Kort Gartner er eins og hátískusýning fyrir þá sem eru í tækniiðnaðinum. Með því að skoða það geturðu komist að því fyrirfram hvaða orð eru mest hrifin á þessu tímabili og hvað þú munt heyra á öllum komandi ráðstefnum.
Við höfum greint hvað er á bak við fallegu orðin í þessu grafi svo þú getir talað tungumálið líka.
Til að byrja með, örfá orð um hvers konar línurit þetta er. Á hverju ári í ágúst gefur ráðgjafastofan Gartner út skýrslu - Gartner Hype Curve. Á rússnesku er þetta „hype curve“ eða, einfaldlega, efla. Fyrir 30 árum sungu rapparar úr hópnum Public Enemy: „Ekki trúa eflanum. Trúðu það eða ekki, þetta er persónuleg spurning, en það er þess virði að vita að minnsta kosti þessi leitarorð ef þú vinnur á tæknisviðinu og vilt vita alþjóðlega þróun.
Þetta er línurit yfir væntingar almennings frá tiltekinni tækni. Samkvæmt Gartner fer tæknin helst í gegnum 5 stig: tæknikynningu, hámarki uppblásinna væntinga, dal vonbrigða, halli uppljómunar, hálendi framleiðni. En það gerist líka að það drukknar í "dal vonbrigða" - þú getur munað dæmi sjálfur mjög auðveldlega, taktu sömu bitcoins: upphaflega ná hámarkinu sem "peningar framtíðarinnar", þeir runnu fljótt niður þegar gallar tækninnar varð augljóst, fyrst og fremst takmarkanir á fjölda viðskipta og gífurlegt magn af rafmagni sem þarf til að búa til bitcoins (sem þegar hefur í för með sér umhverfisvandamál). Og auðvitað megum við ekki gleyma því að kort Gartner er bara spá: hér geturðu til dæmis lesið ítarlega , þar sem mest sláandi óuppfylltar spár eru flokkaðar út.
Svo, við skulum fara yfir nýja Gartner töfluna. Tækni er skipt í 5 stóra þemahópa:
- Háþróuð gervigreind og greining
- Postclassical Compute og Comms
- Skynjun og hreyfanleiki
- Augmented Human
- Stafræn vistkerfi
1. Ítarleg gervigreind og greining
Undanfarin 10 ár höfum við séð bestu stund djúpnáms. Þessi net eru sannarlega áhrifarík fyrir svið þeirra verkefna. Árið 2018 fengu Yann LeCun, Geoffrey Hinton og Yoshua Bengio Turing-verðlaunin fyrir uppgötvanir sínar - virtustu verðlaunin, hliðstæð Nóbelsverðlaununum í tölvunarfræði. Svo, helstu þróun á þessu sviði, sem eru sýnd á töflunni:
1.1. Flytja nám
Þú þjálfar ekki taugakerfi frá grunni heldur tekur þegar þjálfað og úthlutar því annað markmið. Stundum krefst þetta endurþjálfunar hluta netkerfisins, en ekki alls netsins, sem er miklu hraðari. Til dæmis, ef þú tekur tilbúið tauganet ResNet50, þjálfað á ImageNet1000 gagnasafninu, færðu reiknirit sem getur flokkað marga mismunandi hluti í mynd á mjög djúpu stigi (1000 flokkar byggðir á eiginleikum sem myndast af 50 lögum af taugakerfinu neti). En þú þarft ekki að þjálfa allt þetta net, sem myndi taka mánuði.
В Samsung „tauganet og tölvusjón“ til dæmis í úrslitaleiknum með flokkun á plötum í hreinar og óhreinar, er sýnd nálgun sem á 5 mínútum gefur þér til ráðstöfunar djúpt tauganet sem getur greint óhreinar plötur frá hreinum, byggðar samkvæmt arkitektúrnum sem lýst er hér að ofan. Upprunalega netið vissi alls ekki hvað plötur voru, það lærði aðeins að greina fugla frá hundum (sjá ImageNet).
Heimild: Samsung „tauganet og tölvusjón“
Fyrir Transfer Learning þarftu að vita hvaða aðferðir virka og hvaða tilbúna grunnarkitektúr eru í boði. Á heildina litið flýtir þetta mjög fyrir tilkomu hagnýtra forrita vélanáms.
1.2. Generative Adversarial Networks (GAN)
Þetta er fyrir þau tilvik þegar það er mjög erfitt fyrir okkur að móta námsmarkmiðið. Því nær sem verkefnið er raunveruleikanum, því skiljanlegra er það fyrir okkur ("komdu með náttborðið"), en því erfiðara er að móta það sem tæknilegt verkefni. GAN er bara tilraun til að bjarga okkur frá þessu vandamáli.
Það eru tvö net sem vinna hér: annað er rafall (Generative), hitt er mismununartæki (Andstæðingur). Eitt net lærir að vinna gagnlegt verk (flokka myndir, þekkja hljóð, teikna teiknimyndir). Og annað net lærir að kenna það net: það hefur raunveruleg dæmi og það lærir að finna áður óþekkta flókna formúlu til að bera saman afurðir kynslóða hluta netkerfisins við raunverulega hluti (þjálfunarsett) sem byggir á mjög mikilvægum djúpum eiginleikum : fjöldi augna, nálægð við stíl Miyazaki, réttur enskur framburður.
