Bagan Gartner kaya pertunjukan busana sing dhuwur kanggo industri teknologi. Kanthi ndeleng, sampeyan bisa ngerteni luwih dhisik tembung apa sing paling disenengi ing musim iki lan apa sing bakal sampeyan krungu ing kabeh konferensi sing bakal teka.

Kita wis nemtokake apa sing ana ing mburi tembung-tembung sing apik ing grafik iki supaya sampeyan uga bisa nganggo basa kasebut.

Kanggo miwiti, mung sawetara tembung babagan jenis grafik iki. Saben taun ing wulan Agustus, agensi konsultasi Gartner ngetokake laporan - Gartner Hype Curve. Ing basa Rusia, iki minangka "kurva hype," utawa, luwih gampang, hype. 30 taun kepungkur, rapper saka grup Public Enemy nyanyi: "Aja percaya hype." Pracaya utawa ora, iku pitakonan pribadi, nanging paling ora kudu ngerti tembung kunci kasebut yen sampeyan kerja ing bidang teknologi lan pengin ngerti tren global.

Iki minangka grafik pangarepan umum saka teknologi tartamtu. Miturut Gartner, saenipun, teknologi ngliwati 5 tahap: peluncuran teknologi, puncak pangarep-arep, lembah kuciwo, kemiringan pencerahan, dataran tinggi produktivitas. Nanging uga kedadeyan yen tenggelam ing "lembah kuciwane" - sampeyan bisa ngelingi conto dhewe kanthi gampang, njupuk bitcoin sing padha: wiwitane tekan puncak minangka "dhuwit masa depan", dheweke cepet mudhun nalika kekurangan teknologi. dadi ketok, pisanan kabeh Watesan ing nomer transaksi lan jumlah gedhe tenan saka listrik dibutuhake kanggo generate bitcoins (sing wis entails masalah lingkungan). Lan mesthi, kita ora lali manawa grafik Gartner mung ramalan: ing kene, contone, sampeyan bisa maca rinci. artikel, ngendi prediksi unfulfilled paling striking diurutake metu.

Dadi, ayo goleki grafik Gartner anyar. Teknologi dipérang dadi 5 klompok tematik gedhe:

1. AI lan Analytics Lanjut
2. Postclassical Compute lan Comms
3. Sensing lan Mobilitas
4. Wong sing ditambahi
5. Ekosistem Digital

1. AI lan Analytics Lanjut

Sajrone 10 taun kepungkur, kita wis ndeleng jam sinau jero sing paling apik. Jaringan kasebut pancen efektif kanggo macem-macem tugas. Ing taun 2018, Yann LeCun, Geoffrey Hinton lan Yoshua Bengio nampa Penghargaan Turing kanggo panemune - penghargaan paling bergengsi, padha karo Bebungah Nobel ing ilmu komputer. Dadi, tren utama ing wilayah iki, sing ditampilake ing grafik:

1.1. Transfer Learning

Sampeyan ora nglatih jaringan saraf saka awal, nanging njupuk sing wis dilatih lan nemtokake tujuan sing beda. Kadhangkala iki mbutuhake latihan maneh bagean jaringan, nanging ora kabeh jaringan, sing luwih cepet. Contone, njupuk jaringan saraf siap-siap ResNet50, dilatih ing dataset ImageNet1000, sampeyan bakal entuk algoritma sing bisa nggolongake macem-macem obyek ing gambar ing tingkat sing jero banget (kelas 1000 adhedhasar fitur sing digawe dening 50 lapisan saraf. jaringan). Nanging sampeyan ora kudu nglatih kabeh jaringan kasebut, sing butuh pirang-pirang wulan.

В kursus online Samsung "Jaringan saraf lan visi komputer", contone, ing final Tugas kale kanthi klasifikasi piring dadi resik lan reged, pendekatan dituduhake yen ing menit 5 menehi sampeyan jaringan saraf jero sing bisa mbedakake piring sing reged saka sing resik, dibangun miturut arsitektur sing kasebut ing ndhuwur. Jaringan asli ora ngerti apa piring, mung sinau kanggo mbedakake manuk saka asu (pirsani ImageNet).

Source: kursus online Samsung "Jaringan saraf lan visi komputer"

Kanggo Transfer Learning sampeyan kudu ngerti pendekatan sing bisa digunakake lan arsitektur dhasar sing kasedhiya. Sakabèhé, iki banget nyepetake munculé aplikasi praktis saka machine learning.

1.2. Generative Adversarial Networks (GAN)

Iki kanggo kasus nalika angel banget kanggo kita ngrumusake tujuan sinau. Sing nyedhaki tugas kanggo urip nyata, luwih bisa dingerteni kanggo kita ("nggawa meja bedside"), nanging luwih angel kanggo ngrumusake minangka tugas teknis. GAN mung minangka upaya kanggo nylametake kita saka masalah iki.

