ಗಾರ್ಟ್ನರ್ ಅವರ ಚಾರ್ಟ್ ತಂತ್ರಜ್ಞಾನ ಕ್ಷೇತ್ರದವರಿಗೆ ಫ್ಯಾಷನ್ ಶೋನಂತಿದೆ. ಈ ಋತುವಿನಲ್ಲಿ ಯಾವ ಜನಪ್ರಿಯ ಪದಗಳು ಮತ್ತು ಮುಂಬರುವ ಎಲ್ಲಾ ಸಮ್ಮೇಳನಗಳಲ್ಲಿ ನೀವು ಏನು ಕೇಳುತ್ತೀರಿ ಎಂಬುದನ್ನು ಇದು ನಿಮಗೆ ಮುಂಚಿತವಾಗಿ ತಿಳಿಸುತ್ತದೆ.

ಈ ಚಾರ್ಟ್‌ನಲ್ಲಿರುವ ಸುಂದರವಾದ ಪದಗಳ ಹಿಂದೆ ಏನಿದೆ ಎಂಬುದನ್ನು ನಾವು ಡಿಕೋಡ್ ಮಾಡಿದ್ದೇವೆ ಆದ್ದರಿಂದ ನೀವು ಸಹ ಆ ಭಾಷೆಯನ್ನು ಮಾತನಾಡಬಹುದು.

ಮೊದಲಿಗೆ, ಈ ಗ್ರಾಫ್ ಏನು ಎಂಬುದರ ಕುರಿತು ಕೆಲವು ಮಾತುಗಳು. ಪ್ರತಿ ವರ್ಷ ಆಗಸ್ಟ್‌ನಲ್ಲಿ, ಸಲಹಾ ಸಂಸ್ಥೆ ಗಾರ್ಟ್ನರ್ ಒಂದು ವರದಿಯನ್ನು ಬಿಡುಗಡೆ ಮಾಡುತ್ತದೆ - ಗಾರ್ಟ್ನರ್ ಹೈಪ್ ಕರ್ವ್. ರಷ್ಯನ್ ಭಾಷೆಯಲ್ಲಿ, ಇದು "ಹೈಪ್ ಕರ್ವ್", ಅಥವಾ, ಹೆಚ್ಚು ಸರಳವಾಗಿ, ಹೈಪ್. 30 ವರ್ಷಗಳ ಹಿಂದೆ, ಪಬ್ಲಿಕ್ ಎನಿಮಿ ಗುಂಪಿನ ರ‍್ಯಾಪರ್‌ಗಳು ಹಾಡಿದರು: "ಹೈಪ್ ಅನ್ನು ನಂಬಬೇಡಿ". ನಂಬಬೇಕೆ ಅಥವಾ ಬೇಡವೇ ಎಂಬುದು ವೈಯಕ್ತಿಕ ವಿಷಯ, ಆದರೆ ನೀವು ತಂತ್ರಜ್ಞಾನ ಉದ್ಯಮದಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದರೆ ಮತ್ತು ಜಾಗತಿಕ ಪ್ರವೃತ್ತಿಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳಲು ಬಯಸಿದರೆ ಕನಿಷ್ಠ ಈ ಕೀವರ್ಡ್‌ಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದು ಯೋಗ್ಯವಾಗಿದೆ.

ಇದು ಒಂದು ನಿರ್ದಿಷ್ಟ ತಂತ್ರಜ್ಞಾನದ ಸಾರ್ವಜನಿಕ ನಿರೀಕ್ಷೆಗಳ ಗ್ರಾಫ್ ಆಗಿದೆ. ಗಾರ್ಟ್ನರ್ ಪ್ರಕಾರ, ಆದರ್ಶಪ್ರಾಯವಾಗಿ ತಂತ್ರಜ್ಞಾನವು ಸತತವಾಗಿ 5 ಹಂತಗಳ ಮೂಲಕ ಹೋಗುತ್ತದೆ: ತಂತ್ರಜ್ಞಾನದ ಉಡಾವಣೆ, ಉಬ್ಬಿದ ನಿರೀಕ್ಷೆಗಳ ಉತ್ತುಂಗ, ನಿರಾಶೆಯ ಕಣಿವೆ, ಜ್ಞಾನೋದಯದ ಇಳಿಜಾರು, ಉತ್ಪಾದಕತೆಯ ಪ್ರಸ್ಥಭೂಮಿ. ಆದರೆ ಅದು "ನಿರಾಶೆಯ ಕಣಿವೆ"ಯಲ್ಲಿ ಮುಳುಗುತ್ತದೆ - ನೀವು ಉದಾಹರಣೆಗಳನ್ನು ನೀವೇ ಸುಲಭವಾಗಿ ನೆನಪಿಸಿಕೊಳ್ಳಬಹುದು, ಅದೇ ಬಿಟ್‌ಕಾಯಿನ್‌ಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು: ಆರಂಭದಲ್ಲಿ "ಭವಿಷ್ಯದ ಹಣ" ಎಂದು ಶಿಖರವನ್ನು ತಲುಪಿದ ನಂತರ, ತಂತ್ರಜ್ಞಾನದ ನ್ಯೂನತೆಗಳು ಸ್ಪಷ್ಟವಾದಾಗ ಅವು ಬೇಗನೆ ಉರುಳಿದವು, ಪ್ರಾಥಮಿಕವಾಗಿ ವಹಿವಾಟುಗಳ ಸಂಖ್ಯೆಯ ಮೇಲಿನ ನಿರ್ಬಂಧಗಳು ಮತ್ತು ಬಿಟ್‌ಕಾಯಿನ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ಅಗತ್ಯವಿರುವ ಕ್ರೇಜಿ ಪ್ರಮಾಣದ ವಿದ್ಯುತ್ (ಇದು ಈಗಾಗಲೇ ಪರಿಸರ ಸಮಸ್ಯೆಗಳನ್ನು ಒಳಗೊಳ್ಳುತ್ತದೆ). ಮತ್ತು ಸಹಜವಾಗಿ, ಗಾರ್ಟ್ನರ್‌ನ ಗ್ರಾಫ್ ಕೇವಲ ಮುನ್ಸೂಚನೆಯಾಗಿದೆ ಎಂಬುದನ್ನು ನಾವು ಮರೆಯಬಾರದು: ಇಲ್ಲಿ, ಉದಾಹರಣೆಗೆ, ನೀವು ವಿವರವಾದ ಓದಬಹುದು ಲೇಖನ, ಅಲ್ಲಿ ಅತ್ಯಂತ ಗಮನಾರ್ಹವಾದ ಈಡೇರದ ಭವಿಷ್ಯವಾಣಿಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲಾಗುತ್ತದೆ.

ಹಾಗಾದರೆ, ಹೊಸ ಗಾರ್ಟ್ನರ್ ಚಾರ್ಟ್ ಅನ್ನು ನೋಡೋಣ. ತಂತ್ರಜ್ಞಾನಗಳನ್ನು 5 ದೊಡ್ಡ ವಿಷಯಾಧಾರಿತ ಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ:

1. ಸುಧಾರಿತ AI ಮತ್ತು ವಿಶ್ಲೇಷಣೆ
2. ಪೋಸ್ಟ್‌ಕ್ಲಾಸಿಕಲ್ ಕಂಪ್ಯೂಟ್ ಮತ್ತು ಸಂವಹನ
3. ಸಂವೇದನೆ ಮತ್ತು ಚಲನಶೀಲತೆ
4. ವರ್ಧಿತ ಮಾನವ
5. ಡಿಜಿಟಲ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆಗಳು

1. ಸುಧಾರಿತ AI ಮತ್ತು ವಿಶ್ಲೇಷಣೆ

ಕಳೆದ 10 ವರ್ಷಗಳು ಆಳವಾದ ಕಲಿಕೆಯ ಅತ್ಯುತ್ತಮ ಸಮಯವನ್ನು ಕಂಡಿವೆ. ಈ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ತಮ್ಮ ಕಾರ್ಯಗಳ ವ್ಯಾಪ್ತಿಗೆ ನಿಜವಾಗಿಯೂ ಪರಿಣಾಮಕಾರಿ. 2018 ರಲ್ಲಿ, ಯಾನ್ ಲೆಕುನ್, ಜೆಫ್ರಿ ಹಿಂಟನ್ ಮತ್ತು ಯೋಶುವಾ ಬೆಂಗಿಯೊ ಅವರು ತಮ್ಮ ಸಂಶೋಧನೆಗಳಿಗಾಗಿ ಟ್ಯೂರಿಂಗ್ ಪ್ರಶಸ್ತಿಯನ್ನು ಪಡೆದರು - ಇದು ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನದಲ್ಲಿ ನೊಬೆಲ್ ಪ್ರಶಸ್ತಿಗೆ ಸಮಾನವಾದ ಅತ್ಯಂತ ಪ್ರತಿಷ್ಠಿತ ಪ್ರಶಸ್ತಿಯಾಗಿದೆ. ಆದ್ದರಿಂದ, ಈ ಪ್ರದೇಶದ ಪ್ರಮುಖ ಪ್ರವೃತ್ತಿಗಳನ್ನು ಗ್ರಾಫ್‌ನಲ್ಲಿ ರೂಪಿಸಲಾಗಿದೆ:

