0160to je zada\u0107a bli\u017ea stvarnom \u017eivotu, jasnija nam je ('donesi stoli\u0107'), ali je te\u017ee formulirati je kao tehni\u010dki zadatak. GAN je upravo poku\u0161aj da nas oslobodi ovog problema.<\/p>\n

    Ovdje rade dvije mre\u017ee: jedna generativna, a druga diskriminatorska. Jedna mre\u017ea u\u010di kako izvr\u0161avati korisne zadatke (klasificirati slike, prepoznavati zvukove, crtati crti\u0107e). A druga mre\u017ea u\u010di kako pou\u010davati tu mre\u017eu: ima stvarne primjere i u\u010di pronalaziti do tada nepoznate slo\u017eene formule za usporedbu rezultata generativnog dijela mre\u017ee s objektima iz stvarnog svijeta (obu\u010dne skupine) na temelju zaista va\u017enih dubokih karakteristika: broj o\u010diju, bliskost Miyazaki stilu, ispravnost izgovora engleskog jezika.<\/p>\n

    \"Gartnerov
    \nPrimjer rezultata rada mre\u017ee u generiranju anime likova.     Izvor<\/a><\/noindex><\/i><\/p>\n

    No, naravno, te\u0161ko je izgraditi arhitekturu. Nije dovoljno samo postaviti neurone, njih treba obu\u010davati. I u\u010denje traje tjednima. Temom GAN-a bave se moji kolege u Samsungovom centru za umjetnu inteligenciju, to im je jedno od klju\u010dnih istra\u017eiva\u010dkih pitanja. Na primjer, ovako razvoj<\/a><\/noindex>: kori\u0161tenje generativnih mre\u017ea za sintezu realisti\u010dnih fotografija ljudi s promjenjivim pozama \u2014 na primjer, za stvaranje virtualne kabine, ili za sintezu lica, \u0161to mo\u017ee smanjiti koli\u010dinu informacija koje treba pohranjivati ili prenositi za osiguranje kvalitetnog videopoziva, emitiranja ili za\u0161tite osobnih podataka.<\/p>\n

    \"Gartnerov
    \n    Izvor<\/a><\/noindex><\/i><\/p>\n

    1.3. Obja\u0161njiva AI (Explainable AI)<\/h2>\n

    \nU nekim rijetkim zadacima, napredak u dubokim arhitekturama iznenada je pribli\u017eio mogu\u0107nosti dubokih neuronskih mre\u017ea ljudskim. Sada se vodi bitka za pro\u0161irenje kruga takvih zadataka. Na primjer, robotski usisava\u010d bi mogao lako razlikovati ma\u010dku od psa u frontalnom susretu. No, u ve\u0107ini \u017eivotnih situacija, on \u0107e biti nesposoban prona\u0107i ma\u010dku koja spava me\u0111u rubljem ili namje\u0161tajem (uostalom, kao i mi u ve\u0107ini slu\u010dajeva\u2026).<\/p>\n

    U \u010demu je razlog uspjeha dubokih neuronskih mre\u017ea? One razvijaju predstavu o zadatku, temeljenu ne na \"vidljivoj golim okom\" informacijama (pikselima fotografije, skokovima ja\u010dine zvuka\u2026), ve\u0107 na zna\u010dajkama dobivenim nakon pretprocesiranja tih informacija kroz nekoliko stotina slojeva neuronske mre\u017ee. Na\u017ealost, te me\u0111usobne veze mogu biti i besmislene, proturje\u010dne ili nositi tragove nesavr\u0161enosti izvornog skupa podataka. Na primjer, postoji mala ra\u010dunalna igra koja pokazuje na \u0161to mo\u017ee dovesti nepromi\u0161ljena primjena AI-a u zapo\u0161ljavanju. Pre\u017eivljavanje Najprikladnijih<\/a><\/noindex>.<\/p>\n

