Gartner のチャートは、テクノロジー業界の人々にとっては高級ファッション ショーのようなものです。 これを見れば、今シーズン最も話題になっている言葉や、今後のすべてのカンファレンスで何が聞かれるかを事前に知ることができます。

このグラフの美しい言葉の背後にあるものを解読したので、あなたもその言葉を話せるようになります。

まず、これがどのようなグラフなのかについて簡単に説明します。 毎年 30 月に、コンサルティング会社 Gartner はレポート「Gartner Hype Curve」を発表します。 ロシア語では、これは「誇大広告曲線」、またはもっと簡単に言うと誇大宣伝です。 XNUMX年前、グループ「パブリック・エネミー」のラッパーたちは「誇大宣伝を信じるな」と歌った。 信じられないかもしれませんが、これは個人的な質問ですが、テクノロジー分野で働いており、世界的なトレンドを知りたい場合は、少なくともこれらのキーワードを知っておく価値があります。

これは、特定のテクノロジーに対する一般の期待を示すグラフです。 Gartner によれば、理想的にはテクノロジーは 5 つの段階を経ます。テクノロジーの発売、期待の高まりのピーク、失望の谷、啓蒙の坂道、生産性のプラトーです。 しかし、それが「失望の谷」に沈むことも起こります。同じビットコインを例に挙げると、あなた自身も非常に簡単に例を思い出すことができます。最初は「将来のお金」としてピークに達しましたが、テクノロジーの欠点が現れるとすぐに滑り落ちました。まず明らかになったのは、取引回数の制限と、ビットコインの生成に必要な膨大な電力（すでに環境問題を伴う）である。 そしてもちろん、ガートナーのチャートは単なる予測であることを忘れてはなりません。たとえば、ここで詳細なレポートを読むことができます。 статью、最も印象的で実現されなかった予測が整理されています。

それでは、新しい Gartner チャートを見てみましょう。 テクノロジーは 5 つの大きなテーマ別グループに分類されます。

1. 高度な AI と分析
2. ポストクラシカルなコンピューティングと通信
3. センシングとモビリティ
4. 強化人間
5. デジタルエコシステム

1. 高度な AI と分析

過去 10 年間、私たちはディープラーニングの最高の時間を経験してきました。 これらのネットワークは、さまざまなタスクに対して真に効果的です。 2018 年、ヤン ルカン、ジェフリー ヒントン、ヨシュア ベンジオは、その発見に対してチューリング賞を受賞しました。チューリング賞は、コンピューター サイエンスにおけるノーベル賞に相当する最も名誉ある賞です。 この分野の主な傾向をグラフに示します。

1.1. 転移学習

ニューラル ネットワークを最初からトレーニングするのではなく、すでにトレーニング済みのニューラル ネットワークを使用して、それに別の目標を割り当てます。 場合によっては、ネットワーク全体ではなく、ネットワークの一部の再トレーニングが必要になることがあります。その方がはるかに高速です。 たとえば、ImageNet50 データセットでトレーニングされた既製のニューラル ネットワーク ResNet1000 を使用すると、画像内のさまざまなオブジェクトを非常に深いレベル (ニューラル ネットワークの 1000 層によって生成された特徴に基づく 50 のクラス) で分類できるアルゴリズムが得られます。通信網）。 ただし、ネットワーク全体をトレーニングする必要はありません (数か月かかります)。

В オンラインコース たとえば、サムスンの「ニューラルネットワークとコンピュータビジョン」は決勝で Kaggle タスク プレートをきれいなプレートと汚れたプレートに分類することで、上記のアーキテクチャに従って構築された、汚れたプレートときれいなプレートを区別できるディープ ニューラル ネットワークを 5 分で自由に利用できるアプローチが実証されます。 元のネットワークはプレートが何であるかをまったく知らず、鳥と犬を区別することだけを学習しました (ImageNet を参照)。

出所： オンラインコース サムスン「ニューラルネットワークとコンピュータビジョン」

転移学習の場合、どのアプローチが機能するのか、またどのような既成の基本アーキテクチャが利用可能なのかを知る必要があります。 全体として、これにより、機械学習の実用的なアプリケーションの出現が大幅に加速されます。

1.2. 敵対的生成ネットワーク (GAN)

これは、学習目標を立てることが非常に難しい場合に当てはまります。 タスクが現実の生活に近ければ近いほど、それは私たちにとって理解しやすくなりますが（「ベッドサイドテーブルを持ってくる」など）、それを技術的なタスクとして定式化することは難しくなります。 GAN は、私たちをこの問題から救おうとする単なる試みです。

