Il grafico di Gartner per coloro che lavorano nel settore tecnologico è come una sfilata di alta moda. Guardando a questo grafico, puoi anticipare quali parole saranno le più popolari in questa stagione e cosa sentirai in tutte le prossime conferenze.
Abbiamo decifrato cosa si cela dietro parole affascinanti su questo grafico, in modo che anche tu possa parlare questa lingua.
Iniziamo con un paio di parole su cos'è questo grafico. Ogni anno, in agosto, l'agenzia di consulenza Gartner pubblica un rapporto: la Gartner Hype Curve. In russo si traduce con "curva dell'entusiasmo", o più semplicemente, hype. Trent'anni fa, i rapper del gruppo Public Enemy cantavano: "Don't believe the hype". Credere o meno è una questione personale, ma è comunque utile conoscere queste parole chiave se lavori nel settore tecnologico e vuoi essere informato sulle tendenze globali.
Questo è un grafico delle aspettative pubbliche riguardo a una tecnologia. Secondo Gartner, idealmente, una tecnologia attraversa 5 fasi: lancio della tecnologia, picco delle aspettative esagerate, valle della delusione, pendio della consapevolezza, plateau di produttività. Ma può anche succedere che affondi nella "valle della delusione" — puoi facilmente ricordare esempi, come i bitcoin: inizialmente, dopo aver raggiunto il picco come "moneta del futuro", sono rapidamente scesi quando sono emerse le carenze della tecnologia, prima fra tutte le limitazioni sul numero di transazioni e l'enorme quantità di energia richiesta per generare bitcoin (che porta già problemi ecologici). E certo, non si può dimenticare che il grafico di Gartner è solo una previsione: qui, ad esempio, puoi leggere in dettaglio , dove vengono analizzate le previsioni più audaci mai realizzate.
Quindi, diamo un'occhiata al nuovo grafico di Gartner. Le tecnologie sono suddivise in 5 grandi gruppi tematici:
- Intelligenza Artificiale Avanzata e Analisi (Advanced AI and Analytics)
- Calcolo e Comunicazioni Postclassiche (Postclassical Compute and Comms)
- Sensoristica e Mobilità (Sensing and Mobility)
- Uomo "Aumentato" (Augmented Human)
- Ecosistemi Digitali (Digital Ecosystems)
1. Intelligenza Artificiale Avanzata e Analisi (Advanced AI and Analytics)
Negli ultimi 10 anni abbiamo assistito al momento d'oro del deep learning. Queste reti sono davvero 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 premio più prestigioso, equivalente a un "Nobel" nell'informatica. Ecco quindi i principali trend in questo settore, riportati nel grafico:
1.1. Transfer Learning
Non si addestra una rete neurale da zero, ma si utilizza una già addestrata e le si assegna un altro obiettivo. A volte è necessario riaddestrare solo parte della rete, ma non l'intera rete, il che è molto più veloce. Ad esempio, utilizzando una rete neurale pre-addestrata come ResNet50, addestrata sul dataset ImageNet1000, si ottiene un algoritmo in grado di classificare in base all'immagine moltissimi oggetti diversi a un livello molto profondo (1000 classi basate su caratteristiche estratte da 50 strati della rete neurale). Ma non è necessario addestrare l'intera rete, il che richiederebbe mesi.
In Samsung "Reti neurali e visione artificiale", ad esempio, nella sfida finale di con la classificazione dei piatti puliti e sporchi, viene mostrato un approccio che in 5 minuti fornisce a disposizione una rete neurale profonda in grado di distinguere i piatti sporchi da quelli puliti, costruita secondo l'architettura descritta in precedenza. La rete originale non sapeva nemmeno cosa fossero i piatti, ma si era limitata ad apprendere a distinguere uccelli da cani (vedi ImageNet).
Fonte: Samsung "Reti neurali e visione artificiale"
Per il Transfer Learning è importante conoscere quali approcci funzionano e quali sono le architetture di base già pronte. In generale, ciò accelera notevolmente la comparsa di applicazioni pratiche nell'apprendimento automatico.
1.2. Reti generative avversarie (Generative Adversarial Networks, GAN)
Questa è la soluzione nei casi in cui ci risulta molto difficile formulare un obiettivo di apprendimento. Più un compito è vicino alla vita reale, più è comprensibile per noi ("porta il comodino"), ma più difficile è formularlo come un compito tecnico. Le GAN cercano proprio di liberarci da questo problema.
