Per chi opera nel settore tecnologico, il grafico di Gartner è come una sfilata di alta moda. Guardandolo, puoi anticipare quali saranno le parole più in voga di questa stagione e cosa sentirai nelle prossime conferenze.
Abbiamo decifrato il significato dietro alle parole affascinanti di questo grafico, in modo che anche tu possa parlare questa lingua.
Cominciamo con qualche parola su cosa sia questo grafico. Ogni anno, a partire da agosto, la società di consulenza Gartner pubblica un rapporto noto come Gartner Hype Curve. In italiano, si traduce come 'curva dell'hype', o più semplicemente – il hype. Trent'anni fa, i rapper del gruppo Public Enemy cantavano: 'Non credere all'hype'. Credere o meno è una questione personale, ma vale la pena conoscere queste parole chiave se lavori nel settore della tecnologia e vuoi essere aggiornato sui trend globali.
Questo è un grafico delle aspettative pubbliche riguardo a una certa tecnologia. Secondo Gartner, in un caso ideale, una tecnologia attraversa cinque fasi: lancio, picco delle aspettative esagerate, valle della delusione, fase di chiarimento e plateau della produttività. Tuttavia, può accadere che una tecnologia affondi nella 'valle della delusione'—e gli esempi possono essere facilmente richiamati alla mente, come i bitcoin: inizialmente, raggiungendo il picco come 'moneta del futuro', sono rapidamente scesi quando sono emerse le limitazioni della tecnologia, in particolare le restrizioni sul numero di transazioni e l'enorme quantità di energia necessaria per generare bitcoin (che porta a problemi ecologici). E naturalmente, non si deve dimenticare che il grafico di Gartner è solo una previsione: qui, ad esempio, si può leggere in dettaglio , dove vengono analizzate le previsioni più clamorosamente non realizzate.
Quindi, diamo un'occhiata al nuovo grafico di Gartner. Le tecnologie sono suddivise in cinque grandi gruppi tematici:
- Intelligenza artificiale avanzata e analisi (Advanced AI and Analytics)
- Computazione e comunicazioni post-classiche (Postclassical Compute and Comms)
- Sensori e mobilità (Sensing and Mobility)
- «Umano potenziato» (Augmented Human)
- Ecosistemi digitali (Digital Ecosystems)
1. Intelligenza artificiale avanzata e analisi (Advanced AI and Analytics)
Negli ultimi dieci anni abbiamo assistito a un'ora d'oro dell'apprendimento profondo (Deep Learning). Queste reti sono estremamente efficaci per il loro ambito di applicazione. Nel 2018, Yann LeCun, Geoffrey Hinton e Yoshua Bengio hanno ricevuto il premio Turing per le loro scoperte in questo campo, il più prestigioso riconoscimento simile al Premio Nobel in informatica. Pertanto, le principali tendenze di questo settore, che sono state evidenziate nel grafico:
1.1. Apprendimento trasferito (Transfer Learning)
Non si addestra una rete neurale da zero, ma si utilizza una già addestrata, assegnandole un altro obiettivo. A volte è necessario riaddestrare una parte della rete, ma non tutta, il che è molto più veloce. Ad esempio, utilizzando una rete neurale già pronta come ResNet50, addestrata sul dataset ImageNet1000, si ottiene un algoritmo in grado di classificare molteplici oggetti a un livello profondo (1000 classi basate su caratteristiche sviluppate da 50 strati della rete neurale). Ma non è necessario addestrare tutta la rete, il che richiederebbe mesi.
In Samsung «Reti neurali e visione artificiale», per esempio, nella sfida finale di Con la classificazione dei piatti in puliti e sporchi, viene dimostrato un approccio che in 5 minuti ti offre una rete neurale profonda capace di distinguere i piatti sporchi da quelli puliti, costruita secondo l'architettura sopra descritta. La rete iniziale non sapeva nemmeno cosa fossero i piatti; imparava solo a distinguere gli uccelli dai cani (vedi ImageNet).
Fonte: Samsung «Reti neurali e visione computerizzata»
Per il Transfer Learning è necessario conoscere quali approcci funzionano e quali sono le architetture di base già pronte. In generale, ciò accelera notevolmente l'emergere di applicazioni pratiche del machine learning.
1.2. Reti generative avversarie (Generative Adversarial Networks, GAN)
Questo è per quei casi in cui è molto difficile formulare un obiettivo di apprendimento. Più il compito è vicino alla vita reale, più è comprensibile per noi («porta il comodino»), ma più difficile è formularlo come specifica tecnica. Le GAN sono proprio un tentativo di liberarci da questo problema.