ここでは XNUMX つのネットワークが動作しています。XNUMX つはジェネレーター (Generative)、もう XNUMX つはディスクリミネーター (Adversarial) です。 XNUMX つのネットワークは、役立つ作業 (画像の分類、音声の認識、漫画の描画) を行うことを学習します。 そして、別のネットワークは、そのネットワークに教えることを学習します。実際の例があり、本当に重要な深い特性に基づいて、ネットワークの生成部分の積と現実世界のオブジェクト (トレーニング セット) を比較するための、これまで知られていなかった複雑な式を見つけることを学習します。 ：目の数、宮崎監督のスタイルへの近さ、正しい英語の発音。

アニメキャラクターを生成するネットワークの結果の例。 ソース

しかし、当然のことながら、そこに建築を建てるのは難しい。 ニューロンを投げるだけでは十分ではなく、準備が必要です。 そして何週間も勉強しなければなりません。 サムスン人工知能センターの私の同僚は GAN のテーマに取り組んでおり、これは彼らの重要な研究課題の XNUMX つです。 たとえば、このように 開発: 生成ネットワークを使用して、さまざまなポーズの人々のリアルな写真を合成します。たとえば、仮想試着室を作成したり、顔を合成したりすることで、高品質のビデオを確保するために保存または送信する必要がある情報の量を削減できます。通信、放送、または個人データの保護。

ソース

1.3. 説明可能なAI

一部のまれなタスクでは、ディープ アーキテクチャの進歩により、ディープ ニューラル ネットワークの機能が突然人間の能力に近づきました。 現在、そのようなタスクの範囲を拡大するための戦いが始まっています。 たとえば、ロボット掃除機は、正面からの会議で猫と犬を簡単に区別できます。 しかし、ほとんどの生活状況では、リネンや家具の間に眠っている猫を見つけることはできません（ただし、ほとんどの場合、私たちと同じですが...）。

ディープ ニューラル ネットワークの成功の理由は何ですか? 彼らは、「肉眼で見える」情報 (写真のピクセル、音量の変化など) ではなく、この情報を数百層のニューラル ネットワークで前処理した後に得られる特徴に基づいて問題の表現を開発します。 残念ながら、これらの関係は無意味であったり、一貫性がなかったり、元のデータセットに不完全な痕跡が残っている可能性もあります。 たとえば、人材採用における AI の無思慮な使用がどのような結果をもたらすかをテーマにした小さなコンピューター ゲームがあります。 最適なサバイバル.

画像タグ付けシステムは、写真に写っている人物が実際には男性であるにもかかわらず、料理をしている人を女性としてラベル付けしました (ソース） それ 気づいた バージニア研究所で。

私たち自身では定式化できないことが多い複雑で深い関係を分析するには、説明可能な AI 手法が必要です。 これらはディープ ニューラル ネットワークの特徴を整理するため、トレーニング後にネットワークの決定に単純に依存するのではなく、ネットワークが学習した内部表現を分析できるようになります。

1.4. エッジアナリティクス / AI

「エッジ」という単語が含まれるすべてのものは、文字通り次のことを意味します。アルゴリズムの一部をクラウド/サーバーからエンドデバイス/ゲートウェイ レベルに転送することです。 このようなアルゴリズムはより高速に動作し、その操作のために中央サーバーへの接続を必要としません。 「シン クライアント」の抽象化に精通している場合は、ここでこのクライアントをもう少し厚くします。
これはモノのインターネットにとって重要になる可能性があります。 たとえば、マシンが過熱して冷却が必要な場合、データがクラウドに送信され、そこから当直長に送信されるのを待たずに、プラント レベルで即座に通知することが理にかなっています。 または別の例: 自動運転車は、中央サーバーに連絡することなく、独自に交通状況を把握できます。

ソース

あるいは、これがセキュリティの観点から重要である理由のもう XNUMX つの例として、携帯電話にテキストを入力すると、そのユーザーによくある単語が記憶されるので、後で電話のキーボードが便利に入力を促すことができます。これは予測と呼ばれます。テキスト入力。 キーボードで入力した内容をすべてどこかのデータセンターに送信することはプライバシーの侵害であり、単純に安全ではありません。 したがって、キーボードのトレーニングはデバイス自体の中でのみ行われます。

1.5. サービスとしての AI プラットフォーム (AI PaaS)

PaaS - Platform-as-a-Service は、クラウドベースのデータ ストレージや既製の手順を含む統合プラットフォームにアクセスできるビジネス モデルです。 これにより、インフラストラクチャのタスクから解放され、有用なものの作成に完全に集中できるようになります。 AI タスク用の PaaS プラットフォームの例: IBM Cloud、Microsoft Azure、Amazon Machine Learning、Google AI Platform。

