הטבלה של גרטנר היא כמו תצוגת אופנה עילית עבור אלה בתעשיית הטכנולוגיה. על ידי התבוננות בו, תוכלו לגלות מראש אילו מילים הכי הייפות העונה ומה תשמעו בכל הכנסים הקרובים.

פיענחנו מה עומד מאחורי המילים היפות בגרף הזה כדי שתוכלו לדבר גם בשפה.

כדי להתחיל, רק כמה מילים על איזה סוג של גרף זה. מדי שנה באוגוסט, סוכנות הייעוץ גרטנר מפרסמת דוח - Gartner Hype Curve. ברוסית, זוהי "עקומת הייפ", או, יותר פשוט, הייפ. לפני 30 שנה, ראפרים מקבוצת Public Enemy שרו: "אל תאמין להייפ". תאמינו או לא, זו שאלה אישית, אבל שווה לפחות להכיר את מילות המפתח האלה אם אתם עובדים בתחום הטכנולוגיה ורוצים להכיר מגמות עולמיות.

זהו גרף של ציפיות הציבור מטכנולוגיה מסוימת. לפי גרטנר, באופן אידיאלי, הטכנולוגיה עוברת 5 שלבים: השקת טכנולוגיה, שיא ציפיות מנופחות, עמק האכזבה, שיפוע של הארה, רמה של פרודוקטיביות. אבל קורה גם שהוא טובע ב"עמק האכזבה" - אתה יכול לזכור דוגמאות בעצמך בקלות רבה, קח את אותם ביטקוינים: בתחילה הגיעו לשיא כ"כסף העתיד", הם החליקו במהירות כאשר החסרונות של הטכנולוגיה הפך ברור, קודם כל הגבלות על מספר העסקאות וכמות החשמל העצומה הנדרשת לייצור ביטקוין (שכבר טומן בחובו בעיות סביבתיות). וכמובן, אסור לשכוח שהתרשים של גרטנר הוא רק תחזית: כאן, למשל, תוכלו לקרוא מידע מפורט מאמר, שם ממוינים התחזיות הבולטות ביותר שלא התגשמו.

אז בואו נעבור על טבלת גרטנר החדשה. הטכנולוגיות מחולקות ל-5 קבוצות נושאיות גדולות:

1. AI ואנליטיקס מתקדמים
2. מחשוב פוסט קלאסי ותקשורת
3. חישה וניידות
4. אדם מוגבר
5. מערכות אקולוגיות דיגיטליות

1. AI ואנליטיקס מתקדמים

במהלך 10 השנים האחרונות ראינו את השעה הטובה ביותר של למידה עמוקה. רשתות אלו יעילות באמת למגוון המשימות שלהן. בשנת 2018, יאן לקון, ג'פרי הינטון ויושע בנג'יו קיבלו את פרס טיורינג על תגליותיהם - הפרס היוקרתי ביותר, בדומה לפרס נובל במדעי המחשב. אז, המגמות העיקריות בתחום זה, המוצגות בתרשים:

1.1. העבר למידה

אתה לא מאמן רשת עצבית מאפס, אלא לוקח רשת שכבר מאומנת ומקצה לה מטרה אחרת. לפעמים זה מצריך אימון מחדש של חלק מהרשת, אבל לא את כל הרשת, שהיא הרבה יותר מהירה. לדוגמה, נטילת רשת עצבית מוכנה ResNet50, מאומנת על מערך הנתונים של ImageNet1000, תקבל אלגוריתם שיכול לסווג אובייקטים רבים ושונים בתמונה ברמה עמוקה מאוד (1000 מחלקות המבוססות על תכונות שנוצרו על ידי 50 שכבות של העצב העצבי רֶשֶׁת). אבל אתה לא צריך לאמן את כל הרשת הזו, מה שייקח חודשים.

В קורס מקוון סמסונג "רשתות עצביות וראייה ממוחשבת", למשל, בגמר משימת קגל עם סיווג הצלחות לנקות ומלוכלכות, מודגמת גישה שתוך 5 דקות מעניקה לרשותכם רשת עצבית עמוקה המסוגלת להבחין בין לוחות מלוכלכים לנקיים, הבנויה על פי הארכיטקטורה שתוארה לעיל. הרשת המקורית לא ידעה בכלל מה זה לוחות, היא רק למדה להבחין בין ציפורים לכלבים (ראה ImageNet).

מקור: קורס מקוון סמסונג "רשתות עצביות וראייה ממוחשבת"

עבור Transfer Learning אתה צריך לדעת אילו גישות עובדות ואילו ארכיטקטורות בסיסיות מוכנות זמינות. בסך הכל, זה מאיץ מאוד את הופעתם של יישומים מעשיים של למידת מכונה.

1.2. רשתות יריביות יצירתיות (GAN)

זה לאותם מקרים שבהם קשה לנו מאוד לגבש את מטרת הלמידה. ככל שהמשימה קרובה יותר לחיים האמיתיים, כך היא מובנת לנו יותר ("תביאו את השולחן ליד המיטה"), אך קשה יותר לנסח אותה כמשימה טכנית. GAN הוא רק ניסיון להציל אותנו מהבעיה הזו.