Qui operano due reti: una generativa (Generative), l'altra discriminativa (Adversarial). Una rete impara a svolgere compiti utili (classificare immagini, riconoscere suoni, disegnare cartoni animati). L'altra rete impara a istruire quella rete: ha esempi reali e impara a trovare una complessa formula sconosciuta per confrontare le generazioni della parte generativa della rete con oggetti del mondo reale (set di addestramento) sulla base di profonde caratteristiche veramente importanti: numero di occhi, vicinanza allo stile di Miyazaki, correttezza della pronuncia in inglese.
Esempio del risultato del lavoro della rete per la generazione di personaggi anime.
Ma lì, naturalmente, è difficile costruire un'architettura. Non basta semplicemente lanciare neuroni, bisogna prepararli. E l'addestramento può richiedere settimane. Il tema GAN è trattato dai miei colleghi del Centro di intelligenza artificiale Samsung, per loro è una delle questioni di ricerca chiave. Ad esempio, ecco una cosa del genere : utilizzo di reti generative per la sintesi di fotografie realistiche di persone con pose variabili — ad esempio, per creare un camerino virtuale, o per la sintesi di volti, il che potrebbe ridurre la quantità di informazioni da memorizzare o trasmettere per garantire comunicazioni video di qualità, trasmissioni o protezione dei dati personali.
1.3. IA spiegabile (Explainable AI)
In alcune rare attività, i progressi nelle architetture profonde hanno inaspettatamente avvicinato le capacità delle reti neurali profonde a quelle umane. Ora la battaglia si svolge per ampliare il numero di tali compiti. Ad esempio, un robot aspirapolvere potrebbe facilmente distinguere un gatto da un cane in un incontro ravvicinato. Ma nella maggior parte delle situazioni quotidiane, non sarà in grado di trovare un gatto che dorme tra la biancheria o i mobili (proprio come noi, nella maggior parte dei casi...).
Qual è la ragione dei successi delle reti neurali profonde? Esse sviluppano una rappresentazione del compito, basata non su informazioni "visibili a occhio nudo" (pixel della fotografia, variazioni di volume del suono...), ma su caratteristiche ottenute dopo un'elaborazione di queste informazioni attraverso centinaia di strati della rete neurale. Sfortunatamente, queste relazioni possono anche essere insensate, contraddittorie o portare tracce dell'imperfezione del set di dati originale. Ad esempio, su cosa può portare un'applicazione avventata dell'AI nel reclutamento, esiste un piccolo videogioco. .
Il sistema di etichettatura delle immagini ha identificato un uomo che cucina come una donna, sebbene nella foto fosse in realtà un uomo (). Questo all'Istituto della Virginia.
Per analizzare relazioni complesse e profonde, che spesso non possiamo formulare da soli, sono necessari metodi di Explainable AI. Essi organizzano le caratteristiche delle reti neurali profonde in modo che, dopo l'addestramento, possiamo analizzare la rappresentazione interna appresa dalla rete, invece di fare affidamento semplicemente sulla sua decisione.
1.4. Analitica perimetrale / AI (Edge Analytics / AI)
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 tale algoritmo funzionerà più velocemente e non avrà bisogno di una connessione al server centrale per il suo funzionamento. Se ti è familiare l'astrazione del "client leggero", qui stiamo un po' irrobustendo quel client.
Questo può essere importante per l'Internet delle cose. Ad esempio, se una macchina si surriscalda e ha bisogno di raffreddamento, ha senso inviare subito un segnale su questo, a livello di fabbrica, senza aspettare che i dati arrivino nel cloud e poi vengano trasferiti all'operatore. Oppure un altro esempio: le auto a guida autonoma possono gestire la situazione stradale autonomamente, senza consultare un server centrale.
Oppure un altro esempio di perché questo è importante dal punto di vista della sicurezza: quando digiti testi sul tuo telefono, esso ricorda le parole che usi di frequente, in modo che la tastiera ti suggerisca comodamente quelle parole – si chiama input predittivo. Inviare tutto ciò che digiti sulla tastiera a un data center violerebbe la tua privacy ed è semplicemente insicuro. Pertanto, l'apprendimento della tastiera avviene solo all'interno del tuo stesso dispositivo.