1.6. 適応型機械学習 (Adaptive ML)

人工知能を適応させたらどうなるでしょうか...どうやって人工知能を適応させたらよいでしょうか?人工知能はすでにタスクに適応しているのではないでしょうか? 問題は次のとおりです。私たちは、そのような問題を解決するための人工知能アルゴリズムを構築する前に、そのような問題をそれぞれ入念に設計します。 彼らはあなたに答えます - このチェーンは単純化できることがわかりました。

従来の機械学習は、開ループの原理で動作します。データを準備し、ニューラル ネットワーク (またはその他) を考え出し、トレーニングし、いくつかの指標を調べて、すべてが気に入れば、ニューラル ネットワークをスマートフォンに送信できます。 - ユーザーの問題を解決します。 ただし、大量のデータがあり、その性質が徐々に変化するアプリケーションでは、他の方法が必要になります。 自ら適応して学習するこのようなシステムは、閉じた自己学習ループ (閉ループ) に編成されており、スムーズに動作する必要があります。

アプリケーション - これは、多くのビジネスマンが意思決定を行うベースとなるストリーム分析 (Stream Analytics)、または適応型生産管理である可能性があります。 現在のアプリケーションの規模と人間へのリスクがよりよく理解されていることを考慮すると、この問題の解決策を構成する技術はすべて、適応型 AI という包括的な用語にまとめられています。

ソース

この写真を見ると、未来学者にパンを食べさせるな、ロボットに呼吸を教えさせろ…という気持ちを払拭するのは難しい。

ポストクラシカルなコンピューティングと通信

2.1. 第5世代移動通信(XNUMXG)

これは非常に興味深いトピックなので、すぐに私たちの記事を参照してください。 статье。 さて、ここで簡単にまとめます。 5G はデータ送信の頻度を高めることで、インターネットの速度を非現実的に高速化します。 短波は障害物を通過することがより困難であるため、ネットワークの設計はまったく異なり、500 倍の基地局が必要になります。

スピードに加えて、拡張現実を備えたリアルタイム ゲーム、テレプレゼンスによる複雑なタスク (手術など) の実行、マシン間の通信による道路上の事故や困難な状況の防止など、新しい現象も得られます。 もっと平凡な話になりますが、スタジアムでの試合などの大規模なイベント中にモバイル インターネットの接続がついに停止されます。

画像出典 - ロイター、ナイアンティック

2.2. 次世代メモリ

ここでは、第 5 世代の RAM、DDR2019 について話します。 Samsung は、DDR5 ベースの製品が 32 年末までに入手可能になると発表しました。 新しいメモリは、同じフォームファクタを維持しながら、速度と容量が XNUMX 倍になることが期待されています。つまり、コンピュータ用に最大 XNUMX GB の容量を持つメモリ スティックを入手できるようになります。 将来的には、これはスマートフォン (新しいメモリは低電力バージョンになる) やラップトップ (DIMM スロットの数が限られている) に特に関係するでしょう。 また、機械学習には大量の RAM も必要です。

2.3. 低軌道衛星システム

重くて高価で強力な衛星を小型で安価な衛星の群れに置き換えるというアイデアは決して新しいものではなく、90年代に登場しました。 何について 「イーロン・マスクは間もなく衛星からインターネットをすべての人に配信するだろう」 今では怠け者だけが聞いていません。 ここで最も有名な企業はイリジウムです。同社は 90 年代後半に破産しましたが、米国国防総省の費用で救済されました (ロシアのスマート ホーム システムである iRidium と混同しないでください)。 イーロン・マスク氏のプロジェクト (Starlink) だけではありません。リチャード・ブランソン (OneWeb - 提案された衛星 1440 基)、ボーイング (衛星 3000 基)、サムスン (衛星 4600 基) などが衛星競争に参加しています。

この地域の現状、経済の様子 - 読んでください レビュー。 そして私たちは、来年行われる予定の最初のユーザーによるこれらのシステムの最初のテストを待っています。

2.4. ナノスケール 3D プリンティング

3D プリンティングは、（個人の家庭用プラスチック工場が約束した形で）すべての人の生活に入ったわけではありませんが、それにもかかわらず、ずっと前にオタク向けの技術ニッチを残しました。 すべての学童が少なくとも 3D 彫刻ペンの存在を知っており、多くの生徒がランナーとエクストルーダーが入った箱を購入することを夢見ています...「その通り」（またはすでに購入済み）という事実から判断できます。