פועלות כאן שתי רשתות: האחת מחוללת (Generative), השנייה היא מפלה (Adversarial). רשת אחת לומדת לעשות עבודה שימושית (לסווג תמונות, לזהות צלילים, לצייר קריקטורות). ורשת אחרת לומדת ללמד את הרשת הזו: יש לה דוגמאות אמיתיות, והיא לומדת למצוא נוסחה מורכבת שלא הייתה ידועה קודם לכן להשוואת התוצרים של החלק היוצר של הרשת עם אובייקטים מהעולם האמיתי (סט אימונים) המבוססים על מאפיינים עמוקים חשובים באמת. : מספר העיניים, קרבה לסגנון של מיאזאקי, הגייה נכונה באנגלית.

דוגמה לתוצאה של רשת ליצירת דמויות אנימה. מקור

אבל, כמובן, קשה לבנות שם אדריכלות. זה לא מספיק רק לזרוק נוירונים, הם צריכים להיות מוכנים. ואתה צריך ללמוד במשך שבועות. הקולגות שלי במרכז הבינה המלאכותית של סמסונג עובדים על נושא GAN; זו אחת משאלות המחקר המרכזיות שלהם. למשל, ככה התפתחות: שימוש ברשתות גנרטיביות כדי לסנתז תמונות מציאותיות של אנשים עם תנוחות משתנות - למשל, כדי ליצור חדר כושר וירטואלי, או לסנתז פנים, מה שיכול להפחית את כמות המידע שצריך לאחסן או להעביר כדי להבטיח וידאו באיכות גבוהה תקשורת, שידור או הגנה על נתונים אישיים.

מקור

1.3. AI ניתן להסבר

עבור כמה משימות נדירות, התקדמות בארכיטקטורות עמוקות קירבה פתאום את היכולות של רשתות עצביות עמוקות ליכולות האנושיות. כעת מתנהל הקרב להגדלת מגוון המשימות הללו. לדוגמה, שואב אבק רובוטי יכול בקלות להבחין בין חתול לכלב בפגישה חזיתית. אבל ברוב מצבי החיים, הוא לא יצליח למצוא חתול ישן בין פשתן או רהיטים (עם זאת, כמונו, ברוב המקרים...).

מהי הסיבה להצלחה של רשתות עצביות עמוקות? הם מפתחים ייצוג של הבעיה לא על סמך מידע "הנראה לעין בלתי מזוינת" (פיקסלים צילום, שינויים בעוצמת הקול...), אלא על תכונות שהושגו לאחר עיבוד מוקדם של מידע זה על ידי כמה מאות שכבות של רשת עצבית. למרבה הצער, מערכות יחסים אלו עשויות להיות גם חסרות משמעות, לא עקביות או לשאת עקבות של פגמים במערך הנתונים המקורי. לדוגמה, יש משחק מחשב קטן על מה יכול להוביל השימוש חסר המחשבה ב-AI בגיוס עובדים הישרדות מהטובים ביותר.

מערכת תיוג התמונות תייגה את האדם המבשל כאישה, למרות שהאדם בתמונה הוא למעשה גבר (מקור). זה שם לב במכון וירג'יניה.

כדי לנתח קשרים מורכבים ועמוקים שלעתים קרובות איננו יכולים לנסח בעצמנו, יש צורך בשיטות AI הניתנות להסבר. הם מארגנים את התכונות של רשתות עצביות עמוקות כך שאחרי האימון, נוכל לנתח את הייצוג הפנימי שהרשת למדה, במקום פשוט להסתמך על החלטתה.

1.4. Edge Analytics / AI

כל דבר עם המילה Edge פירושו המילולי הבא: העברת חלק מהאלגוריתמים מהענן/שרת לרמת מכשיר/שער הקצה. אלגוריתם כזה יעבוד מהר יותר ולא ידרוש חיבור לשרת מרכזי לצורך פעולתו. אם אתם מכירים את ההפשטה של ​​"קליינט רזה", אז כאן אנחנו הופכים את הלקוח הזה לקצת יותר עבה.
זה יכול להיות חשוב עבור האינטרנט של הדברים. לדוגמה, אם מכונה מתחממת יתר על המידה וצריכה קירור, הגיוני לאותת זאת מיד, ברמת המפעל, מבלי לחכות שהנתונים יעברו לענן ומשם למנהל המשמרת. או דוגמה אחרת: מכוניות בנהיגה עצמית יכולות להבין את מצב התנועה בעצמן, מבלי ליצור קשר עם שרת מרכזי.

מקור

או דוגמה נוספת למה זה חשוב מנקודת מבט אבטחה: כשאתה מקליד טקסטים בטלפון שלך, הוא זוכר את המילים האופייניות לך, כך שבהמשך מקלדת הטלפון תוכל להנחות אותך בנוחות - זה נקרא חיזוי קלט טקסט. שליחת כל מה שאתה מקליד במקלדת שלך למרכז נתונים איפשהו תהיה הפרה של הפרטיות שלך ופשוט לא בטוחה. לכן, אימון מקלדת מתרחש רק בתוך המכשיר עצמו.

1.5. פלטפורמת AI כשירות (AI PaaS)

PaaS - Platform-as-a-Service הוא מודל עסקי שבו אנו מקבלים גישה לפלטפורמה משולבת, כולל אחסון הנתונים מבוסס הענן והנהלים המוכנים שלה. כך נוכל להשתחרר ממשימות תשתית ולהתרכז במלואו בייצור משהו שימושי. דוגמה לפלטפורמות PaaS למשימות AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. למידת מכונה אדפטיבית (Adaptive ML)

מה אם ניתן לבינה מלאכותית להסתגל... אתם שואלים – כלומר איך?.. האם היא לא מתאימה כבר למשימה? הבעיה היא כזו: אנו מתכננים בקפידה כל בעיה כזו לפני בניית אלגוריתם של בינה מלאכותית כדי לפתור אותה. יענו לכם – מסתבר שאפשר לפשט את השרשרת הזו.