Ana rong jaringan sing digunakake ing kene: siji yaiku generator (Generatif), liyane minangka diskriminator (Adversarial). Siji jaringan sinau nindakake karya sing migunani (nggolongake gambar, ngenali swara, nggambar kartun). Lan jaringan liyane sinau kanggo mulang jaringan kasebut: duwe conto nyata, lan sinau nemokake rumus kompleks sing sadurunge ora dingerteni kanggo mbandhingake produk saka bagean generatif jaringan karo obyek nyata (set latihan) adhedhasar karakteristik jero sing penting banget. : jumlah mata, jarak karo gaya Miyazaki, pronunciation Inggris bener.

Conto asil jaringan kanggo ngasilake karakter anime. Sumber

Nanging, mesthine, angel mbangun arsitektur ing kana. Ora cukup mung mbuwang neuron, kudu disiapake. Lan sampeyan kudu sinau kanggo minggu. Kanca-kancaku ing Samsung Artificial Intelligence Center lagi nggarap topik GAN; iki minangka salah sawijining pitakonan riset utama. Contone, kaya iki pangembangan: Nggunakake jaringan generatif kanggo nyintesis foto realistis saka wong kanthi pose variabel - contone, kanggo nggawe kamar pas virtual, utawa kanggo sintesis pasuryan, sing bisa nyuda jumlah informasi sing kudu disimpen utawa dikirim kanggo njamin video berkualitas tinggi komunikasi, penyiaran utawa proteksi data pribadi.

Sumber

1.3. AI sing bisa diterangake

Kanggo sawetara tugas langka, kemajuan ing arsitektur jero dumadakan ndadekake kemampuan jaringan saraf jero luwih cedhak karo kemampuan manungsa. Saiki perang kanggo nambah sawetara tugas kuwi. Contone, robot vacuum cleaner bisa gampang mbedakake kucing saka asu ing rapat langsung. Nanging ing umume kahanan urip, dheweke ora bakal bisa nemokake kucing turu ing antarane linen utawa perabotan (Nanging, kaya kita, ing akeh kasus ...).

Apa sebabe sukses jaringan syaraf jero? Dheweke ngembangake perwakilan saka masalah kasebut ora adhedhasar informasi "katon kanthi mripat langsung" (piksel foto, owah-owahan volume swara ...), nanging ing fitur sing dipikolehi sawise preprocessing informasi iki kanthi pirang-pirang atus lapisan jaringan saraf. Sayange, sesambungan kasebut bisa uga ora ana gunane, ora konsisten, utawa nggawa jejak cacat ing kumpulan data asli. Contone, ana game komputer cilik babagan apa sing bisa nyebabake panggunaan AI ing rekrutmen Survival Of The Best Fit.

Sistem tagging gambar menehi label wong sing masak minangka wong wadon, sanajan wong ing gambar kasebut sejatine wong lanang (Sumber). iku ngeweruhi ing Institut Virginia.

Kanggo nganalisa hubungan sing rumit lan jero sing asring ora bisa diramu dhewe, metode AI sing bisa diterangake dibutuhake. Dheweke ngatur fitur jaringan saraf jero supaya sawise latihan, kita bisa nganalisa perwakilan internal sing wis dipelajari jaringan, tinimbang mung ngandelake keputusane.

1.4. Edge Analytics / AI

Kabeh kanthi tembung Edge secara harfiah tegese ing ngisor iki: nransfer bagean saka algoritma saka awan / server menyang tingkat piranti / gateway pungkasan. Algoritma kasebut bakal luwih cepet lan ora mbutuhake sambungan menyang server pusat kanggo operasi kasebut. Yen sampeyan kenal karo abstraksi "klien tipis," mula kita nggawe klien iki rada kenthel.
Iki bisa uga penting kanggo Internet of Things. Contone, yen mesin wis overheated lan perlu cooling, iku ndadekake pangertèn kanggo sinyal iki langsung, ing tingkat tanduran, tanpa ngenteni data kanggo pindhah menyang maya lan saka ing kono kanggo mandor shift. Utawa conto liyane: mobil nyopir bisa nemtokake kahanan lalu lintas dhewe, tanpa ngubungi server pusat.

Sumber

Utawa conto liyane kenapa iki penting saka sudut pandang keamanan: nalika sampeyan ngetik teks ing telpon, sampeyan bakal ngelingi tembung sing khas kanggo sampeyan, supaya keyboard telpon bisa kanthi gampang nuntun sampeyan - iki diarani input teks prediktif. . Ngirim kabeh sing sampeyan ketik ing keyboard menyang pusat data nang endi wae bakal nglanggar privasi sampeyan lan mung ora aman. Mula, latihan keyboard mung ana ing piranti sampeyan dhewe.

1.5. Platform AI minangka Layanan (AI PaaS)

PaaS - Platform-as-a-Service minangka model bisnis sing entuk akses menyang platform terpadu, kalebu panyimpenan data basis awan lan tata cara sing wis siap. Kanthi cara iki, kita bisa mbebasake awake dhewe saka tugas prasarana lan konsentrasi kanggo ngasilake barang sing migunani. Conto platform PaaS kanggo tugas AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Adaptive Machine Learning (ML Adaptif)

Apa yen kita ngidini intelijen buatan adaptasi ... Sampeyan takon - yaiku, kepiye?.. Apa ora adaptasi karo tugas kasebut? Masalahe yaiku: kita kanthi temen-temen ngrancang saben masalah kasebut sadurunge nggawe algoritma intelijen buatan kanggo ngatasi. Dheweke bakal mangsuli sampeyan - ternyata rantai iki bisa disederhanakake.