Dæmi um niðurstöðu netkerfis til að búa til anime persónur.
En auðvitað er erfitt að byggja þar byggingarlist. Það er ekki nóg að henda bara taugafrumum, þær þurfa að vera undirbúnar. Og þú þarft að læra í margar vikur. Samstarfsmenn mínir hjá Samsung gervigreindarmiðstöðinni eru að vinna að GAN efninu; þetta er ein af lykilrannsóknarspurningum þeirra. Til dæmis svona : nota skapandi net til að búa til raunhæfar myndir af fólki með breytilega stellingu - til dæmis til að búa til sýndar mátunarherbergi eða til að búa til andlit, sem getur dregið úr magni upplýsinga sem þarf að geyma eða senda til að tryggja hágæða myndband samskipti, útsendingar eða persónuvernd.
1.3. Útskýranleg gervigreind
Fyrir sum sjaldgæf verkefni hafa framfarir í djúpum arkitektúr skyndilega fært getu djúpra tauganeta nær mannlegri getu. Nú er barist um að auka umfang slíkra verkefna. Til dæmis gæti vélmennaryksuga auðveldlega greint kött frá hundi á fundi. En í flestum lífsaðstæðum mun hann ekki geta fundið kött sem sefur meðal lín eða húsgagna (þó eins og við, í flestum tilfellum...).
Hver er ástæðan fyrir velgengni djúptauganeta? Þeir þróa framsetningu á vandamálinu sem byggist ekki á upplýsingum sem eru „sýnilegar með berum augum“ (myndpixlar, breytingar á hljóðstyrk...), heldur á eiginleikum sem fást eftir að hafa forvinnslu þessar upplýsingar með nokkur hundruð lögum af taugakerfi. Því miður geta þessi tengsl líka verið tilgangslaus, ósamræmi eða borið vott um ófullkomleika í upprunalegu gagnasettinu. Til dæmis er lítill tölvuleikur um hvað hugsunarlaus notkun gervigreindar við ráðningar getur leitt til .
Myndamerkingarkerfið merkti manneskjuna sem eldaði sem konu, jafnvel þó að manneskjan á myndinni sé í raun karlmaður (). það við Virginia Institute.
Til að greina flókin og djúp sambönd sem við getum oft ekki mótað sjálf, þarf skýranlegar gervigreindaraðferðir. Þeir skipuleggja eiginleika djúpra tauganeta þannig að eftir þjálfun getum við greint innri framsetningu sem netið hefur lært, frekar en að treysta einfaldlega á ákvörðun þess.
1.4. Edge Analytics / AI
Allt með orðinu Edge þýðir bókstaflega eftirfarandi: að flytja hluta reikniritanna frá skýinu/þjóninum yfir á lokatæki/gáttarstig. Slík reiknirit mun virka hraðar og mun ekki krefjast tengingar við miðlægan netþjón fyrir rekstur þess. Ef þú þekkir abstrakt „þunnur viðskiptavinur“, þá erum við að gera þennan viðskiptavin aðeins þykkari.
Þetta gæti verið mikilvægt fyrir Internet of Things. Til dæmis ef vél er ofhitnuð og þarfnast kælingar er skynsamlegt að gefa strax merki um það, á verksmiðjustigi, án þess að bíða eftir að gögnin fari í skýið og þaðan til vaktstjórans. Eða annað dæmi: sjálfkeyrandi bílar geta fundið út umferðarástandið á eigin spýtur, án þess að hafa samband við miðlægan netþjón.
Eða annað dæmi um hvers vegna þetta er mikilvægt frá öryggissjónarmiði: þegar þú skrifar texta í símann þinn man hann orðin sem eru dæmigerð fyrir þig, svo að seinna getur lyklaborð símans á þægilegan hátt beðið þig um þau - þetta er kallað forspár textainnsláttur. Að senda allt sem þú skrifar á lyklaborðið þitt í gagnaver einhvers staðar væri brot á friðhelgi einkalífsins og einfaldlega óöruggt. Þess vegna fer lyklaborðsþjálfun aðeins fram í tækinu þínu sjálfu.
1.5. AI Platform as a Service (AI PaaS)
PaaS - Platform-as-a-Service er viðskiptamódel þar sem við fáum aðgang að samþættum vettvangi, þar á meðal skýjabundinni gagnageymslu og tilbúnum verklagsreglum. Þannig getum við losað okkur við innviðaverkefni og einbeitt okkur að fullu að því að framleiða eitthvað gagnlegt. Dæmi um PaaS palla fyrir gervigreind verkefni: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI pallur.
1.6. Adaptive Machine Learning (Adaptive ML)
Hvað ef við látum gervigreind aðlagast... Þú spyrð - það er að segja hvernig?.. Er hún ekki þegar aðlagast verkefninu? Vandamálið er þetta: við hönnum hvert slíkt vandamál vandlega áður en við smíðum gervigreindaralgrím til að leysa það. Þeir munu svara þér - það kemur í ljós að hægt er að einfalda þessa keðju.