למידת מכונה קונבנציונלית עובדת על העיקרון של לולאה פתוחה: אתה מכין נתונים, מעלה רשת עצבית (או משהו), מתאמן, ואז מסתכל על מספר אינדיקטורים, ואם אתה אוהב הכל, אתה יכול לשלוח את הרשת העצבית לסמארטפונים - לפתור בעיות משתמש. אבל ביישומים שבהם יש הרבה נתונים ואופיו משתנה בהדרגה, יש צורך בשיטות אחרות. מערכות כאלה, שמתאימות ומלמדות את עצמן, מאורגנות בלולאות סגורות, למידה עצמית (לולאה סגורה), והן חייבות לעבוד בצורה חלקה.

אפליקציות – זה יכול להיות אנליטיקס של זרמים (Stream Analytics), שעל בסיסם מקבלים אנשי עסקים רבים החלטות, או ניהול ייצור אדפטיבי. בקנה המידה של היישומים הנוכחיים ובהתחשב בסיכונים המובנים יותר לבני אדם, הטכניקות המהוות פתרון לבעיה זו נאספות כולן תחת מונח המטריה Adaptive AI.

מקור

כשמסתכלים על התמונה הזו, קשה להיפטר מהתחושה שלא מאכילים עתידנים בלחם - תנו להם ללמד רובוט לנשום...

מחשוב פוסט קלאסי ותקשורת

2.1. דור חמישי לתקשורת סלולרית (5G)

זה נושא כל כך מעניין שאנחנו מיד מפנים אותך אלינו статье. ובכן, הנה סיכום קצר. 5G, על ידי הגדלת תדירות העברת הנתונים, יהפוך את מהירות האינטרנט למהירה לא מציאותית. לגלים קצרים יותר קשה לעבור דרך מכשולים, ולכן העיצוב של הרשתות יהיה שונה לחלוטין: צריך פי 500 יותר תחנות בסיס.

לצד המהירות נקבל תופעות חדשות: משחקים בזמן אמת עם מציאות רבודה, ביצוע משימות מורכבות (כמו ניתוח) באמצעות טלפזנס, מניעת תאונות ומצבים קשים בדרכים באמצעות תקשורת בין מכונות. בנימה פרוזאית יותר: האינטרנט הסלולרי יפסיק סוף סוף לרדת במהלך אירועים המוניים, כמו משחק באצטדיון.

מקור תמונה - רויטרס, Niantic

2.2. זיכרון הדור הבא

כאן אנחנו מדברים על הדור החמישי של זיכרון RAM - DDR5. סמסונג הודיעה כי מוצרים מבוססי DDR2019 יהיו זמינים עד סוף 5. צפוי שהזיכרון החדש יהיה מהיר פי שניים ופעמיים תוך שמירה על אותו גורם צורה, כלומר נוכל לקבל למחשב שלנו מקלות זיכרון בנפח של עד 32GB. בעתיד, זה יהיה רלוונטי במיוחד לסמארטפונים (הזיכרון החדש יהיה בגרסת צריכת חשמל נמוכה) ולמחשבים ניידים (בהם מספר חריצי ה-DIMM מוגבל). ולמידת מכונה גם דורשת כמויות גדולות של זיכרון RAM.

2.3. מערכות לווין במסלול נמוך של כדור הארץ

הרעיון של החלפת לוויינים כבדים, יקרים וחזקים בנחיל של לוויינים קטנים וזולים רחוק מלהיות חדש והופיע עוד בשנות ה-90. לגבי מה "אלון מאסק יפיץ בקרוב את האינטרנט לכולם מהלוויין" עכשיו רק העצלנים לא שמעו. החברה הכי מפורסמת כאן היא Iridium, שפשטה רגל בסוף שנות ה-90, אבל ניצלה על חשבון משרד ההגנה האמריקאי (לא להתבלבל עם iRidium, מערכת הבית החכם הרוסית). הפרויקט של אילון מאסק (Starlink) רחוק מלהיות היחיד - ריצ'רד ברנסון (OneWeb - 1440 לוויינים מוצעים), בואינג (3000 לוויינים), סמסונג (4600 לוויינים) ואחרים משתתפים במירוץ הלוויינים.

איך המצב בתחום הזה, איך נראית הכלכלה שם - קראו סקירה. ואנחנו מחכים לבדיקות הראשונות של המערכות הללו על ידי המשתמשים הראשונים, שאמורות להתקיים בשנה הבאה.

2.4. הדפסת תלת מימד ננומטרית

הדפסת תלת מימד, למרות שהיא לא נכנסה לחייו של כל אדם (בצורה שהובטחה על ידי מפעל פלסטיק ביתי בודד), בכל זאת עזבה מזמן את הנישה הטכנולוגית לגיקים. אפשר לשפוט לפי העובדה שכל תלמיד בית ספר יודע על קיומם של עטים מפוסלים בתלת מימד לפחות, ורבים חולמים לרכוש קופסה עם ראנרים ומכבש עבור... "סתם ככה" (או שכבר רכשו אותה).

