Gartner-ის ჩარტში მაღალი მოდის ჩვენებაა ტექნოლოგიური ინდუსტრიისთვის. მისი დათვალიერებით შეგიძლიათ წინასწარ გაიგოთ, რომელი სიტყვებია ყველაზე მეტად აჟიტირებული ამ სეზონზე და რას მოისმენთ ყველა მომავალ კონფერენციაზე.

ჩვენ გავშიფრეთ რა დგას ამ გრაფიკის მშვენიერი სიტყვების მიღმა, რათა თქვენც შეძლოთ ენაზე საუბარი.

დასაწყისისთვის, მხოლოდ რამდენიმე სიტყვა იმის შესახებ, თუ რა სახის გრაფიკია ეს. ყოველწლიურად აგვისტოში, საკონსულტაციო სააგენტო Gartner აქვეყნებს ანგარიშს - Gartner Hype Curve. რუსულად, ეს არის "ჰიპ მრუდი", ან, უფრო მარტივად, აჟიოტაჟი. 30 წლის წინ, რეპერები ჯგუფ Public Enemy-დან მღეროდნენ: "არ დაიჯერო აჟიოტაჟის". დაიჯერეთ თუ არა, ეს პირადი კითხვაა, მაგრამ მაინც ღირს ამ საკვანძო სიტყვების ცოდნა, თუ თქვენ მუშაობთ ტექნოლოგიების სფეროში და გსურთ იცოდეთ გლობალური ტენდენციები.

ეს არის საზოგადოების მოლოდინების გრაფიკი კონკრეტული ტექნოლოგიიდან. Gartner-ის აზრით, იდეალურ შემთხვევაში, ტექნოლოგია გადის 5 ეტაპს: ტექნოლოგიის გაშვება, გაბერილი მოლოდინების პიკი, იმედგაცრუების ველი, განმანათლებლობის ფერდობი, პროდუქტიულობის პლატო. მაგრამ ისეც ხდება, რომ ის "იმედგაცრუების ხეობაში" იხრჩობა - მაგალითები თავადაც შეგიძლია გაიხსენო, აიღე იგივე ბიტკოინები: თავდაპირველად მწვერვალს მიაღწევდნენ, როგორც "მომავლის ფულს", ისინი სწრაფად ჩამოცურდნენ, როდესაც ტექნოლოგიის ნაკლოვანებები გამოჩნდა. აშკარა გახდა, უპირველეს ყოვლისა, შეზღუდვები ტრანზაქციების რაოდენობაზე და ბიტკოინების წარმოებისთვის საჭირო ელექტროენერგიის უზარმაზარ რაოდენობაზე (რაც უკვე იწვევს ეკოლოგიურ პრობლემებს). და რა თქმა უნდა, არ უნდა დაგვავიწყდეს, რომ Gartner-ის სქემა მხოლოდ პროგნოზია: აქ, მაგალითად, შეგიძლიათ წაიკითხოთ დეტალური მუხლი, სადაც განიხილება ყველაზე გასაოცარი შეუსრულებელი პროგნოზები.

მოდით გადავიდეთ Gartner-ის ახალ ჩარტზე. ტექნოლოგიები იყოფა 5 დიდ თემატურ ჯგუფად:

1. გაფართოებული AI და ანალიტიკა
2. პოსტკლასიკური გამოთვლა და კომისია
3. შეგრძნება და მობილურობა
4. გაძლიერებული ადამიანი
5. ციფრული ეკოსისტემები

1. გაფართოებული AI და ანალიტიკა

ბოლო 10 წლის განმავლობაში ჩვენ ვნახეთ ღრმა სწავლის საუკეთესო საათი. ეს ქსელები ნამდვილად ეფექტურია მათი ამოცანების სპექტრისთვის. 2018 წელს იან ლეკუნმა, ჯეფრი ჰინტონმა და იოშუა ბენჯიომ მიიღეს ტურინგის ჯილდო თავიანთი აღმოჩენებისთვის - ყველაზე პრესტიჟული ჯილდო, ნობელის პრემიის ანალოგი კომპიუტერულ მეცნიერებაში. ასე რომ, ამ სფეროში ძირითადი ტენდენციები, რომლებიც ნაჩვენებია სქემაზე:

1.1. ტრანსფერული სწავლება

თქვენ არ ავარჯიშებთ ნერვულ ქსელს ნულიდან, არამედ იღებთ უკვე გაწვრთნილ ქსელს და სხვა მიზანს ანიჭებთ მას. ზოგჯერ ეს მოითხოვს ქსელის ნაწილის გადამზადებას, მაგრამ არა მთელი ქსელის, რაც ბევრად უფრო სწრაფია. მაგალითად, მზა ნეირონული ქსელის ResNet50-ის აღებით, რომელიც გაწვრთნილია ImageNet1000 მონაცემთა ბაზაზე, თქვენ მიიღებთ ალგორითმს, რომელსაც შეუძლია სურათში მრავალი განსხვავებული ობიექტის კლასიფიკაცია ძალიან ღრმა დონეზე (1000 კლასი, რომელიც დაფუძნებულია მახასიათებლებზე, რომლებიც გენერირებულია ნერვული სისტემის 50 ფენით. ქსელი). მაგრამ თქვენ არ გჭირდებათ მთელი ქსელის მომზადება, რასაც თვეები დასჭირდება.

В ონლაინ კურსი Samsung "ნერვული ქსელები და კომპიუტერული ხედვა", მაგალითად, ფინალში კაგლის დავალება ფირფიტების კლასიფიკაციით სუფთა და ჭუჭყიანად, ნაჩვენებია მიდგომა, რომელიც 5 წუთში გაძლევთ თქვენს განკარგულებაში ღრმა ნერვულ ქსელს, რომელსაც შეუძლია განასხვავოს ბინძური ფირფიტები სუფთადან, აგებულია ზემოთ აღწერილი არქიტექტურის მიხედვით. თავდაპირველმა ქსელმა საერთოდ არ იცოდა რა იყო ფირფიტები, მან მხოლოდ ისწავლა ფრინველების ძაღლებისგან გარჩევა (იხ. ImageNet).

წყარო: ონლაინ კურსი Samsung "ნერვული ქსელები და კომპიუტერული ხედვა"

ტრანსფერული სწავლისთვის თქვენ უნდა იცოდეთ რომელი მიდგომები მუშაობს და რა მზა ძირითადი არქიტექტურა არსებობს. საერთო ჯამში, ეს მნიშვნელოვნად აჩქარებს მანქანათმცოდნეობის პრაქტიკული აპლიკაციების გაჩენას.

1.2. Generative Adversarial Networks (GAN)

ეს იმ შემთხვევებისთვის, როცა ძალიან გვიჭირს სასწავლო მიზნის ჩამოყალიბება. რაც უფრო ახლოსაა ამოცანა რეალურ ცხოვრებასთან, მით უფრო გასაგებია ჩვენთვის („საწოლის მაგიდა მოიტანე“), მაგრამ მით უფრო რთულია მისი ტექნიკური დავალების ჩამოყალიბება. GAN მხოლოდ მცდელობაა, გადაგვარჩინოს ეს პრობლემა.