Pembelajaran mesin konvensional bisa digunakake kanthi prinsip loop terbuka: sampeyan nyiapake data, nggawe jaringan saraf (utawa apa wae), olahraga, banjur deleng sawetara indikator, lan yen sampeyan seneng kabeh, sampeyan bisa ngirim jaringan saraf menyang smartphone. - ngatasi masalah pangguna. Nanging ing aplikasi sing akeh data lan sifate mboko sithik diganti, cara liya dibutuhake. Sistem kasebut, sing adaptasi lan mulang dhewe, diatur dadi loop tertutup, sinau mandiri (loop tertutup), lan kudu mlaku kanthi lancar.

Aplikasi - iki bisa dadi analytics stream (Stream Analytics), kanthi basis akeh pengusaha nggawe keputusan, utawa manajemen produksi adaptif. Ing skala aplikasi saiki lan diwenehi risiko sing luwih dingerteni kanggo manungsa, teknik sing dadi solusi kanggo masalah iki kabeh diklumpukake miturut istilah Adaptive AI.

Sumber

Deleng gambar iki, angel nyingkirake perasaan sing ora menehi panganan futurologists - ayo padha ngajari robot kanggo ambegan ...

Postclassical Compute lan Comms

2.1. Komunikasi seluler generasi kelima (5G)

Iki minangka topik sing menarik sing langsung kita deleng sampeyan artikel. Inggih, punika ringkesan singkat. 5G, kanthi nambah frekuensi transmisi data, bakal nggawe kacepetan Internet ora realistis. Luwih angel kanggo ombak cendhak ngliwati alangan, mula desain jaringan bakal beda banget: 500 kaping stasiun pangkalan dibutuhake.

Bebarengan karo kacepetan, kita bakal entuk fénoména anyar: game wektu nyata kanthi kasunyatan ditambah, nindakake tugas rumit (kayata operasi) liwat telepresence, nyegah kacilakan lan kahanan sing angel ing dalan liwat komunikasi antarane mesin. Ing cathetan sing luwih prosaic: Internet seluler pungkasane bakal mandheg nalika acara massa, kayata pertandhingan ing stadion.

Sumber gambar - Reuters, Niantic

2.2. Memori Generasi Sabanjure

Ing kene kita ngomong babagan RAM generasi kaping lima - DDR5. Samsung ngumumake manawa produk adhedhasar DDR2019 bakal kasedhiya ing pungkasan taun 5. Dikarepake yen memori anyar bakal kaping pindho minangka cepet lan kaping pindho minangka capacious nalika ngramut faktor wangun padha, sing, kita bakal bisa njaluk memori kelet karo kapasitas nganti 32GB kanggo komputer kita. Ing mangsa ngarep, iki bakal cocog utamané kanggo smartphone (memori anyar bakal ing versi kurang daya) lan kanggo laptop (ing ngendi nomer slot DIMM diwatesi). Lan machine learning uga mbutuhake akeh RAM.

2.3. Sistem Satelit Low-Earth-Orbit

Gagasan ngganti satelit sing abot, larang, lan kuat kanthi akeh sing cilik lan murah adoh saka anyar lan muncul maneh ing taun 90-an. bab apa "Elon Musk bakal nyebarake Internet menyang kabeh wong saka satelit" Saiki mung wong kesed sing ora krungu. Perusahaan paling misuwur ing kene yaiku Iridium, sing bangkrut ing pungkasan taun 90-an, nanging disimpen kanthi biaya Departemen Pertahanan AS (ora bakal bingung karo iRidium, sistem omah cerdas Rusia). Proyek Elon Musk (Starlink) adoh saka siji-sijine - Richard Branson (OneWeb - 1440 satelit sing diusulake), Boeing (3000 satelit), Samsung (4600 satelit), lan liya-liyane sing melu lomba satelit.

Kepiye kahanan ing wilayah iki, kaya apa ekonomi ing kana - maca ing review. Lan kita ngenteni tes pisanan sistem kasebut dening pangguna pisanan, sing kudu ditindakake taun ngarep.

2.4. Pencetakan 3D skala nano

Printing 3D, sanajan ora mlebu ing urip saben wong (ing wangun sing dijanjekake dening pabrik plastik omah individu), nanging wis suwe ninggalake ceruk teknologi kanggo geeks. Sampeyan bisa ngadili kanthi kasunyatan manawa saben bocah sekolah ngerti babagan paling ora pena sculpted 3D, lan akeh sing ngimpi tuku kothak karo pelari lan extruder kanggo ... "kaya" (utawa wis tuku).