೧.೧ ವರ್ಗಾವಣೆ ಕಲಿಕೆ

ನೀವು ನರಮಂಡಲ ಜಾಲವನ್ನು ಮೊದಲಿನಿಂದ ತರಬೇತಿ ನೀಡುವುದಿಲ್ಲ, ನೀವು ಈಗಾಗಲೇ ತರಬೇತಿ ಪಡೆದ ಒಂದನ್ನು ತೆಗೆದುಕೊಂಡು ಅದಕ್ಕೆ ಬೇರೆ ಗುರಿಯನ್ನು ನಿಗದಿಪಡಿಸುತ್ತೀರಿ. ಕೆಲವೊಮ್ಮೆ ಇದಕ್ಕೆ ನೆಟ್‌ವರ್ಕ್‌ನ ಒಂದು ಭಾಗವನ್ನು ಮರು ತರಬೇತಿ ಮಾಡಬೇಕಾಗುತ್ತದೆ, ಆದರೆ ಸಂಪೂರ್ಣ ನೆಟ್‌ವರ್ಕ್ ಅಲ್ಲ, ಅದು ಹೆಚ್ಚು ವೇಗವಾಗಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಇಮೇಜ್‌ನೆಟ್ 50 ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿ ತರಬೇತಿ ಪಡೆದ ರೆಡಿಮೇಡ್ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ResNet1000 ಅನ್ನು ತೆಗೆದುಕೊಂಡರೆ, ನೀವು ಬಹಳ ಆಳವಾದ ಮಟ್ಟದಲ್ಲಿ ಚಿತ್ರದ ಮೂಲಕ ಹಲವಾರು ವಿಭಿನ್ನ ವಸ್ತುಗಳನ್ನು ವರ್ಗೀಕರಿಸಬಹುದಾದ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಪಡೆಯುತ್ತೀರಿ (ನರಮಂಡಲದ 1000 ಪದರಗಳಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ವೈಶಿಷ್ಟ್ಯಗಳ ಆಧಾರದ ಮೇಲೆ 50 ತರಗತಿಗಳು). ಆದರೆ ನೀವು ಈ ಸಂಪೂರ್ಣ ನೆಟ್‌ವರ್ಕ್‌ಗೆ ತರಬೇತಿ ನೀಡುವ ಅಗತ್ಯವಿಲ್ಲ, ಇದು ತಿಂಗಳುಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.

В ಆನ್‌ಲೈನ್ ಕೋರ್ಸ್ ಉದಾಹರಣೆಗೆ, ಸ್ಯಾಮ್‌ಸಂಗ್‌ನ "ನರ ಜಾಲಗಳು ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ವಿಷನ್" ಅಂತಿಮ ಹಂತದಲ್ಲಿದೆ ಕಗ್ಗಲ್ ಕಾರ್ಯ ಫಲಕಗಳನ್ನು ಸ್ವಚ್ಛ ಮತ್ತು ಕೊಳಕು ಎಂದು ವರ್ಗೀಕರಿಸುವುದರೊಂದಿಗೆ, ಮೇಲೆ ವಿವರಿಸಿದ ವಾಸ್ತುಶಿಲ್ಪದ ಮೇಲೆ ನಿರ್ಮಿಸಲಾದ ಕೊಳಕು ಫಲಕಗಳನ್ನು ಸ್ವಚ್ಛವಾದವುಗಳಿಂದ ಪ್ರತ್ಯೇಕಿಸುವ ಸಾಮರ್ಥ್ಯವಿರುವ ಆಳವಾದ ನರಮಂಡಲವನ್ನು 5 ನಿಮಿಷಗಳಲ್ಲಿ ನಿಮಗೆ ನೀಡುತ್ತದೆ ಎಂದು ಒಂದು ವಿಧಾನವನ್ನು ಪ್ರದರ್ಶಿಸಲಾಗಿದೆ. ಮೂಲ ಜಾಲಕ್ಕೆ ಫಲಕಗಳು ಯಾವುವು ಎಂದು ತಿಳಿದಿರಲಿಲ್ಲ, ಅದು ಪಕ್ಷಿಗಳಿಂದ ನಾಯಿಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಲು ಮಾತ್ರ ಕಲಿತಿದೆ (ಇಮೇಜ್‌ನೆಟ್ ನೋಡಿ).

ಮೂಲ: ಆನ್‌ಲೈನ್ ಕೋರ್ಸ್ ಸ್ಯಾಮ್‌ಸಂಗ್ "ನರ ಜಾಲಗಳು ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ"

ವರ್ಗಾವಣೆ ಕಲಿಕೆಗೆ ಯಾವ ವಿಧಾನಗಳು ಕೆಲಸ ಮಾಡುತ್ತವೆ, ಸಿದ್ಧ ಮೂಲ ವಾಸ್ತುಶಿಲ್ಪಗಳು ಯಾವುವು ಎಂಬುದರ ಜ್ಞಾನದ ಅಗತ್ಯವಿದೆ. ಸಾಮಾನ್ಯವಾಗಿ, ಇದು ಯಂತ್ರ ಕಲಿಕೆಯ ಪ್ರಾಯೋಗಿಕ ಅನ್ವಯಿಕೆಗಳ ಹೊರಹೊಮ್ಮುವಿಕೆಯನ್ನು ಹೆಚ್ಚು ವೇಗಗೊಳಿಸುತ್ತದೆ.

1.2. ಉತ್ಪಾದಕ ವಿರೋಧಿ ಜಾಲಗಳು (GAN)

ಕಲಿಕೆಯ ಗುರಿಯನ್ನು ರೂಪಿಸುವುದು ನಮಗೆ ತುಂಬಾ ಕಷ್ಟಕರವಾದ ಸಂದರ್ಭಗಳಲ್ಲಿ ಇದು ಅನ್ವಯಿಸುತ್ತದೆ. ಕಾರ್ಯವು ನಿಜ ಜೀವನಕ್ಕೆ ಹತ್ತಿರವಾದಷ್ಟೂ, ಅದು ನಮಗೆ ಸ್ಪಷ್ಟವಾಗಿರುತ್ತದೆ ("ನೈಟ್‌ಸ್ಟ್ಯಾಂಡ್ ತನ್ನಿ"), ಆದರೆ ಅದನ್ನು ತಾಂತ್ರಿಕ ಕಾರ್ಯವಾಗಿ ರೂಪಿಸುವುದು ಹೆಚ್ಚು ಕಷ್ಟಕರವಾಗಿರುತ್ತದೆ. GAN ಈ ಸಮಸ್ಯೆಯಿಂದ ನಮ್ಮನ್ನು ಮುಕ್ತಗೊಳಿಸುವ ಪ್ರಯತ್ನವಾಗಿದೆ.

ಇಲ್ಲಿ ಎರಡು ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿವೆ: ಒಂದು ಜನರೇಟರ್ (ಜನರೇಟಿವ್), ಇನ್ನೊಂದು ತಾರತಮ್ಯಕಾರ (ವಿರೋಧಿ). ಒಂದು ನೆಟ್‌ವರ್ಕ್ ಉಪಯುಕ್ತ ಕೆಲಸ ಮಾಡಲು ಕಲಿಯುತ್ತದೆ (ಚಿತ್ರಗಳನ್ನು ವರ್ಗೀಕರಿಸಿ, ಶಬ್ದಗಳನ್ನು ಗುರುತಿಸಿ, ಕಾರ್ಟೂನ್‌ಗಳನ್ನು ಬಿಡಿಸಿ). ಮತ್ತು ಇನ್ನೊಂದು ನೆಟ್‌ವರ್ಕ್ ಆ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಕಲಿಸಲು ಕಲಿಯುತ್ತದೆ: ಇದು ನಿಜವಾದ ಉದಾಹರಣೆಗಳನ್ನು ಹೊಂದಿದೆ, ಮತ್ತು ನೆಟ್‌ವರ್ಕ್‌ನ ಉತ್ಪಾದಕ ಭಾಗದ ಔಟ್‌ಪುಟ್ ಅನ್ನು ನೈಜ-ಪ್ರಪಂಚದ ವಸ್ತುಗಳೊಂದಿಗೆ (ತರಬೇತಿ ಮಾದರಿ) ಹೋಲಿಸಲು ಹಿಂದೆ ತಿಳಿದಿಲ್ಲದ ಸಂಕೀರ್ಣ ಸೂತ್ರವನ್ನು ಕಂಡುಹಿಡಿಯಲು ಕಲಿಯುತ್ತದೆ: ನಿಜವಾಗಿಯೂ ಪ್ರಮುಖವಾದ ಆಳವಾದ ವೈಶಿಷ್ಟ್ಯಗಳ ಆಧಾರದ ಮೇಲೆ: ಕಣ್ಣುಗಳ ಸಂಖ್ಯೆ, ಮಿಯಾಝಾಕಿಯ ಶೈಲಿಗೆ ಸಾಮೀಪ್ಯ, ಇಂಗ್ಲಿಷ್‌ನ ಸರಿಯಾದ ಉಚ್ಚಾರಣೆ.