აქ ორი ქსელი მუშაობს: ერთი არის გენერატორი (Generative), მეორე არის დისკრიმინატორი (Adversarial). ერთი ქსელი სწავლობს სასარგებლო სამუშაოს შესრულებას (ნახატების კლასიფიკაცია, ბგერების ამოცნობა, მულტფილმების დახატვა). და კიდევ ერთი ქსელი სწავლობს ამ ქსელის სწავლებას: მას აქვს რეალური მაგალითები და სწავლობს იპოვნოს ადრე უცნობი რთული ფორმულა ქსელის გენერაციული ნაწილის პროდუქტების რეალურ სამყაროს ობიექტებთან (სავარჯიშო კომპლექტი) შესადარებლად, რომელიც დაფუძნებულია მართლაც მნიშვნელოვან ღრმა მახასიათებლებზე. : თვალების რაოდენობა, მიაძაკის სტილთან სიახლოვე, სწორი ინგლისური გამოთქმა.

ანიმე პერსონაჟების გენერირების ქსელის შედეგის მაგალითი. წყარო

მაგრამ, რა თქმა უნდა, რთულია იქ არქიტექტურის აშენება. საკმარისი არ არის მხოლოდ ნეირონების გადაყრა, ისინი უნდა მომზადდეს. და კვირების განმავლობაში უნდა ისწავლო. ჩემი კოლეგები სამსუნგის ხელოვნური ინტელექტის ცენტრში მუშაობენ GAN თემაზე; ეს არის მათი ერთ-ერთი მთავარი კვლევის კითხვა. მაგალითად, ასე განვითარება: გენერაციული ქსელების გამოყენებით ცვლადი პოზებით ადამიანების რეალისტური ფოტოების სინთეზირებისთვის - მაგალითად, ვირტუალური ოთახის შესაქმნელად, ან სახის სინთეზისთვის, რამაც შეიძლება შეამციროს შესანახი ან გადაცემული ინფორმაციის რაოდენობა, რათა უზრუნველყოს მაღალი ხარისხის ვიდეო. კომუნიკაციის, მაუწყებლობის ან პერსონალური მონაცემების დაცვა.

წყარო

1.3. ახსნადი AI

ზოგიერთი იშვიათი ამოცანისთვის, ღრმა არქიტექტურის მიღწევებმა მოულოდნელად მიიყვანა ღრმა ნერვული ქსელების შესაძლებლობები ადამიანის შესაძლებლობებთან. ახლა ბრძოლა მიმდინარეობს ასეთი ამოცანების დიაპაზონის გასაზრდელად. მაგალითად, რობოტი მტვერსასრუტი ადვილად განასხვავებს კატას ძაღლისგან თავდაპირველ შეხვედრაზე. მაგრამ უმეტეს ცხოვრებისეულ სიტუაციებში, ის ვერ იპოვის კატას მძინარე თეთრეულს ან ავეჯს შორის (თუმცა, როგორც ჩვენ, უმეტეს შემთხვევაში...).

რა არის ღრმა ნერვული ქსელების წარმატების მიზეზი? ისინი ავითარებენ პრობლემის წარმოდგენას, რომელიც ეფუძნება არა „შეიარაღებელი თვალით ხილულ“ ინფორმაციას (ფოტო პიქსელები, ხმის მოცულობის ცვლილებები...), არამედ მახასიათებლებზე, რომლებიც მიღებულ იქნა ამ ინფორმაციის წინასწარი დამუშავების შემდეგ ნერვული ქსელის რამდენიმე ასეული ფენით. სამწუხაროდ, ეს ურთიერთობები შეიძლება ასევე იყოს უაზრო, არათანმიმდევრული, ან ატარებს არასრულყოფილების კვალს თავდაპირველ მონაცემთა ნაკრებში. მაგალითად, არის პატარა კომპიუტერული თამაში იმის შესახებ, თუ რა შეიძლება გამოიწვიოს AI-ის დაუფიქრებელმა გამოყენებამ რეკრუტირებისას საუკეთესო მორგების გადარჩენა.

სურათის მონიშვნის სისტემამ დაასახელა ადამიანი, რომელიც ჭამს, როგორც ქალი, მიუხედავად იმისა, რომ სურათზე გამოსახული ადამიანი სინამდვილეში მამაკაცია (წყარო). ის შენიშნა ვირჯინიის ინსტიტუტში.

რთული და ღრმა ურთიერთობების გასაანალიზებლად, რომელთა ფორმულირებაც ჩვენ თვითონ არ შეგვიძლია, საჭიროა ახსნადი ხელოვნური ინტელექტის მეთოდები. ისინი აწყობენ ღრმა ნერვული ქსელების მახასიათებლებს ისე, რომ ტრენინგის შემდეგ ჩვენ შეგვიძლია გავაანალიზოთ ქსელის მიერ ნასწავლი შიდა წარმოდგენა, ვიდრე უბრალოდ დავეყრდნოთ მის გადაწყვეტილებას.

1.4. Edge Analytics / AI

ყველაფერი სიტყვა Edge-ში სიტყვასიტყვით ნიშნავს შემდეგს: ალგორითმების ნაწილის ღრუბლიდან/სერვერიდან გადატანა მოწყობილობის ბოლო/კარიბჭის დონეზე. ასეთი ალგორითმი იმუშავებს უფრო სწრაფად და არ საჭიროებს კავშირს ცენტრალურ სერვერთან მისი მუშაობისთვის. თუ თქვენ იცნობთ "თხელ კლიენტის" აბსტრაქციას, მაშინ აქ ჩვენ ამ კლიენტს ცოტა სქელს ვაქცევთ.
ეს შეიძლება იყოს მნიშვნელოვანი ნივთების ინტერნეტისთვის. მაგალითად, თუ მანქანა გადახურებულია და სჭირდება გაგრილება, აზრი აქვს ამის სიგნალს დაუყოვნებლივ, ქარხნის დონეზე, მონაცემების ღრუბელში გადასვლის მოლოდინის გარეშე და იქიდან ცვლის ოსტატისკენ. ან კიდევ ერთი მაგალითი: თვითმმართველ მანქანებს შეუძლიათ დამოუკიდებლად გაარკვიონ მოძრაობის სიტუაცია, ცენტრალურ სერვერთან დაკავშირების გარეშე.

წყარო

ან კიდევ ერთი მაგალითი იმისა, თუ რატომ არის ეს მნიშვნელოვანი უსაფრთხოების თვალსაზრისით: როცა ტელეფონში აკრეფთ ტექსტებს, ის ახსოვს თქვენთვის დამახასიათებელ სიტყვებს, რათა მოგვიანებით ტელეფონის კლავიატურამ მოხერხებულად შეგატყობინოთ მათთან დაკავშირებით - ამას ეწოდება პროგნოზირება. ტექსტის შეყვანა. ყველაფრის, რასაც კლავიატურაზე აკრეფთ, სადმე მონაცემთა ცენტრში გაგზავნა იქნება თქვენი კონფიდენციალურობის დარღვევა და უბრალოდ სახიფათო. ამიტომ, კლავიატურის სწავლება ხდება მხოლოდ თქვენს მოწყობილობაში.

1.5. AI პლატფორმა როგორც სერვისი (AI PaaS)

PaaS - Platform-as-a-Service არის ბიზნეს მოდელი, რომლის დროსაც ჩვენ ვიღებთ წვდომას ინტეგრირებულ პლატფორმაზე, მის ღრუბელზე დაფუძნებული მონაცემთა შენახვისა და მზა პროცედურების ჩათვლით. ამ გზით ჩვენ შეგვიძლია გავთავისუფლდეთ ინფრასტრუქტურული ამოცანებისაგან და სრულად კონცენტრირდეთ რაიმე სასარგებლოს წარმოებაზე. PaaS პლატფორმების მაგალითი AI ამოცანებისთვის: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI პლატფორმა.