Hefðbundið vélnám virkar á meginreglunni um opna lykkju: þú undirbýr gögn, kemur með tauganet (eða eitthvað), þjálfar, lítur svo á nokkra vísbendingar og ef þér líkar allt geturðu sent tauganetið í snjallsíma til að leysa vandamál notenda. En í forritum þar sem mikið er af gögnum og eðli þeirra breytist smám saman þarf aðrar aðferðir. Slík kerfi, sem aðlagast og kenna sig sjálf, eru skipulögð í lokaðar sjálflærandi lykkjur (closed-loop), og þau verða að virka vel.
Forrit - þetta gæti verið straumgreining (Stream Analytics), sem margir kaupsýslumenn taka ákvarðanir á grundvelli, eða aðlagandi framleiðslustjórnun. Á mælikvarða núverandi forrita og í ljósi betri skilnings á áhættu fyrir menn, er tæknin sem er lausn á þessu vandamáli öll safnað undir regnhlífarhugtakinu Adaptive AI.
Þegar þú horfir á þessa mynd er erfitt að losna við þá tilfinningu að gefa framtíðarfræðingum ekki brauð - láttu þá kenna vélmenni að anda...
Postclassical Compute og Comms
2.1. Fimmta kynslóð farsímasamskipta (5G)
Þetta er svo áhugavert efni að við vísum þér strax á okkar . Jæja, hér er stutt samantekt. 5G, með því að auka tíðni gagnaflutninga, mun gera internethraðann óraunhæfan hraðan. Erfiðara er fyrir stuttbylgjur að fara í gegnum hindranir, þannig að hönnun netkerfa verður allt önnur: 500 sinnum fleiri grunnstöðvar þarf.
Samhliða hraðanum munum við fá ný fyrirbæri: rauntímaleiki með auknum veruleika, framkvæma flókin verkefni (svo sem skurðaðgerð) með fjarnæveru, koma í veg fyrir slys og erfiðar aðstæður á vegum með samskiptum milli véla. Frekari nótum: farsímanetið mun loksins hætta að falla á fjöldaviðburðum, svo sem leik á leikvangi.
Myndheimild - Reuters, Niantic
2.2. Næsta kynslóð minni
Hér erum við að tala um fimmtu kynslóð vinnsluminni - DDR5. Samsung tilkynnti að DDR2019-undirstaða vörur verði fáanlegar í lok árs 5. Gert er ráð fyrir að nýja minnið verði tvöfalt hraðvirkara og tvöfalt rúmgott á meðan það heldur sama formstuðli, það er að segja að við getum fengið minniskubba með allt að 32GB afkastagetu fyrir tölvuna okkar. Í framtíðinni mun þetta vera sérstaklega viðeigandi fyrir snjallsíma (nýja minnið verður í lítilli orkuútgáfu) og fyrir fartölvur (þar sem fjöldi DIMM raufa er takmarkaður). Og vélanám krefst líka mikið magn af vinnsluminni.
2.3. Gervihnattakerfi á lágum jörðu
Hugmyndin um að skipta út þungum, dýrum, öflugum gervihnöttum fyrir kvik af litlum og ódýrum er langt frá því að vera ný og birtist aftur á tíunda áratugnum. Um hvað Nú hafa aðeins latir ekki heyrt. Frægasta fyrirtækið hér er Iridium, sem varð gjaldþrota seint á tíunda áratugnum, en var bjargað á kostnað bandaríska varnarmálaráðuneytisins (ekki má rugla saman við iRidium, rússneska snjallheimakerfið). Verkefni Elon Musk (Starlink) er langt frá því að vera það eina - Richard Branson (OneWeb - 90 fyrirhugaðir gervihnöttar), Boeing (1440 gervihnöttar), Samsung (3000 gervihnöttar) og fleiri taka þátt í gervihnattakapphlaupinu.
Hvernig staðan er í þessum efnum, hvernig hagkerfið lítur út þar - lestu inn . Og við erum að bíða eftir fyrstu prófunum á þessum kerfum hjá fyrstu notendum, sem ættu að fara fram á næsta ári.
2.4. Nanoscale 3D prentun
3D prentun, þó hún hafi ekki farið inn í líf hvers manns (í því formi sem einstök heimilisplastverksmiðja lofaði), hefur engu að síður fyrir löngu yfirgefið tækni sess fyrir nörda. Þú getur dæmt af því að hvert skólabarn veit um tilvist að minnsta kosti þrívíddar skúlptúra penna og marga dreymir um að kaupa kassa með hlaupurum og þrýstitæki fyrir ... "svona" (eða hafa þegar keypt það).
Stereolithography (leysir 3D prentarar) gerir kleift að prenta með einstökum ljóseindum: verið er að kanna nýjar fjölliður sem þurfa aðeins tvær ljóseindir til að storkna. Þetta gerir kleift að búa til alveg nýjar síur, festingar, gorma, háræðar, linsur og... valkosti þína í athugasemdunum við aðstæður sem ekki eru á rannsóknarstofu! Og hér er það ekki langt frá ljósfjölliðun - aðeins þessi tækni gerir okkur kleift að „prenta“ örgjörva og tölvurásir. Auk þess er þetta ekki fyrsta árið sem það hefur verið , en án róttækrar þróunar.