Qui operano due reti: una generativa e l'altra discriminatoria. Una rete impara a svolgere compiti utili (classificare immagini, riconoscere suoni, disegnare fumetti). L'altra rete impara a addestrare la prima: ha esempi reali e impara a trovare una formula complessa sconosciuta per confrontare le generazioni della parte generativa della rete con oggetti del mondo reale (il campione di addestramento) secondo caratteristiche profonde davvero significative: numero di occhi, somiglianza con lo stile di Miyazaki, correttezza della pronuncia inglese.
Esempio di risultato del lavoro della rete per generare personaggi anime.
Ma ovviamente è complesso costruire l'architettura. Non basta semplicemente piazzare i neuroni, devono essere preparati. E l'addestramento richiede settimane. Il tema delle GAN è affrontato dai miei colleghi presso il Centro di Intelligenza Artificiale di Samsung, dove è una delle loro principali questioni di ricerca. Ad esempio, ecco una : utilizzo di reti generative per sintetizzare fotografie realistiche di persone con pose variabili — ad esempio, per creare un camerino virtuale, o per sintetizzare un volto, il che può ridurre la quantità di informazioni necessarie da memorizzare o trasmettere per garantire una videochiamata di qualità, trasmissione o protezione dei dati personali.
1.3. IA Spiegabile (Explainable AI)
In alcune rare situazioni, i progressi nelle architetture profonde hanno improvvisamente avvicinato le capacità delle reti neurali profonde a quelle umane. Ora la battaglia è per ampliare il numero di tali compiti. Ad esempio, un robot aspirapolvere potrebbe facilmente distinguere un gatto da un cane in un incontro frontale. Ma nella maggior parte delle situazioni quotidiane, non sarebbe in grado di trovare un gatto che dorme tra la biancheria o i mobili (come anche noi, nella maggior parte dei casi…).
Qual è la causa del successo delle reti neurali profonde? Esse sviluppano una rappresentazione del compito, basata non su informazioni "visibili ad occhio nudo" (pixel di una foto, variazioni nel volume del suono...), ma su caratteristiche ottenute dopo il preprocessing di queste informazioni attraverso centinaia di strati della rete neurale. Sfortunatamente, queste relazioni possono risultare anche prive di significato, contraddittorie o portatrici di tracce di imperfezione del set di dati iniziale. Ad esempio, riguardo alle conseguenze di un utilizzo avventato dell'AI nel reclutamento, esiste un piccolo videogioco. .
Il sistema di etichettatura delle immagini ha identificato un uomo che cucina come donna, anche se in realtà nell'immagine c'è un uomo (). Questo all'Istituto della Virginia.
Per analizzare relazioni complesse e profonde, che spesso non possiamo formulare noi stessi, sono necessari metodi di Explainable AI. Questi organizzano le caratteristiche delle reti neurali profonde in modo che, dopo l'apprendimento, possiamo analizzare la rappresentazione interna appresa dalla rete, anziché affidarci semplicemente alla sua decisione.
1.4. Analisi e AI Edge
Tutto ciò che contiene la parola Edge significa letteralmente quanto segue: spostare parte degli algoritmi dal cloud/server al livello del dispositivo finale/gateway. Un algoritmo di questo tipo verrà attivato più rapidamente e non avrà bisogno di una connessione al server centrale per funzionare. Se ti è familiare l'astrazione del "client leggero", qui stiamo rendendo quel client un po' più robusto.
Questo può essere importante per l'Internet delle cose. Ad esempio, se una macchina si surriscalda e necessita di raffreddamento, ha senso inviare un segnale immediatamente, a livello di fabbrica, senza aspettare che i dati arrivino nel cloud e poi vengano inviati al supervisore. Oppure un altro esempio: le automobili a guida autonoma possono risolvere la situazione del traffico autonomamente, senza bisogno di contattare un server centrale.
Un altro esempio di perché questo è importante dal punto di vista della sicurezza: quando digiti testi sul tuo telefono, questo memorizza le parole che usi di più, consentendo alla tastiera di suggerirle in modo utile – si chiama input predittivo. Inviare tutto ciò che digiti su una tastiera a un data center costituirebbe una violazione della tua privacy ed è semplicemente poco sicuro. Pertanto, l'apprendimento della tastiera avviene solo all'interno del tuo dispositivo.
1.5. Piattaforma AI come servizio (AI PaaS)
PaaS – Piattaforma come servizio – è un modello di business in cui accediamo a una piattaforma integrata, inclusi storage cloud e procedure preimpostate. In questo modo, possiamo liberarci da compiti infrastrutturali e concentrarci completamente sulla produzione di qualcosa di utile. Esempi di piattaforme PaaS per compiti di intelligenza artificiale: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Apprendimento automatico adattivo (Adaptive ML)
E se permettessimo all'intelligenza artificiale di adattarsi... Vi chiederete: come? Non si adatta già al compito? Il problema è questo: per ogni compito del genere, dobbiamo strutturarlo accuratamente prima di costruire l'algoritmo per la sua risoluzione. La risposta è che si può semplificare anche questa catena.