光造形 (レーザー 3D プリンタ) では、個々の光子による印刷が可能です。固化するのに XNUMX つの光子だけを必要とする新しいポリマーが研究されています。 これにより、実験室以外の条件で、まったく新しいフィルター、マウント、スプリング、キャピラリー、レンズなどを作成することが可能になります...コメント欄にオプションをご記入ください。 そして、ここでは光重合からそれほど遠くありません。この技術だけがプロセッサーとコンピューティング回路を「印刷」できるのです。 さらに、このようなことが行われたのは今年が初めてではありません。 グラフェン500nmの三次元構造を印刷する技術、しかし過激な展開はありません。

ソース

3. センシングとモビリティ

3.1. 自動運転レベル4&5

用語で混乱しないように、どのレベルの自律性が区別されるかを理解する価値があります（詳細な説明から抜粋） 記事、興味のある方はぜひご参照ください）：

レベル 1: クルーズ コントロール: 非常に限られた状況でドライバーを支援します (たとえば、ドライバーがペダルから足を放した後、車を一定の速度で保持するなど)
レベル 2: ステアリングとブレーキのアシストが制限されています。 ドライバーはほぼ瞬時に制御を開始できる状態でなければなりません。 彼の手はハンドルの上にあり、目は道路に向けられています。 これはテスラとゼネラルモーターズがすでに実現していることだ。
レベル 3: ドライバーは道路を常に監視する必要がなくなりました。 しかし、彼は警戒を怠らず、主導権を握る準備ができていなければなりません。 これは市販車にはまだ備わっていないことです。 現在存在するものはすべてレベル 1 ～ 2 です。
レベル 4: 真の自動操縦ですが、制限があります。慎重にマッピングされシステムに一般に知られている既知のエリア内で、特定の条件下 (たとえば、雪が降っていない場合) でのみ走行します。 Waymo と General Motors はそのようなプロトタイプを持っており、いくつかの都市でそれらを発売し、実際の環境でテストする予定です。 ヤンデックスはスコルコボとイノポリスに無人タクシーのテストゾーンを設けている。走行は助手席に座ったエンジニアの監督の下で行われる。 同社は年末までに保有車両を 100 台の無人車両に拡大する予定です。
レベル 5: 完全自動運転。稼働中のドライバーを完全に置き換えます。 そのようなシステムは存在せず、今後数年以内に登場する可能性は低いです。

予見可能な将来にこれらすべてが起こるのはどれくらい現実的でしょうか? ここで読者を記事にリダイレクトしたいと思います 「テスラが約束している2020年までにロボタクシーを発売することがなぜ不可能なのか」。 これは 5G 接続の欠如が原因の 4 つであり、利用可能な 4G 速度では十分ではありません。 自動運転車のコストが非常に高いことも一因です。自動運転車はまだ利益が出ておらず、ビジネス モデルも不明瞭です。 一言で言えば、ここでは「すべてが複雑」であり、レベル 5 と 10 の大量実装の予測が XNUMX 年以内であるとガートナーが書いているのは偶然ではありません。

3.2. 3Dセンシングカメラ

3 年前、Microsoft の Kinect ゲーム コントローラーは、アクセスしやすく比較的安価な 3D ビジョン ソリューションを提供することで話題を呼びました。 それ以来、Kinect を使用した体育やダンス ゲームは短期間の栄枯盛衰を経験しましたが、XNUMXD カメラは顔認証のために産業用ロボット、無人車両、携帯電話で使用され始めました。 この技術はより安価で、よりコンパクトになり、よりアクセスしやすくなりました。

Samsung S10 スマートフォンには、被写体までの距離を測定して焦点を合わせやすくする Time-of-Flight カメラが搭載されています。 ソース

このトピックに興味がある場合は、深度カメラの非常に詳細なレビューにリダイレクトします。 パート1, パート2.

3.3. 小型貨物配送用ドローン（軽貨物配送ドローン）

今年、アマゾンはショーで最大2kgの小さな荷物を運ぶことができる新しい飛行ドローンを披露し、話題を呼んだ。 交通渋滞のある都市にとって、これは理想的な解決策のように思えます。 近い将来、これらのドローンがどのように機能するか見てみましょう。 おそらく、ここでは慎重に懐疑的になる価値があります。ドローンが簡単に盗まれる可能性から始まり、UAV に対する法的制限に至るまで、多くの問題があります。 Amazon Prime Airは誕生からXNUMX年が経ちますが、まだテスト段階です。