ಅನಿಮೆ ಅಕ್ಷರಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ನೆಟ್‌ವರ್ಕ್‌ನ ಔಟ್‌ಪುಟ್‌ನ ಉದಾಹರಣೆ. ಮೂಲ

ಆದರೆ ಸಹಜವಾಗಿ, ಅಲ್ಲಿ ವಾಸ್ತುಶಿಲ್ಪವನ್ನು ನಿರ್ಮಿಸುವುದು ಕಷ್ಟ. ಕೇವಲ ನರಕೋಶಗಳನ್ನು ಎಸೆಯುವುದು ಸಾಕಾಗುವುದಿಲ್ಲ, ಅವುಗಳಿಗೆ ತರಬೇತಿ ನೀಡಬೇಕಾಗಿದೆ. ಮತ್ತು ತರಬೇತಿ ನೀಡಲು ವಾರಗಳು ಬೇಕಾಗುತ್ತದೆ. ಸ್ಯಾಮ್‌ಸಂಗ್ AI ಕೇಂದ್ರದಲ್ಲಿರುವ ನನ್ನ ಸಹೋದ್ಯೋಗಿಗಳು GAN ವಿಷಯದ ಮೇಲೆ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದಾರೆ, ಇದು ಅವರ ಪ್ರಮುಖ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಇದು ಅಭಿವೃದ್ಧಿ: ವೇರಿಯಬಲ್ ಭಂಗಿಗಳನ್ನು ಹೊಂದಿರುವ ಜನರ ವಾಸ್ತವಿಕ ಛಾಯಾಚಿತ್ರಗಳನ್ನು ಸಂಶ್ಲೇಷಿಸಲು ಜನರೇಟಿವ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು ಬಳಸುವುದು - ಉದಾಹರಣೆಗೆ, ವರ್ಚುವಲ್ ಫಿಟ್ಟಿಂಗ್ ಕೋಣೆಯನ್ನು ರಚಿಸಲು ಅಥವಾ ಮುಖವನ್ನು ಸಂಶ್ಲೇಷಿಸಲು, ಇದು ಉತ್ತಮ ಗುಣಮಟ್ಟದ ವೀಡಿಯೊ ಸಂವಹನ, ಪ್ರಸಾರ ಅಥವಾ ಗೌಪ್ಯತೆಯ ರಕ್ಷಣೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಸಂಗ್ರಹಿಸಬೇಕಾದ ಅಥವಾ ರವಾನಿಸಬೇಕಾದ ಮಾಹಿತಿಯ ಪ್ರಮಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

ಮೂಲ

೧.೩. ವಿವರಿಸಬಹುದಾದ AI

ಕೆಲವು ಅಪರೂಪದ ಕೆಲಸಗಳಲ್ಲಿ, ಆಳವಾದ ವಾಸ್ತುಶಿಲ್ಪಗಳಲ್ಲಿನ ಪ್ರಗತಿಗಳು ಇದ್ದಕ್ಕಿದ್ದಂತೆ ಆಳವಾದ ನರಮಂಡಲ ಜಾಲಗಳನ್ನು ಮಾನವ ಸಾಮರ್ಥ್ಯಗಳಿಗೆ ಹತ್ತಿರ ತಂದಿವೆ. ಈಗ ಯುದ್ಧವು ಅಂತಹ ಕಾರ್ಯಗಳ ವ್ಯಾಪ್ತಿಯನ್ನು ವಿಸ್ತರಿಸುವುದು. ಉದಾಹರಣೆಗೆ, ರೋಬೋಟ್ ವ್ಯಾಕ್ಯೂಮ್ ಕ್ಲೀನರ್ ಮುಖಾಮುಖಿ ಮುಖಾಮುಖಿಯಲ್ಲಿ ಬೆಕ್ಕನ್ನು ನಾಯಿಯಿಂದ ಸುಲಭವಾಗಿ ಪ್ರತ್ಯೇಕಿಸಬಹುದು. ಆದರೆ ಹೆಚ್ಚಿನ ನಿಜ ಜೀವನದ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಲಿನಿನ್ ಅಥವಾ ಪೀಠೋಪಕರಣಗಳ ನಡುವೆ ಮಲಗಿರುವ ಬೆಕ್ಕನ್ನು ಅದು ಕಂಡುಹಿಡಿಯಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ (ವಾಸ್ತವವಾಗಿ, ನಾವು, ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ...).

ಆಳವಾದ ನರಮಂಡಲ ಜಾಲಗಳ ಯಶಸ್ಸಿಗೆ ಕಾರಣವೇನು? ಅವು "ಬರಿಗಣ್ಣಿಗೆ ಗೋಚರಿಸುವ" ಮಾಹಿತಿಯ ಆಧಾರದ ಮೇಲೆ (ಫೋಟೋದ ಪಿಕ್ಸೆಲ್‌ಗಳು, ಧ್ವನಿ ಪರಿಮಾಣದಲ್ಲಿ ಜಿಗಿತಗಳು, ಇತ್ಯಾದಿ) ಸಮಸ್ಯೆಯ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ಉತ್ಪಾದಿಸುವುದಿಲ್ಲ, ಆದರೆ ನರಮಂಡಲದ ಹಲವಾರು ನೂರು ಪದರಗಳಿಂದ ಈ ಮಾಹಿತಿಯನ್ನು ಪೂರ್ವ-ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿದ ನಂತರ ಪಡೆದ ವೈಶಿಷ್ಟ್ಯಗಳ ಆಧಾರದ ಮೇಲೆ. ದುರದೃಷ್ಟವಶಾತ್, ಈ ಸಂಬಂಧಗಳು ಅರ್ಥಹೀನ, ವಿರೋಧಾತ್ಮಕ ಅಥವಾ ಮೂಲ ಡೇಟಾ ಸೆಟ್‌ನಲ್ಲಿ ಅಪೂರ್ಣತೆಗಳ ಕುರುಹುಗಳನ್ನು ಹೊಂದಿರಬಹುದು. ಉದಾಹರಣೆಗೆ, ನೇಮಕಾತಿಯಲ್ಲಿ AI ಅನ್ನು ಆಲೋಚನೆಯಿಲ್ಲದೆ ಬಳಸಿದರೆ ಏನಾಗಬಹುದು ಎಂಬುದರ ಕುರಿತು ಒಂದು ಸಣ್ಣ ಕಂಪ್ಯೂಟರ್ ಆಟವಿದೆ. ಅತ್ಯುತ್ತಮ ಫಿಟ್‌ನ ಬದುಕುಳಿಯುವಿಕೆ.

ಚಿತ್ರದಲ್ಲಿರುವ ವ್ಯಕ್ತಿ ವಾಸ್ತವವಾಗಿ ಪುರುಷನಾಗಿದ್ದರೂ, ಅಡುಗೆ ಮಾಡುವ ವ್ಯಕ್ತಿಯನ್ನು ಮಹಿಳೆ ಎಂದು ಲೇಬಲ್ ಮಾಡುವ ಇಮೇಜ್ ಟ್ಯಾಗಿಂಗ್ ವ್ಯವಸ್ಥೆ (ಮೂಲ) ಇದು ಗಮನಿಸಿದರು ವರ್ಜೀನಿಯಾ ಸಂಸ್ಥೆಯಲ್ಲಿ.

ನಾವು ಸಾಮಾನ್ಯವಾಗಿ ನಮ್ಮನ್ನು ರೂಪಿಸಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗದ ಸಂಕೀರ್ಣ ಮತ್ತು ಆಳವಾದ ಸಂಬಂಧಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು, ನಮಗೆ ವಿವರಿಸಬಹುದಾದ AI ವಿಧಾನಗಳು ಬೇಕಾಗುತ್ತವೆ. ತರಬೇತಿಯ ನಂತರ ನಾವು ನೆಟ್‌ವರ್ಕ್‌ನಿಂದ ಕಲಿತ ಆಂತರಿಕ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಮತ್ತು ಅದರ ನಿರ್ಧಾರವನ್ನು ಅವಲಂಬಿಸದಿರಲು, ಆಳವಾದ ನರಮಂಡಲ ಜಾಲಗಳ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಅವು ಸಂಘಟಿಸುತ್ತವೆ.

1.4. ಎಡ್ಜ್ ಅನಾಲಿಟಿಕ್ಸ್ / AI

ಎಡ್ಜ್ ಎಂಬ ಪದವಿರುವ ಯಾವುದೇ ಪದದ ಅಕ್ಷರಶಃ ಅರ್ಥ ಹೀಗಿದೆ: ಕೆಲವು ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಕ್ಲೌಡ್/ಸರ್ವರ್‌ನಿಂದ ಅಂತಿಮ ಸಾಧನ/ಗೇಟ್‌ವೇ ಮಟ್ಟಕ್ಕೆ ವರ್ಗಾಯಿಸುವುದು. ಅಂತಹ ಅಲ್ಗಾರಿದಮ್ ವೇಗವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಕೆಲಸ ಮಾಡಲು ಕೇಂದ್ರ ಸರ್ವರ್‌ಗೆ ಸಂಪರ್ಕಿಸುವ ಅಗತ್ಯವಿಲ್ಲ. ನೀವು "ತೆಳುವಾದ ಕ್ಲೈಂಟ್" ನ ಅಮೂರ್ತತೆಯ ಬಗ್ಗೆ ಪರಿಚಿತರಾಗಿದ್ದರೆ, ಇಲ್ಲಿ ನಾವು ಈ ಕ್ಲೈಂಟ್ ಅನ್ನು ಸ್ವಲ್ಪ ದಪ್ಪವಾಗಿಸುತ್ತಿದ್ದೇವೆ.
ಇಂಟರ್ನೆಟ್ ಆಫ್ ಥಿಂಗ್ಸ್‌ಗೆ ಇದು ಮುಖ್ಯವಾಗಬಹುದು. ಉದಾಹರಣೆಗೆ, ಒಂದು ಯಂತ್ರವು ಹೆಚ್ಚು ಬಿಸಿಯಾಗಿ ತಂಪಾಗಿಸಬೇಕಾದರೆ, ಡೇಟಾ ಕ್ಲೌಡ್‌ಗೆ ಮತ್ತು ಅಲ್ಲಿಂದ ಶಿಫ್ಟ್ ಮೇಲ್ವಿಚಾರಕರಿಗೆ ತಲುಪುವವರೆಗೆ ಕಾಯದೆ, ಸಸ್ಯ ಮಟ್ಟದಲ್ಲಿ ತಕ್ಷಣವೇ ಇದನ್ನು ಸೂಚಿಸುವುದು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆ. ಅಥವಾ ಇನ್ನೊಂದು ಉದಾಹರಣೆ: ಚಾಲಕರಹಿತ ಕಾರುಗಳು ಕೇಂದ್ರ ಸರ್ವರ್ ಅನ್ನು ಸಂಪರ್ಕಿಸದೆಯೇ ಟ್ರಾಫಿಕ್ ಪರಿಸ್ಥಿತಿಯನ್ನು ತಾವಾಗಿಯೇ ಲೆಕ್ಕಾಚಾರ ಮಾಡಬಹುದು.

