តារាងរបស់ Gartner គឺដូចជាការបង្ហាញម៉ូដខ្ពស់សម្រាប់អ្នកនៅក្នុងឧស្សាហកម្មបច្ចេកវិទ្យា។ តាមរយៈ​ការ​មើល​វា អ្នក​អាច​ដឹង​ជាមុន​ថា​ពាក្យ​ណា​ដែល​បំភាន់​បំផុត​ក្នុង​រដូវ​កាល​នេះ និង​អ្វី​ដែល​អ្នក​នឹង​ឮ​នៅ​ក្នុង​សន្និសីទ​ខាង​មុខ​ទាំង​អស់។

យើងបានបកស្រាយនូវអ្វីដែលនៅពីក្រោយពាក្យដ៏ស្រស់ស្អាតនៅក្នុងក្រាហ្វនេះ ដូច្នេះអ្នកអាចនិយាយភាសាបានផងដែរ។

ដើម្បីចាប់ផ្តើមជាមួយនឹងពាក្យពីរបីអំពីអ្វីដែលប្រភេទនៃក្រាហ្វនេះ។ ជារៀងរាល់ឆ្នាំក្នុងខែសីហា ទីភ្នាក់ងារប្រឹក្សា Gartner ចេញផ្សាយរបាយការណ៍មួយ - Gartner Hype Curve ។ នៅក្នុងភាសារុស្សី នេះគឺជា "ខ្សែកោងបំផ្លើស" ឬសាមញ្ញជាងនេះទៅទៀត ការបំផ្លើស។ កាលពី 30 ឆ្នាំមុន អ្នករ៉េបមកពីក្រុម Public Enemy បានច្រៀងថា "កុំជឿការឃោសនាបំផ្លើស" ។ ជឿឬមិនជឿ វាជាសំណួរផ្ទាល់ខ្លួន ប៉ុន្តែវាមានតម្លៃយ៉ាងហោចណាស់ត្រូវដឹងពីពាក្យគន្លឹះទាំងនេះ ប្រសិនបើអ្នកធ្វើការក្នុងវិស័យបច្ចេកវិទ្យា ហើយចង់ដឹងពីនិន្នាការសកល។

នេះគឺជាក្រាហ្វនៃការរំពឹងទុកជាសាធារណៈពីបច្ចេកវិទ្យាជាក់លាក់មួយ។ យោងតាមលោក Gartner តាមឧត្ដមគតិ បច្ចេកវិទ្យាឆ្លងកាត់ 5 ដំណាក់កាល៖ ការបើកដំណើរការបច្ចេកវិជ្ជា កម្រិតខ្ពស់នៃការរំពឹងទុកខ្ពស់ ជ្រលងនៃការខកចិត្ត ជម្រាលនៃការត្រាស់ដឹង ខ្ពង់រាបនៃផលិតភាព។ ប៉ុន្តែវាក៏កើតឡើងផងដែរដែលវាលង់ទឹកនៅក្នុង "ជ្រលងនៃការខកចិត្ត" - អ្នកអាចចងចាំឧទាហរណ៍ដោយខ្លួនឯងបានយ៉ាងងាយស្រួលយក bitcoins ដូចគ្នា: ដំបូងឡើងដល់កំពូលជា "ប្រាក់នៃអនាគត" ពួកគេបានធ្លាក់ចុះយ៉ាងលឿននៅពេលដែលការខ្វះខាតនៃបច្ចេកវិទ្យា។ បានក្លាយជាជាក់ស្តែង ជាដំបូងនៃការរឹតបន្តឹងលើចំនួនប្រតិបត្តិការ និងបរិមាណអគ្គិសនីដ៏ធំសម្បើមដែលត្រូវការដើម្បីបង្កើត bitcoins (ដែលពាក់ព័ន្ធនឹងបញ្ហាបរិស្ថានរួចហើយ)។ ហើយជាការពិតណាស់ យើងមិនត្រូវភ្លេចថា គំនូសតាងរបស់ Gartner គ្រាន់តែជាការព្យាករណ៍ប៉ុណ្ណោះ៖ នៅទីនេះ ឧទាហរណ៍ អ្នកអាចអានលម្អិត អត្ថបទដែលជាកន្លែងដែលការទស្សន៍ទាយដែលមិនបានសម្រេចគួរឱ្យចាប់អារម្មណ៍បំផុតត្រូវបានតម្រៀបចេញ។

ដូច្នេះ ចូរយើងទៅមើលតារាង Gartner ថ្មី។ បច្ចេកវិទ្យាត្រូវបានបែងចែកជា 5 ក្រុមធំ ៗ ៖

1. កម្រិតខ្ពស់ AI និងការវិភាគ
2. ការគណនា Postclassical និង Comms
3. ការយល់ឃើញ និងការចល័ត
4. បង្កើនមនុស្ស
5. ប្រព័ន្ធអេកូឌីជីថល

1. កម្រិតខ្ពស់ AI និងការវិភាគ

ក្នុងរយៈពេល 10 ឆ្នាំកន្លងមកនេះ យើងបានឃើញម៉ោងដ៏ល្អបំផុតនៃការរៀនស៊ីជម្រៅ។ បណ្តាញទាំងនេះពិតជាមានប្រសិទ្ធភាពសម្រាប់ជួរនៃភារកិច្ចរបស់ពួកគេ។ នៅឆ្នាំ 2018 Yann LeCun, Geoffrey Hinton និង Yoshua Bengio បានទទួលពានរង្វាន់ Turing សម្រាប់ការរកឃើញរបស់ពួកគេ ដែលជាពានរង្វាន់ដ៏មានកិត្យានុភាពបំផុត ស្រដៀងទៅនឹងរង្វាន់ណូបែលផ្នែកវិទ្យាសាស្ត្រកុំព្យូទ័រ។ ដូច្នេះ និន្នាការចម្បងនៅក្នុងតំបន់នេះ ដែលត្រូវបានបង្ហាញនៅលើតារាង៖

១.១. ផ្ទេរការសិក្សា

អ្នកមិនបណ្តុះបណ្តាលបណ្តាញសរសៃប្រសាទពីដំបូងឡើយ ប៉ុន្តែយកបណ្តាញដែលបានទទួលការបណ្តុះបណ្តាលរួចហើយ ហើយកំណត់គោលដៅផ្សេង។ ពេលខ្លះវាទាមទារឱ្យមានការបណ្តុះបណ្តាលផ្នែកនៃបណ្តាញឡើងវិញ ប៉ុន្តែមិនមែនបណ្តាញទាំងមូលទេ ដែលលឿនជាងនេះ។ ឧទាហរណ៍ ការទទួលយកបណ្តាញសរសៃប្រសាទដែលត្រៀមរួចជាស្រេច ResNet50 ដែលត្រូវបានបណ្តុះបណ្តាលលើសំណុំទិន្នន័យ ImageNet1000 អ្នកនឹងទទួលបានក្បួនដោះស្រាយដែលអាចចាត់ថ្នាក់វត្ថុផ្សេងៗគ្នាជាច្រើននៅក្នុងរូបភាពក្នុងកម្រិតដ៏ជ្រៅបំផុត (1000 ថ្នាក់ផ្អែកលើលក្ខណៈពិសេសដែលបង្កើតដោយ 50 ស្រទាប់នៃសរសៃប្រសាទ។ បណ្តាញ) ។ ប៉ុន្តែអ្នកមិនចាំបាច់បណ្តុះបណ្តាលបណ្តាញទាំងមូលនោះទេ ដែលនឹងចំណាយពេលរាប់ខែ។

В វគ្គសិក្សាអនឡាញ ជាឧទាហរណ៍ Samsung “បណ្តាញសរសៃប្រសាទ និងចក្ខុវិស័យកុំព្យូទ័រ” នៅក្នុងវគ្គផ្តាច់ព្រ័ត្រ បំពេញភារកិច្ច ជាមួយនឹងការចាត់ថ្នាក់នៃចានទៅជាស្អាត និងកខ្វក់ វិធីសាស្រ្តមួយត្រូវបានបង្ហាញថាក្នុងរយៈពេល 5 នាទីផ្តល់ឱ្យអ្នកនូវបណ្តាញសរសៃប្រសាទដ៏ជ្រៅមួយដែលអាចបែងចែកចានកខ្វក់ចេញពីចានស្អាត ដែលសាងសង់ឡើងតាមស្ថាបត្យកម្មដែលបានពិពណ៌នាខាងលើ។ បណ្តាញដើមមិនដឹងថាចានអ្វីទាល់តែសោះ វាគ្រាន់តែរៀនបែងចែកបក្សីពីសត្វឆ្កែប៉ុណ្ណោះ (សូមមើល ImageNet)។

ប្រភព: វគ្គសិក្សាអនឡាញ Samsung "បណ្តាញសរសៃប្រសាទ និងចក្ខុវិស័យកុំព្យូទ័រ"

សម្រាប់ការផ្ទេរការរៀន អ្នកត្រូវដឹងថាវិធីសាស្រ្តមួយណាដែលដំណើរការ និងស្ថាបត្យកម្មមូលដ្ឋានដែលត្រៀមរួចជាស្រេចមាន។ សរុបមក នេះបង្កើនល្បឿនយ៉ាងខ្លាំងនៃការលេចឡើងនៃការអនុវត្តជាក់ស្តែងនៃការរៀនម៉ាស៊ីន។

១.២. បណ្តាញគូបដិបក្ខទូទៅ (GAN)

នេះគឺសម្រាប់ករណីទាំងនោះ នៅពេលដែលវាពិបាកសម្រាប់យើងក្នុងការបង្កើតគោលដៅសិក្សា។ ភារកិច្ចកាន់តែជិតទៅនឹងជីវិតពិត វាកាន់តែអាចយល់បានចំពោះយើង (“នាំយកតុក្បែរគ្រែ”) ប៉ុន្តែការពិបាកជាងនេះទៅទៀតគឺដើម្បីបង្កើតវាជាកិច្ចការបច្ចេកទេស។ GAN គ្រាន់តែជាការប៉ុនប៉ងដើម្បីសង្គ្រោះយើងពីបញ្ហានេះ។