    \"Gartnerov
    \nSustav za ozna\u010davanje slika nazvao je osobu koja kuha \u017eenom, iako je na slici u stvarnosti mu\u0161karac (    Izvor<\/a><\/noindex>). To primijetili<\/a><\/noindex> na Institutu Virginia.<\/i><\/p>\n

    Kako bismo analizirali slo\u017eene i duboke odnose koje \u010desto ne mo\u017eemo sami formulirati, potrebne su metode Obja\u0161njivog AI. One organiziraju obilje\u017eja dubokih neuronskih mre\u017ea tako da nakon u\u010denja mo\u017eemo analizirati interno predstavljanje koje je mre\u017ea nau\u010dila, a ne samo se oslanjati na njezino rje\u0161enje.<\/p>\n

    1.4. Periferno analiziranje \/ AI (Edge Analytics \/ AI)<\/h2>\n

    \nSve \u0161to sadr\u017ei rije\u010d Edge doslovno zna\u010di sljede\u0107e: premje\u0161tanje dijela algoritama iz oblaka \/ poslu\u017eitelja na razinu krajnjeg ure\u0111aja \/ usmjeriva\u010da. Takav algoritam \u0107e br\u017ee reagirati i ne\u0107e zahtijevati vezu s centralnim poslu\u017eiteljem za svoje funkcioniranje. Ako vam je poznata apstrakcija \"tankog klijenta\", ovdje malo zadebljavamo tog klijenta.
    \nTo mo\u017ee biti va\u017eno za Internet stvari. Na primjer, ako se stroj pregrije i zahtijeva hla\u0111enje, ima smisla odmah poslati signal o tome na razini tvornice, ne \u010dekaju\u0107i da podaci stignu u oblak i odatle do voditelja smjene. Ili drugi primjer: autonomni automobili mogu samostalno rje\u0161avati prometne situacije, bez obratio se centralnom serveru.<\/p>\n

    \"Gartnerov
    \n    Izvor<\/a><\/noindex><\/i><\/p>\n

    Ili drugi primjer za\u0161to je to va\u017eno s gledi\u0161ta sigurnosti: kada na svom telefonu kucate tekstove, on pamti tipi\u010dne rije\u010di koje koristite kako bi vam tipkovnica telefona olak\u0161ala daljnje predlaganje \u2013 to se zove prediktivno kucanje. Slati bilo \u0161to \u0161to kucate na tipkovnici u podatkovni centar bio bi prekr\u0161aj va\u0161e privatnosti i jednostavno nesigurno. Stoga, u\u010denje tipkovnice odvija se isklju\u010divo unutar va\u0161eg ure\u0111aja.<\/p>\n

    1.5. AI platforma kao usluga (AI PaaS)<\/h2>\n

    \nPaaS \u2013 Platforma kao usluga \u2013 je poslovni model u kojem dobivamo pristup integriranoj platformi, uklju\u010duju\u0107i njezinu cloud pohranu podataka i gotove procedure. Tako se mo\u017eemo osloboditi infrastrukturnih zadataka i potpuno se usredoto\u010diti na proizvodnju ne\u010dega korisnog. Primjeri PaaS platformi za AI zadatke: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.<\/p>\n

    1.6. Adaptivno strojno u\u010denje (Adaptive ML)<\/h2>\n

    \n\u0160to ako omogu\u0107imo umjetnoj inteligenciji da se prilagodi\u2026 Pit \u0107e te \u2013 kako to misli\u0161?.. Zar se ona ne prilago\u0111ava zadatku? Problem je u tome: svaku takvu zada\u0107u pomno smo obra\u0111ivali prije nego \u0161to smo izgradili algoritam umjetne inteligencije za njezino rje\u0161avanje. Odgovorit \u0107e vam \u2013 pokazalo se da se mo\u017ee pojednostaviti i ovaj proces.<\/p>\n