この春公開されたアマゾンの新しいドローン。 彼にはスター・ウォーズのようなものがある。 ソース

Amazon に加えて、この市場には他のプレーヤーもいます (詳細な説明があります)。 概要）、しかし完成品はひとつもありません。すべてがテストとマーケティングキャンペーンの段階にあります。 これとは別に、非常に興味深い高度に専門化された医療に注目する価値があります。 プロジェクト アフリカ：ガーナ（ジップライン社）とルワンダ（Matternet社）での献血血液の配達。

3.4. 空飛ぶ自動運転車

ここで明確なことを言うのは難しいです。 Gartner によると、これは早ければ 10 年以内に現れるでしょう。 一般に、自動運転車と同じ問題がすべてここにありますが、垂直という新しい次元が追加されるだけです。 ポルシェ、ボーイング、ウーバーは空飛ぶタクシーを開発するという野心を発表した。

3.5. 拡張現実クラウド（ARクラウド）

現実世界の永久的なデジタル コピー。これにより、すべてのユーザーに共通の現実の新しいレイヤーを作成できます。 より技術的な用語では、開発者が AR アプリケーションを統合できるオープン クラウド プラットフォームの作成について話しています。 収益化モデルは明確であり、Steam に似たものです。 この考えはあまりにも定着しており、クラウドなしの AR はまったく役に立たないと考える人もいます。

これが将来どのようになるかを短いビデオで示しています。 ブラックミラーの別のエピソードのようです:

で読むこともできます 総説。

4. 強化人間

4.1. 感情AI

人間の感情をどのように測定し、シミュレートし、反応するか? ここのクライアントの中には、Amazon Alexa などの音声アシスタントを製造する企業もあります。 雰囲気を認識すること、つまりユーザーの不満の理由を理解し、状況を修正しようとすることを学べば、彼らは本当に家に慣れることができます。 一般に、メッセージ自体よりもコンテキスト内にはるかに多くの情報があります。 そして、コンテキストとは、顔の表情、イントネーション、非言語的行動のことです。

その他の実用的な用途: 就職面接中の感情の分析 (ビデオ インタビューに基づく)、コマーシャルまたはその他のビデオ コンテンツに対する反応の評価 (笑顔、笑い)、学習の支援 (たとえば、人前で話す技術の自主練習用)。

このテーマに関して、6 分間の短編映画の作者以上にうまく話すのは難しい あなたの気持ちを盗む。 この機知に富んだスタイリッシュなビデオは、マーケティング目的で私たちの感情を測定する方法を示しており、あなたの顔の瞬間的な反応から、ピザが好きか、犬が好きか、カニエ・ウェストが好きか、さらには収入レベルとおおよその IQ さえもわかります。 上記のリンクを使用して映画の Web サイトにアクセスすると、ラップトップの内蔵カメラを使用してインタラクティブ ビデオの参加者になります。 この映画はすでにいくつかの映画祭で上映されています。

ソース

文章中の皮肉をどのように認識するかという興味深い研究もあります。 私たちは、#sarcasm というハッシュタグを付けたツイートを収集し、皮肉を含む 25 件のツイートと、あらゆる事柄に関する通常のツイート 000 件からなるトレーニング セットを作成しました。 TensorFlow ライブラリを使用し、システムをトレーニングした結果が次のとおりです。

ソース

したがって、同僚や友人について確信が持てない場合、つまり彼があなたに真剣に、または皮肉を込めて何かを言った場合は、すでに次のように使用できます。 訓練されたニューラルネットワーク!

4.2. 拡張知能

機械学習手法を使用した知的作業の自動化。 何も目新しいものではないように思えますか？ しかし、ここでは特に Artificial Intelligence の略語と一致するため、文言自体が重要です。 ここで、「強い」AI と「弱い」AI についての議論に戻ります。
強力な AI とは、SF 映画に登場する人工知能と同じで、人間の精神と完全に同等であり、自分自身を個人として認識しています。 これはまだ存在しておらず、実際に存在するかどうかも不明です。

弱いAIは独立した人間ではなく、人間のアシスタントです。 彼は人間のような思考を持っているとは主張していませんが、単に情報の問題を解決する方法、たとえば、写真に何が表示されているかを判断したり、テキストを翻訳したりする方法を知っているだけです。

ソース

この意味で、拡張知能は最も純粋な形での「弱い AI」であり、誰もが夢見る (あるいは恐れている) のと同じ「強い AI」をここで見ようとする混乱や誘惑が生じないため、定式化は成功したように見えます。 「反乱車」についての数多くの議論を思い出してください）。 「拡張知能」という表現を使うと、私たちはすぐに別の映画のヒーローになります。サイエンス フィクション (アシモフの「アイ、ロボット」など) から、サイバーパンクの世界にいるような気分になります (このジャンルにおける「拡張」とは、人間の能力を拡張するあらゆる種類のインプラントです)。