3. Skynjun og hreyfanleiki
3.1. Sjálfstætt akstursstig 4 og 5
Til þess að ruglast ekki í hugtökum er vert að skilja hvaða stig sjálfræðis eru aðgreind (tekið úr ítarlegu , sem við vísum öllum áhugasömum til):
Stig 1: Hraðastilli: aðstoðar ökumann við mjög takmarkaðar aðstæður (td að halda bílnum á tilteknum hraða eftir að ökumaður tekur fótinn af pedali)
Stig 2: Takmörkuð aðstoð við stýri og hemlun. Ökumaðurinn verður að vera tilbúinn til að taka stjórnina nánast samstundis. Hendur hans eru á stýrinu, augun beinast að veginum. Þetta er eitthvað sem Tesla og General Motors hafa nú þegar.
Stig 3: Ökumaðurinn þarf ekki lengur að fylgjast stöðugt með veginum. En hann verður að vera vakandi og vera tilbúinn til að taka við stjórninni. Þetta er eitthvað sem bílar sem fást í verslun hafa ekki enn. Allir sem nú eru til eru á stigi 1-2.
Stig 4: Raunveruleg sjálfstýring, en með takmörkunum: aðeins ferðir á þekkt svæði sem er vandlega kortlagt og almennt þekkt fyrir kerfið, og við ákveðnar aðstæður: td í fjarveru snjó. Waymo og General Motors eru með slíkar frumgerðir og þeir ætla að setja þær á markað í nokkrum borgum og prófa þær í raunverulegu umhverfi. Yandex hefur prófunarsvæði fyrir mannlausa leigubíla í Skolkovo og Innopolis: ferðin fer fram undir eftirliti vélstjóra sem situr í farþegasætinu; í lok árs ætlar fyrirtækið að stækka flota sinn í 100 mannlaus farartæki.
Stig 5: Fullur sjálfvirkur akstur, algjör skipti á lifandi ökumanni. Slík kerfi eru ekki til og ólíklegt er að þau komi upp á næstu árum.
Hversu raunhæft er að sjá þetta allt í fyrirsjáanlegri framtíð? Hér langar mig að beina lesandanum að greininni . Þetta er að hluta til vegna skorts á 5G tengingu: tiltækur 4G hraði er ekki nóg. Að hluta til vegna mjög hás kostnaðar sjálfstýrðra bíla: þeir eru ekki enn arðbærir, viðskiptamódelið er óljóst. Í einu orði sagt, „allt er flókið“ hér og það er engin tilviljun að Gartner skrifar að spáin fyrir fjöldainnleiðingu 4. og 5. stigs sé ekki fyrr en eftir 10 ár.
3.2. 3D skynjunarmyndavélar
Fyrir átta árum síðan gerði Kinect leikjastýringin frá Microsoft bylgjur með því að bjóða upp á aðgengilega og tiltölulega ódýra lausn á þrívíddarsýn. Síðan þá hefur leikfimi og dansleikir með Kinect upplifað stutta hækkun og hnignun en byrjað var að nota þrívíddarmyndavélar í iðnaðarvélmenni, mannlausum farartækjum og farsímum til að bera kennsl á andlit. Tæknin er orðin ódýrari, fyrirferðarmeiri og aðgengilegri.
Samsung S10 síminn er með Time-of-Flight myndavél sem mælir fjarlægðina að hlut til að auðvelda fókus.
Ef þú hefur áhuga á þessu efni, þá munum við vísa þér á mjög góða nákvæma umfjöllun um dýptarmyndavélar: , .
3.3. Drónar til að afhenda lítinn farm (Light Cargo Delivery Drones)
Á þessu ári sló Amazon í gegn þegar það sýndi nýjan fljúgandi dróna á sýningunni sem getur borið allt að 2 kg. Fyrir borg með umferðarteppur virðist þetta vera tilvalin lausn. Við skulum sjá hvernig þessir drónar standa sig í mjög náinni framtíð. Kannski er það þess virði að vera varkár efins hér: það eru mörg vandamál, sem byrja með möguleikanum á auðveldum þjófnaði á dróna og endar með lagalegum takmörkunum á UAV. Amazon Prime Air hefur verið til í sex ár en er enn í prófunarfasa.
Nýr dróni Amazon, sýndur í vor. Það er eitthvað Star Wars við hann.
Til viðbótar við Amazon eru aðrir leikmenn á þessum markaði (það er ítarleg ), en ekki ein fullunnin vara: allt er á stigi prófunar og markaðsherferða. Sérstaklega er vert að taka fram nokkuð áhugavert mjög sérhæfð læknisfræði í Afríku: afhending blóðgjafa í Gana (14 sendingar, Zipline fyrirtæki) og Rúanda (Matternet fyrirtæki).