Stereolithography (printer laser 3D) ngidini nyetak nganggo foton individu: polimer anyar lagi ditliti sing mung mbutuhake rong foton kanggo ngalangi. Iki bakal ngidini, ing kahanan non-laboratorium, nggawe saringan, gunung, spring, kapiler, lensa lan ... pilihan sampeyan ing komentar! Lan ing kene ora adoh saka fotopolimerisasi - mung teknologi iki ngidini kita "nyetak" prosesor lan sirkuit komputasi. Kajaba iku, iki dudu taun pisanan sing ana teknologi kanggo printing graphene 500 nm struktur telung dimensi, nanging tanpa pangembangan radikal.

Sumber

3. Sensing lan Mobilitas

3.1. Nyopir Otonom Level 4 & 5

Supaya ora bingung ing terminologi, iku worth ngerti apa tingkat otonomi dibedakake (dijupuk saka rinci. artikel, sing kita deleng kabeh sing kasengsem):

Level 1: Kontrol pelayaran: nulungi sopir ing kahanan sing winates (contone, nahan mobil kanthi kacepetan tartamtu sawise sopir njupuk sikil saka pedal)
Level 2: Bantuan setir lan rem winates. Sopir kudu siap kanggo njupuk kontrol meh langsung. Tangane neng setir, mripate ngarah neng dalan. Iki soko sing Tesla lan General Motors wis duwe.
Level 3: Sopir ora kudu terus-terusan ngawasi dalan. Nanging dheweke kudu tetep waspada lan siyap ngontrol. Iki minangka barang sing durung ana ing mobil sing kasedhiya. Kabeh sing saiki ana ing level 1-2.
Level 4: Autopilot sing bener, nanging kanthi watesan: mung lelungan ing wilayah sing dikawruhi sing dipetakan kanthi teliti lan umume dikenal ing sistem kasebut, lan ing kondisi tartamtu: umpamane, yen ora ana salju. Waymo lan General Motors duwe prototipe kasebut, lan rencana bakal diluncurake ing sawetara kutha lan nyoba ing lingkungan nyata. Yandex duwe zona uji coba kanggo taksi tanpa awak ing Skolkovo lan Innopolis: perjalanan kasebut ditindakake ing sangisore pengawasan insinyur sing lungguh ing kursi penumpang; ing pungkasan taun, perusahaan ngrancang ngembangake armada dadi 100 kendaraan tanpa awak.
Level 5: Nyopir otomatis lengkap, panggantos lengkap driver urip. Sistem kasebut ora ana, lan ora mungkin muncul ing taun-taun sing bakal teka.

Sepira nyata yen ndeleng kabeh iki ing mangsa ngarep? Ing kene aku pengin ngarahake pamaca menyang artikel kasebut "Napa ora mungkin ngluncurake robotaxi ing taun 2020, kaya sing dijanjikake Tesla". Iki sebagian amarga kekurangan konektivitas 5G: kecepatan 4G sing kasedhiya ora cukup. Sebagéyan amarga biaya mobil otonom sing dhuwur banget: durung nguntungake, model bisnis ora jelas. Ing tembung, "kabeh rumit" ing kene, lan ora ana kebetulan yen Gartner nulis manawa ramalan kanggo implementasi massal Level 4 lan 5 ora luwih awal tinimbang 10 taun.

3.2. Kamera Sensing 3D

Wolung taun kepungkur, pengontrol game Kinect Microsoft nggawe gelombang kanthi menehi solusi sing bisa diakses lan relatif murah kanggo visi 3D. Wiwit iku, pendidikan jasmani lan game tari karo Kinect wis ngalami munggah lan mudhun cendhak, nanging kamera 3D wiwit digunakake ing robot industri, kendaraan tanpa awak, lan telpon seluler kanggo identifikasi rai. Teknologi wis dadi luwih murah, luwih kompak lan luwih gampang diakses.

Telpon Samsung S10 duwe kamera Time-of-Flight sing ngukur jarak menyang obyek supaya luwih gampang fokus. Sumber

Yen sampeyan kasengsem ing topik iki, kita bakal ngarahake sampeyan menyang review rinci babagan kamera jero: bagean 1, bagean 2.

3.3. Drone kanggo ngirim kargo cilik (Drone Pengiriman Kargo Ringan)

Taun iki, Amazon nggawe ombak nalika nuduhake drone mabur anyar ing pertunjukan sing bisa nggawa beban cilik nganti 2 kg. Kanggo kutha sing macet, iki misale jek solusi sing cocog. Ayo ndeleng kepiye drone iki bisa ditindakake ing mangsa ngarep. Mbok iku worth kang cautiously mamang kene: ana akeh masalah, miwiti karo kamungkinan gampang nyolong drone, lan pungkasan karo Watesan legal ing UAVs. Amazon Prime Air wis suwene nem taun nanging isih ana ing tahap tes.