סטריאוליתוגרפיה (מדפסות לייזר תלת מימד) מאפשרת הדפסה עם פוטונים בודדים: נחקרים פולימרים חדשים שדורשים רק שני פוטונים להתמצקות. זה יאפשר, בתנאים שאינם מעבדתיים, ליצור מסננים חדשים לחלוטין, תושבות, קפיצים, נימים, עדשות ו... האפשרויות שלך בהערות! וכאן זה לא רחוק מפוטופולימריזציה - רק הטכנולוגיה הזו מאפשרת לנו "להדפיס" מעבדים ומעגלי מחשוב. בנוסף, זו לא השנה הראשונה שיש טכנולוגיה להדפסת מבנים תלת מימדיים של גרפן 500 ננומטר, אך ללא התפתחות רדיקלית.

מקור

3. חישה וניידות

3.1. נהיגה אוטונומית רמה 4 ו-5

כדי לא להתבלבל בטרמינולוגיה, כדאי להבין באילו רמות אוטונומיה מבחינים (נלקחים מהמפורט מאמרים, אליו אנו מתייחסים לכל המתעניינים):

רמה 1: בקרת שיוט: מסייעת לנהג במצבים מוגבלים מאוד (לדוגמה, החזקת המכונית במהירות נתונה לאחר שהנהג מוריד את רגלו מהדוושה)
רמה 2: סיוע מוגבל בהיגוי ובבלימה. הנהג חייב להיות מוכן להשתלט כמעט באופן מיידי. ידיו על ההגה, עיניו מופנות אל הכביש. זה משהו שכבר יש לטסלה וג'נרל מוטורס.
רמה 3: הנהג כבר לא צריך להשגיח כל הזמן על הכביש. אבל עליו להישאר ערני ולהיות מוכן להשתלט. זה משהו שעדיין אין למכוניות זמינות מסחריות. כל הקיימים כרגע הם ברמה 1-2.
רמה 4: טייס אוטומטי אמיתי, אבל עם הגבלות: רק נסיעות באזור ידוע שממוף בקפידה ומוכר למערכת באופן כללי, ובתנאים מסוימים: למשל בהיעדר שלג. לוויימו ולג'נרל מוטורס יש אבות טיפוס כאלה, והם מתכננים להשיק אותם בכמה ערים ולבדוק אותם בסביבות אמיתיות. ל-Yandex יש אזורי בדיקה למוניות בלתי מאוישות בסקולקובו ואינופוליס: הנסיעה מתבצעת בפיקוח מהנדס היושב במושב הנוסע; עד סוף השנה מתכננת החברה להרחיב את הצי שלה ל-100 כלי רכב בלתי מאוישים.
רמה 5: נהיגה אוטומטית מלאה, החלפה מלאה של נהג חי. מערכות כאלה אינן קיימות, והן לא צפויות להופיע בשנים הקרובות.

כמה ריאלי לראות את כל זה בעתיד הנראה לעין? כאן אני רוצה להפנות את הקורא למאמר "למה אי אפשר להשיק רובוטקסי עד 2020, כפי שמבטיחה טסלה". זה נובע בחלקו מהיעדר קישוריות 5G: מהירויות 4G זמינות אינן מספיקות. בין היתר בשל העלות הגבוהה מאוד של מכוניות אוטונומיות: הן עדיין אינן רווחיות, המודל העסקי אינו ברור. במילה אחת, "הכל מסובך" כאן, וזה לא מקרי שגרטנר כותבת שהתחזית ליישום ההמוני של רמות 4 ו-5 היא לא לפני 10 שנים.

3.2. מצלמות חישה תלת מימדיות

לפני שמונה שנים, בקר המשחקים Kinect של מיקרוסופט הכתה גלים בכך שהציע פתרון נגיש וזול יחסית לראיית תלת מימד. מאז, משחקי חינוך גופני וריקוד עם Kinect חוו את העלייה והירידה הקצרה שלהם, אבל מצלמות תלת מימד החלו לשמש ברובוטים תעשייתיים, כלי רכב בלתי מאוישים וטלפונים ניידים לזיהוי פנים. הטכנולוגיה הפכה לזולה יותר, קומפקטית יותר ונגישה יותר.

לטלפון Samsung S10 יש מצלמת זמן טיסה המודדת את המרחק לאובייקט כדי להקל על המיקוד. מקור

אם אתה מעוניין בנושא זה, אנו נפנה אותך לסקירה מפורטת טובה מאוד של מצלמות עומק: חלק 1, חלק 2.

3.3. מל"טים לאספקת מטענים קטנים (מל"טים להעברת מטענים קלים)

השנה, אמזון הכתה גלים כשהציגה בתערוכה מזל"ט מעופף חדש שיכול לשאת משאות קטנים של עד 2 ק"ג. עבור עיר עם פקקים, זה נראה כמו פתרון אידיאלי. בואו נראה איך הרחפנים האלה מתפקדים בעתיד הקרוב מאוד. אולי כדאי להיות סקפטי בזהירות כאן: יש הרבה בעיות, החל מהאפשרות של גניבה קלה של מזל"ט וכלה בהגבלות חוקיות על מל"טים. אמזון פריים אייר קיימת כבר שש שנים אבל עדיין בשלב הבדיקות.

המל"ט החדש של אמזון, הוצג באביב הזה. יש בו משהו במלחמת הכוכבים. מקור

בנוסף לאמזון, ישנם שחקנים נוספים בשוק זה (יש פרט מפורט סקירה), אבל אף לא מוצר מוגמר אחד: הכל נמצא בשלב של בדיקות וקמפיינים שיווקיים. בנפרד, ראוי לציין די מעניין רפואי מיוחד מאוד פרויקטים באפריקה: משלוח דם נתרם בגאנה (14 משלוחים, חברת Zipline) ורואנדה (חברת Matternet).