3.4. Fljúgandi sjálfstætt ökutæki
Það er erfitt að segja neitt ákveðið hér. Samkvæmt Gartner mun þetta ekki birtast fyrr en eftir 10 ár. Almennt séð eru öll sömu vandamálin hér og í sjálfkeyrandi bílum, aðeins þeir öðlast nýja vídd - lóðrétta. Porsche, Boeing og Uber hafa tilkynnt metnað sinn til að smíða fljúgandi leigubíl.
3.5. Augmented Reality Cloud (AR Cloud)
Varanlegt stafrænt afrit af hinum raunverulega heimi, sem gerir þér kleift að búa til nýtt lag af veruleika sem er sameiginlegt öllum notendum. Í tæknilegri skilmálum erum við að tala um að búa til opinn skýjavettvang þar sem forritarar gætu samþætt AR forritin sín. Tekjuöflunarlíkanið er skýrt; það er eins konar hliðstæða Steam. Hugmyndin er orðin svo rótgróin að sumir telja nú að AR án skýsins sé einfaldlega gagnslaus.
Hvernig þetta gæti litið út í framtíðinni er sýnt í stuttu myndbandi. Lítur út eins og annar þáttur af Black Mirror:
Einnig er hægt að lesa á
4. Augmented Human
4.1. Tilfinningar AI
Hvernig á að mæla, líkja eftir og bregðast við mannlegum tilfinningum? Sumir viðskiptavina hér eru fyrirtæki sem búa til raddaðstoðarmenn eins og Amazon Alexa. Þeir geta sannarlega vanist heimilum ef þeir læra að þekkja skapið: skilja ástæðuna fyrir óánægju notandans og reyna að leiðrétta ástandið. Almennt séð eru miklu meiri upplýsingar í samhenginu en í skilaboðunum sjálfum. Og samhengi er andlitstjáning, tónfall og óorðin hegðun.
Önnur hagnýt forrit: greining á tilfinningum í atvinnuviðtali (byggt á myndbandsviðtölum), mat á viðbrögðum við auglýsingum eða öðru myndbandsefni (bros, hlátur), aðstoð við nám (til dæmis til sjálfstæðrar iðkunar í list að tala opinberlega).
Það er erfitt að tala betur um þetta efni en höfundur 6 mínútna stuttmyndar . Hið fyndna og stílhreina myndband sýnir hvernig þú getur mælt tilfinningar okkar í markaðslegum tilgangi, og út frá augnabliksviðbrögðum andlits þíns, komist að því hvort þér líkar við pizzur, hunda, Kanye West og jafnvel hvert tekjustig þitt og áætlaða greindarvísitala eru. Með því að fara á vefsíðu myndarinnar með hlekknum hér að ofan gerist þú þátttakandi í gagnvirku myndbandi með innbyggðu myndavél fartölvunnar. Myndin hefur þegar verið sýnd á nokkrum kvikmyndahátíðum.
Það er jafnvel svo áhugaverð rannsókn: hvernig á að þekkja kaldhæðni í texta. Við tókum tíst með myllumerkinu #kaldhæðni og gerðum þjálfunarsett með 25 tístum með kaldhæðni og 000 venjulegum tístum um allt undir sólinni. Við notuðum TensorFlow bókasafnið, þjálfuðum kerfið og hér er niðurstaðan:
Þess vegna, núna, ef þú ert ekki viss um samstarfsmann þinn eða vin - hann sagði eitthvað við þig alvarlega eða kaldhæðnislega, geturðu nú þegar notað !
4.2. Aukin greind
Sjálfvirkni vitsmunalegrar vinnu með vélanámi. Það virðist ekkert nýtt? En orðalagið sjálft er mikilvægt hér, sérstaklega þar sem það fellur saman í skammstöfun og gervigreind. Þetta færir okkur aftur að umræðunni um „sterka“ og „veika“ gervigreind.
Sterk gervigreind er sama gervigreind úr vísindaskáldsögumyndum sem er algjörlega jafngild mannshuganum og er meðvituð um sjálfan sig sem einstakling. Þetta er ekki til ennþá og óljóst hvort það verður yfirleitt til.
Veik gervigreind er ekki sjálfstæð manneskja, heldur mannlegur aðstoðarmaður. Hann segist ekki hafa mannlega hugsun heldur kunni einfaldlega að leysa upplýsingavandamál, til dæmis, ákvarða hvað sést á mynd eða þýða texta.
Í þessum skilningi er Augmented Intelligence „veik gervigreind“ í sinni hreinustu mynd og mótunin virðist vel heppnuð, þar sem hún skapar ekki rugling og freistingu til að sjá hér sama „sterka gervigreind“ og alla dreymir um (eða óttast, ef við rifja upp hinar fjölmörgu umræður um „uppreisnarbílana“). Með því að nota orðatiltækið Augmented Intelligence verðum við strax hetjur annarrar kvikmyndar: frá vísindaskáldskap (eins og „I, Robot“ eftir Asimov) finnum við okkur í netpönki („aukning“ í þessari tegund eru alls kyns ígræðslur sem auka mannlega getu).
Как Erik Brynjolfsson og Andrew McAffee: „Á næstu 10 árum mun þetta gerast. Gervigreind mun ekki koma í stað stjórnenda, en þeir stjórnendur sem nota gervigreind munu koma í stað þeirra sem hafa ekki enn náð því."