ಮೂಲ

ಅಥವಾ ಭದ್ರತಾ ದೃಷ್ಟಿಕೋನದಿಂದ ಇದು ಏಕೆ ಮುಖ್ಯವಾಗಿದೆ ಎಂಬುದಕ್ಕೆ ಇನ್ನೊಂದು ಉದಾಹರಣೆ: ನೀವು ನಿಮ್ಮ ಫೋನ್‌ನಲ್ಲಿ ಪಠ್ಯಗಳನ್ನು ಟೈಪ್ ಮಾಡುವಾಗ, ಅದು ನಿಮಗೆ ವಿಶಿಷ್ಟವಾದ ಪದಗಳನ್ನು ನೆನಪಿಸಿಕೊಳ್ಳುತ್ತದೆ, ಇದರಿಂದಾಗಿ ನಿಮ್ಮ ಫೋನ್ ಕೀಬೋರ್ಡ್ ಅವುಗಳನ್ನು ನಂತರ ನಿಮಗೆ ಅನುಕೂಲಕರವಾಗಿ ಸೂಚಿಸುತ್ತದೆ - ಇದನ್ನು ಭವಿಷ್ಯಸೂಚಕ ಪಠ್ಯ ಇನ್‌ಪುಟ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ನಿಮ್ಮ ಕೀಬೋರ್ಡ್‌ನಲ್ಲಿ ನೀವು ಟೈಪ್ ಮಾಡುವ ಎಲ್ಲವನ್ನೂ ಡೇಟಾ ಸೆಂಟರ್‌ಗೆ ಕಳುಹಿಸುವುದು ನಿಮ್ಮ ಗೌಪ್ಯತೆಯ ಉಲ್ಲಂಘನೆಯಾಗುತ್ತದೆ ಮತ್ತು ಸರಳವಾಗಿ ಅಸುರಕ್ಷಿತವಾಗಿರುತ್ತದೆ. ಆದ್ದರಿಂದ, ಕೀಬೋರ್ಡ್ ತರಬೇತಿ ನಿಮ್ಮ ಸಾಧನದಲ್ಲಿಯೇ ಸಂಭವಿಸುತ್ತದೆ.

1.5 AI ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಸೇವೆಯಾಗಿ (AI PaaS)

PaaS - ಸೇವೆಯಾಗಿ ವೇದಿಕೆ - ಒಂದು ವ್ಯವಹಾರ ಮಾದರಿಯಾಗಿದ್ದು, ಅಲ್ಲಿ ನಾವು ಅದರ ಕ್ಲೌಡ್ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಮತ್ತು ಸಿದ್ಧ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಸಂಯೋಜಿತ ವೇದಿಕೆಗೆ ಪ್ರವೇಶವನ್ನು ಪಡೆಯುತ್ತೇವೆ. ಹೀಗಾಗಿ, ನಾವು ಮೂಲಸೌಕರ್ಯ ಕಾರ್ಯಗಳಿಂದ ನಮ್ಮನ್ನು ಮುಕ್ತಗೊಳಿಸಬಹುದು ಮತ್ತು ಉಪಯುಕ್ತವಾದದ್ದನ್ನು ಉತ್ಪಾದಿಸುವತ್ತ ಸಂಪೂರ್ಣವಾಗಿ ಗಮನಹರಿಸಬಹುದು. AI ಕಾರ್ಯಗಳಿಗಾಗಿ PaaS ವೇದಿಕೆಗಳ ಉದಾಹರಣೆಗಳು: IBM ಕ್ಲೌಡ್, ಮೈಕ್ರೋಸಾಫ್ಟ್ ಅಜೂರ್, ಅಮೆಜಾನ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್, ಗೂಗಲ್ AI ವೇದಿಕೆ.

1.6. ಅಡಾಪ್ಟಿವ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ (ಅಡಾಪ್ಟಿವ್ ML)

ನಾವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಹೊಂದಿಕೊಳ್ಳಲು ಬಿಟ್ಟರೆ ಏನಾಗುತ್ತದೆ... ನೀವು ಕೇಳುತ್ತೀರಿ - ಅಂದರೆ, ಹೇಗೆ?.. ಅದು ಈಗಾಗಲೇ ಕಾರ್ಯಕ್ಕೆ ಹೊಂದಿಕೊಳ್ಳುವುದಿಲ್ಲವೇ? ಸಮಸ್ಯೆ ಇದು: ನಾವು ಅದನ್ನು ಪರಿಹರಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ನಿರ್ಮಿಸುವ ಮೊದಲು ಅಂತಹ ಪ್ರತಿಯೊಂದು ಕಾರ್ಯವನ್ನು ಶ್ರಮದಾಯಕವಾಗಿ ರೂಪಿಸುತ್ತೇವೆ. ನಿಮಗೆ ಹೇಳಲಾಗುತ್ತದೆ - ಈ ಸರಪಳಿಯನ್ನು ಸರಳೀಕರಿಸಬಹುದು ಎಂದು ಅದು ತಿರುಗುತ್ತದೆ.

ಸಾಂಪ್ರದಾಯಿಕ ಯಂತ್ರ ಕಲಿಕೆಯು ಓಪನ್-ಲೂಪ್ ತತ್ವದ ಮೇಲೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ: ನೀವು ಡೇಟಾವನ್ನು ಸಿದ್ಧಪಡಿಸುತ್ತೀರಿ, ನರಮಂಡಲ ಜಾಲವನ್ನು (ಅಥವಾ ಯಾವುದಾದರೂ) ರಚಿಸುತ್ತೀರಿ, ಅದನ್ನು ತರಬೇತಿ ಮಾಡುತ್ತೀರಿ, ನಂತರ ಕೆಲವು ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ನೋಡುತ್ತೀರಿ, ಮತ್ತು ನೀವು ಎಲ್ಲವನ್ನೂ ಇಷ್ಟಪಟ್ಟರೆ, ಬಳಕೆದಾರರ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ನೀವು ನರಮಂಡಲ ಜಾಲವನ್ನು ಸ್ಮಾರ್ಟ್‌ಫೋನ್‌ಗಳಿಗೆ ಕಳುಹಿಸಬಹುದು. ಆದರೆ ಬಹಳಷ್ಟು ಡೇಟಾ ಇರುವ ಮತ್ತು ಅದರ ಸ್ವರೂಪ ಕ್ರಮೇಣ ಬದಲಾಗುವ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ, ಇತರ ವಿಧಾನಗಳು ಬೇಕಾಗುತ್ತವೆ. ತಮ್ಮನ್ನು ತಾವು ಹೊಂದಿಕೊಳ್ಳುವ ಮತ್ತು ತರಬೇತಿ ನೀಡುವ ಅಂತಹ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಮುಚ್ಚಿದ, ಸ್ವಯಂ-ಕಲಿಕಾ ಸರ್ಕ್ಯೂಟ್‌ಗಳಾಗಿ (ಕ್ಲೋಸ್ಡ್-ಲೂಪ್) ಆಯೋಜಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅವು ಸರಾಗವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬೇಕು.

ಅನ್ವಯಿಕೆಗಳು ಸ್ಟ್ರೀಮ್ ಅನಾಲಿಟಿಕ್ಸ್ ಆಗಿರಬಹುದು, ಇದನ್ನು ಅನೇಕ ಉದ್ಯಮಿಗಳು ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಬಳಸಲಾಗುತ್ತದೆ, ಅಥವಾ ಹೊಂದಾಣಿಕೆಯ ಉತ್ಪಾದನಾ ನಿರ್ವಹಣೆ. ಆಧುನಿಕ ಅನ್ವಯಿಕೆಗಳ ಪ್ರಮಾಣದಲ್ಲಿ ಮತ್ತು ಜನರಿಗೆ ಉತ್ತಮವಾಗಿ ಅರ್ಥವಾಗುವ ಅಪಾಯಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು, ಈ ಸಮಸ್ಯೆಗೆ ಪರಿಹಾರವನ್ನು ರೂಪಿಸುವ ವಿಧಾನಗಳು, ಈ ಎಲ್ಲಾ ವಿಧಾನಗಳನ್ನು ಅಡಾಪ್ಟಿವ್ AI ಎಂಬ ಸಾಮಾನ್ಯ ಹೆಸರಿನಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ.

ಮೂಲ

ಈ ಚಿತ್ರವನ್ನು ನೋಡುವಾಗ, ಭವಿಷ್ಯಶಾಸ್ತ್ರಜ್ಞರು ರೋಬೋಟ್‌ಗೆ ಉಸಿರಾಡಲು ಕಲಿಸುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಿನದನ್ನು ಇಷ್ಟಪಡುವುದಿಲ್ಲ ಎಂಬ ಭಾವನೆಯನ್ನು ಅಲುಗಾಡಿಸುವುದು ಕಷ್ಟ...

ಪೋಸ್ಟ್‌ಕ್ಲಾಸಿಕಲ್ ಕಂಪ್ಯೂಟ್ ಮತ್ತು ಸಂವಹನ

2.1. ಐದನೇ ತಲೆಮಾರಿನ ಮೊಬೈಲ್ ಸಂವಹನಗಳು (5G)

ಇದು ತುಂಬಾ ಆಸಕ್ತಿದಾಯಕ ವಿಷಯವಾಗಿದ್ದು, ನಾವು ನಿಮ್ಮನ್ನು ತಕ್ಷಣವೇ ನಮ್ಮ ಲೇಖನ. ಸರಿ, ಇಲ್ಲಿ ಒಂದು ಸಣ್ಣ ಸಾರಾಂಶವಿದೆ. 5G ಡೇಟಾ ವರ್ಗಾವಣೆ ಆವರ್ತನವನ್ನು ಹೆಚ್ಚಿಸುವ ಮೂಲಕ ಇಂಟರ್ನೆಟ್ ಅನ್ನು ನಂಬಲಾಗದಷ್ಟು ವೇಗಗೊಳಿಸುತ್ತದೆ. ಸಣ್ಣ ಅಲೆಗಳು ಅಡೆತಡೆಗಳನ್ನು ದಾಟಲು ಕಷ್ಟವಾಗುತ್ತದೆ, ಆದ್ದರಿಂದ ನೆಟ್‌ವರ್ಕ್ ರಚನೆಯು ಸಂಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನವಾಗಿರುತ್ತದೆ: 500 ಪಟ್ಟು ಹೆಚ್ಚಿನ ಬೇಸ್ ಸ್ಟೇಷನ್‌ಗಳು ಬೇಕಾಗುತ್ತವೆ.