1.5. Piattaforma AI come servizio (AI PaaS)
PaaS – Piattaforma come Servizio – è un modello di business che ci consente di accedere a una piattaforma integrata, incluso il suo storage cloud e procedure predefinite. In questo modo, possiamo liberarci dai compiti infrastrutturali e concentrarci completamente sulla produzione di qualcosa di utile. Esempi di piattaforme PaaS per applicazioni AI: 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 – cioè come? Non si adatta già al compito? Il problema è questo: ogni compito di questo tipo lo elaboriamo minuziosamente prima di costruire un algoritmo di intelligenza artificiale per risolverlo. Vi risponderanno – in realtà, si può semplificare anche questa catena.
L'apprendimento automatico tradizionale funziona secondo il principio di un sistema aperto (open-loop): prepari i dati, progetti una rete neurale (o qualunque cosa), la alleni, poi controlli alcuni indicatori e se ti piace tutto, puoi inviare la rete neurale sugli smartphone – per risolvere i problemi degli utenti. Ma nelle applicazioni in cui ci sono molti dati e la loro natura cambia gradualmente, servono altri metodi. Questi sistemi, che si adattano e si auto-allenano, si organizzano in circuiti chiusi e autoapprendenti (closed-loop), e devono funzionare ininterrottamente.
Le applicazioni possono includere analisi in streaming (Stream Analytics), sulla base delle quali molti imprenditori prendono decisioni, o gestione produttiva adattiva. Nel contesto delle applicazioni moderne e considerando i rischi meglio compresi per le persone, i metodi che compongono la soluzione a questo problema sono tutti raccolti sotto il nome comune di AI Adattiva.
Guardando quest'immagine, è difficile non avere l'impressione che i futurologi non abbiano altro da fare che insegnare a un robot a respirare...
Calcolo e Comunicazioni Postclassiche (Postclassical Compute and Comms)
2.1. Rete mobile di quinta generazione (5G)
È un argomento così interessante che vi rimandiamo subito al nostro . Qui c'è un breve riassunto. Il 5G, grazie all'aumento della frequenza di trasmissione dati, renderà la velocità di Internet incredibilmente veloce. Le onde corte faticano a superare gli ostacoli, quindi l'architettura delle reti sarà completamente diversa: avremo bisogno di 500 volte più stazioni base.
Insieme alla velocità, avremo nuovi fenomeni: giochi in tempo reale in realtà aumentata, esecuzione di compiti complessi (come la chirurgia) tramite telepresenza, prevenzione di incidenti e situazioni critiche sulle strade grazie alla comunicazione tra veicoli. In un contesto più prosaico: finalmente smetterà di cadere Internet mobile durante eventi di massa, come una partita allo stadio.
Fonte dell'immagine — Reuters, Niantic
2.2. Memoria di prossima generazione (Next-Generation Memory)
Si parla qui di quinta generazione di memoria RAM – DDR5. Samsung ha annunciato che entro la fine del 2019 verranno lanciati prodotti basati su DDR5. Si prevede che la nuova memoria sarà due volte più veloce e avrà una capacità doppia mantenendo il form factor, quindi potremo ottenere per il nostro computer moduli di memoria fino a 32GB. In futuro, questo sarà particolarmente rilevante per gli smartphone (la nuova memoria sarà disponibile in versione a basso consumo energetico) e per i laptop (dove il numero di slot DIMM è limitato). Inoltre, l'apprendimento automatico richiede grandi quantità di RAM.
2.3. Sistemi satellitari a bassa orbita (Low-Earth-Orbit Satellite Systems)
L'idea di sostituire pesanti, costosi e potenti satelliti con uno sciame di piccoli e a buon mercato non è affatto nuova ed è emersa già negli anni '90. Riguardo al fatto che ora non ne ha parlato solo chi è pigro. L'azienda più nota in questo campo è Iridium, che è fallita alla fine degli anni '90, ma è stata salvata grazie al Dipartimento della Difesa degli Stati Uniti (da non confondere con iRidium – il sistema russo per la casa intelligente). Il progetto di Elon Musk (Starlink) non è affatto l'unico: nella corsa ai satelliti partecipano Richard Branson (OneWeb – 1440 satelliti previsti), Boeing (3000 satelliti), Samsung (4600 satelliti) e altri.