Как 彼らは言った エリック・ブリニョルフソンとアンドリュー・マカフィー：「今後 10 年間で、これが起こるでしょう。 AI がマネージャーに取って代わることはありませんが、AI を使用するマネージャーが、まだ成功していないマネージャーに取って代わることになります。」

Примеры：

• 医学：スタンフォード大学が開発 アルゴリズム胸部 X 線写真で病理を認識するという仕事に平均してほとんどの医師と同じくらいうまく対処している
• 教育: 生徒と教師への支援、教材に対する生徒の反応の分析、個人の学習軌道の構築。
• ビジネス分析: 統計によると、データの前処理には研究者の時間の 80% がかかり、実験自体の時間はわずか 20% です。

4.3. バイオチップ

これは、すべてのサイバーパンク映画や本で最も人気のあるテーマです。 一般に、ペットにマイクロチップを埋め込むことは新しい行為ではありません。 しかし今、これらのチップが人々に埋め込まれ始めています。

この場合、誇大広告はアメリカの会社スリースクエアマーケットでのセンセーショナルな事件に関連している可能性が最も高いです。 そこで雇用主は、料金と引き換えにチップを皮下に埋め込むと申し出始めた。 このチップを使用すると、ドアを開けたり、コンピューターにログインしたり、自動販売機で軽食を購入したりできるようになります。つまり、このようなユニバーサル従業員カードです。 さらに、このようなチップは正確に身分証明書として機能し、GPS モジュールを備えていないため、それを使用している人を追跡することは不可能です。 また、腕からチップを取り外そうとした場合、医師の助けがあれば5分程度かかります。

チップは通常、親指と人差し指の間に埋め込まれます。 ソース

続きを読む статью 世界のチッピングの現状について。

4.4. 没入型ワークスペース

「没入型」もまた、逃げ場のない新しい言葉です。 それはどこにでもあります。 イマーシブシアター、展示会、映画。 どういう意味ですか？ イマージョンとは、作者と視聴者、仮想世界と現実世界の間の境界が失われるときに、没入型効果を生み出すことです。 職場に関して言えば、これはおそらく、実行者と開始者の間の境界を曖昧にし、周囲の環境を再フォーマットすることで従業員がより積極的な立場に立つことを奨励することを意味します。

現在、どこでもアジャイル、柔軟性、緊密なコラボレーションが実現しているため、職場はできるだけ簡単に構成でき、グループワークを促進する必要があります。 経済はその条件を左右します。臨時従業員が増加し、オフィススペースを借りるコストが上昇しており、競争の激しい労働市場の中で、IT企業はレクリエーションエリアやその他の福利厚生を創設することで従業員の仕事の満足度を高めようとしています。 そして、これらすべてが職場の設計に反映されます。

の レポート ノール

4.5. 擬人

広告におけるパーソナライゼーションとは何なのかは誰もが知っています。 これは、今日、あなたが同僚と部屋の空気がやや乾燥しているので、オフィス用の加湿器を購入するべきだと話し合っているときです。次の日、ソーシャル ネットワークで「加湿器を購入してください」という広告を目にしました。私に起こった実際の出来事）。

ソース

Gartner が定義するパーソナライゼーションは、広告目的での個人データの使用に対するユーザーの増大する懸念への対応です。 目標は、私たち個人ではなく、私たちが置かれている状況に関連した広告を表示するアプローチを開発することです。 たとえば、私たちの位置、デバイスの種類、時刻、気象条件などは、個人データを侵害するものではなく、「監視されている」という不快な感覚を感じません。

これら XNUMX つの概念の違いについて読む メモ Andrew Frank は Gartner の Web サイトにブログを投稿しています。 非常に微妙な違いと非常に似た言葉があるため、その違いを知らずに、一般にどちらも正しいとは疑わず、対話者と長時間議論する危険があります（これは、実際に起こった事件でもあります）著者）。

4.6. バイオテクノロジー – 培養組織または人工組織

これはまず第一に、人工肉を栽培するというアイデアです。 同時に、世界中のいくつかのチームが実験室用「ミート 2.0」の開発に忙しい。通常よりも安くなり、ファストフード、そしてスーパーマーケットがミート XNUMX に切り替えることが予想される。 このテクノロジーへの投資家には、ビル ゲイツ、セルゲイ ブリン、リチャード ブランソンなどが含まれます。