    Uobi\u010dajeno strojno u\u010denje djeluje na principu otvorenog sustava (open-loop): pripremate podatke, smi\u0161ljate neuronsku mre\u017eu (ili bilo \u0161to drugo), trenirate, a zatim gledate na nekoliko mjernih pokazatelja, i ako vam se sve svi\u0111a, mo\u017eete poslati neuronsku mre\u017eu u pametne telefone \u2013 rje\u0161avati korisni\u010dke zadatke. No u aplikacijama gdje ima jako puno podataka i njihov karakter postupno se mijenja, potrebne su druge metode. Takvi sustavi, koji se prilago\u0111avaju i samostalno u\u010de, organiziraju se u zatvorene, samou\u010de\u0107e krugove (closed-loop), i oni moraju raditi neprekidno.<\/p>\n

    Primjene \u2013 to mogu biti analitika u stvarnom vremenu (Stream Analytics), na temelju koje mnogi poduzetnici donose odluke, ili adaptivno upravljanje proizvodnjom. U okviru modernih primjena i s obzirom na bolje razumljive rizike za ljude, metode koje \u010dine rje\u0161enje ovog problema, sve te metode okupljaju se pod zajedni\u010dkim nazivom Adaptivna AI.<\/p>\n

    \"Gartnerov
    \n    Izvor<\/a><\/noindex><\/i><\/p>\n

    Gledaju\u0107i ovu sliku, te\u0161ko je pobje\u0107i od osje\u0107aja da futuriste ne treba hraniti \u2013 neka podu\u010davaju robota kako disati...<\/p>\n

    Postklasi\u010dno ra\u010dunalstvo i komunikacije (Postclassical Compute and Comms)<\/h1>\n

    <\/p>\n

    2.1. Mobilna veza pete generacije (5G)<\/h2>\n

    \nTema je toliko zanimljiva da odmah upu\u0107ujemo na na\u0161u \u010dlanku<\/a><\/noindex>. A ovdje je kratak pregled. 5G \u0107e zahvaljuju\u0107i pove\u0107anju frekvencije prijenosa podataka u\u010diniti brzinu Interneta nevjerojatno brzinom. Kratkim valovima je te\u017ee prolaziti kroz prepreke, pa \u0107e ure\u0111aj mre\u017ea biti potpuno druga\u010diji: potreban je 500 puta ve\u0107i broj baznih stanica.<\/p>\n

    Zajedno s brzinom dobit \u0107emo nove pojave: real-time igre s pro\u0161irenom stvarno\u0161\u0107u, izvo\u0111enje slo\u017eenih zadataka (kao \u0161to je kirurgija) putem teleprisustva, spre\u010davanje nesre\u0107a i slo\u017eenih situacija na cestama kroz komunikaciju izme\u0111u vozila. Od prakti\u010dnijih: mobilni Internet vi\u0161e ne\u0107e padati tijekom masovnih doga\u0111aja, kao \u0161to je utakmica na stadionu.<\/p>\n

    \"Gartnerov
    \nIzvor slike \u2014 Reuters, Niantic<\/i><\/p>\n

    2.2. Memorija nove generacije (Next-Generation Memory)<\/h2>\n

    \nOvdje se radi o petoj generaciji RAM pam\u0107enja \u2013 DDR5. Samsung je najavio da \u0107e do kraja 2019. godine pojaviti proizvodi temeljeni na DDR5. O\u010dekuje se da \u0107e nova memorija biti dvostruko br\u017ea i dvostruko ve\u0107a uz zadr\u017eavanje form-faktora, \u0161to zna\u010di da \u0107emo mo\u0107i dobiti memorijske module kapaciteta do 32 GB za svoj ra\u010dunar. U budu\u0107nosti \u0107e to biti posebno va\u017eno za pametne telefone (nova memorija bit \u0107e dostupna u verziji s niskom potro\u0161njom energije) i za prijenosnike (gdje je broj DIMM utora ograni\u010den). A osim toga, strojno u\u010denje zahtijeva velike koli\u010dine RAM memorije.<\/p>\n