Come sta andando in questo campo, come appare l'economia – leggete nel . E noi aspettiamo i primi test di questi sistemi da parte dei primi utenti, che dovrebbero avere luogo già il prossimo anno.
2.4. Stampa 3D in scala nanometrica (Nanoscale 3D Printing)
La stampa 3D, anche se non è entrata nella vita di ogni persona (nella forma di una fabbrica di plastica domestica promesso), è già uscita da tempo dalla nicchia delle tecnologie per appassionati. Lo 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 e estrusore per… «per divertirsi» (o l'hanno già acquistata).
La stereolitografia (stampanti 3D a laser) consente di stampare con singoli fotoni: vengono studiati nuovi polimeri, per i quali è sufficiente un solo fotone per indurirsi. Questo permetterà di creare in condizioni non da laboratorio filtri, supporti, molle, capillari, lenti completamente nuovi e… le vostre proposte nei commenti! E qui siamo vicini alla fotopolimerizzazione: solo questa tecnologia consente di «stampare» processori e circuiti computazionali. Inoltre, da diversi anni esiste , ma senza uno sviluppo radicale.
3. Sensori 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 chiarire quali livelli di autonomia vengono distinti (prendendo spunto da una 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 velocità impostata dopo che il conducente ha tolto il piede dal pedale)
Livello 2: Assistenza limitata alla sterzata e alla frenata. Il conducente deve essere pronto a riprendere il controllo praticamente immediatamente. Le sue mani sono sul volante, 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 seguire costantemente la strada. Ma deve rimanere vigile e pronto a riprendere il controllo. Questo è ciò che al momento non è disponibile nei veicoli in commercio. Tutti i modelli attualmente esistenti sono ai livelli 1-2.
Livello 4: Pilota automatico reale, ma con limitazioni: solo viaggi in aree conosciute, che sono state mappate con cura e sono generalmente note al sistema, e in determinate condizioni: ad esempio, in assenza di neve. Prototipi simili sono presenti in Waymo e General Motors, che pianificano di lanciarli in diverse città e testarli in condizioni reali. Yandex ha aree di prova per taxi senza conducente a Skolkovo e Innopolis: il viaggio avviene sotto la supervisione di un ingegnere seduto sul sedile del passeggero; entro la fine dell'anno, l'azienda prevede di espandere la flotta fino a 100 veicoli autonomi.
Livello 5: Guida completamente automatica, sostituzione totale del conducente umano. Tali sistemi non esistono attualmente e difficilmente appariranno nei prossimi anni.
Quanto è realistica questa prospettiva nel breve periodo? Qui vorremmo rimandare il lettore all'articolo . Questo è in parte dovuto all'assenza di connessione 5G: le attuali velocità 4G non sono sufficienti. In parte, a causa del costo elevato delle auto autonome: non sono ancora redditizie e non è chiaro quale sia il modello di business. In una parola, qui "è tutto complicato", e non è un caso che Gartner scriva che la previsione di un'adozione di massa 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 scalpore, offrendo una soluzione accessibile e relativamente economica per la visione 3D. Da allora, i giochi di danza e fitness con Kinect hanno vissuto un breve picco e una caduta, ma le telecamere 3D hanno iniziato a essere utilizzate in robot industriali, automobili senza conducente e telefoni cellulari per l'identificazione facciale. La tecnologia è diventata più economica, compatta e accessibile.
Il telefono Samsung S10 è dotato di una camera a tempo di volo (Time-of-Flight) che misura la distanza dall'oggetto, per facilitare la messa a fuoco.
Se questo argomento ti interessa, ti rimandiamo a una molto buona e dettagliata panoramica sulle telecamere di profondità: , .
3.3. Droni per la consegna di piccoli carichi (Light Cargo Delivery Drones)
Quest'anno Amazon ha fatto molto scalpore quando ha presentato alla fiera un nuovo drone volante capace di trasportare piccoli carichi fino a 2 kg. Per una città con il suo traffico, sembra una soluzione ideale. Vedremo come questi droni si comporteranno nel prossimo futuro. Forse qui vale la pena adottare un certo scetticismo: ci sono molti problemi, che vanno dalla possibilità di furti facili di droni alle restrizioni legislative sugli UAV. Amazon Prime Air esiste da sei anni, ma è ancora in fase di testing.
Il nuovo drone di Amazon, mostrato questa primavera. Ricorda qualcosa da 'Star Wars'.