Il machine learning tradizionale funziona secondo il principio di un sistema aperto (open-loop): preparate i dati, create una rete neurale (o qualsiasi cosa), addestrate, poi osservate alcuni indicatori e se tutto vi soddisfa, potete inviare la rete neurale negli smartphone per affrontare le richieste degli utenti. Ma in applicazioni dove i dati sono molto numerosi e il loro carattere cambia gradualmente, sono necessari altri metodi. Questi sistemi, che si adattano e si auto-addestrano, sono organizzati in contorni chiusi e auto-apprendenti (closed-loop), e devono funzionare ininterrottamente.
Le applicazioni possono includere analisi in tempo reale (Stream Analytics), su cui molti imprenditori basano le loro decisioni, o la gestione adattativa della produzione. Nella scala delle applicazioni moderne e tenendo conto dei rischi meglio compresi per le persone, i metodi utilizzati per affrontare questo problema sono tutti riuniti sotto il nome comune di AI adattiva.
Guardando questa immagine, è difficile liberarsi dalla sensazione che i futurologi non vogliano altro che insegnare a un robot a respirare...
Computazione e comunicazioni post-classiche (Postclassical Compute and Comms)
2.1. Rete mobile di quinta generazione (5G)
È un tema così interessante che vi rimandiamo subito al nostro . Qui troverete un breve riepilogo. Il 5G, grazie all'aumento della frequenza di trasmissione dei dati, renderà la velocità di Internet incredibilmente veloce. Le onde corte faticano a superare gli ostacoli, quindi la configurazione delle reti sarà completamente diversa: avremo bisogno di 500 volte più stazioni base.
Insieme alla velocità, emergeranno nuove esperienze: giochi in tempo reale con realtà aumentata, esecuzione di compiti complessi (come la chirurgia) tramite telepresenza, prevenzione di incidenti e situazioni critiche sulle strade grazie alla comunicazione tra veicoli. Dal punto di vista più pratico: finalmente smetterà di cadere il Wi-Fi mobile durante eventi affollati come una partita allo stadio.
Fonte immagine – Reuters, Niantic
2.2. Memoria di nuova generazione (Next-Generation Memory)
Qui si parla della quinta generazione di memoria RAM – DDR5. Samsung ha annunciato che entro la fine del 2019 arriveranno prodotti basati su DDR5. Si prevede che la nuova memoria sarà due volte più veloce e con una capacità doppia mantenendo il form factor, il che significa che potremo avere per il nostro computer modulo di memoria con capacità fino a 32 GB. In futuro, questo sarà particolarmente rilevante per gli smartphone (con la nuova memoria in versione a bassissimo consumo energetico) e per i laptop (dove il numero di slot DIMM è limitato). Inoltre, l'apprendimento automatico richiede grandi quantità di memoria RAM.
2.3. Sistemi satellitari a bassa orbita (Low-Earth-Orbit Satellite Systems)
L'idea di sostituire pesanti, costosi e potenti satelliti con un branco di piccoli e economici non è affatto nuova e risale agli anni '90. Di ciò che oggi non ha sentito solo chi è pigro. Qui la compagnia più conosciuta è Iridium, che è fallita alla fine degli anni '90, ma è stata salvata dal Ministero della Difesa degli Stati Uniti (da non confondere con iRidium – il sistema di smart home russo). Il progetto di Elon Musk (Starlink) non è certo l'unico: nella corsa ai satelliti partecipano Richard Branson (OneWeb – 1440 satelliti previsti), Boeing (3000 satelliti), Samsung (4600 satelliti) e altri.
Come si presenta questa area, come si sviluppa l'economia – leggete in . E noi attendiamo i primi test di questi sistemi da parte dei primi utenti, che dovrebbero avvenire già l'anno prossimo.
2.4. Stampa 3D a nanoscale
La stampa 3D, anche se non è entrata nella vita di ogni persona (nella forma promessa di una fabbrica di plastica domestica), è comunque uscita da molto tempo dalla nicchia delle tecnologie per geek. Si può giudicare dal fatto che l'esistenza di almeno penne per scultura 3D è nota a qualsiasi studente, e molti sognano di acquistare una scatola con slitte ed estrusore per… "giusto così" (o l'hanno già acquistata).