    2.3. Sustavi satelita niske orbite (Low-Earth-Orbit Satellite Systems)<\/h2>\n

    \nIdeja zamjene te\u0161kih, skupih, mo\u0107nih satelita rojem malih i jeftinih nije nova i pojavila se jo\u0161 u 90-ima. O tome \u201eElon Musk \u0107e uskoro svima dijeliti Internet iz svemira\u201d<\/a><\/noindex> sada nije \u010duo samo onaj lijen. Najpoznatija kompanija ovdje je Iridium, koja je bankrotirala krajem 90-ih, ali je spa\u0161ena zahvaljuju\u0107i Ministarstvu obrane SAD-a (ne mije\u0161ati s iRidium \u2013 ruskim sustavom pametnog doma). Projekt Elona Muska (Starlink) nije jedini \u2013 u svemirskoj utrci sudjeluju Richard Branson (OneWeb \u2013 1440 predvi\u0111enih satelita), Boeing (3000 satelita), Samsung (4600 satelita), i drugi.<\/p>\n

    Kako trenutno stoje stvari u ovoj oblasti, kako izgleda ekonomija \u2013 pro\u010ditajte u pregledu<\/a><\/noindex>. A mi \u010dekamo prve testove ovih sustava od strane prvih korisnika, koji bi se trebali odr\u017eati ve\u0107 sljede\u0107e godine.<\/p>\n

    2.4. 3D ispis u nanomjerama (Nanoscale 3D Printing)<\/h2>\n

    \n3D ispis, iako nije u\u0161ao u \u017eivot svakog pojedinca (u obliku obe\u0107ane individualne ku\u0107ne plasti\u010dne tvornice), odavno je napustio ni\u0161u tehnologija za geekove. U to se mo\u017ee uvjeriti samo na temelju toga da su osnovne informacije o postojanju barem 3D skulpturalnih olovaka poznate svakom u\u010deniku, a mnogi sanjaju da si nabave kutiju s pomi\u010dnim dijelovima i ekstruderom za\u2026 'samo tako' (ili su je ve\u0107 nabavili).<\/p>\n

    Stereolitografija (laser 3D pisa\u010di) omogu\u0107uje ispis pojedina\u010dnim fotonima: istra\u017euju se nove polimere za koje je dovoljno dva fotona kako bi se o\u010dvrstili. To \u0107e omogu\u0107iti stvaranje potpuno novih filtara, pri\u010dvr\u0161\u0107iva\u010da, opruga, kapilara, le\u0107a i\u2026 va\u0161e opcije u komentarima! A ovdje nismo daleko od fotopolimerizacije \u2013 samo ova tehnologija omogu\u0107uje 'ispisivanje' procesora i ra\u010dunalnih sklopova. Osim toga, ve\u0107 nekoliko godina postoji tehnologija ispisa grafenovih 500-nm trodimenzionalnih struktura<\/a><\/noindex>, ali bez radikalnog razvoja.<\/p>\n

    \"Gartnerov
    \n    Izvor<\/i><\/a><\/noindex><\/p>\n

    3. Senzorika i mobilnost (Sensing and Mobility)<\/h1>\n

    <\/p>\n

    3.1. Samovozna vozila, razina 4 i 5 (Autonomous Driving Level 4 & 5)<\/h2>\n

    \nKako ne bismo zbunili terminologiju, valja razjasniti koje razine autonomnosti se razlikuju (preuzeto iz detaljne \u010dlanaka<\/a><\/noindex>, kojoj upu\u0107ujemo sve zainteresirane):<\/p>\n