Oltre ad Amazon, ci sono altri attori in questo mercato (c'è un dettagliato ), ma nessun prodotto pronto: tutto è in fase di testing e azioni di marketing. Da notare le interessanti iniziative mediche in Africa: la consegna di sangue da donatori in Ghana (14.000 consegne, azienda Zipline) e in Ruanda (azienda Matternet).
3.4. Trasporto autonomo volante (Flying Autonomous Vehicles)
Qui è difficile dire qualcosa di preciso. Secondo Gartner, ciò non accadrà prima di 10 anni. In effetti, i problemi sono gli stessi dei veicoli senza pilota, solo che acquisiscono una nuova dimensione: quella verticale. Le proprie ambizioni di costruire un taxi volante sono state dichiarate da Porsche, Boeing, Uber.
3.5. Nuvola di realtà aumentata (AR Cloud)
Una copia digitale permanente del mondo reale, che consente di creare un nuovo strato di realtà comune per tutti gli utenti. Parlando in termini più tecnici, si tratta di creare una piattaforma cloud aperta in cui gli sviluppatori possano integrare le proprie applicazioni AR. Il modello di monetizzazione è chiaro, è un certo equivalente di Steam. L'idea si è radicata così tanto che ora alcuni ritengono che l'AR senza cloud sia semplicemente inutile.
Come potrebbe apparire in futuro, è rappresentato in un breve video. Sembra un altro episodio di 'Black Mirror':
Puoi leggere di più in
4. L'uomo 'aumentato' (Augmented Human)
4.1. AI 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. Potranno realmente integrarsi nelle case solo se impareranno a riconoscere l'umore: capire le ragioni del malcontento dell'utente e cercare di rimediare alla situazione. In effetti, nel contesto c'è molta più informazione rispetto al messaggio stesso. E il contesto comprende sia l'espressione del viso, che l'intonazione e il comportamento non verbale.
Altri utilizzi pratici: analisi delle emozioni durante i colloqui di lavoro (attraverso video interviste), valutazione delle reazioni a spot pubblicitari o altro contenuto video (sorrisi, risate), supporto nell'apprendimento (ad esempio, per pratiche autonome nell'arte delle presentazioni pubbliche).
Su questo tema è difficile esprimersi meglio dell'autore del cortometraggio di 6 minuti . Nel video realizzato in modo ingegnoso e stiloso si mostra come possiamo misurare le nostre emozioni a scopi di marketing, e dalle reazioni immediate del tuo viso scoprire: se ami la pizza, i cani, Kanye West, e persino quale sia il tuo livello di reddito e il tuo quoziente intellettivo. Accedendo al sito del film tramite il link qui sopra, diventi parte di un video interattivo utilizzando la fotocamera integrata del tuo laptop. Il film è già stato proiettato a vari festival cinematografici.
Esiste anche una ricerca interessante su come riconoscere il sarcasmo nel testo. Hanno preso tweet con l'hashtag #sarcasmo e creato un campione di apprendimento di 25.000 tweet sarcastici e 100.000 tweet ordinari su vari argomenti. Hanno utilizzato la libreria TensorFlow, addestrato il sistema, ecco il risultato:
Quindi ora, se non sei sicuro riguardo al tuo collega o amico – ti ha detto qualcosa sul serio o sarcasticamente – puoi utilizzare già la !
4.2. Intelligenza aumentata (Augmented Intelligence)
Automazione del lavoro intellettuale mediante metodi di apprendimento automatico. Sembra che non ci sia nulla di nuovo? Ma qui la formulazione è fondamentale, soprattutto considerando che coincide come acronimo con Intelligenza Artificiale. Questo ci riporta al dibattito su "IA forte" e "IA debole".
L'intelligenza artificiale forte è quel tipo di intelligenza artificiale che si vede nei film di fantascienza, completamente equivalente alla mente umana e consapevole di sé come individuo. Questo non esiste ancora e non è chiaro se esisterà mai.
L'intelligenza artificiale debole non è un individuo autonomo, ma piuttosto un assistente dell'uomo. Non pretende di avere un pensiero simile a quello umano, ma è capace di risolvere compiti informativi, come ad esempio identificare ciò che è rappresentato in un'immagine o tradurre del testo.