1.6. ადაპტური მანქანური სწავლება (ადაპტური ML)

რა მოხდება, თუ ხელოვნური ინტელექტის ადაპტაციას მივცეთ... გეკითხებით - ანუ როგორ?.. უკვე არ ეგუება ამოცანას? პრობლემა ასეთია: ჩვენ გულმოდგინედ ვგეგმავთ თითოეულ ასეთ პრობლემას მის გადასაჭრელად ხელოვნური ინტელექტის ალგორითმის შექმნამდე. გიპასუხებენ – გამოდის, რომ ამ ჯაჭვის გამარტივება შესაძლებელია.

ჩვეულებრივი მანქანათმცოდნეობა მუშაობს ღია მარყუჟის პრინციპზე: თქვენ ამზადებთ მონაცემებს, ამუშავებთ ნერვულ ქსელს (ან სხვა რამეს), ვარჯიშობთ, შემდეგ უყურებთ რამდენიმე ინდიკატორს და თუ ყველაფერი მოგწონთ, შეგიძლიათ ნერვული ქსელის გაგზავნა სმარტფონებში. - მოაგვარეთ მომხმარებლის პრობლემები. მაგრამ იმ აპლიკაციებში, სადაც ბევრი მონაცემია და მისი ბუნება თანდათან იცვლება, სხვა მეთოდებია საჭირო. ასეთი სისტემები, რომლებიც ადაპტირებენ და ასწავლიან საკუთარ თავს, ორგანიზებულია დახურულ, თვითსწავლების მარყუჟებად (closed-loop) და ისინი უნდა მუშაობდნენ შეუფერხებლად.

აპლიკაციები - ეს შეიძლება იყოს ნაკადის ანალიტიკა (Stream Analytics), რომლის საფუძველზეც ბევრი ბიზნესმენი იღებს გადაწყვეტილებას, ან წარმოების ადაპტური მენეჯმენტი. ამჟამინდელი აპლიკაციების მასშტაბით და ადამიანებისთვის უკეთ გააზრებული რისკების გათვალისწინებით, ტექნიკა, რომელიც წარმოადგენს ამ პრობლემის გადაწყვეტას, ყველა შეგროვებულია ადაპტური AI-ის ქოლგის ტერმინით.

წყარო

ამ სურათის შემხედვარე ძნელია თავი დააღწიო იმ გრძნობას, რომ ფუტუროლოგებს პურით არ აჭმევენ - მიეცით მათ ასწავლონ რობოტს სუნთქვა...

პოსტკლასიკური გამოთვლა და კომისია

2.1. მეხუთე თაობის მობილური კომუნიკაციები (5G)

ეს იმდენად საინტერესო თემაა, რომ ჩვენ მაშინვე მოგმართავთ მუხლი. აბა, აქ არის მოკლე შინაარსი. 5G, მონაცემთა გადაცემის სიხშირის გაზრდით, ინტერნეტის სიჩქარეს არარეალურად აჩქარებს. მოკლე ტალღებისთვის უფრო რთულია დაბრკოლებების გავლა, ამიტომ ქსელების დიზაინი სრულიად განსხვავებული იქნება: საჭიროა 500-ჯერ მეტი საბაზო სადგური.

სიჩქარესთან ერთად, ჩვენ მივიღებთ ახალ ფენომენებს: რეალურ დროში თამაშებს გაფართოებული რეალობით, რთული ამოცანების შესრულება (როგორიცაა ქირურგია) ტელეყოფით, უბედური შემთხვევებისა და რთული სიტუაციების თავიდან აცილება გზებზე მანქანებს შორის კომუნიკაციის საშუალებით. უფრო პროზაული შენიშვნა: მობილური ინტერნეტი საბოლოოდ შეწყვეტს ვარდნას მასობრივი ღონისძიებების დროს, როგორიცაა მატჩი სტადიონზე.

სურათის წყარო - Reuters, Niantic

2.2. შემდეგი თაობის მეხსიერება

აქ საუბარია ოპერატიული მეხუთე თაობის – DDR5-ზე. Samsung-მა განაცხადა, რომ DDR2019-ზე დაფუძნებული პროდუქტები ხელმისაწვდომი იქნება 5 წლის ბოლომდე. მოსალოდნელია, რომ ახალი მეხსიერება ორჯერ უფრო სწრაფი და ორჯერ ტევადი იქნება იმავე ფორმის ფაქტორის შენარჩუნებით, ანუ ჩვენ შევძლებთ ჩვენი კომპიუტერისთვის 32 გბ-მდე ტევადობის მეხსიერების ჩხირებს. მომავალში ეს განსაკუთრებით აქტუალური იქნება სმარტფონებისთვის (ახალი მეხსიერება იქნება დაბალი სიმძლავრის ვერსიაში) და ლეპტოპებისთვის (სადაც DIMM სლოტების რაოდენობა შეზღუდულია). და მანქანათმცოდნეობა ასევე მოითხოვს დიდი რაოდენობით RAM-ს.

2.3. დაბალი დედამიწის ორბიტის სატელიტური სისტემები

მძიმე, ძვირადღირებული, მძლავრი თანამგზავრების პატარა და იაფფასიანი სატელიტებით ჩანაცვლების იდეა შორს არის ახალი და გაჩნდა ჯერ კიდევ 90-იან წლებში. Რის შესახებ "ელონ მასკი მალე ყველას გაავრცელებს ინტერნეტს თანამგზავრიდან" ახლა მხოლოდ ზარმაცებს არ გაუგიათ. აქ ყველაზე ცნობილი კომპანიაა ირიდიუმი, რომელიც გაკოტრდა 90-იანი წლების ბოლოს, მაგრამ გადაარჩინა აშშ-ს თავდაცვის დეპარტამენტის ხარჯზე (არ უნდა აგვერიოს iRidium-ში, რუსული ჭკვიანი სახლის სისტემაში). ილონ მასკის პროექტი (Starlink) შორს არის ერთადერთისგან - რიჩარდ ბრენსონი (OneWeb - 1440 შემოთავაზებული თანამგზავრი), ბოინგი (3000 თანამგზავრი), Samsung (4600 თანამგზავრი) და სხვები მონაწილეობენ თანამგზავრების რბოლაში.

როგორ არის საქმე ამ სფეროში, როგორ გამოიყურება იქ ეკონომიკა - წაიკითხეთ მიმოხილვა. და ველოდებით ამ სისტემების პირველ ტესტებს პირველი მომხმარებლების მიერ, რომელიც მომავალ წელს უნდა ჩატარდეს.

2.4. ნანომასშტაბიანი 3D ბეჭდვა

3D ბეჭდვა, მიუხედავად იმისა, რომ ის არ შემოსულა ყველა ადამიანის ცხოვრებაში (იმ ფორმით, რომელიც დაპირებულია სახლის პლასტმასის ინდივიდუალური ქარხნის მიერ), მიუხედავად ამისა, დიდი ხნის წინ დატოვა ტექნოლოგიური ნიშა გეკებისთვის. თქვენ შეგიძლიათ იმით ვიმსჯელოთ, რომ ყველა სკოლის მოსწავლემ იცის მინიმუმ 3D გამოძერწილი კალმების არსებობის შესახებ და ბევრი ოცნებობს შეიძინოს ყუთი მორბენალითა და ექსტრუდერით... „სწორედ ასე“ (ან უკვე შეიძინა).