មានបណ្តាញពីរធ្វើការនៅទីនេះ៖ មួយគឺម៉ាស៊ីនភ្លើង (Generative) មួយទៀតជាអ្នករើសអើង (សត្រូវ)។ បណ្តាញមួយរៀនធ្វើកិច្ចការដែលមានប្រយោជន៍ (ចាត់ថ្នាក់រូបភាព ស្គាល់សំឡេង គូររូបតុក្កតា)។ ហើយបណ្តាញមួយផ្សេងទៀតរៀនដើម្បីបង្រៀនបណ្តាញនោះ៖ វាមានឧទាហរណ៍ជាក់ស្តែង ហើយវារៀនស្វែងរករូបមន្តស្មុគស្មាញដែលមិនស្គាល់ពីមុនសម្រាប់ការប្រៀបធៀបផលិតផលនៃផ្នែកទូទៅនៃបណ្តាញជាមួយនឹងវត្ថុក្នុងពិភពពិត (វគ្គបណ្តុះបណ្តាល) ដោយផ្អែកលើលក្ខណៈស៊ីជម្រៅដ៏សំខាន់។ : ចំនួនភ្នែក ភាពជិតស្ទីលរបស់ Miyazaki ការបញ្ចេញសំឡេងភាសាអង់គ្លេសត្រឹមត្រូវ។

ឧទាហរណ៍នៃលទ្ធផលនៃបណ្តាញសម្រាប់បង្កើតតួអង្គគំនូរជីវចល។ ប្រភព

ប៉ុន្តែជាការពិតណាស់ វាពិបាកក្នុងការសាងសង់ស្ថាបត្យកម្មនៅទីនោះ។ វា​មិន​គ្រប់គ្រាន់​ទេ​ដើម្បី​គ្រាន់តែ​បោះចោល​ណឺរ៉ូន​ទេ ពួកគេ​ត្រូវ​រៀបចំ​។ ហើយអ្នកត្រូវសិក្សាជាច្រើនសប្តាហ៍។ សហការីរបស់ខ្ញុំនៅមជ្ឈមណ្ឌលបញ្ញាសិប្បនិមិត្ត Samsung កំពុងធ្វើការលើប្រធានបទ GAN នេះគឺជាសំណួរស្រាវជ្រាវដ៏សំខាន់មួយរបស់ពួកគេ។ ឧទាហរណ៍ដូចនេះ ការអភិវឌ្ឍ៖ ការប្រើប្រាស់បណ្តាញទូទៅ ដើម្បីសំយោគរូបថតជាក់ស្តែងរបស់មនុស្សដែលមានរូបអថេរ - ឧទាហរណ៍ ដើម្បីបង្កើតបន្ទប់សមនិម្មិត ឬសំយោគមុខ ដែលអាចកាត់បន្ថយចំនួនព័ត៌មានដែលត្រូវការរក្សាទុក ឬបញ្ជូន ដើម្បីធានាបាននូវវីដេអូគុណភាពខ្ពស់ ការទំនាក់ទំនង ការផ្សាយ ឬការការពារទិន្នន័យផ្ទាល់ខ្លួន។

ប្រភព

១.៣. AI ដែលអាចពន្យល់បាន។

សម្រាប់កិច្ចការដ៏កម្រមួយចំនួន ភាពជឿនលឿនក្នុងស្ថាបត្យកម្មជ្រៅបាននាំមកនូវសមត្ថភាពនៃបណ្តាញសរសៃប្រសាទជ្រៅៗ ឱ្យកាន់តែខិតទៅជិតសមត្ថភាពរបស់មនុស្ស។ ឥឡូវនេះការប្រយុទ្ធគឺនៅលើដើម្បីបង្កើនជួរនៃភារកិច្ចបែបនេះ។ ជាឧទាហរណ៍ ម៉ាស៊ីនបូមធូលីមនុស្សយន្តអាចបែងចែកឆ្មាពីសត្វឆ្កែបានយ៉ាងងាយស្រួលនៅក្នុងការប្រជុំ។ ប៉ុន្តែនៅក្នុងស្ថានភាពជីវិតភាគច្រើន គាត់នឹងមិនអាចរកឃើញឆ្មាដេកក្នុងចំណោមក្រណាត់ទេសឯក ឬគ្រឿងសង្ហារិមទេ (ទោះជាយ៉ាងនេះក្តី ដូចពួកយើងដែរ ក្នុងករណីភាគច្រើន...)។

តើអ្វីជាហេតុផលសម្រាប់ភាពជោគជ័យនៃបណ្តាញសរសៃប្រសាទជ្រៅ? ពួកគេបង្កើតតំណាងនៃបញ្ហាដោយផ្អែកលើព័ត៌មាន "អាចមើលឃើញដោយភ្នែកទទេ" (ភីកសែលរូបថត ការផ្លាស់ប្តូរកម្រិតសំឡេង...) ប៉ុន្តែនៅលើលក្ខណៈពិសេសដែលទទួលបានបន្ទាប់ពីដំណើរការព័ត៌មាននេះជាមុនដោយស្រទាប់ជាច្រើននៃបណ្តាញសរសៃប្រសាទ។ ជាអកុសល ទំនាក់ទំនងទាំងនេះក៏អាចគ្មានន័យ មិនស៊ីសង្វាក់គ្នា ឬមានដាននៃភាពមិនល្អឥតខ្ចោះនៅក្នុងសំណុំទិន្នន័យដើម។ ជាឧទាហរណ៍ មានហ្គេមកុំព្យូទ័រតូចមួយអំពីអ្វីដែលការប្រើប្រាស់ AI ដោយមិនបានគិតក្នុងការជ្រើសរើសអាចនាំទៅរក ការរស់រានមានជីវិតនៃសមល្អបំផុត.

ប្រព័ន្ធ​ស្លាក​រូបភាព​ដាក់​ស្លាក​អ្នក​ធ្វើ​ម្ហូប​ថា​ជា​មនុស្ស​ស្រី បើ​ទោះ​ជា​មនុស្ស​ក្នុង​រូបភាព​ពិត​ជា​បុរស​ក៏ដោយ (ប្រភព) វា។ បានកត់សម្គាល់ នៅវិទ្យាស្ថាន Virginia ។

ដើម្បីវិភាគទំនាក់ទំនងស្មុគ្រស្មាញ និងស៊ីជម្រៅ ដែលជារឿយៗយើងមិនអាចបង្កើតដោយខ្លួនឯងបាន វិធីសាស្ត្រ AI ដែលអាចពន្យល់បានគឺត្រូវការជាចាំបាច់។ ពួកគេរៀបចំលក្ខណៈពិសេសនៃបណ្តាញសរសៃប្រសាទជ្រៅ ដូច្នេះបន្ទាប់ពីការបណ្តុះបណ្តាល យើងអាចវិភាគតំណាងផ្ទៃក្នុងដែលបណ្តាញបានរៀន ជាជាងគ្រាន់តែពឹងផ្អែកលើការសម្រេចចិត្តរបស់វា។

១.៤. Edge Analytics / AI

អ្វីគ្រប់យ៉ាងដែលមានពាក្យ Edge មានន័យដូចតទៅ៖ ការផ្ទេរផ្នែកនៃក្បួនដោះស្រាយពី cloud/server ទៅកាន់កម្រិតឧបករណ៍បញ្ចប់/gateway។ ក្បួនដោះស្រាយបែបនេះនឹងដំណើរការលឿនជាងមុន ហើយនឹងមិនតម្រូវឱ្យមានការតភ្ជាប់ទៅម៉ាស៊ីនមេកណ្តាលសម្រាប់ប្រតិបត្តិការរបស់វានោះទេ។ ប្រសិនបើអ្នកស្គាល់ការអរូបីនៃ "អតិថិជនស្តើង" នោះនៅទីនេះយើងកំពុងធ្វើឱ្យអតិថិជននេះកាន់តែក្រាស់បន្តិច។
នេះអាចមានសារៈសំខាន់សម្រាប់ Internet of Things។ ឧទាហរណ៍ ប្រសិនបើម៉ាស៊ីនឡើងកំដៅខ្លាំង ហើយត្រូវការភាពត្រជាក់ វាសមហេតុផលក្នុងការផ្តល់សញ្ញានេះភ្លាមៗនៅកម្រិតរោងចក្រ ដោយមិនរង់ចាំទិន្នន័យទៅពពក និងពីទីនោះទៅកាន់អ្នកផ្លាស់ប្តូរ។ ឬឧទាហរណ៍មួយទៀត៖ រថយន្តដែលបើកបរដោយខ្លួនឯងអាចស្វែងយល់ពីស្ថានភាពចរាចរណ៍ដោយខ្លួនឯង ដោយមិនចាំបាច់ទាក់ទងម៉ាស៊ីនមេ។

ប្រភព

ឬឧទាហរណ៍មួយទៀតនៃមូលហេតុដែលវាសំខាន់តាមទស្សនៈសុវត្ថិភាព៖ នៅពេលអ្នកវាយអត្ថបទនៅលើទូរសព្ទរបស់អ្នក វាចងចាំពាក្យធម្មតាសម្រាប់អ្នក ដូច្នេះនៅពេលក្រោយក្តារចុចទូរសព្ទអាចប្រាប់អ្នកឱ្យងាយស្រួលជាមួយពួកគេ - នេះហៅថាការទស្សន៍ទាយ ការបញ្ចូលអត្ថបទ។ ការផ្ញើអ្វីគ្រប់យ៉ាងដែលអ្នកវាយនៅលើក្តារចុចរបស់អ្នកទៅកាន់មជ្ឈមណ្ឌលទិន្នន័យនៅកន្លែងណាមួយនឹងជាការបំពានលើឯកជនភាពរបស់អ្នក ហើយគ្រាន់តែមិនមានសុវត្ថិភាព។ ដូច្នេះ ការហ្វឹកហាត់ក្តារចុចកើតឡើងតែនៅក្នុងឧបករណ៍របស់អ្នកប៉ុណ្ណោះ។

១.៥. AI Platform as a Service (AI PaaS)

PaaS - Platform-as-a-Service គឺជាគំរូអាជីវកម្មមួយ ដែលយើងទទួលបានការចូលប្រើវេទិការួមបញ្ចូលគ្នា រួមទាំងការផ្ទុកទិន្នន័យផ្អែកលើពពក និងនីតិវិធីដែលត្រៀមរួចជាស្រេច។ វិធីនេះ យើងអាចដោះលែងខ្លួនយើងពីកិច្ចការហេដ្ឋារចនាសម្ព័ន្ធ និងផ្តោតទាំងស្រុងលើការផលិតអ្វីដែលមានប្រយោជន៍។ ឧទាហរណ៍នៃវេទិកា PaaS សម្រាប់កិច្ចការ AI៖ IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform ។

១.៦. ការរៀនម៉ាស៊ីនអាដាប់ធ័រ (អាដាប់ធ័រ ML)

ចុះបើយើងអនុញ្ញាតឱ្យបញ្ញាសិប្បនិម្មិតសម្របខ្លួន... អ្នកសួរថា ម៉េច?.. តើវាមិនសម្របខ្លួនទៅនឹងកិច្ចការទេ? បញ្ហាគឺនេះ៖ យើងគូរយ៉ាងយកចិត្តទុកដាក់លើបញ្ហានីមួយៗ មុនពេលបង្កើតក្បួនដោះស្រាយបញ្ញាសិប្បនិមិត្ត ដើម្បីដោះស្រាយវា។ ពួកគេនឹងឆ្លើយអ្នក - វាប្រែថាខ្សែសង្វាក់នេះអាចត្រូវបានធ្វើឱ្យសាមញ្ញ។