ವೇಗದ ಜೊತೆಗೆ, ನಾವು ಹೊಸ ವಿದ್ಯಮಾನಗಳನ್ನು ಪಡೆಯುತ್ತೇವೆ: ವರ್ಧಿತ ವಾಸ್ತವದೊಂದಿಗೆ ನೈಜ-ಸಮಯದ ಆಟಗಳು, ಟೆಲಿಪ್ರೆಸೆನ್ಸ್ ಮೂಲಕ ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳನ್ನು (ಶಸ್ತ್ರಚಿಕಿತ್ಸೆ ಮುಂತಾದವು) ನಿರ್ವಹಿಸುವುದು, ಕಾರುಗಳ ನಡುವಿನ ಸಂವಹನದ ಮೂಲಕ ಅಪಘಾತಗಳು ಮತ್ತು ರಸ್ತೆಯಲ್ಲಿನ ಕಷ್ಟಕರ ಸಂದರ್ಭಗಳನ್ನು ತಡೆಗಟ್ಟುವುದು. ಹೆಚ್ಚು ಪ್ರಚಲಿತ: ಅಂತಿಮವಾಗಿ, ಕ್ರೀಡಾಂಗಣದಲ್ಲಿ ಪಂದ್ಯದಂತಹ ಸಾಮೂಹಿಕ ಕಾರ್ಯಕ್ರಮಗಳ ಸಮಯದಲ್ಲಿ ಮೊಬೈಲ್ ಇಂಟರ್ನೆಟ್ ಬೀಳುವುದನ್ನು ನಿಲ್ಲಿಸುತ್ತದೆ.

ಚಿತ್ರ ಮೂಲ: ರಾಯಿಟರ್ಸ್, ನಿಯಾಂಟಿಕ್

2.2. ಮುಂದಿನ ಪೀಳಿಗೆಯ ಸ್ಮರಣೆ

ಇಲ್ಲಿ ನಾವು ಐದನೇ ತಲೆಮಾರಿನ RAM ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತಿದ್ದೇವೆ - DDR5. 2019 ರ ಅಂತ್ಯದ ವೇಳೆಗೆ, DDR5 ಆಧಾರಿತ ಉತ್ಪನ್ನಗಳು ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ ಎಂದು ಸ್ಯಾಮ್‌ಸಂಗ್ ಘೋಷಿಸಿತು. ಹೊಸ ಮೆಮೊರಿಯು ಫಾರ್ಮ್ ಫ್ಯಾಕ್ಟರ್ ಅನ್ನು ಉಳಿಸಿಕೊಂಡು ಎರಡು ಪಟ್ಟು ವೇಗವಾಗಿ ಮತ್ತು ಎರಡು ಪಟ್ಟು ಸಾಮರ್ಥ್ಯ ಹೊಂದಿರುತ್ತದೆ ಎಂದು ನಿರೀಕ್ಷಿಸಲಾಗಿದೆ, ಅಂದರೆ ನಮ್ಮ ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ 32 GB ವರೆಗಿನ ಸಾಮರ್ಥ್ಯವಿರುವ ಮೆಮೊರಿ ಸ್ಟಿಕ್‌ಗಳನ್ನು ಪಡೆಯಲು ನಮಗೆ ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಭವಿಷ್ಯದಲ್ಲಿ, ಇದು ಸ್ಮಾರ್ಟ್‌ಫೋನ್‌ಗಳಿಗೆ (ಹೊಸ ಮೆಮೊರಿ ಕಡಿಮೆ-ಶಕ್ತಿಯ ಆವೃತ್ತಿಯಲ್ಲಿರುತ್ತದೆ) ಮತ್ತು ಲ್ಯಾಪ್‌ಟಾಪ್‌ಗಳಿಗೆ (DIMM ಸ್ಲಾಟ್‌ಗಳ ಸಂಖ್ಯೆ ಸೀಮಿತವಾಗಿರುವಲ್ಲಿ) ವಿಶೇಷವಾಗಿ ಪ್ರಸ್ತುತವಾಗಿರುತ್ತದೆ. ಯಂತ್ರ ಕಲಿಕೆಗೆ ಸಹ ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ RAM ಅಗತ್ಯವಿರುತ್ತದೆ.

2.3. ಭೂಮಿಯ ಕೆಳ ಕಕ್ಷೆಯ ಉಪಗ್ರಹ ವ್ಯವಸ್ಥೆಗಳು

ಭಾರವಾದ, ದುಬಾರಿ, ಶಕ್ತಿಶಾಲಿ ಉಪಗ್ರಹಗಳನ್ನು ಸಣ್ಣ ಮತ್ತು ಅಗ್ಗದ ಉಪಗ್ರಹಗಳ ಸಮೂಹದಿಂದ ಬದಲಾಯಿಸುವ ಕಲ್ಪನೆಯು ಹೊಸದಲ್ಲ ಮತ್ತು 90 ರ ದಶಕದಲ್ಲಿ ಕಾಣಿಸಿಕೊಂಡಿತು. "ಎಲಾನ್ ಮಸ್ಕ್ ಶೀಘ್ರದಲ್ಲೇ ಉಪಗ್ರಹದ ಮೂಲಕ ಎಲ್ಲರಿಗೂ ಇಂಟರ್ನೆಟ್ ವಿತರಿಸಲಿದ್ದಾರೆ" ಇತ್ತೀಚಿನ ದಿನಗಳಲ್ಲಿ, ಸೋಮಾರಿಗಳು ಮಾತ್ರ ಇದರ ಬಗ್ಗೆ ಕೇಳಿಲ್ಲ. ಇಲ್ಲಿನ ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧ ಕಂಪನಿ ಇರಿಡಿಯಮ್, ಇದು 90 ರ ದಶಕದ ಉತ್ತರಾರ್ಧದಲ್ಲಿ ದಿವಾಳಿಯಾಯಿತು ಆದರೆ ಯುಎಸ್ ರಕ್ಷಣಾ ಇಲಾಖೆಯಿಂದ (ರಷ್ಯಾದ ಸ್ಮಾರ್ಟ್ ಹೋಮ್ ಸಿಸ್ಟಮ್ ಐರಿಡಿಯಮ್‌ನೊಂದಿಗೆ ಗೊಂದಲಕ್ಕೀಡಾಗಬಾರದು) ಉಳಿಸಲ್ಪಟ್ಟಿತು. ಎಲೋನ್ ಮಸ್ಕ್ ಅವರ ಯೋಜನೆ (ಸ್ಟಾರ್‌ಲಿಂಕ್) ಒಂದೇ ಒಂದು ಯೋಜನೆಯಿಂದ ದೂರವಿದೆ - ರಿಚರ್ಡ್ ಬ್ರಾನ್ಸನ್ (ಒನ್‌ವೆಬ್ - 1440 ಪ್ರಸ್ತಾವಿತ ಉಪಗ್ರಹಗಳು), ಬೋಯಿಂಗ್ (3000 ಉಪಗ್ರಹಗಳು), ಸ್ಯಾಮ್‌ಸಂಗ್ (4600 ಉಪಗ್ರಹಗಳು), ಮತ್ತು ಇತರರು ಉಪಗ್ರಹ ರೇಸ್‌ನಲ್ಲಿ ಭಾಗವಹಿಸುತ್ತಿದ್ದಾರೆ.

ಈ ಪ್ರದೇಶದ ಪರಿಸ್ಥಿತಿ ಏನು, ಅಲ್ಲಿನ ಆರ್ಥಿಕತೆ ಹೇಗಿದೆ – ಓದಿ ವಿಮರ್ಶೆಮತ್ತು ಮುಂದಿನ ವರ್ಷ ನಡೆಯಲಿರುವ ಮೊದಲ ಬಳಕೆದಾರರಿಂದ ಈ ವ್ಯವಸ್ಥೆಗಳ ಮೊದಲ ಪರೀಕ್ಷೆಗಳಿಗಾಗಿ ನಾವು ಕಾಯುತ್ತಿದ್ದೇವೆ.

2.4. ನ್ಯಾನೋಸ್ಕೇಲ್ 3D ಮುದ್ರಣ

3D ಮುದ್ರಣವು ಪ್ರತಿಯೊಬ್ಬ ವ್ಯಕ್ತಿಯ ಜೀವನದಲ್ಲಿ ಪ್ರವೇಶಿಸದಿದ್ದರೂ (ಭರವಸೆ ನೀಡಲಾದ ವೈಯಕ್ತಿಕ ಮನೆ ಪ್ಲಾಸ್ಟಿಕ್ ಕಾರ್ಖಾನೆಯ ರೂಪದಲ್ಲಿ), ಆದಾಗ್ಯೂ, ಗೀಕ್‌ಗಳಿಗೆ ತಂತ್ರಜ್ಞಾನಗಳ ಸ್ಥಾನವನ್ನು ಮೀರಿದೆ. ಯಾವುದೇ ಶಾಲಾ ಮಗುವಿಗೆ ಕನಿಷ್ಠ 3D-ಶಿಲ್ಪಕಲೆ ಪೆನ್ನುಗಳ ಅಸ್ತಿತ್ವದ ಬಗ್ಗೆ ತಿಳಿದಿದೆ ಮತ್ತು ಅನೇಕರು ಓಟಗಾರರು ಮತ್ತು ಎಕ್ಸ್‌ಟ್ರೂಡರ್‌ನೊಂದಿಗೆ ಪೆಟ್ಟಿಗೆಯನ್ನು ಖರೀದಿಸುವ ಕನಸು ಕಾಣುತ್ತಾರೆ ... "ಹಾಗೆಯೇ" (ಅಥವಾ ಈಗಾಗಲೇ ಒಂದನ್ನು ಖರೀದಿಸಿದ್ದಾರೆ).