Drone anyar Amazon, ditampilake musim semi iki. Ana sing Star Wars babagan dheweke. Sumber

Saliyane Amazon, ana pemain liyane ing pasar iki (ana rinci review), nanging ora ana produk sing wis rampung: kabeh ana ing tahap tes lan kampanye pemasaran. Kapisah, iku worth kang lagi nyimak cukup menarik banget specialized medical proyek ing Afrika: pangiriman getih sing disumbang ing Ghana (14 kiriman, perusahaan Zipline) lan Rwanda (perusahaan Matternet).

3.4. Kendaraan Otonom Terbang

Pancen angel ngomong apa-apa ing kene. Miturut Gartner, iki bakal katon ora luwih awal tinimbang 10 taun. Umumé, ing kene ana kabeh masalah sing padha ing mobil poto-nyopir, mung padha entuk ukuran anyar - vertikal. Porsche, Boeing, lan Uber wis ngumumake ambisi nggawe taksi mabur.

3.5. Awan Augmented Reality (Awan AR)

Salinan digital permanen saka donya nyata, ngidini sampeyan nggawe lapisan anyar kasunyatan umum kanggo kabeh pangguna. Ing istilah sing luwih teknis, kita ngomong babagan nggawe platform awan sing mbukak kanggo pangembang bisa nggabungake aplikasi AR. Model monetisasi jelas; iki minangka analog saka Steam. Ide kasebut wis dadi mapan nganti sawetara wong saiki percaya yen AR tanpa awan ora ana gunane.

Apa iki bisa uga katon ing mangsa ngarep ditampilake ing video cendhak. Katon episode liyane saka Black Mirror:

Sampeyan uga bisa maca ing artikel review.

4. Manungsa tambah

4.1. Emosi AI

Kepiye cara ngukur, simulasi lan nanggapi emosi manungsa? Sawetara klien ing kene yaiku perusahaan sing nggawe asisten swara kaya Amazon Alexa. Dheweke pancen bisa digunakake ing omah yen sinau kanggo ngenali swasana ati: ngerti sebabe pangguna ora puas, lan nyoba mbenerake kahanan kasebut. Umumé, luwih akeh informasi ing konteks tinimbang ing pesen kasebut. Lan konteks yaiku ekspresi rai, intonasi, lan prilaku nonverbal.

Aplikasi praktis liyane: analisis emosi sajrone wawancara kerja (adhedhasar wawancara video), ngevaluasi reaksi kanggo iklan utawa konten video liyane (mesem, ngguyu), bantuan sinau (contone, kanggo praktik mandiri ing seni public speaking).

Pancen angel ngomong luwih apik babagan topik iki tinimbang penulis film pendek 6 menit Nyolong Perasaan. Video lucu lan apik gayane nuduhake carane sampeyan bisa ngukur emosi kita kanggo tujuan marketing, lan saka reaksi sedhela saka pasuryan, temokake apa sampeyan seneng pizza, asu, Kanye West, lan malah apa tingkat income lan kira-kira IQ. Kanthi ngunjungi situs web film kasebut nggunakake tautan ing ndhuwur, sampeyan dadi peserta ing video interaktif nggunakake kamera sing dipasang ing laptop sampeyan. Film kasebut wis ditampilake ing pirang-pirang festival film.

Sumber

Malah ana studi sing menarik: carane ngenali sarcasm ing teks. Kita njupuk tweets kanthi hashtag #sarcasm lan nggawe set latihan 25 tweets kanthi sarcasm lan 000 tweets biasa babagan kabeh sing ana ing sangisore srengenge. Kita nggunakake perpustakaan TensorFlow, nglatih sistem kasebut, lan iki asile:

Sumber

Dadi, saiki, yen sampeyan ora yakin karo kanca utawa kanca - dheweke ujar kanthi serius utawa sarkastik, sampeyan bisa nggunakake jaringan syaraf terlatih!

4.2. Augmented Intelligence

Otomatisasi karya intelektual nggunakake metode pembelajaran mesin. Iku bakal koyone kaya boten anyar? Nanging tembung kasebut dhewe penting ing kene, utamane amarga pas karo singkatan karo Artificial Intelligence. Iki nggawa kita bali menyang debat babagan AI "kuwat" lan "lemah".
AI sing kuat yaiku intelijen buatan sing padha saka film fiksi ilmiah sing padha karo pikiran manungsa lan ngerti awake dhewe minangka individu. Iki durung ana lan ora jelas manawa bakal ana.

AI sing lemah dudu wong sing mandiri, nanging asisten manungsa. Dheweke ora ngaku duwe pamikiran kaya manungsa, nanging mung ngerti carane ngatasi masalah informasi, contone, nemtokake apa sing ditampilake ing gambar utawa nerjemahake teks.

Sumber

Ing pangertèn iki, Augmented Intelligence minangka "AI sing lemah" ing wangun sing paling murni, lan formulasi kasebut katon sukses, amarga ora ngenalake kebingungan lan nggodha kanggo ndeleng kene "AI kuwat" sing padha impen saben wong (utawa wedi, yen kita wedi. kelingan akeh diskusi babagan "mobil pemberontakan"). Nggunakake ekspresi Augmented Intelligence, kita langsung dadi pahlawan film liyane: saka fiksi ilmiah (kayata Asimov "I, Robot") kita nemokake dhewe ing cyberpunk ("augmentasi" ing genre iki kabeh jinis implan sing ngembangake kemampuan manungsa).