ソース

誰もが人工肉にこれほど興味を持っている理由:

1. 地球温暖化: 農場からのメタンの排出。 これは、気候に影響を与える世界のガス量の 18% に相当します。
2. 人口増加。 肉の需要は増大していますが、天然肉をすべての人に食べさせることは不可能です。単に高価だからです。
3. 容量不足。 アマゾンの森林の70％はすでに牧草地として伐採されている。
4. 倫理的配慮。 これが重要な人もいます。 動物愛護団体PETAはすでに、人工鶏肉を市場に投入した科学者に1万ドルの賞金を提供している。

本物の肉を大豆に置き換えることは、部分的な解決策である。なぜなら、人々は味と食感の違いを理解できるので、大豆のためにステーキを諦める可能性は低いからである。 したがって、本物の有機栽培の肉が必要です。 現在、残念なことに、人工肉は高すぎます: 12 キロあたり XNUMX ドルから。 これは、そのような肉を栽培する複雑な技術的プロセスによるものです。 すべてについて読んでください статью.

すでに医学で使われている組織成長の他のケースについて話す場合、人工臓器に関するトピックは興味深いものです。たとえば、心筋の「パッチ」、 印刷された 特殊な3Dプリンター。 既知の 物語 人工的に成長させたマウスの心臓のようなものですが、一般的にはすべてがまだ臨床試験の範囲内です。 したがって、今後数年間にフランケンシュタインが登場する可能性は低いでしょう。

ここでガートナーは自身の推計に非常に慎重で、2015年には先進国の人口の2019％が10Dプリント医療機器インプラントを装着するだろうという3年の失敗予測を念頭に置いているようだ。 したがって、生産性が頭打ちになるまでに少なくとも 10 年はかかるということになります。

5. デジタルエコシステム

5.1. 分散型ウェブ

この概念は、ウェブの発明者であるチューリング賞受賞者のティム・バーナーズ・リー卿の名前と密接に関連しています。 彼にとって、コンピュータ サイエンスにおける倫理の問題は常に重要であり、インターネットの集合的な本質も重要でした。ハイパーテキストの基礎を築くことで、ネットワークは階層のように機能するのではなく、ウェブのように機能するべきであると確信していました。 これはネットワーク開発の初期段階に当てはまりました。 しかし、インターネットが成長するにつれて、さまざまな理由からその構造は集中化していきました。 ほんの数社のプロバイダーの助けを借りて、国全体のネットワークへのアクセスを簡単にブロックできることが判明しました。 そしてユーザーデータはインターネット企業にとって権力と収入の源となっている。

「インターネットはすでに分散化されています」とバーナーズ・リー氏は言います。 「問題は、XNUMX つの検索エンジン、XNUMX つの大きなソーシャル ネットワーク、XNUMX つのミニブログ プラットフォームが独占していることです。 私たちには技術的な問題はありませんが、社会的な問題はあります。」

その 公開書簡 World Wide Web の 30 周年を記念して、Web の創始者はインターネットの XNUMX つの主要な問題について概説しました。

1. 国家支援によるハッキング、犯罪、オンライン嫌がらせなどの標的型危害
2. システムの設計自体が、ユーザーに不利益をもたらし、次のようなメカニズムの土壌を作り出します。 クリックベイトに対する金銭的インセンティブや、虚偽の情報のウイルス拡散
3. オンラインディスカッションの対立や質の低下につながるシステム設計の予期せぬ結果

そして、ティム・バーナーズ・リーは、問題 2 を除いて、「健康な人のインターネット」がどのような原則に基づいているのかについて、すでに答えを持っています。「多くのユーザーにとって、広告収入は依然としてインターネットと対話するための唯一のモデルです。 人々は自分のデータがどうなるかを恐れていても、コンテンツを無料で受け取る機会を得るためにマーケティングマシンと契約を結ぶことをいとわないのです。 商品やサービスの支払いが双方にとって簡単で楽しい世界を想像してみてください。」 これをどのようにアレンジするかという選択肢の中には、ミュージシャンはiTunesの形で仲介業者を介さずに自分の録音を販売することができ、ニュースサイトは広告でお金を稼ぐ代わりに、XNUMXつの記事を読むためにマイクロペイメントのシステムを利用することができる。

この新しいインターネットの実験的なプロトタイプとして、Tim Berners-Lee は SOLID プロジェクトを立ち上げました。その本質は、データを「ポッド」 (情報ストア) に保存し、このデータをサードパーティ アプリケーションに提供できることです。 しかし、原則として、データの所有者はあなた自身です。 これらすべてはピアツーピア ネットワークの概念と密接に関連しています。つまり、コンピュータはサービスを要求するだけでなく、サービスを提供することもできるため、唯一のチャネルとして XNUMX つのサーバーに依存することはありません。