სტერეოლითოგრაფია (ლაზერული 3D პრინტერები) საშუალებას იძლევა ბეჭდვა ცალკეული ფოტონებით: მიმდინარეობს ახალი პოლიმერების შესწავლა, რომელთა გამაგრებისთვის საჭიროა მხოლოდ ორი ფოტონი. ეს საშუალებას მოგცემთ არალაბორატორიულ პირობებში შექმნათ სრულიად ახალი ფილტრები, სამაგრები, ზამბარები, კაპილარები, ლინზები და... თქვენი ვარიანტები კომენტარებში! და აქ შორს არ არის ფოტოპოლიმერიზაციისგან - მხოლოდ ეს ტექნოლოგია საშუალებას გვაძლევს "დაბეჭდოთ" პროცესორები და გამოთვლითი სქემები. გარდა ამისა, ეს არ არის პირველი წელი გრაფენის 500 ნმ სამგანზომილებიანი სტრუქტურების ბეჭდვის ტექნოლოგია, მაგრამ რადიკალური განვითარების გარეშე.

წყარო

3. შეგრძნება და მობილურობა

3.1. ავტონომიური მართვის დონე 4 და 5

იმისათვის, რომ ტერმინოლოგიაში არ იყოს დაბნეული, ღირს იმის გაგება, თუ რა დონის ავტონომია გამოირჩევა (აღებულია დეტალურიდან მუხლი, რომელსაც მივმართავთ ყველა დაინტერესებულს):

დონე 1: კრუიზ კონტროლი: ეხმარება მძღოლს ძალიან შეზღუდულ სიტუაციებში (მაგალითად, მანქანის დაჭერა მოცემული სიჩქარით მას შემდეგ, რაც მძღოლი ფეხს აშორებს პედლს)
დონე 2: შეზღუდული საჭის და დამუხრუჭების დახმარება. მძღოლი მზად უნდა იყოს კონტროლის აღება თითქმის მყისიერად. ხელები საჭეზე აქვს, თვალები გზისკენ არის მიმართული. ეს არის ის, რაც უკვე აქვთ Tesla-ს და General Motors-ს.
დონე 3: მძღოლს აღარ უწევს მუდმივად გზის ყურება. მაგრამ ის უნდა იყოს ფხიზლად და მზად იყოს კონტროლისთვის. ეს არის ის, რაც კომერციულად ხელმისაწვდომ მანქანებს ჯერ არ აქვთ. ყველა ამჟამად არსებული არის 1-2 დონეზე.
დონე 4: ნამდვილი ავტოპილოტი, მაგრამ შეზღუდვებით: მხოლოდ მოგზაურობები ცნობილ ზონაში, რომელიც ყურადღებით არის შედგენილი და ზოგადად ცნობილია სისტემისთვის, და გარკვეულ პირობებში: მაგალითად, თოვლის არარსებობის შემთხვევაში. Waymo-სა და General Motors-ს აქვთ ასეთი პროტოტიპები და ისინი აპირებენ მათი გაშვებას რამდენიმე ქალაქში და გამოცდას რეალურ გარემოში. Yandex-ს აქვს სატესტო ზონები უპილოტო ტაქსებისთვის სკოლკოვოსა და ინოპოლისში: მოგზაურობა ხდება მგზავრის სავარძელში მჯდომარე ინჟინრის მეთვალყურეობის ქვეშ; წლის ბოლომდე კომპანია გეგმავს თავისი ფლოტის გაფართოებას 100 უპილოტო მანქანამდე.
დონე 5: სრული ავტომატური მართვა, ცოცხალი მძღოლის სრული ჩანაცვლება. ასეთი სისტემები არ არსებობს და ისინი ნაკლებად სავარაუდოა, რომ გამოჩნდნენ უახლოეს წლებში.

რამდენად რეალურია ამ ყველაფრის დანახვა უახლოეს მომავალში? აქვე მსურს მკითხველი სტატიაზე გადამისამართო რატომ არის შეუძლებელი 2020 წლისთვის რობოტაქსის გაშვება, როგორც ამას Tesla გვპირდება?. ეს ნაწილობრივ გამოწვეულია 5G კავშირის ნაკლებობით: ხელმისაწვდომი 4G სიჩქარე არ არის საკმარისი. ნაწილობრივ ავტონომიური მანქანების ძალიან მაღალი ღირებულების გამო: ისინი ჯერ არ არიან მომგებიანი, ბიზნეს მოდელი გაურკვეველია. ერთი სიტყვით, აქ "ყველაფერი გართულებულია" და შემთხვევითი არ არის, რომ Gartner წერს, რომ 4 და 5 დონის მასობრივი განხორციელების პროგნოზი არაუადრეს 10 წლისაა.

3.2. 3D სენსორული კამერები

რვა წლის წინ, Microsoft-ის Kinect სათამაშო კონტროლერმა ტალღები გამოიწვია 3D ხედვისთვის ხელმისაწვდომი და შედარებით იაფი გადაწყვეტის შეთავაზებით. მას შემდეგ, ფიზიკური აღზრდისა და საცეკვაო თამაშებმა Kinect-თან ერთად განიცადა თავისი ხანმოკლე აღმავლობა და ვარდნა, მაგრამ 3D კამერების გამოყენება დაიწყო ინდუსტრიულ რობოტებში, უპილოტო მანქანებსა და მობილურ ტელეფონებში სახის იდენტიფიკაციისთვის. ტექნოლოგია გახდა იაფი, უფრო კომპაქტური და უფრო ხელმისაწვდომი.

Samsung S10 ტელეფონს აქვს ფრენის დროის კამერა, რომელიც ზომავს მანძილს ობიექტამდე ფოკუსირების გასაადვილებლად. წყარო

თუ თქვენ დაინტერესებული ხართ ამ თემით, მაშინ ჩვენ გადაგიგზავნით ღრმა კამერების ძალიან კარგ დეტალურ მიმოხილვას: ნაწილი 1, ნაწილი 2.

3.3. დრონები მცირე ტვირთის მიწოდებისთვის (Light Cargo Delivery Drones)

ამაზონმა წელს ტალღა გამოიწვია, როდესაც გამოფენაზე აჩვენა ახალი მფრინავი დრონი, რომელსაც შეუძლია 2 კგ-მდე მცირე ტვირთის გადატანა. საცობების მქონე ქალაქისთვის ეს იდეალური გადაწყვეტაა. ვნახოთ, როგორ მოქმედებენ ეს დრონები უახლოეს მომავალში. ალბათ, ღირს აქ ფრთხილად იყოთ სკეპტიკურად: ბევრი პრობლემაა, დაწყებული დრონის მარტივი ქურდობის შესაძლებლობით და დამთავრებული უპილოტო საფრენი აპარატების სამართლებრივი შეზღუდვებით. Amazon Prime Air უკვე ექვსი წელია არსებობს, მაგრამ ჯერ კიდევ ტესტირების ფაზაშია.

Amazon-ის ახალი დრონი, რომელიც ნაჩვენებია ამ გაზაფხულზე. მასში არის რაღაც ვარსკვლავური ომები. წყარო

ამაზონის გარდა, ამ ბაზარზე სხვა მოთამაშეებიც არიან (არის დეტალური მიმოხილვა), მაგრამ არა ერთი მზა პროდუქტი: ყველაფერი ტესტირებისა და მარკეტინგული კამპანიების ეტაპზეა. ცალკე, აღსანიშნავია საკმაოდ საინტერესო მაღალსპეციალიზებული სამედიცინო პროექტები აფრიკაში: შემოწირული სისხლის მიწოდება განაში (14 მიწოდება, კომპანია Zipline) და რუანდაში (Matternet კომპანია).