Carane jarene Erik Brynjolfsson lan Andrew McAffee: "Sajrone 10 taun sabanjure, iki bakal kelakon. AI ora bakal ngganti manajer, nanging manajer sing nggunakake AI bakal ngganti sing durung nggawe.

conto:

• Kedokteran: Universitas Stanford dikembangake algoritma, sing ngrampungake tugas kanggo ngenali patologi ing sinar-X dada rata-rata kanthi sukses kaya umume dokter.
• Pendhidhikan: pitulungan kanggo siswa lan guru, analisis respon siswa kanggo materi, konstruksi lintasan sinau individu.
• Analitik bisnis: preprocessing data, miturut statistik, njupuk 80% wektu peneliti, lan mung 20% ​​saka eksperimen dhewe

4.3. Biochip

Iki minangka tema favorit kabeh film lan buku cyberpunk. Umumé, pets microchipping dudu praktik anyar. Nanging saiki Kripik iki wis wiwit ditanem ing wong.

Ing kasus iki, hype paling kamungkinan digandhengake karo kasus sensasional ing perusahaan Amerika Three Square Market. Ing kana, juragan wiwit nawarake kanggo implan keripik ing kulit kanthi ijol-ijolan ragad. Chip ngijini sampeyan kanggo mbukak lawang, mlebu menyang komputer, tuku cemilan saka mesin vending - iku kertu pegawe universal. Kajaba iku, chip kasebut minangka kertu identifikasi, ora duwe modul GPS, mula ora bisa dilacak sapa wae sing nggunakake. Lan yen wong pengin mbusak chip saka lengen, butuh 5 menit kanthi bantuan dokter.

Kripik biasane ditanem ing antarane jempol lan driji indeks. Sumber

Waca liyane artikel bab kahanan karo chipping ing donya.

4.4. Ruang Kerja Immersive

"Immersive" minangka tembung anyar liyane sing ora bisa lolos. Iku nang endi wae. Teater immersive, pameran, bioskop. Maksude piye? Kecemplung yaiku nggawe efek immersive, nalika wates antarane penulis lan penonton, jagad maya lan nyata ilang. Ing papan kerja, bisa uga, iki tegese ngganggu garis antarane pelaku lan inisiator lan nyengkuyung karyawan kanggo njupuk posisi sing luwih aktif liwat ngowahi format lingkungane.

Amarga saiki kita duwe Agile, keluwesan, lan kolaborasi sing cedhak ing endi wae, papan kerja kudu dikonfigurasi kanthi gampang lan kudu nyengkuyung kerja kelompok. Ekonomi ndhikte syarat-syarat kasebut: ana luwih akeh karyawan sementara, biaya nyewa ruang kantor mundhak, lan ing pasar tenaga kerja sing kompetitif, perusahaan IT nyoba nambah kepuasan karyawan saka kerja kanthi nggawe area rekreasi lan keuntungan liyane. Lan kabeh iki dibayangke ing desain papan kerja.

Saka laporan kenop

4.5. Personifikasi

Saben uwong ngerti apa personalisasi ing iklan. Iki nalika dina iki sampeyan ngrembug karo kolega yen udhara ing kamar rada garing, lan sampeyan kudu tuku humidifier kanggo kantor, lan dina sabanjure sampeyan ndeleng pariwara ing jaringan sosial - "tuku humidifier" (a kedadean nyata sing kedadeyan ing aku).

Sumber

Personalisasi, kaya sing ditegesake dening Gartner, minangka respon kanggo uneg-uneg pangguna babagan panggunaan data pribadhi kanggo tujuan pariwara. Tujuane kanggo ngembangake pendekatan ing ngendi kita ditampilake iklan sing cocog karo konteks sing kita temokake, lan ora kanggo kita pribadi. Contone, lokasi, jinis piranti, wektu dina, kahanan cuaca - iki sing ora nglanggar data pribadhi, lan kita ora ngrasakake perasaan sing ora nyenengake "dipantau".

Waca babagan prabédan antarane rong konsep kasebut cathetan Andrew Frank blog ing situs web Gartner. Ana prabédan subtle lan tembung sing padha sing, ora ngerti prabédan, resiko argue karo interlocutor kanggo dangu, ora curiga sing, ing umum, loro-lorone bener (lan iki uga kedadean nyata sing kedaden kanggo pengarang).

4.6. Bioteknologi - Kultur utawa Tisu Tiruan

Iki, pisanan kabeh, gagasan ngembangake daging buatan. Ing wektu sing padha, sawetara tim ing saindenging jagad sibuk ngembangake laboratorium "Daging 2.0" - samesthine bakal luwih murah tinimbang biasane, lan panganan cepet lan banjur supermarket bakal pindhah menyang. Investor ing teknologi iki kalebu Bill Gates, Sergey Brin, Richard Branson lan liya-liyane.