ការរៀនម៉ាស៊ីនធម្មតាដំណើរការលើគោលការណ៍នៃរង្វិលជុំបើកចំហ៖ អ្នករៀបចំទិន្នន័យ បង្កើតបណ្តាញសរសៃប្រសាទ (ឬអ្វីក៏ដោយ) ហ្វឹកហាត់ បន្ទាប់មកមើលសូចនាករជាច្រើន ហើយប្រសិនបើអ្នកចូលចិត្តអ្វីៗគ្រប់យ៉ាង អ្នកអាចបញ្ជូនបណ្តាញសរសៃប្រសាទទៅស្មាតហ្វូន។ - ដោះស្រាយបញ្ហាអ្នកប្រើប្រាស់។ ប៉ុន្តែនៅក្នុងកម្មវិធីដែលមានទិន្នន័យច្រើន ហើយធម្មជាតិរបស់វាផ្លាស់ប្តូរបន្តិចម្តងៗ វិធីសាស្ត្រផ្សេងទៀតគឺចាំបាច់។ ប្រព័ន្ធបែបនេះដែលសម្របខ្លួន និងបង្រៀនខ្លួនឯង ត្រូវបានរៀបចំជារង្វិលជុំបិទជិត រៀនដោយខ្លួនឯង (បិទរង្វិលជុំ) ហើយពួកគេត្រូវតែដំណើរការដោយរលូន។

កម្មវិធី - នេះអាចជាការវិភាគស្ទ្រីម (Stream Analytics) ដោយផ្អែកលើមូលដ្ឋានដែលអ្នកជំនួញជាច្រើនធ្វើការសម្រេចចិត្ត ឬការគ្រប់គ្រងផលិតកម្មដែលសម្របខ្លួន។ នៅក្នុងទំហំនៃកម្មវិធីបច្ចុប្បន្ន និងផ្តល់ហានិភ័យដែលយល់កាន់តែច្បាស់ដល់មនុស្ស បច្ចេកទេសដែលបង្កើតជាដំណោះស្រាយចំពោះបញ្ហានេះគឺត្រូវបានប្រមូលទាំងអស់ក្រោមពាក្យថា Adaptive AI ។

ប្រភព

ក្រឡេកមកមើលរូបភាពនេះ ពិបាកនឹងបំបាត់អារម្មណ៍ថាមិនចិញ្ចឹមនំប៉័ង អនាគតវិទូ ឱ្យពួកគេបង្រៀនមនុស្សយន្តឱ្យដកដង្ហើម...

ការគណនា Postclassical និង Comms

២.១. ទំនាក់ទំនងចល័តជំនាន់ទីប្រាំ (2.1G)

នេះគឺជាប្រធានបទដ៏គួរឱ្យចាប់អារម្មណ៍មួយ ដែលពួកយើងនឹងបញ្ជូនអ្នកទៅកាន់របស់យើង។ អត្ថបទ. ជាការប្រសើរណាស់ នេះគឺជាការសង្ខេបខ្លី។ 5G ដោយការបង្កើនភាពញឹកញាប់នៃការបញ្ជូនទិន្នន័យនឹងធ្វើឱ្យល្បឿនអ៊ីនធឺណិតលឿនមិនប្រាកដប្រជា។ វាពិបាកជាងសម្រាប់រលកខ្លីដើម្បីឆ្លងកាត់ឧបសគ្គ ដូច្នេះការរចនាបណ្តាញនឹងខុសគ្នាទាំងស្រុង៖ ត្រូវការស្ថានីយ៍មូលដ្ឋានច្រើនជាង 500 ដង។

រួមជាមួយនឹងល្បឿន យើងនឹងទទួលបានបាតុភូតថ្មី៖ ហ្គេមតាមពេលវេលាជាក់ស្តែងជាមួយនឹងការពិតបន្ថែម អនុវត្តការងារស្មុគស្មាញ (ដូចជាការវះកាត់) តាមរយៈ telepresence ការពារគ្រោះថ្នាក់ និងស្ថានភាពលំបាកនៅលើផ្លូវតាមរយៈការទំនាក់ទំនងរវាងម៉ាស៊ីន។ ជាការកត់សម្គាល់បន្ថែមទៀត៖ ទីបំផុតអ៊ិនធឺណិតតាមទូរស័ព្ទនឹងឈប់ធ្លាក់ចុះក្នុងអំឡុងពេលព្រឹត្តិការណ៍ធំៗ ដូចជាការប្រកួតនៅកីឡដ្ឋាន។

ប្រភពរូបភាព - Reuters, Niantic

២.២. អង្គចងចាំជំនាន់ក្រោយ

នៅទីនេះយើងកំពុងនិយាយអំពី RAM ជំនាន់ទីប្រាំ - DDR5 ។ ក្រុមហ៊ុន Samsung បានប្រកាសថា ផលិតផលដែលមានមូលដ្ឋានលើ DDR2019 នឹងអាចរកបាននៅចុងឆ្នាំ 5 ។ វាត្រូវបានគេរំពឹងថា អង្គចងចាំថ្មីនឹងលឿនជាង 32 ដង និង capacious ពីរដង ខណៈពេលដែលរក្សាបាននូវ form factor ដូចគ្នា ពោលគឺយើងនឹងអាចទទួលបាន memory sticks ដែលមានសមត្ថភាពរហូតដល់ XNUMXGB សម្រាប់កុំព្យូទ័ររបស់យើង។ នៅពេលអនាគត វានឹងពាក់ព័ន្ធជាពិសេសសម្រាប់ស្មាតហ្វូន (អង្គចងចាំថ្មីនឹងមាននៅក្នុងកំណែថាមពលទាប) និងសម្រាប់កុំព្យូទ័រយួរដៃ (ដែលចំនួនរន្ធដោត DIMM មានកំណត់)។ ហើយការរៀនម៉ាស៊ីនក៏ត្រូវការ RAM ច្រើនដែរ។

២.៣. ប្រព័ន្ធផ្កាយរណបគន្លងផែនដីទាប

គំនិតនៃការជំនួសផ្កាយរណបដ៏ខ្លាំង ថ្លៃ និងដ៏មានអានុភាពជាមួយនឹងហ្វូងតូច និងថោកគឺនៅឆ្ងាយពីអ្វីដែលថ្មី ហើយបានលេចឡើងវិញនៅក្នុងទសវត្សរ៍ទី 90 ។ អំពី​អ្វី "Elon Musk នឹងចែកចាយអ៊ីនធឺណិតដល់មនុស្សគ្រប់គ្នាពីផ្កាយរណបឆាប់ៗនេះ" ឥឡូវនេះមានតែមនុស្សខ្ជិលប៉ុណ្ណោះដែលមិនបានឮ។ ក្រុមហ៊ុនដ៏ល្បីល្បាញបំផុតនៅទីនេះគឺ Iridium ដែលបានក្ស័យធននៅចុងទសវត្សរ៍ទី 90 ប៉ុន្តែត្រូវបានរក្សាទុកដោយការចំណាយរបស់ក្រសួងការពារជាតិសហរដ្ឋអាមេរិក (មិនត្រូវច្រឡំជាមួយ iRidium ដែលជាប្រព័ន្ធផ្ទះឆ្លាតវៃរបស់រុស្ស៊ី) ។ គម្រោងរបស់ Elon Musk (Starlink) គឺនៅឆ្ងាយពីតែមួយគត់ - Richard Branson (OneWeb - ផ្កាយរណបដែលបានស្នើឡើង 1440), Boeing (ផ្កាយរណប 3000), Samsung (ផ្កាយរណប 4600) និងអ្នកផ្សេងទៀតកំពុងចូលរួមក្នុងការប្រណាំងផ្កាយរណប។

របៀបដែលអ្វីៗឈរនៅក្នុងតំបន់នេះ អ្វីដែលសេដ្ឋកិច្ចមើលទៅនៅទីនោះ - អាននៅក្នុង ពិនិត្យឡើងវិញ។. ហើយយើងកំពុងរង់ចាំការសាកល្បងដំបូងនៃប្រព័ន្ធទាំងនេះដោយអ្នកប្រើប្រាស់ដំបូង ដែលគួរតែធ្វើឡើងនៅឆ្នាំក្រោយ។

២.៤. ការបោះពុម្ព 2.4D ខ្នាតណាណូ

ការបោះពុម្ព 3D ទោះបីជាវាមិនបានចូលក្នុងជីវិតរបស់មនុស្សគ្រប់រូប (ក្នុងទម្រង់ដែលបានសន្យាដោយរោងចក្រផ្លាស្ទិចផ្ទះបុគ្គល) យ៉ាងណាក៏ដោយ វាបានបន្សល់ទុកនូវបច្ចេកវិទ្យាពិសេសសម្រាប់មនុស្សជាច្រើនតាំងពីយូរយារមកហើយ។ អ្នកអាចវិនិច្ឆ័យដោយការពិតដែលថាសិស្សសាលាគ្រប់រូបដឹងអំពីអត្ថិភាពនៃប៊ិចចម្លាក់ 3D យ៉ាងហោចណាស់ ហើយមនុស្សជាច្រើនសុបិនចង់ទិញប្រអប់ជាមួយអ្នករត់ និងឧបករណ៍បំពងសម្រាប់... "ដូចនោះ" (ឬបានទិញវារួចហើយ)។

Stereolithography (ម៉ាស៊ីនបោះពុម្ព 3D ឡាស៊ែរ) អនុញ្ញាតឱ្យបោះពុម្ពជាមួយ photons នីមួយៗ៖ សារធាតុប៉ូលីម៊ែរថ្មីកំពុងត្រូវបានរុករក ដែលទាមទារតែ photon ពីរប៉ុណ្ណោះដើម្បីពង្រឹង។ វានឹងអនុញ្ញាតឱ្យនៅក្នុងលក្ខខណ្ឌដែលមិនមែនជាមន្ទីរពិសោធន៍ ដើម្បីបង្កើតតម្រងថ្មីទាំងស្រុង ម៉ោន ពន្លក សរសៃឈាម កញ្ចក់ និង... ជម្រើសរបស់អ្នកនៅក្នុងមតិយោបល់! ហើយនៅទីនេះវាមិនឆ្ងាយពី photopolymerization - មានតែបច្ចេកវិទ្យានេះទេដែលអនុញ្ញាតឱ្យយើង "បោះពុម្ព" processors និងសៀគ្វីកុំព្យូទ័រ។ លើស​ពី​នេះ​ទៅ​ទៀត នេះ​មិន​មែន​ជា​ឆ្នាំ​ទី​មួយ​ទេ​ដែល​មាន បច្ចេកវិទ្យាសម្រាប់ការបោះពុម្ព graphene 500 nm រចនាសម្ព័ន្ធបីវិមាត្រប៉ុន្តែដោយគ្មានការអភិវឌ្ឍន៍រ៉ាឌីកាល់។