3.4. მფრინავი ავტონომიური მანქანები

აქ ძნელია რაიმეს დაზუსტების თქმა. Gartner-ის თქმით, ეს გამოჩნდება არა უადრეს 10 წლისა. ზოგადად, აქ არის იგივე პრობლემები, რაც თვითმართველ მანქანებში, მხოლოდ ისინი იძენენ ახალ განზომილებას - ვერტიკალურ. Porsche-მ, Boeing-მა და Uber-მა გამოაცხადეს თავიანთი ამბიციები მფრინავი ტაქსის შექმნაზე.

3.5. Augmented Reality Cloud (AR Cloud)

რეალური სამყაროს მუდმივი ციფრული ასლი, რომელიც საშუალებას გაძლევთ შექმნათ რეალობის ახალი ფენა, რომელიც საერთოა ყველა მომხმარებლისთვის. უფრო ტექნიკური თვალსაზრისით, ჩვენ ვსაუბრობთ ღია ღრუბლოვანი პლატფორმის შექმნაზე, რომელშიც დეველოპერებს შეუძლიათ თავიანთი AR აპლიკაციების ინტეგრირება. მონეტიზაციის მოდელი ნათელია, ეს არის Steam-ის ერთგვარი ანალოგი. იდეა იმდენად გამყარდა, რომ ზოგიერთს ახლა მიაჩნია, რომ AR ღრუბლის გარეშე უბრალოდ უსარგებლოა.

როგორი შეიძლება იყოს ეს მომავალში, ნაჩვენებია მოკლე ვიდეოში. შავი სარკის მეორე ეპიზოდს ჰგავს:

ასევე შეგიძლიათ წაიკითხოთ მიმოხილვის სტატია.

4. გაძლიერებული ადამიანი

4.1. ემოციური AI

როგორ გავზომოთ, გავზომოთ და ვუპასუხოთ ადამიანის ემოციებს? ზოგიერთი კლიენტი აქ არის კომპანიები, რომლებიც ქმნიან ხმოვან ასისტენტებს, როგორიცაა Amazon Alexa. მათ შეუძლიათ ნამდვილად შეეგუონ სახლებს, თუ ისწავლიან განწყობის ამოცნობას: გაიგონ მომხმარებლის უკმაყოფილების მიზეზი და შეეცადონ გამოასწორონ სიტუაცია. ზოგადად, კონტექსტში გაცილებით მეტი ინფორმაციაა, ვიდრე თავად შეტყობინებაში. და კონტექსტი არის სახის გამომეტყველება, ინტონაცია და არავერბალური ქცევა.

სხვა პრაქტიკული აპლიკაციები: ემოციების ანალიზი სამუშაო გასაუბრების დროს (ვიდეო ინტერვიუების საფუძველზე), რეკლამის ან სხვა ვიდეო კონტენტზე რეაქციების შეფასება (ღიმილი, სიცილი), დახმარება სწავლაში (მაგალითად, დამოუკიდებელი პრაქტიკისთვის საჯარო გამოსვლის ხელოვნებაში).

ძნელია ამ თემაზე უკეთ საუბარი, ვიდრე 6 წუთიანი მოკლემეტრაჟიანი ფილმის ავტორი Stealing Ur გრძნობა. მახვილგონივრული და ელეგანტური ვიდეო გვიჩვენებს, თუ როგორ შეგიძლიათ გაზომოთ ჩვენი ემოციები მარკეტინგული მიზნებისთვის და თქვენი სახის მომენტალური რეაქციებიდან გაარკვიეთ, მოგწონთ თუ არა პიცა, ძაღლები, კანიე უესტი და კიდევ რა არის თქვენი შემოსავლის დონე და სავარაუდო IQ. ფილმის ვებსაიტზე ზემოაღნიშნული ბმულის გამოყენებით, თქვენ გახდებით ინტერაქტიული ვიდეოს მონაწილე თქვენი ლეპტოპის ჩაშენებული კამერის გამოყენებით. ფილმი უკვე რამდენიმე კინოფესტივალზე იყო ნაჩვენები.

წყარო

არის კიდევ ასეთი საინტერესო კვლევა: როგორ ამოვიცნოთ სარკაზმი ტექსტში. ჩვენ ავიღეთ ტვიტები ჰეშთეგით #sarcasm და შევქმენით სავარჯიშო ნაკრები 25 ტვიტისაგან სარკაზმით და 000 რეგულარული ტვიტით ყველაფერი მზის ქვეშ. ჩვენ გამოვიყენეთ TensorFlow ბიბლიოთეკა, ვავარჯიშეთ სისტემა და აი შედეგი:

წყარო

ამიტომ, ახლა, თუ არ ხართ დარწმუნებული თქვენს კოლეგაში ან მეგობარში - მან რაღაც სერიოზულად ან სარკასტულად გითხრათ, უკვე შეგიძლიათ გამოიყენოთ გაწვრთნილი ნერვული ქსელი!

4.2. გაძლიერებული ინტელექტი

ინტელექტუალური მუშაობის ავტომატიზაცია მანქანათმცოდნეობის მეთოდების გამოყენებით. თითქოს ახალი არაფერია? მაგრამ თავად ფორმულირება აქ მნიშვნელოვანია, მით უმეტეს, რომ ის ემთხვევა შემოკლებით ხელოვნურ ინტელექტს. ეს გვაბრუნებს დებატებს "ძლიერი" და "სუსტი" ხელოვნური ინტელექტის შესახებ.
ძლიერი ხელოვნური ინტელექტი არის იგივე ხელოვნური ინტელექტი სამეცნიერო ფანტასტიკის ფილმებიდან, რომელიც სრულიად უტოლდება ადამიანის გონებას და აცნობიერებს საკუთარ თავს, როგორც ინდივიდს. ეს ჯერ არ არსებობს და გაურკვეველია იარსებებს თუ არა.

სუსტი AI არ არის დამოუკიდებელი ადამიანი, არამედ ადამიანის ასისტენტი. მას არ აქვს პრეტენზია, რომ აქვს ადამიანის მსგავსი აზროვნება, მაგრამ უბრალოდ იცის, როგორ გადაჭრას ინფორმაციული პრობლემები, მაგალითად, განსაზღვროს რა არის ნაჩვენები სურათზე ან თარგმნოს ტექსტი.

წყარო

ამ გაგებით, Augmented Intelligence არის „სუსტი AI“ მისი სუფთა სახით და ფორმულირება წარმატებული ჩანს, რადგან ის არ იწვევს დაბნეულობას და ცდუნებას, რომ ნახოთ აქ იგივე „ძლიერი AI“, რაზეც ყველას ოცნებობს (ან ეშინია, თუ ჩვენ გვსურს). გავიხსენოთ მრავალი დისკუსია "აჯანყების მანქანების" შესახებ). გამოთქმის Augmented Intelligence-ის გამოყენებით, ჩვენ მაშინვე ვხდებით სხვა ფილმის გმირები: სამეცნიერო ფანტასტიკიდან (როგორც ასიმოვის "მე, რობოტი") აღმოვჩნდებით კიბერპანკში (ამ ჟანრში "გაძლიერება" არის ყველა სახის იმპლანტი, რომელიც აფართოებს ადამიანის შესაძლებლობებს).