ಸ್ಟೀರಿಯೊಲಿಥೋಗ್ರಫಿ (ಲೇಸರ್ 3D ಮುದ್ರಕಗಳು) ಪ್ರತ್ಯೇಕ ಫೋಟಾನ್‌ಗಳೊಂದಿಗೆ ಮುದ್ರಣವನ್ನು ಅನುಮತಿಸುತ್ತದೆ: ಹೊಸ ಪಾಲಿಮರ್‌ಗಳನ್ನು ಅಧ್ಯಯನ ಮಾಡಲಾಗುತ್ತಿದೆ, ಅವು ಗಟ್ಟಿಯಾಗಲು ಕೇವಲ ಎರಡು ಫೋಟಾನ್‌ಗಳ ಅಗತ್ಯವಿದೆ. ಇದು ಸಂಪೂರ್ಣವಾಗಿ ಹೊಸ ಫಿಲ್ಟರ್‌ಗಳು, ಫಾಸ್ಟೆನರ್‌ಗಳು, ಸ್ಪ್ರಿಂಗ್‌ಗಳು, ಕ್ಯಾಪಿಲ್ಲರಿಗಳು, ಲೆನ್ಸ್‌ಗಳು ಮತ್ತು... ಕಾಮೆಂಟ್‌ಗಳಲ್ಲಿನ ನಿಮ್ಮ ಆಯ್ಕೆಗಳನ್ನು ಪ್ರಯೋಗಾಲಯವಲ್ಲದ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ರಚಿಸಲು ಅನುಮತಿಸುತ್ತದೆ! ಮತ್ತು ಇದು ಫೋಟೊಪಾಲಿಮರೀಕರಣದಿಂದ ದೂರವಿಲ್ಲ - ಈ ತಂತ್ರಜ್ಞಾನವು ಮಾತ್ರ ಪ್ರೊಸೆಸರ್‌ಗಳು ಮತ್ತು ಕಂಪ್ಯೂಟಿಂಗ್ ಸರ್ಕ್ಯೂಟ್‌ಗಳನ್ನು "ಮುದ್ರಿಸಲು" ಅನುಮತಿಸುತ್ತದೆ. ಇದಲ್ಲದೆ, ಈಗ ಹಲವು ವರ್ಷಗಳಿಂದ ಗ್ರ್ಯಾಫೀನ್ 500nm XNUMXD ರಚನೆಗಳನ್ನು ಮುದ್ರಿಸುವ ತಂತ್ರಜ್ಞಾನ, ಆದರೆ ಆಮೂಲಾಗ್ರ ಅಭಿವೃದ್ಧಿಯಿಲ್ಲದೆ.

ಮೂಲ

3. ಸಂವೇದನೆ ಮತ್ತು ಚಲನಶೀಲತೆ

3.1. ಸ್ವಾಯತ್ತ ಚಾಲನಾ ಹಂತ 4 ಮತ್ತು 5

ಪರಿಭಾಷೆಯಲ್ಲಿ ಗೊಂದಲಕ್ಕೀಡಾಗದಿರಲು, ಯಾವ ಹಂತದ ಸ್ವಾಯತ್ತತೆಯನ್ನು ಪ್ರತ್ಯೇಕಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಯೋಗ್ಯವಾಗಿದೆ (ವಿವರವಾದದಿಂದ ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ ಲೇಖನಗಳು, ನಾವು ಎಲ್ಲಾ ಆಸಕ್ತ ಪಕ್ಷಗಳನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತೇವೆ):

ಹಂತ 1: ಕ್ರೂಸ್ ನಿಯಂತ್ರಣ: ಬಹಳ ಸೀಮಿತ ಸಂದರ್ಭಗಳಲ್ಲಿ ಚಾಲಕನಿಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ (ಉದಾ. ಚಾಲಕ ಪೆಡಲ್‌ನಿಂದ ತನ್ನ ಪಾದವನ್ನು ತೆಗೆದ ನಂತರ ಕಾರನ್ನು ನಿಗದಿತ ವೇಗದಲ್ಲಿ ಇಡುವುದು)
ಹಂತ 2: ಸೀಮಿತ ಸ್ಟೀರಿಂಗ್ ಮತ್ತು ಬ್ರೇಕಿಂಗ್ ಸಹಾಯ. ಚಾಲಕನು ತಕ್ಷಣವೇ ಜವಾಬ್ದಾರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಿದ್ಧನಾಗಿರಬೇಕು. ಅವನ ಕೈಗಳು ಚಕ್ರದ ಮೇಲೆ, ಅವನ ಕಣ್ಣುಗಳು ರಸ್ತೆಯ ಮೇಲೆ. ಇದನ್ನೇ ಟೆಸ್ಲಾ ಮತ್ತು ಜನರಲ್ ಮೋಟಾರ್ಸ್ ಈಗಾಗಲೇ ಹೊಂದಿವೆ.
ಹಂತ 3: ಚಾಲಕ ಇನ್ನು ಮುಂದೆ ನಿರಂತರವಾಗಿ ರಸ್ತೆಯನ್ನು ಗಮನಿಸಬೇಕಾಗಿಲ್ಲ. ಆದರೆ ಜಾಗರೂಕರಾಗಿರಬೇಕು ಮತ್ತು ನಿಯಂತ್ರಣವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಿದ್ಧರಾಗಿರಬೇಕು. ಇದು ವಾಣಿಜ್ಯಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ಕಾರುಗಳಲ್ಲಿ ಇನ್ನೂ ಲಭ್ಯವಿಲ್ಲದ ವಿಷಯ. ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಎಲ್ಲಾ ಕಾರುಗಳು 1-2 ಮಟ್ಟದಲ್ಲಿವೆ.
ಹಂತ 4: ನಿಜವಾದ ಸ್ವಯಂ-ಚಾಲನೆ, ಆದರೆ ಮಿತಿಗಳೊಂದಿಗೆ: ಎಚ್ಚರಿಕೆಯಿಂದ ನಕ್ಷೆ ಮಾಡಲಾದ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ವ್ಯವಸ್ಥೆಗೆ ತಿಳಿದಿರುವ ತಿಳಿದಿರುವ ಪ್ರದೇಶದಲ್ಲಿ ಮತ್ತು ಕೆಲವು ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಮಾತ್ರ ಚಾಲನೆ: ಉದಾಹರಣೆಗೆ, ಹಿಮವಿಲ್ಲ. ವೇಮೊ ಮತ್ತು ಜನರಲ್ ಮೋಟಾರ್ಸ್ ಇವುಗಳ ಮೂಲಮಾದರಿಗಳನ್ನು ಹೊಂದಿವೆ, ಮತ್ತು ಅವುಗಳನ್ನು ಹಲವಾರು ನಗರಗಳಲ್ಲಿ ಪ್ರಾರಂಭಿಸಲು ಮತ್ತು ನೈಜ-ಪ್ರಪಂಚದ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಪರೀಕ್ಷಿಸಲು ಯೋಜಿಸಿವೆ. ಯಾಂಡೆಕ್ಸ್ ಸ್ಕೋಲ್ಕೊವೊ ಮತ್ತು ಇನ್ನೋಪೊಲಿಸ್‌ನಲ್ಲಿ ಚಾಲಕರಹಿತ ಟ್ಯಾಕ್ಸಿಗಳಿಗಾಗಿ ಪರೀಕ್ಷಾ ವಲಯಗಳನ್ನು ಹೊಂದಿದೆ: ಪ್ರಯಾಣಿಕ ಸೀಟಿನಲ್ಲಿ ಕುಳಿತಿರುವ ಎಂಜಿನಿಯರ್ ಮೇಲ್ವಿಚಾರಣೆಯಲ್ಲಿ ಸವಾರಿ ನಡೆಯುತ್ತದೆ; ಕಂಪನಿಯು ವರ್ಷದ ಅಂತ್ಯದ ವೇಳೆಗೆ ತನ್ನ ಫ್ಲೀಟ್ ಅನ್ನು 100 ಚಾಲಕರಹಿತ ಕಾರುಗಳಿಗೆ ವಿಸ್ತರಿಸಲು ಯೋಜಿಸಿದೆ.
ಹಂತ 5: ಸಂಪೂರ್ಣ ಸ್ವಯಂಚಾಲಿತ ಚಾಲನೆ, ಮಾನವ ಚಾಲಕನನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಬದಲಾಯಿಸುವುದು. ಅಂತಹ ವ್ಯವಸ್ಥೆಗಳು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲ ಮತ್ತು ಮುಂಬರುವ ವರ್ಷಗಳಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಿಲ್ಲ.