La stereolitografia (stampanti 3D a laser) permette di stampare singoli fotoni: vengono esplorati nuovi polimeri, per i quali bastano due fotoni per solidificarsi. Questo consentirà di creare nuovi filtri, staffe, molle, capillari, lenti e… le vostre idee nei commenti! E qui non siamo lontani dalla fotopolimerizzazione – solo questa tecnologia permette di "stampare" processori e circuiti di calcolo. Inoltre, da diversi anni esiste , ma senza uno sviluppo radicale.
3. Sensoristica e mobilità (Sensing and Mobility)
3.1. Veicoli autonomi, livello 4 e 5 (Autonomous Driving Level 4 & 5)
Per non confondersi con la terminologia, è utile capire quali livelli di autonomia vengono distinti (presa da dettagliata , a cui rimandiamo tutti gli interessati):
Livello 1: Cruise control: assistenza al conducente in situazioni molto limitate (ad esempio, mantenere l'auto a una certa velocità dopo che il conducente ha tolto il piede dall'acceleratore)
Livello 2: Assistenza limitata alla sterzata e alla frenata. Il conducente deve essere pronto a riprendere il controllo quasi immediatamente. Le sue mani sono sul volante, e lo sguardo è rivolto alla strada. Questo è ciò che è già presente in Tesla e General Motors.
Livello 3: Il conducente non deve più monitorare costantemente la strada. Ma deve rimanere vigile e pronto a riprendere il controllo. Questa è una caratteristica che attualmente non è presente nei veicoli in vendita. Tutti quelli attualmente esistenti sono ai livelli 1-2.
Livello 4: Pilota automatico reale, ma con limitazioni: solo viaggi in aree familiari, accuratamente mappate e generalmente note al sistema, e a determinate condizioni: ad esempio, in assenza di neve. Esistono prototipi di questo tipo da Waymo e General Motors, che intendono lanciarli in diverse città e testarli in situazioni reali. Yandex ha zone di test per taxi autonomi a Skolkovo e Innopolis: il viaggio avviene sotto la supervisione di un ingegnere seduto nel sedile del passeggero; entro la fine dell'anno l'azienda prevede di espandere la flotta a 100 veicoli autonomi.
Livello 5: Guida completamente automatica, sostituzione totale di un conducente umano. Sistemi di questo tipo non esistono e difficilmente appariranno nei prossimi anni.
Quanto è realistico vedere tutto questo nel prossimo futuro? Qui vorremmo reindirizzare il lettore all'articolo . Questo è parzialmente dovuto all'assenza di connessione 5G: le attuali velocità 4G non sono sufficienti. È anche dovuto all'alta costa delle auto autonome: attualmente non sono redditizie e il modello di business è poco chiaro. Insomma, qui la situazione è complessa, e non a caso Gartner afferma che la previsione di un'adozione su larga scala dei Livelli 4 e 5 non avverrà prima di 10 anni.
3.2. Telecamere con visione 3D (3D Sensing Cameras)
Otto anni fa, il controller di gioco Microsoft Kinect ha suscitato grande attenzione, offrendo una soluzione accessibile e relativamente economica per la visione 3D. Da allora, i giochi di danza e fitness con Kinect hanno avuto la loro breve ascesa e caduta, ma le telecamere 3D sono diventate comuni in robot industriali, auto a guida autonoma e telefoni cellulari per il riconoscimento facciale. La tecnologia è diventata più economica, compatta e accessibile.
Nel telefono Samsung S10 è presente una camera a tempo di volo (Time-of-Flight) che misura la distanza dall'oggetto, semplificando la messa a fuoco.
Se ti interessa questo argomento, ti rimandiamo a una panoramica molto buona e dettagliata sulle telecamere di profondità: , .
3.3. Droni per la consegna di piccoli carichi (Light Cargo Delivery Drones)
Quest'anno Amazon ha fatto parlare di sé quando ha presentato alla fiera un nuovo drone volante in grado di trasportare piccoli carichi fino a 2 kg. Per una città, con il suo traffico, sembra una soluzione perfetta. Vedremo come si comporteranno questi droni nel prossimo futuro. Tuttavia, è opportuno tenere un cauto scetticismo: ci sono molte problematiche, dalla facile sottrazione del drone, fino a limitazioni legislative sugli UAV. Amazon Prime Air esiste da sei anni, ma è ancora in fase di test.
Il nuovo drone di Amazon, presentato questa primavera. Ha qualcosa di "Star Wars".
Oltre ad Amazon, ci sono altri attori in questo mercato (c'è una dettagliata ), ma nessun prodotto pronto: tutto è ancora in fase di test e campagne di marketing. È interessante notare i servizi di drone specializzati in ambito medico in Africa: la consegna di sangue donato in Ghana (14.000 consegne, azienda Zipline) e in Ruanda (azienda Matternet).