ប្រភព

3. ការយល់ឃើញ និងការចល័ត

៣.១. ការបើកបរស្វ័យភាពកម្រិត 3.1 & 4

ដើម្បីកុំឱ្យមានការភ័ន្តច្រឡំនៅក្នុងវាក្យសព្ទ វាគួរតែយល់ថាតើកម្រិតនៃស្វ័យភាពត្រូវបានសម្គាល់កម្រិតណា (ដកស្រង់ចេញពីព័ត៌មានលម្អិត អត្ថបទដែលយើងយោងទាំងអស់ចាប់អារម្មណ៍)៖

កម្រិតទី 1៖ ការគ្រប់គ្រងពេលបើកបរ៖ ជួយអ្នកបើកបរក្នុងស្ថានភាពដែលមានកម្រិតខ្លាំង (ឧទាហរណ៍ ការកាន់រថយន្តក្នុងល្បឿនដែលបានកំណត់ បន្ទាប់ពីអ្នកបើកបរដកជើងចេញពីឈ្នាន់)
កម្រិតទី 2៖ ជំនួយចង្កូត និងហ្វ្រាំងមានកំណត់។ អ្នកបើកបរត្រូវតែត្រៀមខ្លួនដើម្បីគ្រប់គ្រងស្ទើរតែភ្លាមៗ។ ដៃរបស់គាត់នៅលើចង្កូត ភ្នែករបស់គាត់តម្រង់ទៅផ្លូវ។ នេះគឺជាអ្វីដែលក្រុមហ៊ុន Tesla និង General Motors មានរួចហើយ។
កម្រិតទី 3៖ អ្នកបើកបរលែងត្រូវមើលផ្លូវជានិច្ច។ ប៉ុន្តែ​គាត់​ត្រូវ​តែ​ប្រុង​ប្រយ័ត្ន និង​ត្រៀម​ខ្លួន​ដើម្បី​គ្រប់គ្រង។ នេះ​ជា​អ្វី​ដែល​រថយន្ត​ដែល​អាច​រក​ទិញ​បាន​នៅ​មិន​ទាន់​មាន។ បច្ចុប្បន្នទាំងអស់មាននៅកម្រិត 1-2 ។
កម្រិតទី 4៖ autopilot ពិតប្រាកដ ប៉ុន្តែជាមួយនឹងការរឹតបន្តឹង៖ ការធ្វើដំណើរតែនៅក្នុងតំបន់ដែលគេស្គាល់ដែលត្រូវបានគូសផែនទីដោយប្រុងប្រយ័ត្ន និងត្រូវបានគេស្គាល់ជាទូទៅចំពោះប្រព័ន្ធ និងក្រោមលក្ខខណ្ឌមួយចំនួន៖ ឧទាហរណ៍ ក្នុងករណីមិនមានព្រិលធ្លាក់។ Waymo និង General Motors មានគំរូដើមបែបនេះ ហើយពួកគេមានគម្រោងដាក់ដំណើរការវានៅក្នុងទីក្រុងជាច្រើន ហើយសាកល្បងវានៅក្នុងបរិយាកាសជាក់ស្តែង។ Yandex មានតំបន់សាកល្បងសម្រាប់តាក់ស៊ីគ្មានមនុស្សបើកនៅ Skolkovo និង Innopolis៖ ការធ្វើដំណើរនេះធ្វើឡើងក្រោមការគ្រប់គ្រងរបស់វិស្វករម្នាក់ដែលអង្គុយនៅកៅអីអ្នកដំណើរ។ នៅចុងឆ្នាំនេះ ក្រុមហ៊ុនគ្រោងនឹងពង្រីកកងនាវារបស់ខ្លួនដល់ 100 គ្រឿងគ្មានមនុស្សបើក។
កម្រិតទី 5: ការបើកបរដោយស្វ័យប្រវត្តិពេញលេញ ការជំនួសពេញលេញនៃអ្នកបើកបរផ្ទាល់។ ប្រព័ន្ធបែបនេះមិនមានទេ ហើយពួកវាទំនងជាមិនលេចឡើងក្នុងប៉ុន្មានឆ្នាំខាងមុខនេះទេ។

តើ​វា​ពិត​ប្រាកដ​ប៉ុណ្ណា​ដែល​ឃើញ​រឿង​ទាំង​អស់​នេះ​នៅ​ពេល​អនាគត​ដ៏​ខ្លី? នៅទីនេះខ្ញុំចង់បញ្ជូនអ្នកអានទៅអត្ថបទ "ហេតុអ្វីបានជាវាមិនអាចទៅរួចទេក្នុងការបើកដំណើរការ robotaxi នៅឆ្នាំ 2020 ដូចដែល Tesla សន្យា". នេះ​ជា​ផ្នែក​មួយ​ដោយ​សារ​កង្វះ​ការ​តភ្ជាប់ 5G៖ ល្បឿន 4G ដែល​មាន​មិន​គ្រប់គ្រាន់។ មួយផ្នែកដោយសារតែការចំណាយខ្ពស់នៃរថយន្តស្វយ័ត: ពួកគេមិនទាន់ទទួលបានប្រាក់ចំណេញនៅឡើយ គំរូអាជីវកម្មគឺមិនច្បាស់លាស់។ នៅក្នុងពាក្យមួយ "អ្វីគ្រប់យ៉ាងគឺស្មុគស្មាញ" នៅទីនេះហើយវាមិនមែនជារឿងចៃដន្យទេដែល Gartner សរសេរថាការព្យាករណ៍សម្រាប់ការអនុវត្តដ៏ធំនៃកម្រិត 4 និង 5 គឺមិនលឿនជាងក្នុងរយៈពេល 10 ឆ្នាំ។

៣.២. កាមេរ៉ា 3.2D Sensing

កាលពីប្រាំបីឆ្នាំមុន ឧបករណ៍បញ្ជាហ្គេម Kinect របស់ Microsoft បានបង្កើតរលកដោយផ្តល់នូវដំណោះស្រាយដែលអាចចូលដំណើរការបាន និងមានតម្លៃថោកសមរម្យចំពោះចក្ខុវិស័យ 3D ។ ចាប់តាំងពីពេលនោះមក ការអប់រំកាយ និងហ្គេមរាំជាមួយ Kinect បានជួបប្រទះនឹងការកើនឡើង និងថយចុះរបស់ពួកគេក្នុងរយៈពេលខ្លី ប៉ុន្តែកាមេរ៉ា 3D បានចាប់ផ្តើមប្រើប្រាស់នៅក្នុងមនុស្សយន្តឧស្សាហកម្ម រថយន្តគ្មានមនុស្សបើក និងទូរសព្ទចល័តសម្រាប់សម្គាល់មុខ។ បច្ចេកវិទ្យាបានក្លាយទៅជាថោកជាង បង្រួម និងអាចចូលប្រើប្រាស់បានកាន់តែច្រើន។

ទូរស័ព្ទ Samsung S10 មានកាមេរ៉ា Time-of-Flight ដែលវាស់ចម្ងាយទៅវត្ថុមួយដើម្បីធ្វើឱ្យការផ្តោតអារម្មណ៍កាន់តែងាយស្រួល។ ប្រភព

ប្រសិនបើអ្នកចាប់អារម្មណ៍លើប្រធានបទនេះ យើងនឹងបញ្ជូនអ្នកទៅកាន់ការពិនិត្យលម្អិតយ៉ាងល្អិតល្អន់អំពីកាមេរ៉ាជម្រៅ៖ ផ្នែកទី ២, ផ្នែកទី ២.

៣.៣. Drones សម្រាប់ដឹកជញ្ជូនទំនិញតូចៗ (Light Cargo Delivery Drones)

ឆ្នាំនេះក្រុមហ៊ុន Amazon បានធ្វើឱ្យរលកនៅពេលដែលវាបង្ហាញយន្តហោះគ្មានមនុស្សបើកថ្មីនៅក្នុងកម្មវិធីដែលអាចផ្ទុកទម្ងន់តូចរហូតដល់ 2 គីឡូក្រាម។ សម្រាប់ទីក្រុងដែលមានការកកស្ទះចរាចរណ៍ វាហាក់ដូចជាដំណោះស្រាយដ៏ល្អមួយ។ ចាំ​មើល​ថា​តើ​យន្តហោះ​គ្មាន​មនុស្ស​បើក​ទាំង​នេះ​ធ្វើ​យ៉ាង​ណា​នា​ពេល​ខាង​មុខ​នេះ។ ប្រហែលជាវាមានតម្លៃក្នុងការសង្ស័យដោយប្រយ័ត្នប្រយែងនៅទីនេះ៖ មានបញ្ហាជាច្រើន ដោយចាប់ផ្តើមពីលទ្ធភាពនៃការលួចដ៏ងាយស្រួលនៃយន្តហោះគ្មានមនុស្សបើក និងបញ្ចប់ដោយការរឹតបន្តឹងផ្លូវច្បាប់លើ UAVs ។ Amazon Prime Air មានរយៈពេល XNUMX ឆ្នាំហើយ ប៉ុន្តែនៅតែស្ថិតក្នុងដំណាក់កាលសាកល្បងនៅឡើយ។

យន្តហោះគ្មានមនុស្សបើកថ្មីរបស់ក្រុមហ៊ុន Amazon បានបង្ហាញនៅនិទាឃរដូវនេះ។ មានរឿង Star Wars អំពីគាត់។ ប្រភព

បន្ថែមពីលើ Amazon មានអ្នកលេងផ្សេងទៀតនៅក្នុងទីផ្សារនេះ (មានព័ត៌មានលម្អិត обзор) ប៉ុន្តែមិនមែនជាផលិតផលសម្រេចតែមួយទេ៖ អ្វីគ្រប់យ៉ាងគឺស្ថិតនៅដំណាក់កាលនៃការធ្វើតេស្ត និងយុទ្ធនាការទីផ្សារ។ ដោយឡែកពីគ្នា វាពិតជាគួរឱ្យចាប់អារម្មណ៍ណាស់ ដែលឯកទេសខាងវេជ្ជសាស្ត្រ គម្រោង នៅទ្វីបអាហ្រ្វិក៖ ការចែកចាយឈាមដែលបានបរិច្ចាគនៅប្រទេសហ្គាណា (ការចែកចាយចំនួន 14 ក្រុមហ៊ុន Zipline) និងប្រទេស Rwanda (ក្រុមហ៊ុន Matternet) ។