3.4. הטסת כלי רכב אוטונומיים

קשה לומר כאן משהו חד משמעי. לפי גרטנר, זה יופיע לא לפני 10 שנים. באופן כללי, יש כאן את כל אותן הבעיות כמו במכוניות לנהיגה עצמית, רק שהן רוכשות מימד חדש - אנכי. פורשה, בואינג ואובר הכריזו על שאיפותיהם לבנות מונית מעופפת.

3.5. ענן מציאות רבודה (AR Cloud)

עותק דיגיטלי קבוע של העולם האמיתי, המאפשר לך ליצור רובד חדש של מציאות המשותף לכל המשתמשים. במונחים טכניים יותר, אנחנו מדברים על יצירת פלטפורמת ענן פתוחה שבה מפתחים יוכלו לשלב את יישומי ה-AR שלהם. מודל המונטיזציה ברור; זהו סוג של אנלוגי של Steam. הרעיון השתרש עד כדי כך שחלק מאמינים כעת ש-AR ללא הענן פשוט חסר תועלת.

איך זה עשוי להיראות בעתיד מוצג בסרטון קצר. נראה כמו עוד פרק של Black Mirror:

אתה יכול גם לקרוא ב מאמר סקירה.

4. אדם מוגבר

4.1. רגש AI

כיצד למדוד, לדמות ולהגיב לרגשות אנושיים? חלק מהלקוחות כאן הם חברות שמייצרות עוזרות קוליות כמו אמזון אלקסה. הם באמת יכולים להתרגל לבתים אם הם ילמדו לזהות את מצב הרוח: להבין את הסיבה לחוסר שביעות הרצון של המשתמש, ולנסות לתקן את המצב. באופן כללי, יש הרבה יותר מידע בהקשר מאשר בהודעה עצמה. והקשר הוא הבעת פנים, אינטונציה והתנהגות לא מילולית.

יישומים מעשיים נוספים: ניתוח רגשות במהלך ראיון עבודה (על סמך ראיונות וידאו), הערכת תגובות לפרסומות או תוכן וידאו אחר (חיוכים, צחוק), סיוע בלמידה (למשל, לתרגול עצמאי באמנות הדיבור בפני קהל).

קשה לדבר טוב יותר על הנושא הזה מאשר מחברו של סרט קצר בן 6 דקות גונב את הרגשה. הסרטון השנון והמסוגנן מראה כיצד אתה יכול למדוד את הרגשות שלנו למטרות שיווק, ומתוך התגובות הרגעיות של הפנים שלך, לגלות אם אתה אוהב פיצה, כלבים, קניה ווסט, ואפילו מהי רמת ההכנסה וה-IQ המשוער שלך. על ידי ביקור באתר הסרט באמצעות הקישור למעלה, אתה הופך למשתתף בסרטון אינטראקטיבי באמצעות המצלמה המובנית של המחשב הנייד שלך. הסרט כבר הוצג במספר פסטיבלי קולנוע.

מקור

יש אפילו מחקר כל כך מעניין: איך לזהות סרקזם בטקסט. צילמנו ציוצים עם ההאשטאג #סרקזם והכנו סט אימונים של 25 ציוצים עם סרקזם ו-000 ציוצים רגילים על כל דבר מתחת לשמש. השתמשנו בספריית TensorFlow, הדרכנו את המערכת, והנה התוצאה:

מקור

לכן, עכשיו, אם אתה לא בטוח לגבי הקולגה או החבר שלך - הוא אמר לך משהו ברצינות או בציניות, אתה כבר יכול להשתמש רשת עצבית מאומנת!

4.2. אינטליגנציה מוגברת

אוטומציה של עבודה אינטלקטואלית באמצעות שיטות למידת מכונה. זה ייראה כאילו לא משהו חדש? אבל הניסוח עצמו חשוב כאן, במיוחד מכיוון שהוא חופף בקיצור לבינה מלאכותית. זה מחזיר אותנו לדיון על AI "חזק" ו"חלש".
בינה מלאכותית חזקה היא אותה בינה מלאכותית מסרטי מדע בדיוני המקבילה לחלוטין למוח האנושי ומודעה לעצמה כאינדיבידואל. זה עדיין לא קיים ולא ברור אם זה בכלל יתקיים.

AI חלש אינו אדם עצמאי, אלא עוזר אנושי. הוא לא מתיימר שיש לו חשיבה כמו אנושית, אלא פשוט יודע איך לפתור בעיות מידע, למשל, לקבוע מה מוצג בתמונה או לתרגם טקסט.

מקור

במובן זה, Augmented Intelligence היא "AI חלש" בצורתו הטהורה ביותר, והניסוח נראה מוצלח, שכן הוא אינו מציג בלבול ופיתוי לראות כאן את אותו "AI חזק" שכולם חולמים עליו (או חוששים, אם אנחנו נזכר בדיונים הרבים על "מכוניות המרד"). באמצעות הביטוי Augmented Intelligence, אנחנו הופכים מיד לגיבורים של סרט אחר: מהמדע הבדיוני (כמו "אני, רובוט" של אסימוב) אנחנו מוצאים את עצמנו בסייבר-פאנק ("הגדלות" בז'אנר הזה הן כל מיני שתלים שמרחיבים את היכולות האנושיות).