3.4. Veicoli autonomi volanti (Flying Autonomous Vehicles)
È difficile esprimere qualcosa di certo in merito. Secondo Gartner, questa tecnologia non arriverà prima di dieci anni. In sostanza, ci sono gli stessi problemi che affliggono le auto a guida autonoma, solo che in questo caso acquisteranno una nuova dimensione: quella verticale. Aziende come Porsche, Boeing e Uber hanno già annunciato le loro ambizioni di costruire taxi volanti.
3.5. Il Cloud di Realtà Aumentata (AR Cloud)
Una copia digitale permanente del mondo reale che consente di creare un nuovo strato di realtà condiviso da tutti gli utenti. In termini più tecnici, si tratta di creare una piattaforma cloud aperta in cui gli sviluppatori possono integrare le proprie applicazioni AR. Il modello di monetizzazione è chiaro, si tratta di un concetto simile a Steam. L'idea è così radicata che alcuni sostengono già che l'AR senza il cloud sia fondamentalmente inutile.
Come potrebbe apparire in futuro è illustrato in un breve video. Sembra una nuova puntata di "Black Mirror":
Puoi leggere di più in
4. Essere umano 'aumentato' (Augmented Human)
4.1. IA per le emozioni (Emotion AI)
Come misurare, simulare e reagire alle emozioni umane? Alcuni dei clienti qui sono aziende che producono assistenti vocali come Amazon Alexa. Per integrarsi veramente nelle case delle persone, devono imparare a riconoscere gli stati d'animo: comprendere la causa della frustrazione dell'utente e cercare di rimediare. In effetti, nel contesto c'è molto più che nel semplice messaggio. E il contesto comprende l'espressione facciale, l'intonazione e il comportamento non verbale.
Altre applicazioni pratiche includono: analisi delle emozioni durante i colloqui di lavoro (attraverso video interviste), valutazione delle reazioni a spot pubblicitari o altro contenuto video (sorrisi, risate), aiuto nell'apprendimento (ad esempio, per pratiche autonome nell'arte del public speaking).
Non è facile esprimersi meglio di quanto abbia fatto l'autore del cortometraggio di 6 minuti . In un video realizzato in modo ingegnoso e stiloso, viene mostrato come si possano misurare le nostre emozioni a scopo di marketing e scoprire dalle reazioni immediate del nostro volto se amiamo la pizza, i cani, Kanye West e anche qual è il nostro reddito e il nostro quoziente intellettivo. Cliccando sul link sopra per accedere al sito del film, diventi parte di un video interattivo utilizzando la webcam del tuo laptop. Il film è già stato proiettato in diversi festival cinematografici.
Esiste persino uno studio interessante su come riconoscere il sarcasmo nel testo. Hanno raccolto tweet con l'hashtag #sarcasmo e creato un campione di addestramento di 25.000 tweet sarcastici e 100.000 tweet normali su ogni argomento. Hanno utilizzato la libreria TensorFlow per addestrare il sistema, ecco il risultato:
Quindi, se ora non sei sicuro se il tuo collega o amico ti ha detto qualcosa sul serio o con sarcasmo, puoi utilizzare già !
4.2. Intelligenza aumentata (Augmented Intelligence)
Automatizzazione del lavoro intellettuale attraverso metodi di machine learning. Potrebbe sembrare nulla di nuovo, ma qui la formulazione è cruciale, specialmente perché coincide con l'acronimo di Artificial Intelligence. Questo ci rimanda al dibattito sul «forte» e «debole» IA.
Una IA forte è quel tipo di intelligenza artificiale rappresentata nei film di fantascienza, che è completamente equivalente alla mente umana e si percepisce come una persona. Tale cosa non esiste ancora, e non è chiaro se esisterà mai.
Una IA debole non è un'entità autonoma; è un assistente per l'uomo. Non pretende di avere un pensiero simile a quello umano, ma è capace di risolvere compiti informatici, come riconoscere cosa è raffigurato in un'immagine o tradurre del testo.
In questo senso, l'Intelligenza Aumentata è un puro esempio di "intelligenza artificiale debole" e la formulazione appare azzeccata, poiché non crea confusione o l'illusione di vedere qui quell'"intelligenza artificiale forte" di cui tutti sognano (o temono, se si pensa alle numerose discussioni su un "ribellione delle macchine"). Usando l'espressione Intelligenza Aumentata, ci si sente subito protagonisti di un altro film: dal genere della fantascienza (come "Io, robot" di Asimov) si passa al cyberpunk (dove le "aumentazioni" in questo genere si riferiscono a vari impianti che amplificano le capacità umane).