ソース

5.2. 分散型自律組織

コンピュータプログラムの形で明文化されたルールによって統治される組織です。 その金融活動はブロックチェーンに基づいています。 このような組織を創設する目的は、国家を仲介者の役割から排除し、取引相手にとって、誰が個人的に所有するものではなく、全員が一緒に所有する共通の信頼できる環境を構築することです。 つまり、理論的には、この考えが定着すれば、公証人やその他の通常の検証機関は廃止されるはずです。

このような組織の最も有名な例は、ベンチャーに焦点を当てた The DAO で、2016 年に 150 億 50 万ドルを調達しましたが、そのうちの XNUMX ドルは規則の法的穴によって即座に盗まれました。 すぐに難しいジレンマが生じました。ロールバックしてお金を返すか、プラットフォームのルールにまったく違反していないため、お金の引き出しが合法であることを認めるかのどちらかです。 その結果、投資家にお金を返すために、作成者は DAO を破壊し、ブロックチェーンを書き換え、その基本原則である不変性に違反する必要がありました。

イーサリアム (左) と DAO (右) に関するコミック。 ソース

この一連の話は、DAO のアイデア自体の評判を台無しにしました。 このプロジェクトは暗号通貨イーサリアムに基づいて作成されており、バージョン イーサ 2.0 は来年公開される予定です。おそらく作者 (有名なヴィタリック ブテリン氏を含む) は誤りを考慮に入れて、何か新しいものを提示するでしょう。 おそらくそれが、Gartner が DAO をアップラインに置いた理由でしょう。

5.3.合成データ

ニューラル ネットワークをトレーニングするには、大量のデータが必要です。 データに手動でラベルを付けるのは、人間にしかできない大変な作業です。 したがって、人工的なデータセットを作成することが可能です。 たとえば、サイト上の同じ人間の顔のコレクション https://generated.photos。 これらは GAN (すでに上で説明したアルゴリズム) を使用して作成されます。

これらの顔は人のものではありません。 ソース

このようなデータの大きな利点は、その使用に法的な問題がないことです。つまり、個人データの処理に同意する人がいないということです。

5.4.デジタル作戦

DevOps が私たちのスピーチに根付いて以来、「Ops」という接尾辞は信じられないほどファッショナブルになりました。 さて、DigitalOps とは何かについて説明します。これは、DevOps、DesignOps、MarketingOps を一般化したものにすぎません...もう飽きていますか? 一言で言えば、DevOps アプローチをソフトウェア分野からビジネスの他のすべての側面 (マーケティング、デザインなど) に移すことです。

ソース

DevOps のアイデアは、プログラマー、テスター、セキュリティ専門家、管理者がいる共通のチームを作成することで、開発自体と運用 (ビジネス プロセス) の間の障壁を取り除くことでした。 特定のプラクティスの実装: 継続的統合、コードとしてのインフラストラクチャ、フィードバック チェーンの削減と強化。 目標は、製品の市場投入までの時間を短縮することでした。 これがアジャイルに似ていると思ったなら、それは正解でした。 ここで、このアプローチをソフトウェア開発の分野から開発一般に頭の中で移してみましょう。これで、DigitalOps が何であるかが理解できます。

5.5. ナレッジグラフ

機械学習アルゴリズムの使用など、知識領域をモデル化するソフトウェアの方法。 ナレッジ グラフは既存のデータベースの上に構築され、構造化された情報 (イベントや人物のリスト) と非構造化された情報 (記事のテキスト) の両方をリンクします。

最も単純な例は、Google の検索結果に表示されるカードです。 個人または機関を探している場合は、右側にカードが表示されます。


「今後のイベント」は Google マップからの情報のコピーではなく、Yandex.Afisha とのスケジュールの統合であることに注意してください。イベントをクリックすると簡単に確認できます。 つまり、複数のデータ ソースを組み合わせたものです。

たとえば「有名な監督」などのリストを要求すると、カルーセルが表示されます。

最後まで読んでいただいた方への特典

それぞれの点の意味を自分で明確にしたので、同じ図をロシア語で見てみましょう。

ソーシャルネットワークで自由にシェアしてください！

Tatyana Volkova - Samsung Academy のモノのインターネット IT トラックのトレーニング プログラムの著者、Samsung Research Center の企業の社会的責任プログラムの専門家


出所： habr.com