Sumber

Alasan kenapa kabeh wong seneng banget karo daging buatan:

1. Pemanasan global: emisi metana saka peternakan. Iki minangka 18% saka volume gas global sing mengaruhi iklim.
2. Pertumbuhan populasi. Panjaluk daging saya tambah akeh, lan ora bisa dipangan kabeh wong kanthi daging alami - mung larang.
3. Kurang papan. 70% saka alas Amazon wis ditebang kanggo padang rumput.
4. Pertimbangan etika. Ana sing kanggo sapa iki penting. Organisasi hak kewan PETA wis nawakake hadiah $ 1 yuta kanggo ilmuwan sing nggawa daging pitik buatan menyang pasar.

Ngganti daging nyata karo soy minangka solusi parsial, amarga wong bisa ngormati prabédan ing rasa lan tekstur, lan ora mungkin nyerah steak kanggo milih soy. Dadi, sampeyan butuh daging sing asli, sing ditanam sacara organik. Saiki, sayangé, daging buatan larang banget: saka $ 12 saben kilogram. Iki amarga proses teknis sing rumit kanggo ngembangake daging kasebut. Waca babagan kabeh artikel.

Yen kita ngomong babagan kasus jaringan liyane sing tuwuh - wis ana ing obat - mula topik karo organ buatan menarik: contone, "patch" kanggo otot jantung, dicithak printer 3D khusus. Dikenal crita kaya jantung tikus sing ditanam sacara artifisial, nanging umume kabeh isih ana ing ruang lingkup uji klinis. Dadi, kita ora bisa ndeleng Frankenstein ing taun-taun sing bakal teka.

Ing kene Gartner ngati-ati banget babagan prakiraan, mesthine ngelingi prediksi 2015 sing gagal yen ing taun 2019, 10% populasi ing negara maju bakal duwe implan piranti medis sing dicithak 3D. Mulane, tegese wektu kanggo nggayuh tingkat produktivitas paling sethithik 10 taun.

5. Ekosistem Digital

5.1. Web Desentralisasi

Konsep iki ana hubungane karo jeneng penemu web, pemenang Turing Award Sir Tim Burners-Lee. Kanggo dheweke, pitakonan babagan etika ing ilmu komputer tansah penting lan inti kolektif Internet penting: mbikak dhasar hiperteks, dheweke yakin yen jaringan kasebut kudu kaya web, lan ora kaya hirarki. Iki kedadeyan ing tahap awal pangembangan jaringan. Nanging, nalika Internet tuwuh, strukture dadi terpusat amarga macem-macem alasan. Ternyata akses menyang jaringan kanggo kabeh negara bisa gampang diblokir kanthi bantuan sawetara panyedhiya. Lan data pangguna wis dadi sumber daya lan penghasilan kanggo perusahaan Internet.

"Internet wis desentralisasi," ujare Burners-Lee. "Masalahe yaiku siji mesin telusur, siji jaringan sosial gedhe, siji platform microblogging sing dominasi. Kita ora duwe masalah teknologi, nanging kita duwe masalah sosial.

Ing layang mbukak Kanggo mengeti 30th World Wide Web, panyipta Web kasebut nyatakake telung masalah utama Internet:

1. Cilaka sing ditargetake kayata peretasan sing disponsori negara, kejahatan, lan gangguan online
2. Desain sistem banget, sing, kanggo ngrugekake pangguna, nggawe lemah kanggo mekanisme kayata: insentif finansial kanggo clickbait lan panyebaran virus informasi palsu.
3. Konsekuensi sing ora disengaja saka desain sistem sing nyebabake konflik lan nyuda kualitas diskusi online

Lan Tim Berners-Lee wis duwe jawaban babagan prinsip apa sing bisa didhasarake "Internet Wong Sehat", tanpa masalah nomer 2: "Kanggo akeh pangguna, penghasilan iklan tetep dadi model mung kanggo sesambungan karo Internet. Sanajan wong wedi babagan apa sing kedadeyan ing data kasebut, dheweke gelem menehi hasil karo mesin marketing kanggo kesempatan nampa konten kanthi gratis. Bayangake jagad sing mbayar barang lan layanan gampang lan nyenengake kanggo loro-lorone. Antarane opsi kanggo carane iki bisa diatur: musisi bisa ngedol rekaman sing tanpa perantara ing wangun iTunes, lan situs warta bisa nggunakake sistem micropayments kanggo maca siji artikel, tinimbang nggawe dhuwit saka iklan.

Minangka prototipe eksperimen kanggo Internet anyar iki, Tim Berners-Lee ngluncurake proyek SOLID, sing intine yaiku sampeyan nyimpen data ing "pod" - toko informasi, lan bisa nyedhiyakake data kasebut menyang aplikasi pihak katelu. Nanging ing prinsip, sampeyan dhewe minangka master data sampeyan. Kabeh iki raket banget karo konsep jaringan peer-to-peer, yaiku, komputer sampeyan ora mung njaluk layanan, nanging uga nyedhiyakake, supaya ora ngandelake siji server minangka saluran mung.