Come Erik Brynjolfsson e Andrew McAfee: «Nei prossimi 10 anni accadrà questo. Non sarà l'IA a sostituire i manager, ma quei manager che utilizzano l'IA sostituiranno quelli che non lo fanno ancora»
Esempi:
- Medicina: l'Università di Stanford ha sviluppato , che riesce a riconoscere patologie nelle radiografie toraciche con una precisione media pari a quella della maggior parte dei medici
- Educazione: supporto per studenti e insegnanti, analisi delle risposte degli studenti sui materiali, costruzione di percorsi di apprendimento individualizzati.
- Business analytics: data preprocessing takes up 80% of a researcher's time, while only 20% is spent on the actual experiment.
4.3. Biochips
This is a favorite theme in all cyberpunk movies and books. In general, the practice of microchipping pets is not new. However, these chips are now also being implanted in humans.
In this case, the hype is likely related to the well-publicized incident at the American company Three Square Market. There, the employer began offering to implant chips under the skin in exchange for rewards. The chip allows users to open doors, log into computers, and purchase snacks from vending machines — essentially functioning as a universal employee card. However, this chip serves only as an identification card; it does not have a GPS module, so it cannot be tracked. And if a person wishes to remove the chip from their hand, it takes just 5 minutes with a doctor's assistance.
Chips are usually implanted between the thumb and index finger.
Read more about the state of microchipping around the world.
4.4. Immersive Workspace
«Immersivo» è un altro nuovo termine dal quale non possiamo sfuggire. È ovunque. Teatro immersivo, mostre, cinema. Cosa significa esattamente? L'immersione è la creazione di un effetto di coinvolgimento, in cui si perde il confine tra autore e pubblico, tra mondo virtuale e reale. Applicato al luogo di lavoro, questo significa probabilmente cancellare il confine tra esecutore e iniziatore e incoraggiare i dipendenti a prendere un ruolo più attivo attraverso la riformattazione dell'ambiente che li circonda.
Dato che ora abbiamo Agile ovunque, flessibilità e stretta collaborazione, anche i luoghi di lavoro devono essere massimamente configurabili e incentivare il lavoro di squadra. L'economia impone le sue condizioni: ci sono sempre più lavoratori temporanei, i costi di affitto degli uffici stanno aumentando e, in un mercato del lavoro competitivo, le aziende IT cercano di migliorare la soddisfazione dei dipendenti introducendo zone ricreative e altri vantaggi. Tutto ciò si riflette nel design degli spazi di lavoro.
Da Knoll
4.5. Personificazione
Tutti sanno cos'è la personalizzazione nella pubblicità. È quando oggi parli con un collega del fatto che nell'ufficio l'aria è secca e che sarebbe meglio comprare un umidificatore, e poi il giorno dopo vedi sui tuoi social un annuncio che dice – 'compra un umidificatore' (un caso reale che è successo a me).
La pervasività, secondo la definizione di Gartner, è una risposta alla crescente preoccupazione degli utenti riguardo l'uso dei loro dati personali per scopi pubblicitari. L'obiettivo è sviluppare un approccio in cui ci venga mostrata pubblicità pertinente al contesto in cui ci troviamo, piuttosto che personalizzata. Ad esempio, la nostra posizione, il tipo di dispositivo, l'ora del giorno, le condizioni climatiche – questi elementi non violano i nostri dati personali, e non avvertiamo la sgradevole sensazione di 'essere sorvegliati'.
Per leggere della differenza tra questi due concetti, l'articolo di Andrew Franks nel blog sul sito di Gartner. Qui c'è una distinzione così sottile e parole così simili che, senza conoscere la differenza, rischi di discutere a lungo con il tuo interlocutore, senza renderti conto che entrambi potrebbero avere ragione (e questo è un altro caso reale che è successo all'autore).
4.6. Biotech – Tessuti artificiali (Biotech – Cultured or Artificial Tissue)
Si tratta, prima di tutto, dell'idea di coltivare carne artificiale. Diverse squadre in tutto il mondo stanno lavorando allo sviluppo della "Carne 2.0" in laboratorio – ci si aspetta che diventi più economica rispetto a quella tradizionale, e che fast food e poi supermercati ne facciano il loro principale prodotto. Tra gli investitori in questa tecnologia ci sono Bill Gates, Sergey Brin, Richard Branson e altri.
Fonte
Motivi per cui l'interesse per la carne artificiale è così elevato:
- Riscaldamento globale: le emissioni di metano dagli allevamenti. Queste rappresentano il 18% del totale delle emissioni di gas che influenzano il clima.