    Razina 1: Tempomat: pomo\u0107 voza\u010du u vrlo ograni\u010denim situacijama (na primjer - odr\u017eavanje automobila na zadanoj brzini nakon \u0161to voza\u010d makne nogu s pedale)
    \nRazina 2: Ograni\u010dena pomo\u0107 pri upravljanju i ko\u010denju. Voza\u010d mora biti spreman preuzeti kontrolu gotovo odmah. Njegove ruke su na volanu, pogled mu je usmjeren prema cesti. To je ono \u0161to ve\u0107 postoji u Tesli i General Motorsu.
    \nRazina 3: Voza\u010d vi\u0161e ne mora stalno pratiti cestu. No, mora ostati budan i biti spreman preuzeti kontrolu. To je ono \u0161to trenutno ne postoji kod vozila koja su dostupna na tr\u017ei\u0161tu. Sva postoje\u0107a vozila su na razini 1-2.
    \nRazina 4: Pravi autopilot, ali s ograni\u010denjima: samo vo\u017enje u poznatom podru\u010dju, koje je temeljito kartirano i op\u0107enito poznato sustavu, i pod odre\u0111enim uvjetima: na primjer, u odsustvu snijega. Takvi prototipi postoje kod Waymo-a i General Motors-a, a planiraju ih pokrenuti u nekoliko gradova i testirati u stvarnim uvjetima. Yandex ima testne zone za autonomna taksija u Skolkovu i Innopolisu: vo\u017enja se odvija pod nadzorom in\u017eenjera koji sjedi na mjestu suvoza\u010da; do kraja godine tvrtka planira pro\u0161iriti flotu na 100 autonomnih vozila.
    \nRazina 5: Potpuno automatsko upravljanje, potpuno zamijenjuje \u017eivog voza\u010da. Takvi sustavi trenutno ne postoje i malo je vjerojatno da \u0107e se pojaviti u narednim godinama.<\/p>\n

    Kako je realno vidjeti sve ovo u bliskoj budu\u0107nosti? Ovdje bismo \u010ditatelja preusmjerili na \u010dlanak \u201eZa\u0161to je pokretanje robotaksija do 2020. godine, kako obe\u0107ava Tesla, nemogu\u0107e\u201d<\/a><\/noindex>. To djelomi\u010dno ima veze s nedostatkom 5G veze: trenutne brzine 4G nisu dovoljne. Djelomi\u010dno s vrlo visokim tro\u0161kovima autonomnih automobila: oni trenutno nisu isplativi, a poslovni model nije jasan. Ukratko, ovdje je \"sve slo\u017eeno\", i nije slu\u010dajno da Gartner pi\u0161e da je prognoza masovnog uvo\u0111enja Razina 4 i 5 \u2013 ne prije 10 godina.<\/p>\n

    3.2. Kamere s 3D vidom (3D Sensing Cameras)<\/h2>\n

    \nPrije osam godina, igra\u0107i kontroler Microsoft Kinect izazvao je veliku pompu, nude\u0107i pristupa\u010dno i relativno jeftino rje\u0161enje za 3D vid. Od tada su fizi\u010dke i plesne igre s Kinectom do\u017eivjele svoj kratki uspon i pad, dok su 3D kamere po\u010dele koristiti u industrijskim robotima, autonomnim automobilima i mobilnim telefonima za prepoznavanje lica. Tehnologija je postala jeftinija, kompaktnija i dostupnija. <\/p>\n

    \"Gartnerov
    \nU telefonu Samsung S10 nalazi se kamera s vremenskim pomakom (Time-of-Flight) koja mjeri udaljenost do objekta \u2013 radi olak\u0161ane fokusacije.     Izvor<\/a><\/noindex><\/i><\/p>\n

    Ako vas ova tema zanima, usmjeravamo na vrlo dobar detaljan pregled kamera za dubinu: dio 1<\/a><\/noindex>, dio 2<\/a><\/noindex>.<\/p>\n

    3.3. Dronovi za isporuku malih tereta (Light Cargo Delivery Drones)<\/h2>\n

    \nOve godine Amazon je napravio \u0161um kada je na izlo\u017ebi predstavio novi lete\u0107i dron sposoban da nosi male terete do 2 kg. Za grad, sa svojim gu\u017evama, ovo se \u010dini idealnim re\u0161enjem. Vide\u0107emo kako \u0107e se ti dronovi pokazati u vrlo bliskoj budu\u0107nosti. Mo\u017eda bi ovde trebalo biti oprezno skepti\u010dan: postoji mno\u0161tvo problema, po\u010dev\u0161i od mogu\u0107nosti lakog kra\u0111e drona, a zavr\u0161avaju\u0107i zakonskim ograni\u010denjima na dronove. Amazon Prime Air postoji ve\u0107 \u0161est godina, ali jo\u0161 uvek je u fazi testiranja.<\/p>\n