៣.៤. យានជំនិះស្វយ័តហោះ

វាពិបាកក្នុងការនិយាយអ្វីដែលច្បាស់លាស់នៅទីនេះ។ យោងតាមលោក Gartner វានឹងលេចឡើងមិនលឿនជាងក្នុងរយៈពេល 10 ឆ្នាំ។ ជាទូទៅ មានបញ្ហាដូចគ្នាទាំងអស់នៅទីនេះ ដូចនៅក្នុងរថយន្តដែលបើកបរដោយខ្លួនឯងដែរ មានតែពួកគេប៉ុណ្ណោះដែលទទួលបានវិមាត្រថ្មី - បញ្ឈរ។ ក្រុមហ៊ុន Porsche, Boeing និង Uber បានប្រកាសពីមហិច្ឆតារបស់ពួកគេក្នុងការបង្កើតតាក់ស៊ីហោះ។

៣.៥. Augmented Reality Cloud (AR Cloud)

ច្បាប់ចម្លងឌីជីថលអចិន្ត្រៃយ៍នៃពិភពពិត ដែលអនុញ្ញាតឱ្យអ្នកបង្កើតស្រទាប់ថ្មីនៃការពិតទូទៅសម្រាប់អ្នកប្រើប្រាស់ទាំងអស់។ នៅក្នុងលក្ខខណ្ឌបច្ចេកទេសបន្ថែមទៀត យើងកំពុងនិយាយអំពីការបង្កើតវេទិកាពពកបើកចំហដែលអ្នកអភិវឌ្ឍន៍អាចរួមបញ្ចូលកម្មវិធី AR របស់ពួកគេ។ គំរូនៃការរកប្រាក់គឺច្បាស់ណាស់ វាជាប្រភេទ analogue នៃ Steam ។ គំនិតនេះបានក្លាយទៅជាការពង្រឹងយ៉ាងខ្លាំងដែលឥឡូវនេះអ្នកខ្លះជឿថា AR ដោយគ្មានពពកគឺគ្មានប្រយោជន៍ទេ។

អ្វី​ដែល​វា​អាច​មើល​ទៅ​ដូច​ជា​នៅ​ពេល​អនាគត​ត្រូវ​បាន​បង្ហាញ​ក្នុង​វីដេអូ​ខ្លី​មួយ។ មើលទៅដូចជាវគ្គមួយទៀតនៃ Black Mirror៖

អ្នកក៏អាចអាននៅ អត្ថបទពិនិត្យ។

4. បង្កើនមនុស្ស

៤.១. អារម្មណ៍ AI

តើធ្វើដូចម្តេចដើម្បីវាស់វែង ក្លែងធ្វើ និងឆ្លើយតបទៅនឹងអារម្មណ៍របស់មនុស្ស? អតិថិជនមួយចំនួននៅទីនេះគឺជាក្រុមហ៊ុនដែលបង្កើតជំនួយការសំឡេងដូចជា Amazon Alexa ។ ពួកគេពិតជាអាចស៊ាំនឹងគេហដ្ឋាន ប្រសិនបើពួកគេរៀនស្គាល់អារម្មណ៍៖ យល់ពីហេតុផលសម្រាប់ការមិនពេញចិត្តរបស់អ្នកប្រើប្រាស់ ហើយព្យាយាមកែតម្រូវស្ថានភាព។ ជាទូទៅ មានព័ត៌មានច្រើននៅក្នុងបរិបទ ជាងនៅក្នុងសារ។ ហើយបរិបទគឺទឹកមុខ ការបញ្ចេញសំឡេង និងអាកប្បកិរិយាមិននិយាយ។

កម្មវិធីជាក់ស្តែងផ្សេងទៀត៖ ការវិភាគអារម្មណ៍អំឡុងពេលសម្ភាសន៍ការងារ (ផ្អែកលើការសម្ភាសន៍ជាវីដេអូ) ការវាយតម្លៃប្រតិកម្មចំពោះការផ្សាយពាណិជ្ជកម្ម ឬខ្លឹមសារវីដេអូផ្សេងទៀត (ស្នាមញញឹម ការសើច) ជំនួយក្នុងការរៀន (ឧទាហរណ៍ សម្រាប់ការអនុវត្តឯករាជ្យក្នុងសិល្បៈនៃការនិយាយជាសាធារណៈ)។

វាពិបាកក្នុងការនិយាយល្អលើប្រធានបទនេះជាងអ្នកនិពន្ធនៃភាពយន្តខ្លី 6 នាទី។ លួចអារម្មណ៍ Ur. វីដេអូដ៏ឆ្លាតវៃ និងទាន់សម័យបង្ហាញពីរបៀបដែលអ្នកអាចវាស់ស្ទង់អារម្មណ៍របស់យើងសម្រាប់គោលបំណងទីផ្សារ ហើយពីប្រតិកម្មភ្លាមៗនៃមុខរបស់អ្នក ស្វែងយល់ថាតើអ្នកចូលចិត្តភីហ្សា ឆ្កែ Kanye West និងកម្រិតប្រាក់ចំណូលរបស់អ្នក និងកម្រិត IQ ប្រហាក់ប្រហែល។ តាមរយៈការចូលទៅកាន់គេហទំព័ររបស់ខ្សែភាពយន្តដោយប្រើតំណភ្ជាប់ខាងលើ អ្នកក្លាយជាអ្នកចូលរួមនៅក្នុងវីដេអូអន្តរកម្មដោយប្រើកាមេរ៉ាដែលភ្ជាប់មកជាមួយនៃកុំព្យូទ័រយួរដៃរបស់អ្នក។ ភាពយន្ត​នេះ​ត្រូវ​បាន​គេ​បង្ហាញ​រួច​ហើយ​នៅ​ក្នុង​មហោស្រព​ភាពយន្ត​មួយ​ចំនួន។

ប្រភព

មានសូម្បីតែការសិក្សាគួរឱ្យចាប់អារម្មណ៍បែបនេះ: របៀបដើម្បីទទួលស្គាល់ការនិយាយដើមគេនៅក្នុងអត្ថបទ។ យើងបានយក Tweets ដោយប្រើ hashtag #sarcasm ហើយបានបង្កើតសំណុំបណ្តុះបណ្តាលចំនួន 25 tweets ជាមួយនឹង sarcasm និង 000 tweets ទៀងទាត់អំពីអ្វីគ្រប់យ៉ាងនៅក្រោមព្រះអាទិត្យ។ យើងបានប្រើបណ្ណាល័យ TensorFlow បណ្តុះបណ្តាលប្រព័ន្ធ ហើយនេះគឺជាលទ្ធផល៖

ប្រភព

ដូច្នេះហើយ ឥឡូវនេះ ប្រសិនបើអ្នកមិនច្បាស់អំពីមិត្តរួមការងារ ឬមិត្តភ័ក្តិរបស់អ្នក - គាត់បាននិយាយអ្វីមួយទៅកាន់អ្នកយ៉ាងធ្ងន់ធ្ងរ ឬនិយាយលេងសើច នោះអ្នកអាចប្រើបានហើយ។ បណ្តាញសរសៃប្រសាទដែលបានបណ្តុះបណ្តាល!

៤.២. បង្កើនភាពវៃឆ្លាត

ស្វ័យប្រវត្តិកម្មនៃការងារបញ្ញាដោយប្រើវិធីសាស្រ្តរៀនម៉ាស៊ីន។ វាហាក់ដូចជាគ្មានអ្វីថ្មីទេ? ប៉ុន្តែពាក្យខ្លួនឯងគឺមានសារៈសំខាន់នៅទីនេះ ជាពិសេសចាប់តាំងពីវាស្របគ្នាក្នុងអក្សរកាត់ជាមួយ Artificial Intelligence ។ នេះនាំយើងត្រលប់ទៅការពិភាក្សាអំពី AI "ខ្លាំង" និង "ខ្សោយ" ។
Strong AI គឺជាបញ្ញាសិប្បនិមិត្តដូចគ្នាពីខ្សែភាពយន្តប្រឌិតបែបវិទ្យាសាស្ត្រ ដែលស្មើនឹងចិត្តមនុស្សទាំងស្រុង ហើយដឹងខ្លួនថាជាបុគ្គល។ វាមិនទាន់មាននៅឡើយទេ ហើយវាមិនច្បាស់ថាតើវានឹងមានទាល់តែសោះ។

Weak AI មិនមែនជាមនុស្សឯករាជ្យទេ ប៉ុន្តែជាជំនួយការរបស់មនុស្ស។ គាត់​មិន​អះអាង​ថា​មាន​ការ​គិត​ដូច​មនុស្ស​ទេ ប៉ុន្តែ​គ្រាន់តែ​ដឹង​ពី​វិធី​ដោះស្រាយ​បញ្ហា​ព័ត៌មាន ជា​ឧទាហរណ៍ កំណត់​អ្វី​ដែល​បង្ហាញ​ក្នុង​រូបភាព ឬ​បកប្រែ​អត្ថបទ។

ប្រភព

ក្នុងន័យនេះ Augmented Intelligence គឺ “AI ខ្សោយ” នៅក្នុងទម្រង់ដ៏បរិសុទ្ធបំផុតរបស់វា ហើយការបង្កើតនេះហាក់ដូចជាជោគជ័យ ព្រោះវាមិនបានបង្ហាញពីភាពច្របូកច្របល់ និងការល្បួងឱ្យឃើញនៅទីនេះនូវ “AI ខ្លាំង” ដូចគ្នា ដែលមនុស្សគ្រប់គ្នាស្រមៃចង់បាន (ឬការភ័យខ្លាច ប្រសិនបើយើង រំលឹកឡើងវិញនូវការពិភាក្សាជាច្រើនអំពី "រថយន្តបះបោរ")។ ដោយប្រើកន្សោម Augmented Intelligence យើងក្លាយជាវីរបុរសនៃខ្សែភាពយន្តមួយផ្សេងទៀតភ្លាមៗ៖ ពីការប្រឌិតបែបវិទ្យាសាស្ត្រ (ដូចជារឿង "I, Robot" របស់ Asimov) យើងឃើញខ្លួនយើងនៅក្នុង cyberpunk ("ការបង្កើន" នៅក្នុងប្រភេទនេះគឺគ្រប់ប្រភេទនៃការផ្សាំដែលពង្រីកសមត្ថភាពរបស់មនុស្ស)។