- Crescita della popolazione. La domanda di carne cresce, e non sarà possibile nutrire tutti con carne naturale – è semplicemente costosa.
- Mancanza di spazio. Il 70% delle foreste amazzoniche è già stato distrutto per fare spazio ai pascoli.
- Considerazioni etiche. Ci sono persone per cui questo è importante. L'organizzazione per la protezione degli animali PETA ha già offerto un premio di 1 milione di dollari a quel ricercatore che riuscirà a immettere sul mercato carne di pollo artificiale.
Sostituire la carne reale con quella di soia è solo una soluzione parziale, poiché le persone percepiscono bene la differenza nel gusto e nella consistenza, e difficilmente rinunceranno a una bistecca a favore della soia. Quindi è necessario avere carne autentica, precisamente carne biologica. Attualmente, purtroppo, la carne artificiale è troppo costosa: da 12€ al chilo. Questo è legato al complesso processo tecnologico di coltivazione di questa carne. Leggete tutto questo. .
Parlando di altri casi di coltivazione dei tessuti, già in medicina, è interessante il tema degli organi artificiali: per esempio, un 'cerotto' per il muscolo cardiaco, da una speciale stampa 3D. Sono note come quella di un cuore di topo coltivato artificialmente, ma nel complesso tutto ciò non va oltre il periodo delle sperimentazioni cliniche. Quindi è difficile che vedremo un Frankenstein nei prossimi anni.
Qui Gartner è molto cauto nelle sue valutazioni, evidentemente tenendo presente la sua previsione fallita del 2015 secondo cui nel 2019 il 10% della popolazione dei paesi sviluppati avrebbe avuto un dispositivo medico impiantato stampato in 3D. Pertanto, indica un tempo per raggiungere un plateau di produttività di almeno 10 anni.
5. Ecosistemi digitali
5.1. Web decentralizzato
Questo concetto è strettamente legato al nome dell'inventore del web, il vincitore del premio Turing, sir Tim Berners-Lee. Per lui, le questioni etiche nell'informatica sono sempre state importanti, così come l'essenza collettiva di Internet: ponendo le basi dell'ipertesto, era convinto che la rete dovesse funzionare come una ragnatela e non come una gerarchia. Così è stato all'inizio dello sviluppo della rete. Tuttavia, con l'aumento di Internet, la sua struttura è diventata centralizzata per una serie di motivi. È emerso che l'accesso alla rete per un intero paese può essere facilmente bloccato tramite soli pochi provider. E i dati degli utenti sono diventati una fonte di forza e reddito per le aziende internet.
"Internet è già decentralizzato", afferma Berners-Lee. "Il problema è che domina un motore di ricerca, un grande social network, una piattaforma di microblogging. Non abbiamo problemi tecnologici, ma sociali".
Nel suo in occasione del 30° anniversario del World Wide Web, il creatore del Web ha delineato tre problemi principali di Internet:
- Danneggiamento intenzionale, come attacchi hacker sponsorizzati dallo stato, crimine e molestie online
- La struttura stessa del sistema, che a discapito dell'utente crea terreno fertile per meccanismi come: incentivi finanziari al clickbait e diffusione virale di disinformazione
- Conseguenze non intenzionali del design del sistema, che portano a conflitti e riduzione della qualità delle discussioni online
E Tim Berners-Lee ha già una risposta su quali principi potrebbe basarsi l'«Internet della persona sana», privo del problema numero 2: «Per molti utenti, l'unico modello di interazione con il web rimane il guadagno pubblicitario. Anche se le persone sono spaventate da ciò che accade ai loro dati, accettano di scendere a compromessi con la macchina del marketing per accedere a contenuti gratuiti. Immaginate un mondo in cui il pagamento per beni e servizi è semplice e vantaggioso per entrambe le parti». Tra le possibilità su come ciò potrebbe essere realizzato, i musicisti potrebbero vendere le proprie registrazioni senza intermediari come iTunes, mentre i siti di notizie potrebbero utilizzare un sistema di micropagamenti per leggere un solo articolo, anziché guadagnare tramite la pubblicità.
Come prototipo sperimentale di un nuovo Internet, Tim Berners-Lee ha lanciato il progetto SOLID, il cui scopo è che tu possa conservare i tuoi dati in un "pod" — uno spazio di archiviazione delle informazioni — e fornire questi dati ad applicazioni di terze parti. In sostanza, sei tu il padrone dei tuoi dati. Tutto ciò è strettamente legato al concetto di reti peer-to-peer, dove il tuo computer non solo richiede servizi, ma li fornisce anche, per non dipendere da un singolo server come unico canale.