ಇದನ್ನೆಲ್ಲಾ ಮುಂದಿನ ದಿನಗಳಲ್ಲಿ ನೋಡುವುದು ಎಷ್ಟು ವಾಸ್ತವಿಕ? ಇಲ್ಲಿ ನಾನು ಓದುಗರನ್ನು ಲೇಖನಕ್ಕೆ ಮರುನಿರ್ದೇಶಿಸಲು ಬಯಸುತ್ತೇನೆ. "2020 ರ ವೇಳೆಗೆ ರೋಬೋಟ್ಯಾಕ್ಸಿಸ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸುವುದಾಗಿ ಟೆಸ್ಲಾ ಭರವಸೆ ನೀಡುವುದು ಏಕೆ ಅಸಾಧ್ಯ". 5G ಸಂಪರ್ಕದ ಕೊರತೆಯೇ ಇದಕ್ಕೆ ಕಾರಣ: ಪ್ರಸ್ತುತ 4G ವೇಗವು ಸಾಕಾಗುವುದಿಲ್ಲ. ಸ್ವಾಯತ್ತ ಯಂತ್ರಗಳ ಹೆಚ್ಚಿನ ವೆಚ್ಚದಿಂದಾಗಿ: ಅವು ಇನ್ನೂ ಲಾಭದಾಯಕವಾಗಿಲ್ಲ, ವ್ಯವಹಾರ ಮಾದರಿ ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ. ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಹೇಳುವುದಾದರೆ, ಇಲ್ಲಿ "ಎಲ್ಲವೂ ಜಟಿಲವಾಗಿದೆ", ಮತ್ತು 4 ಮತ್ತು 5 ನೇ ಹಂತದ ಸಾಮೂಹಿಕ ಅನುಷ್ಠಾನದ ಮುನ್ಸೂಚನೆಯು 10 ವರ್ಷಗಳಿಗಿಂತ ಮುಂಚೆಯೇ ಇಲ್ಲ ಎಂದು ಗಾರ್ಟ್ನರ್ ಬರೆಯುವುದು ಕಾಕತಾಳೀಯವಲ್ಲ.

3.2. 3D ಸೆನ್ಸಿಂಗ್ ಕ್ಯಾಮೆರಾಗಳು

ಎಂಟು ವರ್ಷಗಳ ಹಿಂದೆ, ಮೈಕ್ರೋಸಾಫ್ಟ್‌ನ ಕೈನೆಕ್ಟ್ ಗೇಮಿಂಗ್ ನಿಯಂತ್ರಕವು 3D ದೃಷ್ಟಿಗೆ ಸುಲಭವಾಗಿ ಮತ್ತು ತುಲನಾತ್ಮಕವಾಗಿ ಅಗ್ಗದ ಪರಿಹಾರವನ್ನು ನೀಡುವ ಮೂಲಕ ಸಂಚಲನ ಮೂಡಿಸಿತು. ಅಂದಿನಿಂದ, ಕೈನೆಕ್ಟ್ ಆಧಾರಿತ ದೈಹಿಕ ಶಿಕ್ಷಣ ಮತ್ತು ನೃತ್ಯ ಆಟಗಳು ತಮ್ಮ ಅಲ್ಪಾವಧಿಯ ಏರಿಕೆ ಮತ್ತು ಕುಸಿತವನ್ನು ಕಂಡಿವೆ, ಆದರೆ 3D ಕ್ಯಾಮೆರಾಗಳನ್ನು ಕೈಗಾರಿಕಾ ರೋಬೋಟ್‌ಗಳು, ಮಾನವರಹಿತ ವಾಹನಗಳು ಮತ್ತು ಮೊಬೈಲ್ ಫೋನ್‌ಗಳಲ್ಲಿ ಮುಖ ಗುರುತಿಸುವಿಕೆಗಾಗಿ ಬಳಸಲಾಗುತ್ತಿದೆ. ತಂತ್ರಜ್ಞಾನವು ಅಗ್ಗವಾಗಿದೆ, ಹೆಚ್ಚು ಸಾಂದ್ರವಾಗಿದೆ ಮತ್ತು ಹೆಚ್ಚು ಪ್ರವೇಶಿಸಬಹುದಾಗಿದೆ.

ಸ್ಯಾಮ್‌ಸಂಗ್ ಎಸ್ 10 ಫೋನ್‌ನಲ್ಲಿ ಟೈಮ್-ಆಫ್-ಫ್ಲೈಟ್ ಕ್ಯಾಮೆರಾ ಇದ್ದು, ಅದು ವಸ್ತುವಿನ ದೂರವನ್ನು ಅಳೆಯುತ್ತದೆ, ಇದರಿಂದಾಗಿ ಗಮನಹರಿಸುವುದು ಸುಲಭವಾಗುತ್ತದೆ. ಮೂಲ

ನೀವು ಈ ವಿಷಯದಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿದ್ದರೆ, ನಾವು ನಿಮ್ಮನ್ನು ಡೆಪ್ತ್ ಕ್ಯಾಮೆರಾಗಳ ಉತ್ತಮ ವಿವರವಾದ ವಿಮರ್ಶೆಗೆ ಮರುನಿರ್ದೇಶಿಸುತ್ತೇವೆ: 1 ನ ಭಾಗ, 2 ನ ಭಾಗ.

3.3. ಲಘು ಸರಕು ವಿತರಣಾ ಡ್ರೋನ್‌ಗಳು

ಈ ವರ್ಷ ಅಮೆಜಾನ್ 2 ಕೆಜಿ ತೂಕದ ಸಣ್ಣ ಹೊರೆಗಳನ್ನು ಹೊತ್ತೊಯ್ಯುವ ಸಾಮರ್ಥ್ಯವಿರುವ ಹೊಸ ಹಾರುವ ಡ್ರೋನ್ ಅನ್ನು ಅನಾವರಣಗೊಳಿಸಿದಾಗ ಸಂಚಲನ ಮೂಡಿಸಿತು. ಟ್ರಾಫಿಕ್ ಜಾಮ್‌ಗಳಿಂದಾಗಿ ನಗರಕ್ಕೆ ಇದು ಸೂಕ್ತ ಪರಿಹಾರವೆಂದು ತೋರುತ್ತದೆ. ಈ ಡ್ರೋನ್‌ಗಳು ಮುಂದಿನ ದಿನಗಳಲ್ಲಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ನೋಡೋಣ. ಬಹುಶಃ ಇಲ್ಲಿ ಎಚ್ಚರಿಕೆಯ ಸಂದೇಹವನ್ನು ಸೇರಿಸುವುದು ಯೋಗ್ಯವಾಗಿದೆ: ಡ್ರೋನ್‌ನ ಸುಲಭ ಕಳ್ಳತನದ ಸಾಧ್ಯತೆಯಿಂದ ಹಿಡಿದು UAV ಗಳ ಮೇಲಿನ ಶಾಸಕಾಂಗ ನಿರ್ಬಂಧಗಳವರೆಗೆ ಹಲವು ಸಮಸ್ಯೆಗಳಿವೆ. ಅಮೆಜಾನ್ ಪ್ರೈಮ್ ಏರ್ ಆರು ವರ್ಷಗಳಿಂದ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ, ಆದರೆ ಇನ್ನೂ ಪರೀಕ್ಷಾ ಹಂತದಲ್ಲಿದೆ.

ಈ ವಸಂತಕಾಲದಲ್ಲಿ ಅನಾವರಣಗೊಂಡ ಅಮೆಜಾನ್‌ನ ಹೊಸ ಡ್ರೋನ್, ಸ್ವಲ್ಪ ಸ್ಟಾರ್ ವಾರ್ಸ್ ಅನುಭವವನ್ನು ಹೊಂದಿದೆ. ಮೂಲ

ಅಮೆಜಾನ್ ಜೊತೆಗೆ, ಈ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಇತರ ಆಟಗಾರರೂ ಇದ್ದಾರೆ (ವಿವರವಾಗಿ ನೀಡಲಾಗಿದೆ обзор), ಆದರೆ ಒಂದೇ ಒಂದು ಸಿದ್ಧಪಡಿಸಿದ ಉತ್ಪನ್ನವಿಲ್ಲ: ಎಲ್ಲವೂ ಪರೀಕ್ಷೆ ಮತ್ತು ಮಾರ್ಕೆಟಿಂಗ್ ಹಂತದಲ್ಲಿದೆ. ಪ್ರತ್ಯೇಕವಾಗಿ ಗಮನಿಸಬೇಕಾದ ಅಂಶವೆಂದರೆ ಆಸಕ್ತಿದಾಯಕ ಹೆಚ್ಚು ವಿಶೇಷವಾದ ವೈದ್ಯಕೀಯ ಯೋಜನೆಗಳು ಆಫ್ರಿಕಾದಲ್ಲಿ: ಘಾನಾದಲ್ಲಿ ರಕ್ತದಾನ ವಿತರಣೆ (14 ವಿತರಣೆಗಳು, ಜಿಪ್‌ಲೈನ್) ಮತ್ತು ರುವಾಂಡಾದಲ್ಲಿ (ಮ್ಯಾಟರ್ನೆಟ್).

3.4. ಹಾರುವ ಸ್ವಾಯತ್ತ ವಾಹನಗಳು

ಇಲ್ಲಿ ಖಚಿತವಾಗಿ ಏನನ್ನೂ ಹೇಳುವುದು ಕಷ್ಟ. ಗಾರ್ಟ್ನರ್ ಪ್ರಕಾರ, ಇದು 10 ವರ್ಷಗಳ ನಂತರ ಕಾಣಿಸಿಕೊಳ್ಳುವುದಿಲ್ಲ. ಸಾಮಾನ್ಯವಾಗಿ, ಚಾಲಕರಹಿತ ಕಾರುಗಳಲ್ಲಿರುವಂತೆಯೇ ಇಲ್ಲಿಯೂ ಸಮಸ್ಯೆಗಳಿವೆ, ಅವು ಮಾತ್ರ ಹೊಸ ಆಯಾಮವನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತವೆ - ಲಂಬ. ಪೋರ್ಷೆ, ಬೋಯಿಂಗ್, ಉಬರ್ ಹಾರುವ ಟ್ಯಾಕ್ಸಿ ನಿರ್ಮಿಸುವ ತಮ್ಮ ಮಹತ್ವಾಕಾಂಕ್ಷೆಗಳನ್ನು ಘೋಷಿಸುತ್ತವೆ.