In questo senso, l'Intelligenza Aumentata è un esempio puro di "intelligenza artificiale debole", e la formulazione sembra azzeccata, poiché non crea confusione e non invita a scorgere qui quella temuta "intelligenza artificiale forte" di cui tutti sognano (o temono, se ricordiamo le numerose speculazioni sulla "rivolta delle macchine"). Utilizzando l'espressione Intelligenza Aumentata, diventiamo subito come i protagonisti di un altro film: da fantascienza (come "Io, robot" di Asimov) passiamo al cyberpunk (gli "aumenti" in questo genere si riferiscono a vari impianti che ampliano le capacità umane).
Come Erik Brynjolfsson e Andrew McAfee: «Nei prossimi 10 anni accadrà questo. Non sarà l'IA a sostituire i manager, ma i manager che utilizzano l'IA sostituiranno quelli che non l'hanno ancora fatto»
Esempi:
- Medicina: l'Università di Stanford ha sviluppato , che è in grado di riconoscere le patologie nelle radiografie toraciche con un successo medio paragonabile a quello della maggior parte dei medici
- Istruzione: assistenza a studenti e insegnanti, analisi della risposta degli studenti ai materiali, costruzione di un percorso di apprendimento personalizzato.
- Business Analytics: la preelaborazione dei dati, secondo le statistiche, richiede l'80% del tempo del ricercatore, e solo il 20% è dedicato all'esperimento stesso
4.3. Biochip
È il tema preferito da tutti i film e libri di cyberpunk. In generale, il microchip nei animali domestici non è una pratica nuova. Ma ora questi microchip vengono impiantati anche negli esseri umani.
In questo caso, l'hype è probabilmente legato a un caso molto discusso nella società americana Three Square Market. Lì, il datore di lavoro ha iniziato a offrire l'impianto di chip sottopelle in cambio di un compenso. Il chip consente di aprire porte, effettuare accessi ai computer, acquistare snack da un distributore automatico – insomma, è una sorta di tessera universale per i dipendenti. Tuttavia, questo chip funge esclusivamente da tessera identificativa, non ha un modulo GPS, quindi non è possibile rintracciare qualcuno tramite esso. E se una persona desidera rimuovere il chip dalla mano, ci vogliono 5 minuti con l'aiuto di un medico.
I chip vengono solitamente impiantati tra il pollice e l'indice.
Leggi i dettagli sulla situazione della microchippatura nel mondo.
4.4. Spazio di lavoro immersivo (Immersive Workspace)
«Immersivo» è un'altra parola nuova da cui non si può fuggire. È ovunque. Teatro immersivo, mostre, cinema. Cosa significa? L'immersione è la creazione di un effetto di coinvolgimento, quando si perde la distinzione tra autore e spettatore, tra mondo virtuale e reale. Applicato al luogo di lavoro, questo implica la cancellazione del confine tra chi esegue e chi avvia, e incoraggia i dipendenti a una posizione più attiva attraverso la riformattazione dell'ambiente circostante.
Poiché ora abbiamo Agile ovunque, flessibilità, interazione stretta – anche i luoghi di lavoro devono essere altamente configurabili, devono promuovere il lavoro di gruppo. L'economia impone le sue condizioni: ci sono sempre più dipendenti temporanei, il costo dell'affitto degli spazi per uffici sta aumentando e, in un mercato del lavoro competitivo nel settore IT, le aziende cercano di aumentare la soddisfazione dei dipendenti creando aree ricreative e altri vantaggi. Tutto ciò si riflette nel design degli spazi di lavoro.
Da Knoll
4.5. Personificazione (Personification)
Tutti sanno cosa sia la personalizzazione nella pubblicità. È quando oggi discuti con un collega del fatto che l'aria nella stanza è troppo secca e bisognerebbe acquistare un umidificatore per l'ufficio, e il giorno dopo vedi sui tuoi social un annuncio – «acquista un umidificatore» (un caso reale che è successo a me).
La personificazione, per definizione di Gartner, è una risposta alla crescente preoccupazione degli utenti riguardo all'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, e non a noi personalmente. Ad esempio, la nostra posizione, il tipo di dispositivo, l'ora del giorno, le condizioni meteorologiche: queste sono informazioni che non violano i nostri dati personali e non ci fanno sentire un'invasione della privacy.