כמו הם אמרו אריק בריינג'ולפסון ואנדרו מקאפי: "במהלך 10 השנים הבאות, זה מה שיקרה. בינה מלאכותית לא תחליף מנהלים, אבל המנהלים האלה שמשתמשים בבינה מלאכותית יחליפו את אלה שעדיין לא הצליחו".

דוגמאות:

• רפואה: אוניברסיטת סטנפורד פותחה אלגוריתם, שמתמודד עם המשימה של זיהוי פתולוגיות בצילומי חזה בממוצע בהצלחה כמו רוב הרופאים
• חינוך: סיוע לתלמידים ולמורים, ניתוח תגובות התלמידים לחומרים, בניית מסלול למידה פרטני.
• ניתוח עסקי: עיבוד מוקדם של נתונים, לפי הסטטיסטיקה, לוקח 80% מזמנו של חוקר, ורק 20% מהניסוי עצמו

4.3. ביו-צ'יפס

זהו הנושא האהוב על כל סרטי וספרי הסייברפאנק. באופן כללי, מיקרוצ'יפס של חיות מחמד אינו נוהג חדש. אבל עכשיו החלו להשתיל את השבבים האלה באנשים.

במקרה הזה, ההייפ קשור ככל הנראה למקרה הסנסציוני בחברת Three Square Market האמריקאית. שם החל המעסיק להציע להשתיל שבבים מתחת לעור בתמורה לתשלום. השבב מאפשר לפתוח דלתות, להיכנס למחשבים, לקנות חטיפים ממכונה אוטומטית - כלומר כרטיס עובד אוניברסלי כזה. יתרה מכך, שבב כזה משמש בדיוק ככרטיס זיהוי; אין לו מודול GPS, כך שאי אפשר לעקוב אחר מישהו שמשתמש בו. ואם אדם רוצה להסיר את השבב מהזרוע שלו, זה לוקח 5 דקות בעזרת רופא.

השבבים מושתלים בדרך כלל בין האגודל לאצבע המורה. מקור

קרא עוד מאמר על מצב העניינים עם השבבים בעולם.

4.4. סביבת עבודה סוחפת

"טבול" היא עוד מילה חדשה שפשוט אין לה מנוס. זה בכל מקום. תיאטרון סוחף, תערוכה, קולנוע. למה את מתכוונת? טבילה היא יצירת אפקט סוחף, כאשר הגבול בין המחבר לצופה, לעולם הוירטואלי והמציאותי אובד. ביחס למקום העבודה, יש להניח, משמעות הדבר היא טשטוש הגבול בין המבצע ליוזם ועידוד עובדים לנקוט עמדה אקטיבית יותר באמצעות עיצוב מחדש של הסביבה סביבם.

מכיוון שיש לנו כעת זריזות, גמישות ושיתוף פעולה הדוק בכל מקום, מקומות עבודה צריכים להיות ניתנים להגדרה בקלות רבה ככל האפשר וצריכים לעודד עבודה קבוצתית. המשק מכתיב את תנאיו: יש יותר עובדים זמניים, עלות השכרת שטחי משרדים עולה, ובשוק עבודה תחרותי חברות IT מנסות להעלות את שביעות רצון העובדים מהעבודה על ידי יצירת אזורי בילוי והטבות נוספות. וכל זה בא לידי ביטוי בעיצוב מקומות העבודה.

של דוח גִבעָה

4.5. הַאֲנָשָׁה

כולם יודעים מהי התאמה אישית בפרסום. זה כשהיום אתה דנה עם עמית שהאוויר בחדר קצת יבש, וכדאי לקנות מכשיר אדים למשרד, ולמחרת אתה רואה פרסומת ברשת החברתית שלך - "קנה מכשיר אדים" (א) מקרה אמיתי שקרה לי).

מקור

התאמה אישית, כפי שהוגדרה על ידי גרטנר, היא תגובה לדאגות הגוברות של משתמשים לגבי השימוש בנתונים האישיים שלהם למטרות פרסום. המטרה היא לפתח גישה בה מציגים לנו פרסום שרלוונטי להקשר בו אנו נמצאים, ולא לנו באופן אישי. לדוגמה, המיקום שלנו, סוג המכשיר, השעה ביום, תנאי מזג האוויר - זה משהו שלא מפר את הנתונים האישיים שלנו, ואנחנו לא מרגישים את התחושה הלא נעימה של "מפוקחים".

קרא על ההבדל בין שני המושגים הללו פתק אנדרו פרנק כותב בלוג באתר של גרטנר. יש הבדל כל כך עדין ומילים כל כך דומות שאתה, בלי לדעת את ההבדל, מסתכן בוויכוחים ממושכים עם בן שיחו, בלי לחשוד שבאופן כללי שניהם צודקים (וזה גם אירוע אמיתי שקרה ל- מְחַבֵּר).

4.6. ביוטכנולוגיה - רקמה תרבותית או מלאכותית

זה, קודם כל, הרעיון של גידול בשר מלאכותי. במקביל, מספר צוותים ברחבי העולם עסוקים בפיתוח מעבדת "בשר 2.0" - צפוי שהיא תהיה זולה מהרגיל, ואוכל מהיר ולאחר מכן סופרמרקטים יעברו אליה. המשקיעים בטכנולוגיה זו כוללים את ביל גייטס, סרגיי ברין, ריצ'רד ברנסון ואחרים.