    \"Gartnerov
    \nNovi dron Amazona, prikazan ove prole\u0107e. Ima ne\u0161to iz 'Ratova zvezda'.     Izvor<\/a><\/noindex><\/i><\/p>\n

    Osim Amazona, postoje i drugi igra\u010di na ovom tr\u017ei\u0161tu (ima detaljnih pregled<\/a><\/noindex>), ali nijedan gotov proizvod: sve se nalazi u fazi testiranja i marketin\u0161kih akcija. Posebno je zanimljivo napomenuti nekoliko specijalizovanih medicinskih projekata<\/a><\/noindex> u Africi: dostava donorske krvi u Gani (14.000 dostava, kompanija Zipline) i Ruandi (kompanija Matternet).<\/p>\n

    3.4. Lete\u0107i autonomni transport (Flying Autonomous Vehicles)<\/h2>\n

    \nTe\u0161ko je re\u0107i ne\u0161to konkretno. Prema Gartneru, ovo \u0107e se pojaviti najranije za 10 godina. U su\u0161tini, ovde su svi ti isti problemi kao i kod autonomnih automobila, samo \u0161to sada dobijaju novu dimenziju \u2014 vertikalnu. O svojim ambicijama da izgrade lete\u0107i taksi izjavljuju Porsche, Boeing, Uber.<\/p>\n

    3.5. Oblak pro\u0161irene stvarnosti (AR Cloud)<\/h2>\n

    \nTrajna digitalna kopija stvarnog sveta, koja omogu\u0107ava stvaranje novog sloja realnosti, zajedni\u010dkog za sve korisnike. Ako govorimo tehni\u010dkim jezikom, ovde se radi o stvaranju otvorene cloud platforme u koju bi programeri mogli integrisati svoje AR aplikacije. Model monetizacije je jasan, to je neka vrsta Steam-a. Ideja se toliko ukorenila da sada neki smatraju da je AR bez oblaka jednostavno beskorisna.<\/p>\n

    Kako to mo\u017ee izgledati u budu\u0107nosti, prikazano je u kratkom videu. Izgleda kao jo\u0161 jedna epizoda 'Crnog ogledala':
    \n

    \r\n \"Pogledajte\r\n
    <\/div>\r\n <\/div><\/center><\/p>\n

    Jo\u0161 se mo\u017ee pro\u010ditati u pregledu \u010dlanka.<\/a><\/noindex><\/p>\n

    4. 'Pro\u0161irena' osoba (Augmented Human)<\/h1>\n

    <\/p>\n

    4.1. AI za emocije (Emotion AI)<\/h2>\n

    \nKako mjeriti, simulirati i reagirati na ljudske emocije? Neki od klijenata ovdje su tvrtke koje proizvode glasovne asistente poput Amazon Alexe. Pravi korak naprijed u njihovoj integraciji u domove bit \u0107e sposobnost prepoznavanja raspolo\u017eenja: razumijevanje uzroka nezadovoljstva korisnika i poku\u0161aj rje\u0161avanja situacije. U kontekstu postoji mnogo vi\u0161e informacija nego u samoj poruci. A kontekst uklju\u010duje i izraze lica, intonaciju i neverbalno pona\u0161anje.<\/p>\n

    Od drugih prakti\u010dnih primjena: analize emocija tijekom razgovora za posao (putem video intervjua), procjena reakcije na reklamne spotove ili drugi video sadr\u017eaj (osmijehi, smijeh), pomo\u0107 pri u\u010denju (na primjer, za samostalnu praksu u umjetnosti javnog nastupa). <\/p>\n