როგორც თქვით ერიკ ბრინჯოლფსონი და ენდრიუ მაკაფი: ”მომდევნო 10 წლის განმავლობაში, ეს არის ის, რაც მოხდება. AI არ ჩაანაცვლებს მენეჯერებს, მაგრამ ის მენეჯერები, რომლებიც იყენებენ AI-ს, ჩაანაცვლებენ მათ, ვისაც ჯერ არ მიუღწევია. ”

მაგალითები:

• მედიცინა: განვითარდა სტენფორდის უნივერსიტეტი ალგორითმი, რომელიც უმკლავდება გულმკერდის რენტგენზე პათოლოგიების ამოცნობას საშუალოდ ისევე წარმატებით, როგორც ექიმების უმეტესობა
• განათლება: მოსწავლეებისა და მასწავლებლების დახმარება, მასალებზე მოსწავლის პასუხების ანალიზი, ინდივიდუალური სასწავლო ტრაექტორიის აგება.
• ბიზნეს ანალიტიკა: მონაცემთა წინასწარი დამუშავება, სტატისტიკის მიხედვით, მკვლევარის დროის 80%-ს იღებს და თავად ექსპერიმენტის მხოლოდ 20%-ს.

4.3. ბიოჩიპები

ეს არის ყველა კიბერპანკის ფილმისა და წიგნის საყვარელი თემა. ზოგადად, შინაური ცხოველების მიკროჩიპირება არ არის ახალი პრაქტიკა. მაგრამ ახლა ამ ჩიპების ადამიანებში ჩანერგვა დაიწყო.

ამ შემთხვევაში, აჟიოტაჟი, სავარაუდოდ, დაკავშირებულია სენსაციურ შემთხვევასთან ამერიკულ კომპანია Three Square Market-ში. იქ დამსაქმებელმა საფასურის სანაცვლოდ კანქვეშ ჩიპების ჩანერგვის შეთავაზება დაიწყო. ჩიპი საშუალებას გაძლევთ გააღოთ კარები, შეხვიდეთ კომპიუტერებში, შეიძინოთ საჭმელები ვაჭრობის აპარატიდან - ეს არის ასეთი უნივერსალური თანამშრომლის ბარათი. უფრო მეტიც, ასეთი ჩიპი ემსახურება ზუსტად საიდენტიფიკაციო ბარათს, მას არ აქვს GPS მოდული, ამიტომ შეუძლებელია ვინმეს თვალყური ადევნოთ მას, ვინც იყენებს. ხოლო თუ ადამიანს მკლავიდან ჩიპის ამოღება სურს, ამას ექიმის დახმარებით 5 წუთი სჭირდება.

ჩიპები ჩვეულებრივ იმპლანტირებულია ცერა თითსა და საჩვენებელ თითს შორის. წყარო

Წაიკითხე მეტი მუხლი მსოფლიოში ჩიპინგის მდგომარეობის შესახებ.

4.4. იმერსიული სამუშაო სივრცე

„იმერსული“ კიდევ ერთი ახალი სიტყვაა, რომელსაც გაქცევა უბრალოდ არ აქვს. ყველგანაა. ჩაძირული თეატრი, გამოფენა, კინო. რას გულისხმობთ? ჩაძირვა არის იმერსიული ეფექტის შექმნა, როდესაც იკარგება საზღვარი ავტორსა და მაყურებელს, ვირტუალურ და რეალურ სამყაროს შორის. სამუშაო ადგილზე, სავარაუდოდ, ეს ნიშნავს გამკეთებელსა და ინიციატორს შორის ხაზის გაბუნდოვნებას და თანამშრომლების წახალისებას, დაიკავონ უფრო აქტიური პოზიცია თავიანთი გარემოს რეფორმირების გზით.

იმის გამო, რომ ჩვენ ყველგან გვაქვს მოქნილობა, მოქნილობა და მჭიდრო თანამშრომლობა, სამუშაო ადგილები უნდა იყოს რაც შეიძლება ადვილად კონფიგურირებადი და უნდა წაახალისოს ჯგუფური მუშაობა. ეკონომიკა კარნახობს თავის პირობებს: უფრო მეტი დროებითი თანამშრომელია, იზრდება საოფისე ფართის დაქირავება და კონკურენტუნარიანი შრომის ბაზარზე, IT კომპანიები ცდილობენ გაზარდონ თანამშრომლების კმაყოფილება სამუშაოდან რეკრეაციული ზონებისა და სხვა შეღავათების შექმნით. და ეს ყველაფერი აისახება სამუშაო ადგილების დიზაინში.

Of მოხსენება კნოლი

4.5. პერსონიფიკაცია

ყველამ იცის, რა არის პერსონალიზაცია რეკლამაში. ეს ის შემთხვევაა, როცა დღეს კოლეგასთან ერთად განიხილავ, რომ ოთახში ჰაერი ოდნავ მშრალია და ოფისისთვის დამატენიანებელი უნდა იყიდო, მეორე დღეს კი სოციალურ ქსელში ხედავ რეკლამას - „იყიდე დამატენიანებელი“ (ა. რეალური შემთხვევა, რომელიც დამემართა).

წყარო

პერსონალიზაცია, როგორც Gartner-მა განსაზღვრა, არის პასუხი მომხმარებელთა მზარდ შეშფოთებაზე მათი პერსონალური მონაცემების სარეკლამო მიზნებისთვის გამოყენების შესახებ. მიზანია შევიმუშაოთ მიდგომა, რომელშიც ჩვენ გვეჩვენება რეკლამა, რომელიც შეესაბამება იმ კონტექსტს, რომელშიც ჩვენ აღმოვჩნდებით და არა პირადად ჩვენთვის. მაგალითად, ჩვენი მდებარეობა, მოწყობილობის ტიპი, დღის დრო, ამინდის პირობები - ეს არის ის, რაც არ არღვევს ჩვენს პერსონალურ მონაცემებს და არ ვგრძნობთ „თვალთვალთვალების“ უსიამოვნო შეგრძნებას.

წაიკითხეთ განსხვავება ამ ორ ცნებას შორის შენიშვნა ენდრიუ ფრანკი ბლოგებს Gartner-ის ვებსაიტზე. არის ისეთი დახვეწილი განსხვავება და ისეთი მსგავსი სიტყვები, რომ თქვენ, არ იცით განსხვავება, რისკავთ დიდხანს კამათობთ თანამოსაუბრესთან, არ გეპარებათ ეჭვი, რომ, ზოგადად, ორივე სწორია (და ეს ასევე რეალური შემთხვევაა, რაც მოხდა ავტორი).

4.6. ბიოტექნოლოგია - კულტივირებული ან ხელოვნური ქსოვილი

ეს, პირველ რიგში, ხელოვნური ხორცის მოყვანის იდეაა. ამავდროულად, მთელი მსოფლიოს მასშტაბით რამდენიმე გუნდი დაკავებულია ლაბორატორიის „Meat 2.0“-ის შემუშავებით - მოსალოდნელია, რომ ის ჩვეულებრივზე იაფი გახდება და მასზე გადადიან სწრაფი კვების პროდუქტები და შემდეგ სუპერმარკეტები. ამ ტექნოლოგიის ინვესტორები არიან ბილ გეითსი, სერგეი ბრინი, რიჩარდ ბრენსონი და სხვები.