Dæmi:
- Læknisfræði: Stanford háskóli þróaður , sem tekst á við það verkefni að þekkja meinafræði á röntgenmyndum af brjósti að meðaltali jafn vel og flestir læknar
- Menntun: aðstoð við nemendur og kennara, greining á viðbrögðum nemenda við efni, smíði einstaklings námsferils.
- Viðskiptagreining: Forvinnsla gagna, samkvæmt tölfræði, tekur 80% af tíma rannsakanda og aðeins 20% af tilrauninni sjálfri
4.3. Biochips
Þetta er uppáhalds þema allra netpönkmynda og bóka. Almennt séð er örflögun gæludýra ekki ný venja. En nú er byrjað að græða þessar flísar í fólk.
Í þessu tilviki tengist eflanir líklegast hinu tilkomumikla máli í bandaríska fyrirtækinu Three Square Market. Þar fór vinnuveitandinn að bjóðast til að setja flögur undir húðina gegn gjaldi. Kubburinn gerir þér kleift að opna hurðir, skrá þig inn í tölvur, kaupa snakk úr sjálfsala - það er að segja svona alhliða starfsmannakort. Þar að auki þjónar slíkur flís einmitt sem auðkenniskort; það er ekki með GPS-einingu, svo það er ómögulegt að fylgjast með neinum sem notar það. Og ef einstaklingur vill fjarlægja flísina af handleggnum tekur það 5 mínútur með aðstoð læknis.
Flögurnar eru venjulega settar á milli þumalfingurs og vísifingurs.
Lestu meira um stöðu mála með flís í heiminum.
4.4. Immersive Workspace
„Immersive“ er annað nýtt orð sem á einfaldlega ekki undan. Það er alls staðar. Yfirgripsmikið leikhús, sýning, kvikmyndahús. Hvað meinarðu? Immersion er sköpun yfirgripsmikilla áhrifa, þegar mörkin milli höfundar og áhorfanda, sýndarheimsins og raunheimsins glatast. Á vinnustað þýðir þetta væntanlega að þoka mörkin á milli geranda og frumkvöðuls og hvetja starfsmenn til að taka virkari stöðu með því að breyta umhverfi sínu.
Þar sem við höfum nú lipurt, sveigjanleika og náið samstarf alls staðar, ættu vinnustaðir að vera eins auðvelt að stilla og mögulegt er og ættu að hvetja til hópavinnu. Atvinnulífið ræður kjörum sínum: starfsmannaleigur eru fleiri, kostnaður við leigu á skrifstofuhúsnæði hækkar og á samkeppnismarkaði reyna upplýsingatæknifyrirtæki að auka ánægju starfsmanna með vinnu með því að búa til útivistarsvæði og önnur fríðindi. Og allt endurspeglast þetta í hönnun vinnustaða.
Af hnappur
4.5. Persónugerð
Allir vita hvað sérsniðin er í auglýsingum. Þetta er þegar þú ert að ræða við kollega í dag um að loftið í herberginu sé nokkuð þurrt og þú ættir að kaupa rakatæki fyrir skrifstofuna og daginn eftir sérðu auglýsingu á samfélagsnetinu þínu - "kauptu rakatæki" (a alvöru atvik sem gerðist fyrir mig).
Sérstilling, eins og hún er skilgreind af Gartner, er svar við vaxandi áhyggjum notenda um notkun persónuupplýsinga þeirra í auglýsingaskyni. Markmiðið er að þróa nálgun þar sem okkur eru sýndar auglýsingar sem tengjast því samhengi sem við erum í, en ekki okkur persónulega. Til dæmis, staðsetning okkar, tegund tækis, tími dags, veðurskilyrði - þetta er eitthvað sem brýtur ekki í bága við persónuleg gögn okkar og við finnum ekki fyrir þeirri óþægilegu tilfinningu að vera „fylgst með“.
Lestu um muninn á þessum tveimur hugtökum Andrew Frank bloggar á vefsíðu Gartner. Það er svo lúmskur munur og svo svipuð orð að þú, án þess að vita muninn, átt á hættu að rífast í langan tíma við viðmælanda þinn, grunar ekki að almennt sé hvort tveggja rétt (og þetta er líka raunverulegt atvik sem gerðist fyrir höfundur).
4.6. Líftækni - Ræktaður eða gervivefur
Þetta er fyrst og fremst hugmyndin um að rækta gervi kjöt. Á sama tíma eru nokkur teymi um allan heim upptekinn við að þróa rannsóknarstofu „Meat 2.0“ - það er búist við að það verði ódýrara en venjulega og skyndibiti og síðan stórmarkaðir munu skipta yfir í það. Meðal fjárfesta í þessari tækni eru Bill Gates, Sergey Brin, Richard Branson og fleiri.
Source
Ástæður fyrir því að allir hafa svona mikinn áhuga á gervi kjöti:
- Hlýnun jarðar: metanlosun frá bæjum. Þetta er 18% af heildarmagni lofttegunda sem hafa áhrif á loftslagið.