Per sapere la differenza tra questi due concetti, leggi di Andrew Frank nel blog sul sito di Gartner. Qui la distinzione è così sottile e le parole così simili che, senza conoscere la differenza, rischiate di discutere a lungo con l'interlocutore, senza rendervi conto che entrambi hanno ragione (e questo è un caso reale accaduto all'autore).
4.6. Biotech – Tessuti artificiali (Biotech – Cultured or Artificial Tissue)
Questa è, prima di tutto, un'idea di coltivazione della carne artificiale. Allo stesso tempo, diversi team in tutto il mondo sono impegnati nello sviluppo della "Carne 2.0" in laboratorio: si prevede che diventi più economica della carne convenzionale, e i fast food inizieranno ad adottarla, seguiti dai supermercati. 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 alto:
- Cambiamento climatico: le emissioni di metano dalle fattorie. Questo rappresenta il 18% delle emissioni globali di gas che influenzano il clima.
- Crescita della popolazione. La domanda di carne è in aumento e non sarà possibile nutrire tutti con carne naturale, poiché è semplicemente troppo costosa.
- Mancanza di spazio. Il 70% delle foreste amazzoniche è già stato abbattuto per far posto a 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 un milione di dollari a chiunque riesca a lanciare sul mercato carne di pollo artificiale.
Sostituire la vera carne con quella a base di soia è solo una soluzione parziale, poiché le persone percepiscono bene la differenza di gusto e consistenza, e difficilmente rinunceranno a una bistecca a favore della soia. Quindi è necessaria carne vera, coltivata organicamente. Attualmente, purtroppo, la carne artificiale costa troppo: circa 12$ al chilo. Ciò è dovuto al complesso processo tecnologico necessario per coltivare questa carne. Leggi di tutto questo. .
Parlando di altri casi di crescita dei tessuti – già in medicina – è interessante il tema degli organi artificiali: ad esempio, un "cerotto" per il muscolo cardiaco, con una speciale stampante 3D. Sono noti simili a un cuore di topo coltivato artificialmente, ma finora tutto rimane nell'ambito dei trial clinici. Quindi è improbabile 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 impiantabile stampato in 3D. Pertanto, indica un tempo per raggiungere un plateau di produttività – non meno di 10 anni.
5. Ecosistemi digitali (Digital Ecosystems)
5.1. Web decentralizzato (Decentralized Web)
Questo concetto è strettamente legato al nome dell'inventore del web, vincitore del premio Turing, Sir Tim Berners-Lee. Per lui sono sempre state importanti le questioni etiche nell'informatica e l'essenza collettiva di Internet: ponendo le basi dell'iper testo, 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 la crescita di Internet, la sua struttura è diventata centralizzata per vari motivi. Si è scoperto che l'accesso alla rete per un intero paese può essere facilmente bloccato da pochi provider. E i dati degli utenti sono diventati fonte di potere e reddito per le aziende internet.
"Internet è già decentralizzato", afferma Berners-Lee. "Il problema è che domina un solo motore di ricerca, un solo grande social network, una sola piattaforma di microblogging. Non abbiamo problemi tecnologici, ma ci sono problemi sociali."
Nel tuo per il 30° anniversario del World Wide Web, il creatore del Web ha delineato tre problemi principali di Internet:
- Causa intenzionale di danno, come attacchi hacker sponsorizzati dallo stato, criminalità e molestie online
- La stessa struttura del sistema, che a spese degli utenti crea terreno fertile per meccanismi come: incentivazione finanziaria per clickbait e diffusione virale di false informazioni
- Conseguenze involontarie del design del sistema che portano a conflitti e a una diminuzione della qualità della discussione 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 reddito pubblicitario. Anche se le persone sono spaventate da ciò che accade con i loro dati, sono disposte a fare un accordo con la macchina del marketing per la possibilità di ricevere contenuti gratuitamente. Immagina un mondo in cui il pagamento per beni e servizi sia facile e piacevole per entrambe le parti». Tra le opzioni 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 singolo articolo, invece di guadagnare con la pubblicità.
Come prototipo sperimentale di questo nuovo Internet, Tim Berners-Lee ha lanciato il progetto SOLID, il cui scopo è che tu possa conservare i tuoi dati in un «pod» — un deposito di informazioni — e fornire questi dati ad applicazioni di terze parti. Tuttavia, in linea di principio, tu stesso sei il padrone dei tuoi dati. Tutto ciò è strettamente legato al concetto di reti peer-to-peer, ovvero il tuo computer non richiede solo servizi, ma li fornisce anche, per non dover fare affidamento su un singolo server come unico canale.