    O ovoj temi te\u0161ko da se mo\u017ee bolje izraziti od autora 6-minutnog kratkog filma Stealing Ur Feeling<\/a><\/noindex>. U duhovito i stylish napravljenom videu pokazano je kako mo\u017eemo mjeriti na\u0161e emocije u marketin\u0161ke svrhe, i iz trenutnih reakcija va\u0161eg lica otkriti: volite li pizzu, pse, Kanye Westa, pa \u010dak i kakav je va\u0161 prihod i otprilike IQ. Kroz link iznad, prelazite na stranicu filma i postajete sudionik interaktivnog videa koriste\u0107i ugra\u0111enu kameru va\u0161eg prijenosnog ra\u010dunala. Film je ve\u0107 prikazan na nekoliko filmskih festivala.<\/p>\n

    \"Gartnerov
    \n    Izvor<\/a><\/noindex><\/i><\/p>\n

    Postoji \u010dak i zanimljivo istra\u017eivanje: kako prepoznati sarkazam u tekstu. Uzimali su tvitove s hashtagom #sarkazam i napravili skup za u\u010denje od 25 000 tvitova sa sarkazmom i 100 000 obi\u010dnih tvitova o svemu i sva\u010demu. Koristili su biblioteku TensorFlow, obu\u010dili sustav, evo rezultata:<\/p>\n

    \"Gartnerov
    \n    Izvor<\/a><\/noindex><\/i><\/p>\n

    Stoga, sada ako niste sigurni o svom kolegi ili prijatelju \u2013 rekao vam je ne\u0161to ozbiljno ili sarkasti\u010dno, \u2013 mo\u017eete iskoristiti ve\u0107 obu\u010denu neuronsku mre\u017eu<\/a><\/noindex>! <\/p>\n

    4.2. Pro\u0161irena inteligencija (Augmented Intelligence)<\/h2>\n

    \nAutomatizacija intelektualnog rada pomo\u0107u metoda strojnog u\u010denja. \u010cini se da tu nema ni\u0161ta novog? No, tu je va\u017ena sama formulacija, pogotovo zato \u0161to se poklapa po skra\u0107enici s Umjetnom inteligencijom. To nas upu\u0107uje na polemiku o \"jakom\" i \"slabom\" AI.
    \nSna\u017eni AI je onaj umjetni inteligencijski sustav iz znanstvenofantasti\u010dnih filmova koji je u potpunosti ekvivalentan ljudskom razumu i prepoznaje sebe kao osobu. Takav jo\u0161 ne postoji i nejasno je ho\u0107e li ikada postojati.<\/p>\n

    Slabi AI nije samostalna li\u010dnost, ve\u0107 pomo\u0107nik u ljudskom radu. Ne pretendira na humano razmi\u0161ljanje, ve\u0107 jednostavno mo\u017ee rje\u0161avati informacijske zadatke, poput odre\u0111ivanja \u0161to je prikazano na slici ili prevo\u0111enja teksta.<\/p>\n

    \"Gartnerov
    \n    Izvor <\/a><\/noindex><\/i><\/p>\n

    U tom smislu, Augmented Intelligence je u \u010distom obliku \"slabi AI\", a formulacija se \u010dini uspje\u0161nom jer ne unosi zabunu niti izaziva iluziju da ovdje imamo onaj \"sna\u017eni AI\" o kojem svi sanjaju (ili se boje, ako se prisjetimo brojnih rasprava o \"ustanku ma\u0161ina\"). Koriste\u0107i izraz Augmented Intelligence, kao da postajemo junaci drugog filma: iz znanstvene fantastike (poput \"Ja, robot\" Asimova) prelazimo u cyberpunk (\"augmentacije\" u ovom \u017eanru nazivaju se raznim implantatima koji pro\u0161iruju mogu\u0107nosti \u010dovjeka).<\/p>\n

    Kako rekli<\/a><\/noindex> Erik Brynjolfsson i Andrew McAfee: \"U sljede\u0107ih 10 godina dogodit \u0107e se sljede\u0107e. Ne\u0107e AI zamijeniti menad\u017eere, ve\u0107 \u0107e oni menad\u017eeri koji koriste AI, zamijeniti one koji to jo\u0161 nisu u\u010dinili.\"<\/p>\n

    Primjeri:<\/p>\n