წყარო

მიზეზები, რის გამოც ყველას ასე აინტერესებს ხელოვნური ხორცი:

1. გლობალური დათბობა: მეთანის გამონაბოლქვი ფერმებიდან. ეს არის გლობალური გაზების მოცულობის 18%, რომლებიც გავლენას ახდენენ კლიმატზე.
2. Მოსახლეობის ზრდა. ხორცზე მოთხოვნა იზრდება და ბუნებრივი ხორცით ყველას გამოკვება ვერ იქნება - უბრალოდ ძვირია.
3. Სივრცის ნაკლებობა. ამაზონის ტყეების 70% უკვე გაჩეხილია საძოვრად.
4. ეთიკური მოსაზრებები. არიან ისეთებიც, ვისთვისაც ეს მნიშვნელოვანია. ცხოველთა უფლებების დაცვის ორგანიზაცია PETA-მ უკვე შესთავაზა 1 მილიონი დოლარის პრიზი მეცნიერს, რომელიც ბაზარზე ხელოვნური ქათმის ხორცს გამოიტანს.

ნამდვილი ხორცის სოიით ჩანაცვლება ნაწილობრივი გამოსავალია, რადგან ადამიანებს შეუძლიათ დააფასონ განსხვავება გემოში და ტექსტურაში და ნაკლებად სავარაუდოა, რომ უარი თქვან სტეიკზე სოიოს სასარგებლოდ. ასე რომ თქვენ გჭირდებათ ნამდვილი, ორგანულად მოყვანილი ხორცი. ახლა, სამწუხაროდ, ხელოვნური ხორცი ძალიან ძვირია: კილოგრამზე 12 დოლარიდან. ეს გამოწვეულია ასეთი ხორცის მოყვანის რთული ტექნიკური პროცესით. წაიკითხეთ ყოველივე ამის შესახებ მუხლი.

თუ ვსაუბრობთ ქსოვილის ზრდის სხვა შემთხვევებზე - უკვე მედიცინაში - მაშინ საინტერესოა ხელოვნური ორგანოების თემა: მაგალითად, გულის კუნთის "პლასტი", დაბეჭდილი სპეციალური 3D პრინტერი. ცნობილი ისტორიები როგორც ხელოვნურად გაზრდილი თაგვის გული, მაგრამ ზოგადად ყველაფერი მაინც კლინიკური კვლევების ფარგლებშია. ასე რომ, ნაკლებად სავარაუდოა, რომ უახლოეს წლებში ვიხილოთ ფრანკენშტეინი.

აქ გარტნერი ძალიან ფრთხილია თავის შეფასებებში, როგორც ჩანს, მხედველობაში აქვს 2015 წლის წარუმატებელი პროგნოზი, რომ 2019 წელს განვითარებული ქვეყნების მოსახლეობის 10%-ს ექნება 3D დაბეჭდილი სამედიცინო მოწყობილობის იმპლანტი. აქედან გამომდინარე, ეს ნიშნავს, რომ პროდუქტიულობის პლატოზე მიღწევის დრო მინიმუმ 10 წელია.

5. ციფრული ეკოსისტემები

5.1. დეცენტრალიზებული ვებ

ეს კონცეფცია მჭიდრო კავშირშია ინტერნეტის გამომგონებლის, ტურინგის ჯილდოს მფლობელის სერ ტიმ ბერნერს-ლის სახელთან. მისთვის ყოველთვის მნიშვნელოვანი იყო ეთიკის კითხვები კომპიუტერულ მეცნიერებაში და მნიშვნელოვანი იყო ინტერნეტის კოლექტიური არსი: ჰიპერტექსტის საფუძვლების ჩაყრით, ის დარწმუნებული იყო, რომ ქსელი უნდა მუშაობდეს როგორც ქსელი და არა როგორც იერარქია. ასე იყო ქსელის განვითარების ადრეულ ეტაპზე. თუმცა, როგორც ინტერნეტი იზრდებოდა, მისი სტრუქტურა ცენტრალიზებული გახდა სხვადასხვა მიზეზის გამო. აღმოჩნდა, რომ ქსელში წვდომა მთელი ქვეყნისთვის შეიძლება ადვილად დაიბლოკოს მხოლოდ რამდენიმე პროვაიდერის დახმარებით. და მომხმარებლის მონაცემები გახდა ძალაუფლებისა და შემოსავლის წყარო ინტერნეტ კომპანიებისთვის.

„ინტერნეტი უკვე დეცენტრალიზებულია“, ამბობს ბერნერს-ლი. „პრობლემა ის არის, რომ ერთი საძიებო სისტემა, ერთი დიდი სოციალური ქსელი, ერთი მიკრობლოგის პლატფორმა დომინირებს. ჩვენ არ გვაქვს ტექნოლოგიური პრობლემები, მაგრამ გვაქვს სოციალური“.

მისი ღია წერილი მსოფლიო ქსელის 30 წლის იუბილესთან დაკავშირებით, ვებ-გვერდის შემქმნელმა გამოავლინა ინტერნეტის სამი ძირითადი პრობლემა:

1. მიზანმიმართული ზიანი, როგორიცაა სახელმწიფოს მიერ დაფინანსებული ჰაკინგი, დანაშაული და ონლაინ შევიწროება
2. თავად სისტემის დიზაინი, რომელიც მომხმარებლის საზიანოდ ქმნის საფუძველს ისეთი მექანიზმებისთვის, როგორიცაა: დაკლიკების ფინანსური სტიმული და ცრუ ინფორმაციის ვირუსული გავრცელება.
3. სისტემის დიზაინის არასასურველი შედეგები, რაც იწვევს კონფლიქტს და ონლაინ დისკუსიის ხარისხის დაქვეითებას

და ტიმ ბერნერს-ლის უკვე აქვს პასუხი, თუ რა პრინციპებზე შეიძლება იყოს დაფუძნებული „ჯანმრთელი ადამიანის ინტერნეტი“ მე-2 პრობლემის გარეშე: „ბევრი მომხმარებლისთვის სარეკლამო შემოსავალი რჩება ინტერნეტთან ურთიერთობის ერთადერთ მოდელად. მაშინაც კი, თუ ადამიანებს ეშინიათ იმის, თუ რა დაემართება მათ მონაცემებს, ისინი მზად არიან დადონ გარიგება მარკეტინგულ მანქანასთან კონტენტის უფასოდ მიღების შესაძლებლობისთვის. წარმოიდგინეთ სამყარო, სადაც საქონლისა და მომსახურების გადახდა ადვილი და სასიამოვნოა ორივე მხარისთვის“. ამის მოწყობის ვარიანტებს შორისაა: მუსიკოსებს შეუძლიათ თავიანთი ჩანაწერების გაყიდვა შუამავლების გარეშე iTunes-ის სახით, ხოლო ახალი ამბების საიტებს შეუძლიათ გამოიყენონ მიკროგადახდების სისტემა ერთი სტატიის წასაკითხად, რეკლამიდან ფულის გამომუშავების ნაცვლად.

როგორც ამ ახალი ინტერნეტის ექსპერიმენტულმა პროტოტიპმა, ტიმ ბერნერს-ლიმ წამოიწყო SOLID პროექტი, რომლის არსი არის ის, რომ თქვენ ინახავთ თქვენს მონაცემებს "pod" - საინფორმაციო მაღაზიაში და შეგიძლიათ მიაწოდოთ ეს მონაცემები მესამე მხარის აპლიკაციებს. მაგრამ პრინციპში, თქვენ თავად ხართ თქვენი მონაცემების ოსტატები. ეს ყველაფერი მჭიდროდ არის დაკავშირებული peer-to-peer ქსელების კონცეფციასთან, ანუ თქვენი კომპიუტერი არა მხოლოდ ითხოვს სერვისებს, არამედ უზრუნველყოფს მათ, რათა არ დაეყრდნოს ერთ სერვერს, როგორც ერთადერთ არხს.