Sumber

5.2. Organisasi Otonomi Desentralisasi

Iku organisasi sing diatur dening aturan sing ditulis ing wangun program komputer. Aktivitas finansial kasebut adhedhasar pamblokiran. Tujuan nggawe organisasi kasebut yaiku kanggo ngilangi negara saka peran perantara lan nggawe lingkungan sing dipercaya umum kanggo mitra, sing ora diduweni dening sapa wae, nanging diduweni kabeh wong bebarengan. Sing, ing teori, iki kudu, yen idea njupuk ROOT, ngilangi notaris lan institusi verifikasi biasanipun.

Conto sing paling misuwur saka organisasi kasebut yaiku DAO sing fokus ing usaha, sing ngasilake $ 2016 yuta ing 150, sing $ 50 langsung dicolong liwat bolongan hukum ing aturan kasebut. A dilema angel langsung muncul: salah siji muter bali lan bali dhuwit, utawa ngakoni yen penarikan dhuwit iku sah, amarga ing cara ora nglanggar aturan platform. Akibaté, kanggo ngasilake dhuwit menyang investor, para pencipta kudu numpes DAO, nulis ulang pamblokiran lan nglanggar prinsip dhasar - immutability.

Komik babagan Ethereum (kiwa) lan The DAO (tengen). Sumber

Kabeh crita iki wis ngrusak reputasi ide DAO. Proyek kasebut digawe kanthi basis cryptocurrency Ethereum, versi Ether 2.0 samesthine taun ngarep - mbok menawa penulis (kalebu Vitalik Buterin sing misuwur) bakal nganggep kesalahan lan nuduhake sing anyar. Mulane Gartner sijine DAO ing upline.

5.3.Data Sintetik

Kanggo nglatih jaringan saraf, akeh data sing dibutuhake. Labeling data kanthi manual minangka tugas gedhe sing mung bisa ditindakake dening manungsa. Mulane, bisa nggawe set data buatan. Contone, koleksi pasuryan manungsa sing padha ing situs kasebut https://generated.photos. Dheweke digawe nggunakake GAN - algoritma sing wis kasebut ing ndhuwur.

Pasuryan iki ora kagungane wong. Sumber

Kauntungan gedhe saka data kasebut yaiku ora ana kesulitan hukum kanggo nggunakake: ora ana sing menehi idin kanggo ngolah data pribadhi.

5.4. Operasi Digital

Akhiran "Ops" wis dadi modis banget wiwit DevOps njupuk oyod ing wicara kita. Saiki babagan apa DigitalOps - iku mung generalisasi saka DevOps, DesignOps, MarketingOps... Apa sampeyan wis bosen durung? Singkatipun, iki minangka transfer pendekatan DevOps saka area piranti lunak menyang kabeh aspek bisnis liyane - marketing, desain, lsp.

Sumber

Ide DevOps yaiku mbusak alangan antarane Pembangunan dhewe lan Operasi (proses bisnis), liwat nggawe tim umum, ing ngendi ana programer, penguji, spesialis keamanan, lan pangurus; implementasine praktik tartamtu: integrasi terus-terusan, infrastruktur minangka kode, nyuda lan nguatake rantai umpan balik. Tujuane kanggo nyepetake wektu produk menyang pasar. Yen sampeyan mikir iki padha karo Agile, sampeyan bener. Saiki mindhah pendekatan iki kanthi mental saka bidang pangembangan piranti lunak menyang pangembangan umume - lan sampeyan ngerti apa DigitalOps.

5.5. Grafik Pengetahuan

Cara piranti lunak kanggo model area kawruh, kalebu nggunakake algoritma machine learning. Grafik kawruh dibangun ing ndhuwur basis data sing wis ana kanggo ngubungake kabeh informasi: loro terstruktur (dhaptar acara utawa wong) lan ora terstruktur (teks artikel).

Conto sing paling gampang yaiku kertu sing bisa dideleng ing asil panelusuran Google. Yen sampeyan nggoleki wong utawa institusi, sampeyan bakal weruh kertu ing sisih tengen:


Elinga yen "Acara sing bakal teka" dudu salinan informasi saka Google Maps, nanging integrasi jadwal karo Yandex.Afisha: sampeyan bisa ndeleng kanthi gampang yen sampeyan ngeklik acara kasebut. Sing, iku kombinasi saka sawetara sumber data bebarengan.

Yen sampeyan njaluk dhaptar - contone, "direktur misuwur" - sampeyan bakal ditampilake carousel:

Bonus kanggo sing maca nganti pungkasan

Lan saiki kita wis njlentrehake dhewe makna saben poin, kita bisa ndeleng gambar sing padha, nanging ing basa Rusia:

Nuduhake kanthi bebas ing jaringan sosial!

Tatyana Volkova - Penulis program pelatihan kanggo trek Internet of Things IT ing Samsung Academy, spesialis program tanggung jawab sosial perusahaan ing Samsung Research Center


Source: www.habr.com