5.2. Organizzazioni autonome decentralizzate (Decentralized Autonomous Organizations)
Si tratta di un'organizzazione che è gestita da regole scritte sotto forma di programma informatico. La sua attività finanziaria si basa sulla blockchain. L'obiettivo della creazione di tali organizzazioni è quello di eliminare lo stato come mediatore e di creare un ambiente di fiducia condiviso per i contraenti, di cui nessuno possiede il controllo esclusivo, ma tutti insieme. In teoria, questo dovrebbe, se l'idea avrà successo, abolire notai e altri istituti tradizionali di verifica.
Il più famoso esempio di tale organizzazione è stato il venture-oriented The DAO, che nel 2016 ha raccolto 150 milioni di dollari, di cui 50 sono stati immediatamente rubati attraverso una "scommessa" legale nelle regole. Si è presentato subito un dilemma complesso: tornare indietro e restituire i soldi, o riconoscere che il prelievo fosse legale, visto che non violava in alcun modo le regole della piattaforma. Alla fine, per restituire i soldi agli investitori, i creatori hanno dovuto distruggere The DAO, riscrivendo la blockchain e violando il suo principio fondamentale: l'immutabilità.
Fumetto su Ethereum (a sinistra) e The DAO (a destra).
Tutta questa storia ha rovinato la reputazione stessa dell'idea di DAO. Il progetto era basato sulla criptovaluta Ethereum, e il prossimo anno è prevista la versione Ethereum 2.0 — forse gli autori (tra cui il noto Vitalik Buterin) terranno conto degli errori e presenteranno qualcosa di nuovo. Probabilmente per questo Gartner ha inserito il DAO nella linea di crescita.
5.3. Dati sintetici (Synthetic Data)
Per l'addestramento delle reti neurali sono necessari grandi volumi di dati. Etichettare i dati manualmente è un lavoro enorme, che può essere svolto solo da un essere umano. Ecco perché è possibile creare set di dati artificiali. Ad esempio, le stesse collezioni di volti umani disponibili sul sito. Queste vengono create tramite GAN, algoritmi di cui abbiamo già parlato.
Questi volti non appartengono a persone.
Un grande vantaggio di questi dati è che non ci sono complicazioni legali nel loro utilizzo: non c'è nessuno da cui ottenere il consenso per il trattamento dei dati personali.
5.4.Digital Ops
Il suffisso "Ops" è diventato incredibilmente popolare da quando l'espressione DevOps è entrata nel nostro vocabolario. Adesso, DigitalOps è semplicemente una generalizzazione di DevOps, DesignOps, MarketingOps… Non ti sei ancora annoiato? Insomma, si tratta di trasferire l'approccio adottato in DevOps da un ambito software a tutti gli altri aspetti del business, come marketing, design, ecc.
L'idea di DevOps era di abbattere le barriere tra lo sviluppo (Development) e le operazioni (Operations), creando team comuni in cui si trovano programmatori, tester, specialisti della sicurezza e amministratori; implementando certe pratiche: integrazione continua, infrastruttura come codice, riduzione e potenziamento dei feedback. L'obiettivo era accelerare il time to market del prodotto. Se hai pensato che questo assomigli a Agile, hai ragione. Ora trasferisci mentalmente questo approccio dalla sfera dello sviluppo software allo sviluppo in generale – e avrai compreso cosa significa DigitalOps.
5.5. Grafi della conoscenza (Knowledge Graphs)
Un modo programmatico per modellare un'area di conoscenza, incluso – tramite algoritmi di machine learning. Il grafo della conoscenza si costruisce sopra i database esistenti per connettere tutte le informazioni: sia quelle strutturate (elenco di eventi o persone) che quelle non strutturate (testo di un articolo).
Il più semplice esempio è quella scheda che puoi vedere nei risultati di ricerca di Google. Se cerchi una persona o un'istituzione, vedrai sulla destra una scheda:
Si prega di notare che «Eventi imminenti» non è una copia delle informazioni di Google Maps, ma un'integrazione del programma di Yandex.Afisha: è facile notarlo cliccando sugli eventi. Ovvero, si tratta di un'unione di più fonti di dati in una sola.
Se richiedi un elenco, ad esempio «registi famosi», ti verrà mostrata una «carosello»:
Un bonus per chi è arrivato fino a qui
E ora, dopo aver chiarito il significato di ciascun punto, possiamo guardare la stessa immagine, ma già in russo:
Condividila liberamente sui social media!
Tatyana Volkova — Autrice del programma di studi del track sull'Internet delle cose dell'IT Academy di Samsung, specialista in programmi di responsabilità sociale aziendale del Centro di Ricerca di Samsung
Fonte: habr.com