מקור

הסיבות מדוע כולם מתעניינים כל כך בבשר מלאכותי:

1. התחממות כדור הארץ: פליטת מתאן מחוות. מדובר ב-18% מנפח הגזים העולמי המשפיעים על האקלים.
2. צמיחת אוכלוסין. הביקוש לבשר הולך וגדל, ולא ניתן יהיה להאכיל את כולם בבשר טבעי - זה פשוט יקר.
3. חוסר מקום. 70% מיערות האמזונס כבר נכרתו למרעה.
4. שיקולים אתיים. יש כאלה שזה חשוב להם. ארגון זכויות בעלי החיים PETA כבר הציע פרס של מיליון דולר למדען שמביא לשוק בשר עוף מלאכותי.

החלפת בשר אמיתי בסויה היא פתרון חלקי, כי אנשים יכולים להעריך את ההבדל בטעם ובמרקם, וסביר להניח שלא יוותרו על סטייק לטובת סויה. אז אתה צריך בשר אמיתי שגדל אורגני. כעת, למרבה הצער, בשר מלאכותי יקר מדי: מ-12 דולר לקילוגרם. זה נובע מהתהליך הטכני המורכב של גידול בשר כזה. קרא על הכל מאמר.

אם אנחנו מדברים על מקרים אחרים של גידול רקמות - כבר ברפואה - אז הנושא עם איברים מלאכותיים הוא מעניין: למשל, "תיקון" לשריר הלב, מודפס מדפסת תלת מימד מיוחדת. ידוע היסטוריה כמו לב עכבר שגדל באופן מלאכותי, אבל באופן כללי הכל עדיין בטווח של ניסויים קליניים. אז לא סביר שנראה את פרנקנשטיין בשנים הקרובות.

כאן גרטנר זהיר מאוד בהערכות שלו, ככל הנראה תוך התחשבות בתחזית הכושלת שלו ב-2015, לפיה ב-2019, ל-10% מהאוכלוסייה במדינות המפותחות תהיה השתלת מכשיר רפואי מודפס בתלת-ממד. לכן, זה אומר שהזמן להגיע לרמת פרודוקטיביות הוא לפחות 3 שנים.

5. מערכות אקולוגיות דיגיטליות

5.1. אינטרנט מבוזר

מושג זה קשור קשר הדוק לשמו של ממציא הרשת, זוכה פרס טיורינג סר טים ברנרס-לי. עבורו, שאלות של אתיקה במדעי המחשב תמיד היו חשובות והמהות הקולקטיבית של האינטרנט הייתה חשובה: בהנחת היסודות להיפרטקסט, הוא היה משוכנע שהרשת צריכה לעבוד כמו רשת, ולא כמו היררכיה. זה היה המקרה בשלב מוקדם של פיתוח הרשת. עם זאת, ככל שהאינטרנט גדל, המבנה שלו הפך לריכוזי ממגוון סיבות. התברר שניתן לחסום בקלות את הגישה לרשת של מדינה שלמה בעזרת ספקים בודדים. ונתוני משתמשים הפכו למקור כוח והכנסה עבור חברות האינטרנט.

"האינטרנט כבר מבוזר", אומר ברנרס-לי. "הבעיה היא שמנוע חיפוש אחד, רשת חברתית אחת גדולה, פלטפורמת מיקרובלוגינג אחת שולטות. אין לנו בעיות טכנולוגיות, אבל יש לנו בעיות חברתיות".

בשנת שלו מכתב פתוח לרגל יום השנה ה-30 של הרשת העולמית, יוצר הרשת תיאר שלוש בעיות עיקריות של האינטרנט:

1. פגיעה ממוקדת כגון פריצה בחסות המדינה, פשע והטרדה מקוונת
2. עצם עיצוב המערכת, אשר, לרעת המשתמש, יוצר את הקרקע למנגנונים כגון: תמריצים כספיים לקליקבייט והפצה ויראלית של מידע כוזב
3. השלכות לא מכוונות של עיצוב המערכת המובילות לקונפליקט ואיכות מופחתת של דיון מקוון

ולטים ברנרס-לי כבר יש תשובה על אילו עקרונות יכול להתבסס "האינטרנט של אדם בריא", ללא בעיה מספר 2: "עבור משתמשים רבים, הכנסה מפרסום נותרה המודל היחיד לאינטראקציה עם האינטרנט. גם אם אנשים חוששים ממה שקורה לנתונים שלהם, הם מוכנים לעשות עסקה עם מכונת השיווק על ההזדמנות לקבל תוכן בחינם. תאר לעצמך עולם שבו התשלום עבור סחורות ושירותים הוא קל ומהנה עבור שני הצדדים." בין האפשרויות כיצד ניתן לארגן זאת: מוזיקאים יכולים למכור את ההקלטות שלהם ללא מתווכים בצורה של iTunes, ואתרי חדשות יכולים להשתמש במערכת של מיקרו-תשלומים לקריאת כתבה אחת, במקום להרוויח כסף מפרסום.

כאב טיפוס ניסיוני לאינטרנט החדש הזה, טים ברנרס-לי השיק את פרויקט SOLID, שעיקרו הוא שאתה מאחסן את הנתונים שלך ב"פוד" - חנות מידע, ויכול לספק את הנתונים הללו ליישומי צד שלישי. אבל באופן עקרוני, אתה עצמך הוא המאסטר של הנתונים שלך. כל זה קשור קשר הדוק לתפיסה של רשתות עמית לעמית, כלומר, המחשב שלכם לא רק מבקש שירותים, אלא גם מספק אותם, כדי לא להסתמך על שרת אחד כערוץ היחיד.