តើធ្វើដូចម្តេច បាននិយាយថា Erik Brynjolfsson និង Andrew McAffee៖ “ក្នុងរយៈពេល 10 ឆ្នាំខាងមុខ នេះជាអ្វីដែលនឹងកើតឡើង។ AI នឹងមិនជំនួសអ្នកគ្រប់គ្រងទេ ប៉ុន្តែអ្នកគ្រប់គ្រងទាំងនោះដែលប្រើ AI នឹងជំនួសអ្នកដែលមិនទាន់បានបង្កើតវា”។

ឧទហរណ៍:

• វេជ្ជសាស្ត្រ៖ សាកលវិទ្យាល័យស្ទែនហ្វដបានអភិវឌ្ឍ ក្បួនដោះស្រាយដែលស៊ូទ្រាំនឹងភារកិច្ចនៃការទទួលស្គាល់រោគសាស្ត្រនៅលើកាំរស្មីអ៊ិចទ្រូងជាមធ្យមដោយជោគជ័យដូចវេជ្ជបណ្ឌិតភាគច្រើន
• ការអប់រំ៖ ជំនួយដល់សិស្ស និងគ្រូ ការវិភាគនៃការឆ្លើយតបរបស់សិស្សចំពោះសម្ភារៈ ការសាងសង់គន្លងការសិក្សាបុគ្គល។
• ការវិភាគអាជីវកម្ម៖ ការដំណើរការទិន្នន័យជាមុន យោងទៅតាមស្ថិតិត្រូវចំណាយពេល 80% នៃពេលវេលារបស់អ្នកស្រាវជ្រាវ ហើយមានតែ 20% នៃការពិសោធន៍ប៉ុណ្ណោះ

៤.៣. ជីវបន្ទះ

នេះគឺជាប្រធានបទដែលចូលចិត្តបំផុតនៃខ្សែភាពយន្ត និងសៀវភៅ cyberpunk ទាំងអស់។ ជាទូទៅ សត្វចិញ្ចឹម microchipping មិនមែនជាការអនុវត្តថ្មីទេ។ ប៉ុន្តែឥឡូវនេះបន្ទះសៀគ្វីទាំងនេះបានចាប់ផ្តើមដាក់ចូលទៅក្នុងមនុស្ស។

ក្នុងករណីនេះ ការឃោសនាបំផ្លើសទំនងជាត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងករណីដ៏រំជួលចិត្តនៅក្នុងក្រុមហ៊ុនអាមេរិក Three Square Market ។ នៅទីនោះ និយោជកបានចាប់ផ្តើមផ្តល់ការផ្សាំបន្ទះសៀគ្វីនៅក្រោមស្បែក ជាថ្នូរនឹងថ្លៃសេវា។ បន្ទះឈីបអនុញ្ញាតឱ្យអ្នកបើកទ្វារចូលកុំព្យូទ័រទិញអាហារសម្រន់ពីម៉ាស៊ីនលក់ - នោះគឺជាកាតបុគ្គលិកសកល។ ជាងនេះទៅទៀត បន្ទះឈីបបែបនេះបម្រើយ៉ាងជាក់លាក់ជាកាតអត្តសញ្ញាណ វាមិនមានម៉ូឌុល GPS ដូច្នេះវាមិនអាចទៅរួចទេក្នុងការតាមដាននរណាម្នាក់ដែលប្រើវា។ ហើយប្រសិនបើមនុស្សម្នាក់ចង់ដកបន្ទះសៀគ្វីចេញពីដៃរបស់គាត់វាត្រូវចំណាយពេល 5 នាទីដោយមានជំនួយពីវេជ្ជបណ្ឌិត។

បន្ទះសៀគ្វីជាធម្មតាត្រូវបានគេដាក់នៅចន្លោះមេដៃ និងម្រាមដៃចង្អុល។ ប្រភព

អាន​បន្ថែម អត្ថបទ អំពីស្ថានភាពនៃបញ្ហាជាមួយ chipping នៅលើពិភពលោក។

៤.៤. កន្លែងធ្វើការដ៏អស្ចារ្យ

"Immersive" គឺជាពាក្យថ្មីមួយទៀតដែលជាធម្មតាមិនមានការរត់គេច។ វានៅគ្រប់ទីកន្លែង។ រោងមហោស្រព ការតាំងពិពណ៌ រោងកុន។ តើ​អ្នក​ចង់​មានន័យថា​យ៉ាងម៉េច? ការជ្រមុជគឺជាការបង្កើតឥទ្ធិពលដ៏អស្ចារ្យមួយ នៅពេលដែលព្រំដែនរវាងអ្នកនិពន្ធនិងអ្នកមើល ពិភពនិម្មិត និងពិភពពិតត្រូវបាត់បង់។ នៅកន្លែងធ្វើការ សន្មតថានេះមានន័យថាធ្វើឱ្យព្រិលបន្ទាត់រវាងអ្នកធ្វើ និងអ្នកផ្តួចផ្តើម និងការលើកទឹកចិត្តបុគ្គលិកឱ្យកាន់តំណែងសកម្មជាងមុនតាមរយៈការធ្វើកំណែទម្រង់បរិស្ថានរបស់ពួកគេ។

ដោយសារឥឡូវនេះយើងមានភាពរហ័សរហួន ភាពបត់បែន និងការសហការគ្នាយ៉ាងជិតស្និទ្ធនៅគ្រប់ទីកន្លែង កន្លែងធ្វើការគួរតែត្រូវបានកំណត់យ៉ាងងាយស្រួលតាមដែលអាចធ្វើទៅបាន ហើយគួរតែលើកទឹកចិត្តដល់ការងារជាក្រុម។ សេដ្ឋកិច្ចកំណត់លក្ខខណ្ឌរបស់ខ្លួន៖ មាននិយោជិតបណ្តោះអាសន្នកាន់តែច្រើន តម្លៃជួលការិយាល័យកំពុងកើនឡើង ហើយនៅក្នុងទីផ្សារការងារដែលមានការប្រកួតប្រជែង ក្រុមហ៊ុន IT កំពុងព្យាយាមបង្កើនការពេញចិត្តរបស់បុគ្គលិកពីការងារដោយបង្កើតកន្លែងកម្សាន្ត និងអត្ថប្រយោជន៍ផ្សេងទៀត។ ហើយទាំងអស់នេះត្រូវបានឆ្លុះបញ្ចាំងនៅក្នុងការរចនាកន្លែងធ្វើការ។

ពី របាយការណ៍ knoll

៤.៥. បុគ្គលិកលក្ខណៈ

មនុស្សគ្រប់គ្នាដឹងពីអ្វីដែលជាលក្ខណៈផ្ទាល់ខ្លួននៅក្នុងការផ្សាយពាណិជ្ជកម្ម។ នេះជាពេលដែលថ្ងៃនេះអ្នកកំពុងពិភាក្សាជាមួយមិត្តរួមការងារថាខ្យល់នៅក្នុងបន្ទប់ស្ងួតបន្តិច ហើយអ្នកគួរតែទិញម៉ាស៊ីនសម្ងួតសម្រាប់ការិយាល័យ ហើយនៅថ្ងៃបន្ទាប់អ្នកឃើញការផ្សាយពាណិជ្ជកម្មនៅលើបណ្តាញសង្គមរបស់អ្នក - "ទិញម៉ាស៊ីនសំណើម" (a ហេតុការណ៍ពិតដែលបានកើតឡើងចំពោះខ្ញុំ) ។

ប្រភព

ការកំណត់ផ្ទាល់ខ្លួន ដូចដែលបានកំណត់ដោយ Gartner គឺជាការឆ្លើយតបទៅនឹងការព្រួយបារម្ភកាន់តែខ្លាំងឡើងរបស់អ្នកប្រើប្រាស់អំពីការប្រើប្រាស់ទិន្នន័យផ្ទាល់ខ្លួនរបស់ពួកគេសម្រាប់គោលបំណងផ្សាយពាណិជ្ជកម្ម។ គោលដៅគឺដើម្បីបង្កើតវិធីសាស្រ្តមួយដែលយើងត្រូវបានបង្ហាញការផ្សាយពាណិជ្ជកម្មដែលពាក់ព័ន្ធនឹងបរិបទដែលយើងរកឃើញដោយខ្លួនឯង មិនមែនសម្រាប់យើងផ្ទាល់នោះទេ។ ឧទាហរណ៍ ទីតាំងរបស់យើង ប្រភេទឧបករណ៍ ពេលវេលានៃថ្ងៃ លក្ខខណ្ឌអាកាសធាតុ - នេះគឺជាអ្វីមួយដែលមិនបំពានលើទិន្នន័យផ្ទាល់ខ្លួនរបស់យើង ហើយយើងមិនមានអារម្មណ៍ថាមានអារម្មណ៍មិនល្អនៃការត្រូវបាន "ឃ្លាំមើល" នោះទេ។

សូមអានអំពីភាពខុសគ្នារវាងគំនិតទាំងពីរនេះ។ ចំណាំ ប្លុក Andrew Frank នៅលើគេហទំព័ររបស់ Gartner ។ មានភាពខុសប្លែកគ្នាបន្តិចបន្តួច និងពាក្យស្រដៀងគ្នានេះ ដែលអ្នកមិនដឹងពីភាពខុសប្លែកគ្នា ប្រថុយនឹងការឈ្លោះប្រកែកគ្នាជាយូរជាមួយដៃគូររបស់អ្នក ដោយមិនសង្ស័យថា ជាទូទៅ អ្នកទាំងពីរគឺត្រូវ (ហើយនេះក៏ជាឧប្បត្តិហេតុពិតប្រាកដដែលបានកើតឡើងចំពោះ អ្នកនិពន្ធ) ។

៤.៦. ជីវបច្ចេកវិទ្យា - ជាលិកាវប្បធម៌ ឬសិប្បនិម្មិត

នេះជាគំនិតដំបូងនៃការដាំសាច់សិប្បនិម្មិត។ ក្នុងពេលជាមួយគ្នានេះដែរ ក្រុមជាច្រើនជុំវិញពិភពលោកកំពុងមមាញឹកក្នុងការអភិវឌ្ឍន៍មន្ទីរពិសោធន៍ "Meat 2.0" ដែលវាត្រូវបានគេរំពឹងថាវានឹងមានតម្លៃថោកជាងធម្មតា ហើយអាហាររហ័ស ហើយបន្ទាប់មកផ្សារទំនើបនឹងប្តូរទៅប្រើប្រាស់វា។ វិនិយោគិននៅក្នុងបច្ចេកវិទ្យានេះរួមមាន Bill Gates, Sergey Brin, Richard Branson និងអ្នកដទៃទៀត។