5.2. Organizzazioni Autonome Decentralizzate (Decentralized Autonomous Organizations)
È un'organizzazione che è governata da regole scritte sotto forma di programma informatico. La sua attività finanziaria avviene sulla base della blockchain. L'obiettivo della creazione di tali organizzazioni è di eliminare lo stato dal ruolo di intermediario e fornire un ambiente di fiducia comune per le parti contraenti, che non è di proprietà di nessuno singolarmente, ma è posseduto da tutti insieme. In teoria, questo dovrebbe, se l'idea dovesse prendere piede, abolire i notai e altri istituti di verifica convenzionali.
Il più famoso esempio di un'organizzazione di questo tipo è stata The DAO, orientata verso il business di venture capital, che nel 2016 ha raccolto 150 milioni di dollari, di cui 50 sono stati immediatamente rubati attraverso una "falla" legale nelle regole. Si è presentata quindi una complicata diletta: tornare indietro e restituire i soldi, o riconoscere che il prelievo di denaro era legale, poiché 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 dell'idea stessa di DAO. Quel progetto era basato sulla criptovaluta Ethereum, e l'anno prossimo si prevede la versione Ether 2.0 – forse gli autori (tra cui il noto Vitalik Buterin) terranno conto degli errori e mostreranno qualcosa di nuovo. Probabilmente è per questo che Gartner ha collocato il DAO su una linea ascendente.
5.3.Dati sintetici (Synthetics Data)
Per addestrare reti neurali servono grandi volumi di dati. Annotare i dati manualmente è un lavoro enorme, che può essere svolto solo da un essere umano. Per questo si possono creare set di dati artificiali. Per esempio, le stesse collezioni di volti umani sul sito . Vengono realizzati utilizzando GAN – algoritmi di cui si è già parlato sopra.
Questi volti non appartengono a persone.
Un grande vantaggio di questi dati è che non sorgono difficoltà legali nel loro utilizzo: non c'è nessuno da cui ottenere il consenso per l'elaborazione dei dati personali.
5.4.Digital Ops
Il suffisso "Ops" è diventato incredibilmente di moda da quando il termine DevOps è entrato nel nostro linguaggio. Ora, DigitalOps è semplicemente una generalizzazione di DevOps, DesignOps, MarketingOps... Non ti sei ancora annoiato? In breve, è il trasferimento dell'approccio adottato in DevOps a tutte le altre aree del business: marketing, design, ecc.
L'idea di DevOps era quella di rimuovere le barriere tra lo sviluppo (Development) e le operazioni (Operations), attraverso la creazione di team comuni in cui programmatori, tester, esperti di sicurezza e amministratori collaborassero; implementando pratiche come: integrazione continua, infrastruttura come codice, riduzione e potenziamento delle catene di feedback. L'obiettivo era accelerare il lancio del prodotto sul mercato. Se hai pensato che questo somigli a Agile, hai pensato bene. Ora, trasferisci mentalmente questo approccio dallo sviluppo del software allo sviluppo in generale e capirai cos'è il DigitalOps.
5.5. Grafi della conoscenza (Knowledge Graphs)
Un modo software per modellare un'area di conoscenza, inclusi – tramite algoritmi di apprendimento automatico. Il grafo della conoscenza viene costruito sopra database esistenti per unire tutte le informazioni: sia quelle strutturate (un elenco di eventi o persone) che quelle non strutturate (il 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 a destra una scheda:
Nota che "Eventi futuri" non è una copia delle informazioni da Google Maps, ma un'integrazione del programma di Yandex.Afisha: lo vedrai facilmente se clicchi sugli eventi. Cioè, è l'unione di più fonti di dati in un'unica entità.
Se chiedi un elenco – ad esempio, "registi famosi" – ti verrà mostrata una "carosello":
Bonus per chi ha letto fino alla fine
E ora, quando abbiamo chiarito il significato di ciascun punto, possiamo guardare la stessa immagine, ma già in lingua russa:
Condividila liberamente sui social media!
Tat'iana Volkova – Autrice del programma didattico del tracciato sull'Internet delle Cose dell'IT Academy Samsung, esperta di programmi di responsabilità sociale d'impresa del Centro di ricerca Samsung.
Fonte: habr.com