מקור

5.2. ארגונים אוטונומיים מבוזרים

זהו ארגון הנשלט על ידי כללים שנכתבו בצורה של תוכנת מחשב. הפעילות הפיננסית שלה מבוססת על הבלוקצ'יין. מטרת יצירת ארגונים כאלה היא לסלק את המדינה מתפקיד המתווך וליצור סביבה מהימנה משותפת לצדדים נגדיים, שאינה בבעלות איש בנפרד, אלא בבעלות כולם יחד. כלומר, בתיאוריה, זה צריך, אם הרעיון משתרש, לבטל נוטריונים ומוסדות אימות רגילים אחרים.

הדוגמה המפורסמת ביותר לארגון כזה הייתה The DAO המתמקדת במיזם, שגייסה 2016 מיליון דולר ב-150, מתוכם 50 דולר נגנבו מיד דרך חור חוקי בכללים. מיד התעוררה דילמה קשה: או לחזור ולהחזיר את הכסף, או להודות שמשיכת הכסף הייתה חוקית, כי היא לא הפרה בשום אופן את כללי הפלטפורמה. כתוצאה מכך, על מנת להחזיר כסף למשקיעים, היוצרים נאלצו להרוס את ה-DAO, לשכתב את הבלוקצ'יין ולהפר את העיקרון הבסיסי שלו - הבלתי משתנה.

קומיקס על Ethereum (משמאל) ועל ה-DAO (מימין). מקור

כל הסיפור הזה הרס את המוניטין של עצם הרעיון של DAO. הפרויקט הזה נעשה על בסיס המטבע הקריפטוגרפי Ethereum, גרסת Ether 2.0 צפויה בשנה הבאה - אולי המחברים (כולל Vitalik Buterin המפורסם) ייקחו בחשבון את השגיאות ויציגו משהו חדש. זו כנראה הסיבה שגרטנר שמה את DAO ב-upline.

5.3. נתונים סינתטיים

כדי להכשיר רשתות עצביות, יש צורך בכמויות גדולות של נתונים. תיוג נתונים באופן ידני הוא משימה ענקית שיכולה להיעשות רק על ידי אדם. לכן, ניתן ליצור מערכי נתונים מלאכותיים. למשל, אותם אוספים של פרצופים אנושיים באתר https://generated.photos. הם נוצרים באמצעות GAN - האלגוריתמים שכבר הוזכרו לעיל.

הפרצופים האלה לא שייכים לאנשים. מקור

היתרון הגדול של נתונים כאלה הוא שאין קשיים משפטיים בשימוש בהם: אין מי שייתן הסכמה לעיבוד נתונים אישיים.

5.4.אופס דיגיטלי

הסיומת "Ops" הפכה לאופנתית להפליא מאז שהשתרש DevOps בנאום שלנו. עכשיו לגבי מה זה DigitalOps - זו רק הכללה של DevOps, DesignOps, MarketingOps... האם אתה עדיין משועמם? בקיצור, מדובר בהעברה של גישת ה-DevOps מתחום התוכנה לכל שאר ההיבטים של העסק - שיווק, עיצוב וכו'.

מקור

הרעיון של DevOps היה להסיר מחסומים בין הפיתוח עצמו לבין Operations (תהליכים עסקיים), באמצעות יצירת צוותים משותפים, שבהם יש מתכנתים, בודקים, מומחי אבטחה ומנהלים; יישום פרקטיקות מסוימות: אינטגרציה מתמשכת, תשתית כקוד, צמצום וחיזוק שרשראות משוב. המטרה הייתה לזרז את זמן היציאה לשוק של המוצר. אם חשבתם שזה דומה ל-Agile, צדקתם. עכשיו העבירו מנטלית את הגישה הזו מתחום פיתוח התוכנה לפיתוח בכלל - ותבינו מה זה DigitalOps.

5.5. גרפי ידע

דרך תוכנה למודל של תחום ידע, כולל שימוש באלגוריתמים של למידת מכונה. גרף ידע נבנה על גבי מאגרי מידע קיימים כדי לקשר יחד את כל המידע: גם מובנה (רשימת אירועים או אנשים) וגם לא מובנה (טקסט של מאמר).

הדוגמה הפשוטה ביותר היא הכרטיס שתוכל לראות בתוצאות החיפוש של גוגל. אם אתם מחפשים אדם או מוסד, תראו כרטיס מימין:


שימו לב ש"אירועים קרובים" אינו עותק של מידע ממפות גוגל, אלא שילוב של לוח הזמנים עם Yandex.Afisha: תוכלו לראות זאת בקלות אם תלחצו על האירועים. כלומר, מדובר בשילוב של מספר מקורות נתונים יחד.

אם תבקשו רשימה - למשל, "במאים מפורסמים" - תוצג לכם קרוסלה:

בונוס למי שקורא עד הסוף

ועכשיו, לאחר שהבהרנו לעצמנו את המשמעות של כל אחת מהנקודות, נוכל להסתכל על אותה תמונה, אבל ברוסית:

שתף אותו באופן חופשי ברשתות חברתיות!

טטיאנה וולקובה - מחברת תכנית ההכשרה למסלול ה-IT של האינטרנט של הדברים באקדמיית סמסונג, מומחית בתוכניות אחריות חברתית תאגידית במרכז המחקר של סמסונג


מקור: www.habr.com