ប្រភព

ហេតុផលដែលគ្រប់គ្នាចាប់អារម្មណ៍លើសាច់សិប្បនិម្មិត៖

1. ការឡើងកំដៅផែនដី៖ ការបំភាយឧស្ម័នមេតានពីកសិដ្ឋាន។ នេះគឺជា 18% នៃបរិមាណឧស្ម័នសកលដែលប៉ះពាល់ដល់អាកាសធាតុ។
2. កំណើនប្រជាជន។ តម្រូវការសាច់កំពុងកើនឡើង ហើយវានឹងមិនអាចចិញ្ចឹមមនុស្សគ្រប់គ្នាដោយសាច់ធម្មជាតិបានទេ - វាមានតម្លៃថ្លៃណាស់។
3. កង្វះកន្លែងទំនេរ។ 70% នៃព្រៃអាម៉ាហ្សូនត្រូវបានកាប់បំផ្លាញសម្រាប់វាលស្មៅ។
4. ការពិចារណាខាងសីលធម៌។ មានអ្នកដែលនេះមានសារៈសំខាន់។ អង្គការ​សិទ្ធិ​សត្វ PETA បាន​ផ្តល់​រង្វាន់​១​លាន​ដុល្លារ​រួច​ទៅ​ហើយ​ដល់​អ្នក​វិទ្យាសាស្ត្រ​ដែល​នាំ​សាច់​មាន់​សិប្បនិម្មិត​ទៅ​លក់​លើ​ទីផ្សារ។

ការជំនួសសាច់ពិតជាមួយសណ្តែកសៀងគឺជាដំណោះស្រាយមួយផ្នែក ពីព្រោះមនុស្សអាចពេញចិត្តចំពោះភាពខុសគ្នានៃរសជាតិ និងវាយនភាព ហើយទំនងជាមិនបោះបង់ចោលសាច់អាំងដើម្បីទទួលទានសណ្តែកនោះទេ។ ដូច្នេះអ្នកត្រូវការសាច់ដែលដាំដុះដោយសរីរាង្គពិតប្រាកដ។ ឥឡូវនេះ ជាអកុសល សាច់សិប្បនិម្មិតមានតម្លៃថ្លៃពេក៖ ចាប់ពី 12 ដុល្លារក្នុងមួយគីឡូក្រាម។ នេះគឺដោយសារតែដំណើរការបច្ចេកទេសដ៏ស្មុគស្មាញនៃការដាំដុះសាច់បែបនេះ។ សូមអានអំពីវាទាំងអស់។ អត្ថបទ.

ប្រសិនបើយើងនិយាយអំពីករណីផ្សេងទៀតនៃការរីកលូតលាស់នៃជាលិកា - រួចហើយនៅក្នុងថ្នាំ - បន្ទាប់មកប្រធានបទជាមួយសរីរាង្គសិប្បនិម្មិតគឺគួរឱ្យចាប់អារម្មណ៍: ឧទាហរណ៍ "បំណះ" សម្រាប់សាច់ដុំបេះដូង។ បោះពុម្ព ម៉ាស៊ីនបោះពុម្ព 3D ពិសេស។ ស្គាល់ ប្រវត្តិសាស្រ្ត ដូចជាបេះដូងកណ្តុរដែលលូតលាស់ដោយសិប្បនិម្មិត ប៉ុន្តែជាទូទៅអ្វីៗទាំងអស់នៅតែស្ថិតក្នុងវិសាលភាពនៃការសាកល្បងព្យាបាល។ ដូច្នេះ យើង​ទំនង​ជា​មិន​បាន​ឃើញ Frankenstein ក្នុង​ប៉ុន្មាន​ឆ្នាំ​ខាង​មុខ​នេះ​ទេ។

នៅទីនេះ Gartner មានការប្រុងប្រយ័ត្នខ្ពស់ក្នុងការប៉ាន់ប្រមាណរបស់គាត់ ដោយជាក់ស្តែងចងចាំថាការព្យាករណ៍បរាជ័យ 2015 របស់គាត់ដែលថានៅឆ្នាំ 2019 10% នៃចំនួនប្រជាជននៅក្នុងប្រទេសអភិវឌ្ឍន៍នឹងមានការផ្សាំឧបករណ៍វេជ្ជសាស្រ្តបោះពុម្ព 3D ។ ដូច្នេះវាមានន័យថា ពេលវេលាដើម្បីទៅដល់ខ្ពង់រាបផលិតភាពគឺយ៉ាងហោចណាស់ 10 ឆ្នាំ។

5. ប្រព័ន្ធអេកូឌីជីថល

៥.១. បណ្តាញវិមជ្ឈការ

គំនិតនេះត្រូវបានផ្សារភ្ជាប់យ៉ាងជិតស្និទ្ធជាមួយនឹងឈ្មោះរបស់អ្នកបង្កើតគេហទំព័រ អ្នកឈ្នះពានរង្វាន់ Turing Award លោក Sir Tim Burners-Lee ។ សម្រាប់គាត់ សំណួរអំពីក្រមសីលធម៌ក្នុងវិទ្យាសាស្ត្រកុំព្យូទ័រតែងតែមានសារៈសំខាន់ ហើយខ្លឹមសាររួមនៃអ៊ីនធឺណិតមានសារៈសំខាន់៖ ការដាក់មូលដ្ឋានគ្រឹះនៃអត្ថបទខ្ពស់ គាត់ត្រូវបានគេជឿជាក់ថាបណ្តាញគួរតែដំណើរការដូចគេហទំព័រ និងមិនដូចឋានានុក្រមទេ។ នេះជាករណីនៅដំណាក់កាលដំបូងនៃការអភិវឌ្ឍន៍បណ្តាញ។ ទោះជាយ៉ាងណាក៏ដោយ នៅពេលដែលអ៊ីនធឺណិតរីកចម្រើន រចនាសម្ព័ន្ធរបស់វាបានក្លាយជាចំណុចកណ្តាលសម្រាប់ហេតុផលផ្សេងៗ។ វាបានប្រែក្លាយថាការចូលប្រើបណ្តាញសម្រាប់ប្រទេសទាំងមូលអាចត្រូវបានរារាំងយ៉ាងងាយស្រួលដោយមានជំនួយពីអ្នកផ្តល់សេវាមួយចំនួនប៉ុណ្ណោះ។ ហើយទិន្នន័យអ្នកប្រើប្រាស់បានក្លាយជាប្រភពថាមពល និងប្រាក់ចំណូលសម្រាប់ក្រុមហ៊ុនអ៊ីនធឺណិត។

Burners-Lee មានប្រសាសន៍ថា "អ៊ីនធឺណិតត្រូវបានវិមជ្ឈការរួចហើយ" ។ “បញ្ហាគឺថាម៉ាស៊ីនស្វែងរកមួយ បណ្តាញសង្គមធំមួយ វេទិកា microblogging មួយគ្របដណ្តប់។ យើង​មិន​មាន​បញ្ហា​ផ្នែក​បច្ចេកវិទ្យា​ទេ ប៉ុន្តែ​យើង​មាន​បញ្ហា​សង្គម»។

នៅក្នុងរបស់គាត់ សំបុត្របើកចំហ សម្រាប់ខួបលើកទី 30 នៃ World Wide Web អ្នកបង្កើតគេហទំព័របានលើកឡើងពីបញ្ហាចម្បងចំនួនបីនៃអ៊ីនធឺណិត៖

1. គ្រោះថ្នាក់ដែលមានគោលដៅដូចជាការលួចចូលដែលឧបត្ថម្ភដោយរដ្ឋ ឧក្រិដ្ឋកម្ម និងការយាយីតាមអ៊ីនធឺណិត
2. ការរចនានៃប្រព័ន្ធនេះ ដែលធ្វើឱ្យប៉ះពាល់ដល់អ្នកប្រើប្រាស់ បង្កើតមូលដ្ឋានសម្រាប់យន្តការដូចជា៖ ការលើកទឹកចិត្តផ្នែកហិរញ្ញវត្ថុសម្រាប់ clickbait និងការរីករាលដាលមេរោគនៃព័ត៌មានមិនពិត។
3. ផលវិបាកដោយអចេតនានៃការរចនាប្រព័ន្ធដែលនាំឱ្យមានជម្លោះ និងកាត់បន្ថយគុណភាពនៃការពិភាក្សាតាមអ៊ីនធឺណិត

ហើយ Tim Berners-Lee មានចម្លើយរួចហើយអំពីគោលការណ៍អ្វីដែល "អ៊ីនធឺណិតនៃមនុស្សដែលមានសុខភាពល្អ" អាចផ្អែកលើដោយគ្មានបញ្ហាលេខ 2៖ "សម្រាប់អ្នកប្រើប្រាស់ជាច្រើន ប្រាក់ចំណូលពីការផ្សាយពាណិជ្ជកម្មនៅតែជាគំរូតែមួយគត់សម្រាប់ទំនាក់ទំនងជាមួយអ៊ីនធឺណិត។ ទោះបីជាមនុស្សមានការភ័យខ្លាចអំពីអ្វីដែលកើតឡើងចំពោះទិន្នន័យរបស់ពួកគេក៏ដោយ ពួកគេមានឆន្ទៈក្នុងការធ្វើកិច្ចព្រមព្រៀងជាមួយម៉ាស៊ីនទីផ្សារសម្រាប់ឱកាសដើម្បីទទួលបានមាតិកាដោយឥតគិតថ្លៃ។ ស្រមៃមើលពិភពលោកមួយដែលការទូទាត់ថ្លៃទំនិញ និងសេវាកម្មមានភាពងាយស្រួល និងរីករាយសម្រាប់ភាគីទាំងពីរ។ ក្នុងចំណោមជម្រើសសម្រាប់របៀបដែលវាអាចត្រូវបានរៀបចំ៖ តន្ត្រីករអាចលក់ការថតសំឡេងរបស់ពួកគេដោយគ្មានអន្តរការីក្នុងទម្រង់ iTunes ហើយគេហទំព័រព័ត៌មានអាចប្រើប្រព័ន្ធបង់ប្រាក់ខ្នាតតូចសម្រាប់ការអានអត្ថបទមួយ ជំនួសឱ្យការរកប្រាក់ពីការផ្សាយពាណិជ្ជកម្ម។

ក្នុងនាមជាគំរូសាកល្បងសម្រាប់អ៊ិនធឺណិតថ្មីនេះ Tim Berners-Lee បានចាប់ផ្តើមគម្រោង SOLID ដែលខ្លឹមសារនោះគឺថាអ្នករក្សាទុកទិន្នន័យរបស់អ្នកនៅក្នុង "pod" ដែលជាកន្លែងផ្ទុកព័ត៌មាន ហើយអាចផ្តល់ទិន្នន័យនេះដល់កម្មវិធីភាគីទីបី។ ប៉ុន្តែជាគោលការណ៍ អ្នកខ្លួនឯងគឺជាម្ចាស់នៃទិន្នន័យរបស់អ្នក។ ទាំងអស់នេះគឺទាក់ទងយ៉ាងជិតស្និទ្ធទៅនឹងគោលគំនិតនៃបណ្តាញ peer-to-peer ពោលគឺកុំព្យូទ័ររបស់អ្នកមិនត្រឹមតែស្នើសុំសេវាកម្មប៉ុណ្ណោះទេប៉ុន្តែថែមទាំងផ្តល់ឱ្យពួកគេផងដែរ ដើម្បីកុំឱ្យពឹងផ្អែកលើម៉ាស៊ីនមេតែមួយជាឆានែលតែមួយ។