- Fólksfjölgun. Eftirspurn eftir kjöti fer vaxandi og það verður ekki hægt að fæða alla með náttúrulegu kjöti - það er einfaldlega dýrt.
- Skortur á plássi. 70% Amazon-skóga hafa þegar verið felld til haga.
- Siðferðileg sjónarmið. Það eru þeir sem þetta er mikilvægt fyrir. Dýraverndarsamtökin PETA hafa þegar veitt 1 milljón dollara verðlaun til vísindamannsins sem kemur með gervi kjúklingakjöt á markað.
Að skipta út alvöru kjöti fyrir soja er að hluta til lausn, því fólk kann að meta muninn á bragði og áferð og er ólíklegt að hætta steik í þágu soja. Svo þú þarft alvöru, lífrænt ræktað kjöt. Nú, því miður, er gervi kjöt of dýrt: frá $12 á hvert kíló. Þetta stafar af flóknu tæknilegu ferli við að rækta slíkt kjöt. Lestu um þetta allt saman .
Ef við tölum um önnur tilfelli af vexti vefja - þegar í læknisfræði - þá er efnið með gervilíffæri áhugavert: til dæmis "plástur" fyrir hjartavöðvana, sérstakan þrívíddarprentara. Þekkt eins og gervivaxið músahjarta, en almennt er allt enn innan umfangs klínískra rannsókna. Það er því ólíklegt að við sjáum Frankenstein á næstu árum.
Hér er Gartner mjög varkár í áætlunum sínum og hefur greinilega í huga misheppnaða spá sína frá 2015 um að árið 2019 myndu 10% íbúa í þróuðum löndum vera með þrívíddarprentað lækningatæki. Þess vegna þýðir það að tíminn til að ná framleiðnihásléttu er að minnsta kosti 3 ár.
5. Stafræn vistkerfi
5.1. Dreifður vefur
Þetta hugtak er nátengt nafni uppfinningamanns vefsins, Turing-verðlaunahafans Sir Tim Burners-Lee. Fyrir hann voru spurningar um siðferði í tölvunarfræði alltaf mikilvægar og sameiginlegur kjarni internetsins var mikilvægur: Hann lagði grunninn að hypertexta og var sannfærður um að netið ætti að virka eins og vefur en ekki eins og stigveldi. Þetta var raunin á frumstigi netþróunar. Hins vegar, eftir því sem internetið stækkaði, varð uppbygging þess miðstýrð af ýmsum ástæðum. Í ljós kom að auðvelt var að loka fyrir aðgang að netinu fyrir heilt land með hjálp örfárra veitenda. Og notendagögn eru orðin orkugjafi og tekjulind fyrir netfyrirtæki.
„Netið er nú þegar dreifstýrt,“ segir Burners-Lee. „Vandamálið er að ein leitarvél, eitt stórt samfélagsnet, einn örbloggvettvangur ræður ríkjum. Við erum ekki með tæknileg vandamál, en við höfum félagsleg vandamál.“
Í hans Í tilefni 30 ára afmælis veraldarvefsins lýsti skapari vefsins þrjú meginvandamál internetsins:
- Markviss skaði eins og ríkisstyrkt reiðhestur, glæpir og áreitni á netinu
- Sjálf hönnun kerfisins, sem, í óhag fyrir notandann, skapar grundvöll fyrir slíkar aðferðir eins og: fjárhagslega hvata fyrir smellibeit og veiruútbreiðslu rangra upplýsinga
- Ófyrirséðar afleiðingar kerfishönnunar sem leiða til átaka og minni gæði umræðu á netinu
Og Tim Berners-Lee hefur nú þegar svar um hvaða meginreglur „Internet heilbrigðs einstaklings“ gæti byggst á, án vandamála númer 2: „Fyrir marga notendur eru auglýsingatekjur áfram eina módelið fyrir samskipti við internetið. Jafnvel þótt fólk sé hrætt við hvað verður um gögnin þeirra er það tilbúið að gera samning við markaðsvélina um tækifæri til að fá efni ókeypis. Ímyndaðu þér heim þar sem auðvelt og skemmtilegt er að borga fyrir vörur og þjónustu fyrir báða aðila.“ Meðal valkosta um hvernig hægt væri að koma þessu fyrir: tónlistarmenn geta selt upptökur sínar án milliliða í formi iTunes og fréttasíður geta notað smágreiðslukerfi til að lesa eina grein í stað þess að græða á auglýsingum.
Sem tilrauna frumgerð fyrir þetta nýja internet, setti Tim Berners-Lee af stað SOLID verkefnið, en kjarninn í því er að þú geymir gögnin þín í „belg“ - upplýsingaverslun og getur veitt þessi gögn til þriðja aðila forrita. En í grundvallaratriðum ertu sjálfur meistari gagna þinna. Allt þetta er nátengt hugmyndinni um jafningjanet, það er að tölvan þín biður ekki aðeins um þjónustu heldur veitir hana líka, svo að ekki sé hægt að treysta á einn netþjón sem eina rásina.