წყარო

5.2. დეცენტრალიზებული ავტონომიური ორგანიზაციები

ეს არის ორგანიზაცია, რომელიც იმართება კომპიუტერული პროგრამის სახით დაწერილი წესებით. მისი ფინანსური საქმიანობა დაფუძნებულია ბლოკჩეინზე. ასეთი ორგანიზაციების შექმნის მიზანია სახელმწიფოს გამორიცხვა შუამავლის როლიდან და კონტრაგენტებისთვის საერთო სანდო გარემოს შექმნა, რომელიც არავის ინდივიდუალურად, არამედ ყველას ერთად ეკუთვნის. ანუ, თეორიულად, ამან უნდა გააუქმოს ნოტარიუსები და სხვა ჩვეულებრივი დამადასტურებელი დაწესებულებები.

ასეთი ორგანიზაციის ყველაზე ცნობილი მაგალითი იყო საწარმოზე ორიენტირებული The DAO, რომელმაც 2016 წელს შეაგროვა $150 მილიონი, საიდანაც $50 დაუყოვნებლივ მოიპარეს წესების ლეგალური ხვრელის გამო. მაშინვე გაჩნდა რთული დილემა: ან დააბრუნეთ და დააბრუნეთ ფული, ან აღიარეთ, რომ თანხის ამოღება კანონიერი იყო, რადგან ეს არანაირად არ არღვევდა პლატფორმის წესებს. შედეგად, ინვესტორებისთვის ფულის დასაბრუნებლად, შემქმნელებს მოუწიათ გაენადგურებინათ The DAO, გადაეწერათ ბლოკჩეინი და დაარღვიეს მისი ძირითადი პრინციპი - უცვლელობა.

კომიქსები Ethereum (მარცხნივ) და DAO (მარჯვნივ) შესახებ. წყარო

მთელმა ამ ამბავმა გააფუჭა DAO-ს იდეის რეპუტაცია. ის პროექტი Ethereum კრიპტოვალუტის ბაზაზე გაკეთდა, ვერსია Ether 2.0 მოსალოდნელია მომავალ წელს - ალბათ ავტორები (მათ შორის ცნობილი Vitalik Buterin) გაითვალისწინებენ შეცდომებს და აჩვენებენ რაიმე ახალს. ალბათ ამიტომაა, რომ Gartner-მა DAO განათავსა upline-ზე.

5.3. სინთეტიკის მონაცემები

ნერვული ქსელების მოსამზადებლად საჭიროა დიდი რაოდენობით მონაცემები. მონაცემების ხელით მარკირება უზარმაზარი ამოცანაა, რომლის შესრულებაც მხოლოდ ადამიანს შეუძლია. აქედან გამომდინარე, შესაძლებელია ხელოვნური მონაცემთა ნაკრების შექმნა. მაგალითად, ადამიანის სახეების იგივე კოლექციები საიტზე https://generated.photos. ისინი იქმნება GAN-ის გამოყენებით - ზემოთ ნახსენები ალგორითმები.

ეს სახეები ადამიანებს არ ეკუთვნის. წყარო

ასეთი მონაცემების დიდი უპირატესობა ის არის, რომ არ არსებობს იურიდიული სირთულეები მის გამოყენებასთან დაკავშირებით: არ არსებობს არავინ, ვინც თანხმდება პერსონალური მონაცემების დამუშავებაზე.

5.4.ციფრული ოპერაციები

სუფიქსი "Ops" წარმოუდგენლად მოდური გახდა მას შემდეგ, რაც DevOps-მა ფესვი გაიდგა ჩვენს მეტყველებაში. ახლა იმის შესახებ, თუ რა არის DigitalOps – ეს მხოლოდ DevOps-ის, DesignOps-ის, MarketingOps-ის განზოგადებაა... ჯერ მოგბეზრდათ? მოკლედ, ეს არის DevOps მიდგომის გადატანა პროგრამული უზრუნველყოფის სფეროდან ბიზნესის ყველა სხვა ასპექტზე - მარკეტინგი, დიზაინი და ა.შ.

წყარო

DevOps-ის იდეა იყო თავად განვითარებისა და ოპერაციების (ბიზნეს პროცესების) შორის არსებული ბარიერების მოხსნა, საერთო გუნდების შექმნის გზით, სადაც არიან პროგრამისტები, ტესტერები, უსაფრთხოების სპეციალისტები და ადმინისტრატორები; გარკვეული პრაქტიკის განხორციელება: უწყვეტი ინტეგრაცია, ინფრასტრუქტურა როგორც კოდი, უკუკავშირის ჯაჭვების შემცირება და გაძლიერება. მიზანი იყო პროდუქტის ბაზარზე გასვლის დროის დაჩქარება. თუ ფიქრობდით, რომ ეს Agile-ის მსგავსი იყო, მართალი იყავით. ახლა გონებრივად გადაიტანეთ ეს მიდგომა პროგრამული უზრუნველყოფის განვითარების სფეროდან ზოგადად განვითარებაზე - და გესმით რა არის DigitalOps.

5.5. ცოდნის გრაფიკები

პროგრამული გზა ცოდნის არეალის მოდელირებისთვის, მათ შორის მანქანური სწავლების ალგორითმების გამოყენებით. ცოდნის გრაფიკი აგებულია არსებული მონაცემთა ბაზების თავზე, რათა დააკავშიროს ყველა ინფორმაცია: სტრუქტურირებული (მოვლენების სია ან ადამიანები) და არასტრუქტურირებული (სტატიის ტექსტი).

უმარტივესი მაგალითია ბარათი, რომელიც შეგიძლიათ ნახოთ Google-ის ძიების შედეგებში. თუ თქვენ ეძებთ პირს ან დაწესებულებას, ნახავთ ბარათს მარჯვნივ:


გთხოვთ გაითვალისწინოთ, რომ „მოახლოებული ღონისძიებები“ არ არის Google Maps-ის ინფორმაციის ასლი, არამედ განრიგის ინტეგრაცია Yandex.Afisha-სთან: ამის ნახვა მარტივად შეგიძლიათ, თუ დააწკაპუნებთ მოვლენებზე. ანუ, ეს არის რამდენიმე მონაცემთა წყაროს კომბინაცია.

თუ სიას ითხოვთ - მაგალითად, "ცნობილ რეჟისორებს" - კარუსელს გაჩვენებთ:

ბონუსი მათთვის, ვინც ბოლომდე წაიკითხავს

და ახლა, როდესაც ჩვენ თვითონ განვმარტეთ თითოეული პუნქტის მნიშვნელობა, შეგვიძლია შევხედოთ იმავე სურათს, მაგრამ რუსულად:

გააზიარეთ თავისუფლად სოციალურ ქსელებში!

ტატიანა ვოლკოვა - სამსუნგის აკადემიაში საგნების ინტერნეტის IT ტრეკის სასწავლო პროგრამის ავტორი, კორპორატიული სოციალური პასუხისმგებლობის პროგრამების სპეციალისტი Samsung კვლევით ცენტრში


წყარო: www.habr.com