ប្រភព

៥.២. អង្គការស្វយ័តវិមជ្ឈការ

វាគឺជាអង្គការដែលត្រូវបានគ្រប់គ្រងដោយច្បាប់ដែលសរសេរក្នុងទម្រង់នៃកម្មវិធីកុំព្យូទ័រ។ សកម្មភាពហិរញ្ញវត្ថុរបស់វាគឺផ្អែកលើ blockchain ។ គោលបំណងនៃការបង្កើតអង្គការបែបនេះគឺដើម្បីលុបបំបាត់រដ្ឋចេញពីតួនាទីរបស់អន្តរការី និងបង្កើតបរិយាកាសដែលអាចទុកចិត្តបានទូទៅសម្រាប់ដៃគូ ដែលមិនមែនជាកម្មសិទ្ធិរបស់នរណាម្នាក់ជាបុគ្គលនោះទេ ប៉ុន្តែជាកម្មសិទ្ធិរបស់មនុស្សគ្រប់គ្នារួមគ្នា។ នោះគឺជាទ្រឹស្តី នេះគួរតែប្រសិនបើគំនិតនេះចាក់ឫស លុបបំបាត់សារការី និងស្ថាប័នផ្ទៀងផ្ទាត់ធម្មតាផ្សេងទៀត។

ឧទាហរណ៍ដ៏ល្បីល្បាញបំផុតនៃអង្គការបែបនេះគឺ DAO ដែលផ្តោតលើការបណ្តាក់ទុនដែលបានរៃអង្គាសប្រាក់បាន 2016 លានដុល្លារក្នុងឆ្នាំ 150 ដែលក្នុងនោះ 50 ដុល្លារត្រូវបានលួចភ្លាមៗតាមរយៈរន្ធផ្លូវច្បាប់នៅក្នុងច្បាប់។ ស្ថានភាពលំបាកមួយបានកើតឡើងភ្លាមៗ៖ ទាំងបង្វិលសងលុយវិញ ឬទទួលស្គាល់ថាការដកប្រាក់គឺស្របច្បាប់ ព្រោះវាមិនបំពានលើច្បាប់នៃវេទិកានោះទេ។ ជាលទ្ធផលដើម្បីប្រគល់ប្រាក់ទៅឱ្យអ្នកវិនិយោគវិញ អ្នកបង្កើតត្រូវបំផ្លាញ DAO ដោយសរសេរឡើងវិញនូវ blockchain និងបំពានគោលការណ៍ជាមូលដ្ឋានរបស់វា - មិនអាចផ្លាស់ប្តូរបាន។

រឿងកំប្លែងអំពី Ethereum (ឆ្វេង) និង The DAO (ស្តាំ) ។ ប្រភព

រឿងទាំងមូលនេះបានបំផ្លាញកេរ្តិ៍ឈ្មោះនៃគំនិតយ៉ាងខ្លាំងរបស់ DAO ។ គម្រោងនោះត្រូវបានធ្វើឡើងដោយផ្អែកលើ Ethereum cryptocurrency កំណែ Ether 2.0 ត្រូវបានរំពឹងទុកនៅឆ្នាំក្រោយ - ប្រហែលជាអ្នកនិពន្ធ (រួមទាំង Vitalik Buterin ដ៏ល្បីល្បាញ) នឹងគិតគូរពីកំហុស និងបង្ហាញអ្វីដែលថ្មី។ នោះហើយជាមូលហេតុដែល Gartner ដាក់ DAO នៅលើបណ្តាញ។

5.3.ទិន្នន័យសំយោគ

ដើម្បីបណ្តុះបណ្តាលបណ្តាញសរសៃប្រសាទ បរិមាណទិន្នន័យច្រើនគឺត្រូវការ។ ការ​ដាក់​ស្លាក​ទិន្នន័យ​ដោយ​ដៃ​គឺ​ជា​កិច្ចការ​ដ៏​ធំ​មួយ​ដែល​អាច​ធ្វើ​បាន​តែ​មនុស្ស​ប៉ុណ្ណោះ។ ដូច្នេះវាអាចធ្វើទៅបានដើម្បីបង្កើតសំណុំទិន្នន័យសិប្បនិម្មិត។ ជាឧទាហរណ៍ ការប្រមូលមុខមនុស្សដូចគ្នានៅលើគេហទំព័រ https://generated.photos. ពួកវាត្រូវបានបង្កើតឡើងដោយប្រើ GAN - ក្បួនដោះស្រាយដែលត្រូវបានរៀបរាប់ខាងលើរួចហើយ។

មុខទាំងនេះមិនមែនជារបស់មនុស្សទេ។ ប្រភព

អត្ថប្រយោជន៍ដ៏ធំនៃទិន្នន័យនេះគឺថាមិនមានការលំបាកផ្នែកច្បាប់ក្នុងការប្រើប្រាស់វា៖ មិនមាននរណាម្នាក់ផ្តល់ការយល់ព្រមចំពោះដំណើរការទិន្នន័យផ្ទាល់ខ្លួននោះទេ។

5.4.Digital Ops

បច្ច័យ "Ops" បានក្លាយជាម៉ូដទាន់សម័យមិនគួរឱ្យជឿចាប់តាំងពី DevOps បានចាក់ឫសនៅក្នុងសុន្ទរកថារបស់យើង។ ឥឡូវនេះអំពីអ្វីដែលជា DigitalOps - វាគ្រាន់តែជាការបង្ហាញទូទៅនៃ DevOps, DesignOps, MarketingOps... តើអ្នកធុញទេ? សរុបមក វាគឺជាការផ្ទេរវិធីសាស្រ្ត DevOps ពីផ្នែកកម្មវិធីទៅគ្រប់ទិដ្ឋភាពផ្សេងទៀតនៃអាជីវកម្ម - ទីផ្សារ ការរចនា។ល។

ប្រភព

គំនិតរបស់ DevOps គឺដើម្បីដកចេញនូវឧបសគ្គរវាងការអភិវឌ្ឍន៍ខ្លួនវា និងប្រតិបត្តិការ (ដំណើរការអាជីវកម្ម) តាមរយៈការបង្កើតក្រុមទូទៅ ដែលមានអ្នកសរសេរកម្មវិធី អ្នកសាកល្បង អ្នកឯកទេសសុវត្ថិភាព និងអ្នកគ្រប់គ្រង។ ការអនុវត្តការអនុវត្តមួយចំនួន៖ ការរួមបញ្ចូលជាបន្តបន្ទាប់ ហេដ្ឋារចនាសម្ព័ន្ធជាកូដ ការកាត់បន្ថយ និងការពង្រឹងខ្សែសង្វាក់មតិ។ គោលដៅគឺដើម្បីពន្លឿនពេលវេលារបស់ផលិតផលទៅកាន់ទីផ្សារ។ ប្រសិនបើអ្នកគិតថាវាស្រដៀងទៅនឹង Agile អ្នកនិយាយត្រូវ។ ឥឡូវផ្ទេរវិធីសាស្រ្តនេះដោយបញ្ញាស្មារតីពីវិស័យអភិវឌ្ឍន៍កម្មវិធីទៅការអភិវឌ្ឍន៍ជាទូទៅ ហើយអ្នកយល់ពីអ្វីដែលជា DigitalOps ។

៥.៥. ក្រាហ្វចំណេះដឹង

វិធីនៃកម្មវិធីដើម្បីធ្វើគំរូតំបន់ចំណេះដឹង រួមទាំងការប្រើក្បួនដោះស្រាយការរៀនម៉ាស៊ីន។ ក្រាហ្វចំណេះដឹងត្រូវបានបង្កើតឡើងនៅលើកំពូលនៃមូលដ្ឋានទិន្នន័យដែលមានស្រាប់ ដើម្បីភ្ជាប់ជាមួយគ្នានូវព័ត៌មានទាំងអស់៖ ទាំងរចនាសម្ព័ន្ធ (បញ្ជីព្រឹត្តិការណ៍ ឬមនុស្ស) និងមិនមានរចនាសម្ព័ន្ធ (អត្ថបទនៃអត្ថបទ)។

ឧទាហរណ៍សាមញ្ញបំផុតគឺកាតដែលអ្នកអាចមើលឃើញនៅក្នុងលទ្ធផលស្វែងរករបស់ Google ។ ប្រសិនបើអ្នកកំពុងស្វែងរកបុគ្គល ឬស្ថាប័ន អ្នកនឹងឃើញកាតនៅខាងស្តាំ៖


សូមចំណាំថា "ព្រឹត្តិការណ៍នាពេលខាងមុខ" មិនមែនជាច្បាប់ចម្លងនៃព័ត៌មានពី Google Maps ទេ ប៉ុន្តែជាការរួមបញ្ចូលនៃកាលវិភាគជាមួយ Yandex.Afisha៖ អ្នកអាចឃើញវាយ៉ាងងាយស្រួលប្រសិនបើអ្នកចុចលើព្រឹត្តិការណ៍នោះ។ នោះគឺវាគឺជាការរួមបញ្ចូលគ្នានៃប្រភពទិន្នន័យជាច្រើនជាមួយគ្នា។

ប្រសិនបើអ្នកស្នើសុំបញ្ជី - ឧទាហរណ៍ "អ្នកដឹកនាំដ៏ល្បីល្បាញ" - អ្នកនឹងត្រូវបានបង្ហាញជារង្វង់៖

ប្រាក់រង្វាន់សម្រាប់អ្នកដែលអានដល់ចប់

ហើយឥឡូវនេះ យើងបានបំភ្លឺដោយខ្លួនឯងអំពីអត្ថន័យនៃចំណុចនីមួយៗ យើងអាចមើលរូបភាពដូចគ្នា ប៉ុន្តែជាភាសារុស្សី៖

ចែករំលែកវាដោយសេរីនៅលើបណ្តាញសង្គម!

Tatyana Volkova - អ្នកនិពន្ធកម្មវិធីបណ្តុះបណ្តាលសម្រាប់ Internet of Things IT Track នៅ Samsung Academy អ្នកឯកទេសកម្មវិធីទំនួលខុសត្រូវសង្គមសាជីវកម្មនៅមជ្ឈមណ្ឌលស្រាវជ្រាវ Samsung


ប្រភព: www.habr.com