5.2. Dreifstýrð sjálfstjórnarsamtök
Það er stofnun sem er stjórnað af reglum sem eru skrifaðar niður í formi tölvuforrits. Fjármálastarfsemi þess er byggð á blockchain. Tilgangurinn með því að stofna slík samtök er að útrýma ríkinu úr hlutverki milligönguaðila og skapa sameiginlegt traust umhverfi fyrir viðsemjendur, sem er ekki í eigu neins fyrir sig, heldur í eigu allra saman. Það er, fræðilega séð, ætti þetta, ef hugmyndin festir rætur, að leggja niður lögbókendur og aðrar venjulegar sannprófunarstofnanir.
Frægasta dæmið um slíka stofnun var áhættumiðað The DAO, sem safnaði 2016 milljónum dala árið 150, þar af 50 dali var strax stolið í gegnum löglegt gat í reglunum. Strax kom upp erfið vandamál: annaðhvort snúið til baka og skilað peningunum, eða viðurkenndu að úttekt peninganna væri lögleg, vegna þess að það braut á engan hátt í bága við reglur vettvangsins. Þar af leiðandi, til þess að skila peningum til fjárfesta, þurftu höfundarnir að eyðileggja DAO, endurskrifa blockchain og brjóta í bága við grundvallarreglu þess - óbreytanleika.
Teiknimynd um Ethereum (til vinstri) og The DAO (hægri).
Öll þessi saga hefur eyðilagt orðspor hugmyndarinnar um DAO. Það verkefni var gert á grundvelli Ethereum dulritunargjaldmiðilsins, útgáfa Ether 2.0 er væntanleg á næsta ári - kannski munu höfundarnir (þar á meðal hinn fræga Vitalik Buterin) taka tillit til villanna og sýna eitthvað nýtt. Það er líklega ástæðan fyrir því að Gartner setti DAO á upplínuna.
5.3.Gögn úr gerviefni
Til að þjálfa taugakerfi þarf mikið magn af gögnum. Að merkja gögn handvirkt er gríðarstórt verkefni sem aðeins maður getur gert. Þess vegna er hægt að búa til gervi gagnasöfn. Til dæmis sömu söfn af mannlegum andlitum á síðunni . Þeir eru búnir til með GAN - reikniritunum sem þegar voru nefnd hér að ofan.
Þessi andlit tilheyra ekki fólki.
Stóri kosturinn við slík gögn er að það eru engir lagalegir erfiðleikar við notkun þeirra: það er enginn til að veita samþykki fyrir vinnslu persónuupplýsinga.
5.4.Digital Ops
Viðskeytið „Ops“ er orðið ótrúlega smart síðan DevOps festi rætur í ræðu okkar. Nú um hvað DigitalOps er - þetta er bara alhæfing á DevOps, DesignOps, MarketingOps... Ertu ennþá með leiðindi? Í stuttu máli er það flutningur á DevOps nálguninni frá hugbúnaðarsvæðinu yfir á alla aðra þætti fyrirtækisins - markaðssetningu, hönnun osfrv.
Hugmyndin um DevOps var að fjarlægja hindranir milli þróunar sjálfrar og rekstrar (viðskiptaferla), með stofnun sameiginlegra teyma, þar sem eru forritarar, prófunaraðilar, öryggissérfræðingar og stjórnendur; innleiðing á tilteknum starfsháttum: stöðug samþættingu, innviði sem kóða, minnkun og styrking endurgjafarkeðja. Markmiðið var að flýta fyrir markaðssetningu vörunnar. Ef þú hélst að þetta væri svipað og Agile, þá var það rétt hjá þér. Færðu nú þessa nálgun andlega frá sviði hugbúnaðarþróunar yfir í þróun almennt - og þú skilur hvað DigitalOps er.
5.5. Þekkingargraf
Hugbúnaðarleið til að móta þekkingarsvæði, þar á meðal með því að nota vélræna reiknirit. Þekkingargraf er byggt ofan á núverandi gagnagrunna til að tengja saman allar upplýsingar: bæði skipulagðar (listi yfir atburði eða fólk) og óskipulögð (texti greinar).
Einfaldasta dæmið er kortið sem þú getur séð í leitarniðurstöðum Google. Ef þú ert að leita að einstaklingi eða stofnun sérðu kort til hægri:
Vinsamlega athugið að „Komandi viðburðir“ er ekki afrit af upplýsingum frá Google kortum, heldur samþætting dagskrár með Yandex.Afisha: þú getur auðveldlega séð þetta ef þú smellir á viðburðina. Það er, það er samsetning nokkurra gagnagjafa saman.
Ef þú biður um lista - til dæmis "fræga leikstjóra" - verður þér sýnd hringekja:
Bónus fyrir þá sem lesa til enda
Og nú þegar við höfum skýrt fyrir okkur merkingu hvers atriðis, getum við horft á sömu mynd, en á rússnesku:
Deildu því frjálslega á samfélagsnetum!
Tatyana Volkova - Höfundur þjálfunaráætlunar fyrir Internet of Things upplýsingatæknibrautina við Samsung Academy, sérfræðingur í samfélagsábyrgðaráætlunum hjá Samsung rannsóknarmiðstöðinni
Heimild: www.habr.com