3.5. ವರ್ಧಿತ ರಿಯಾಲಿಟಿ ಕ್ಲೌಡ್ (AR ಕ್ಲೌಡ್)

ನೈಜ ಪ್ರಪಂಚದ ಶಾಶ್ವತ ಡಿಜಿಟಲ್ ಪ್ರತಿ, ಎಲ್ಲಾ ಬಳಕೆದಾರರಿಗೆ ಸಾಮಾನ್ಯವಾದ ವಾಸ್ತವದ ಹೊಸ ಪದರವನ್ನು ರಚಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಹೆಚ್ಚು ತಾಂತ್ರಿಕ ಪರಿಭಾಷೆಯಲ್ಲಿ, ಇದು ಮುಕ್ತ ಮೋಡದ ವೇದಿಕೆಯನ್ನು ರಚಿಸುವ ಬಗ್ಗೆ, ಇದರಲ್ಲಿ ಡೆವಲಪರ್‌ಗಳು ತಮ್ಮ AR ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಸಂಯೋಜಿಸಬಹುದು. ಹಣಗಳಿಕೆಯ ಮಾದರಿ ಸ್ಪಷ್ಟವಾಗಿದೆ, ಇದು ಸ್ಟೀಮ್‌ನ ಒಂದು ರೀತಿಯ ಅನಲಾಗ್ ಆಗಿದೆ. ಈ ಕಲ್ಪನೆಯು ಎಷ್ಟು ಬೇರೂರಿದೆ ಎಂದರೆ ಈಗ ಕೆಲವರು ಕ್ಲೌಡ್ ಇಲ್ಲದೆ AR ಸರಳವಾಗಿ ನಿಷ್ಪ್ರಯೋಜಕ ಎಂದು ನಂಬುತ್ತಾರೆ.

ಭವಿಷ್ಯದಲ್ಲಿ ಅದು ಹೇಗೆ ಕಾಣಿಸಬಹುದು ಎಂಬುದನ್ನು ಒಂದು ಸಣ್ಣ ವೀಡಿಯೊದಲ್ಲಿ ಚಿತ್ರಿಸಲಾಗಿದೆ. ಇದು "ಬ್ಲ್ಯಾಕ್ ಮಿರರ್" ನ ಮತ್ತೊಂದು ಸಂಚಿಕೆಯಂತೆ ಕಾಣುತ್ತದೆ:

ನೀವು ಇಲ್ಲಿಯೂ ಓದಬಹುದು ವಿಮರ್ಶಾ ಲೇಖನ.

4. ವರ್ಧಿತ ಮಾನವ

೪.೧. ಭಾವನೆ AI

ಮಾನವ ಭಾವನೆಗಳನ್ನು ಅಳೆಯುವುದು, ಅನುಕರಿಸುವುದು ಮತ್ತು ಪ್ರತಿಕ್ರಿಯಿಸುವುದು ಹೇಗೆ? ಇಲ್ಲಿನ ಕೆಲವು ಕ್ಲೈಂಟ್‌ಗಳು ಅಮೆಜಾನ್ ಅಲೆಕ್ಸಾದಂತಹ ಧ್ವನಿ ಸಹಾಯಕರನ್ನು ಉತ್ಪಾದಿಸುವ ಕಂಪನಿಗಳಾಗಿವೆ. ಅವರು ಮನಸ್ಥಿತಿಯನ್ನು ಗುರುತಿಸಲು ಕಲಿತರೆ ಅವರು ನಿಜವಾಗಿಯೂ ಮನೆಗಳಲ್ಲಿ ತಮ್ಮನ್ನು ತಾವು ಹುದುಗಿಸಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ: ಬಳಕೆದಾರರ ಅತೃಪ್ತಿಗೆ ಕಾರಣವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ, ಪರಿಸ್ಥಿತಿಯನ್ನು ಸರಿಪಡಿಸಲು ಪ್ರಯತ್ನಿಸಿ. ಸಾಮಾನ್ಯವಾಗಿ, ಸಂದೇಶಕ್ಕಿಂತ ಸನ್ನಿವೇಶದಲ್ಲಿ ಹೆಚ್ಚಿನ ಮಾಹಿತಿ ಇರುತ್ತದೆ. ಮತ್ತು ಸನ್ನಿವೇಶವು ಮುಖಭಾವ, ಸ್ವರ ಮತ್ತು ಮೌಖಿಕವಲ್ಲದ ನಡವಳಿಕೆಯಾಗಿದೆ.

ಇತರ ಪ್ರಾಯೋಗಿಕ ಅನ್ವಯಿಕೆಗಳಲ್ಲಿ ಇವು ಸೇರಿವೆ: ಉದ್ಯೋಗ ಸಂದರ್ಶನಗಳ ಸಮಯದಲ್ಲಿ ಭಾವನೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು (ವೀಡಿಯೊ ಸಂದರ್ಶನಗಳನ್ನು ಬಳಸುವುದು), ಜಾಹೀರಾತುಗಳು ಅಥವಾ ಇತರ ವೀಡಿಯೊ ವಿಷಯಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ನಿರ್ಣಯಿಸುವುದು (ನಗು, ನಗು), ಮತ್ತು ಕಲಿಕೆಗೆ ಸಹಾಯ ಮಾಡುವುದು (ಉದಾ., ಸಾರ್ವಜನಿಕ ಭಾಷಣದ ಕಲೆಯಲ್ಲಿ ಸ್ವತಂತ್ರ ಅಭ್ಯಾಸಕ್ಕಾಗಿ).

6 ನಿಮಿಷಗಳ ಕಿರುಚಿತ್ರದ ಲೇಖಕರಿಗಿಂತ ಈ ವಿಷಯದ ಬಗ್ಗೆ ಚೆನ್ನಾಗಿ ಮಾತನಾಡುವುದು ಕಷ್ಟ. ನಮ್ಮ ಭಾವನೆಗಳನ್ನು ಕದಿಯುವುದು. ಬುದ್ಧಿವಂತ ಮತ್ತು ಸೊಗಸಾಗಿ ಮಾಡಲಾದ ಈ ವೀಡಿಯೊ ಮಾರ್ಕೆಟಿಂಗ್ ಉದ್ದೇಶಗಳಿಗಾಗಿ ನಮ್ಮ ಭಾವನೆಗಳನ್ನು ಹೇಗೆ ಅಳೆಯಬಹುದು ಎಂಬುದನ್ನು ತೋರಿಸುತ್ತದೆ ಮತ್ತು ನಿಮ್ಮ ಮುಖದ ತಕ್ಷಣದ ಪ್ರತಿಕ್ರಿಯೆಗಳಿಂದ, ನೀವು ಕಂಡುಹಿಡಿಯಬಹುದು: ನೀವು ಪಿಜ್ಜಾ, ನಾಯಿಗಳು, ಕಾನ್ಯೆ ವೆಸ್ಟ್ ಅನ್ನು ಇಷ್ಟಪಡುತ್ತೀರಾ ಮತ್ತು ನಿಮ್ಮ ಆದಾಯದ ಮಟ್ಟ ಮತ್ತು ಅಂದಾಜು ಐಕ್ಯೂ ಏನೆಂದು ಸಹ. ಮೇಲಿನ ಲಿಂಕ್ ಅನ್ನು ಕ್ಲಿಕ್ ಮಾಡುವ ಮೂಲಕ, ನಿಮ್ಮ ಲ್ಯಾಪ್‌ಟಾಪ್‌ನ ಅಂತರ್ನಿರ್ಮಿತ ಕ್ಯಾಮೆರಾವನ್ನು ಬಳಸಿಕೊಂಡು ನೀವು ಸಂವಾದಾತ್ಮಕ ವೀಡಿಯೊದಲ್ಲಿ ಭಾಗವಹಿಸುವವರಾಗುತ್ತೀರಿ. ಈ ಚಿತ್ರವನ್ನು ಈಗಾಗಲೇ ಹಲವಾರು ಚಲನಚಿತ್ರೋತ್ಸವಗಳಲ್ಲಿ ಪ್ರದರ್ಶಿಸಲಾಗಿದೆ.

ಮೂಲ

ಪಠ್ಯದಲ್ಲಿ ವ್ಯಂಗ್ಯವನ್ನು ಹೇಗೆ ಗುರುತಿಸುವುದು ಎಂಬ ಕುತೂಹಲಕಾರಿ ಅಧ್ಯಯನವೂ ಇದೆ. ಅವರು #ವ್ಯಂಗ್ಯ ಎಂಬ ಹ್ಯಾಶ್‌ಟ್ಯಾಗ್‌ನೊಂದಿಗೆ ಟ್ವೀಟ್‌ಗಳನ್ನು ತೆಗೆದುಕೊಂಡು ವ್ಯಂಗ್ಯದೊಂದಿಗೆ 25 ಟ್ವೀಟ್‌ಗಳು ಮತ್ತು ಸೂರ್ಯನ ಕೆಳಗೆ ಇರುವ ಎಲ್ಲದರ ಬಗ್ಗೆ 000 ನಿಯಮಿತ ಟ್ವೀಟ್‌ಗಳ ತರಬೇತಿ ಮಾದರಿಯನ್ನು ಮಾಡಿದರು. ಅವರು ಟೆನ್ಸರ್‌ಫ್ಲೋ ಲೈಬ್ರರಿಯನ್ನು ಬಳಸಿದರು, ವ್ಯವಸ್ಥೆಯನ್ನು ತರಬೇತಿ ಮಾಡಿದರು ಮತ್ತು ಫಲಿತಾಂಶ ಇಲ್ಲಿದೆ:

ಮೂಲ

ಹಾಗಾಗಿ ಈಗ, ನಿಮ್ಮ ಸಹೋದ್ಯೋಗಿ ಅಥವಾ ಸ್ನೇಹಿತನ ಬಗ್ಗೆ ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ - ಅವರು ನಿಮಗೆ ಗಂಭೀರವಾಗಿ ಅಥವಾ ವ್ಯಂಗ್ಯವಾಗಿ ಏನನ್ನಾದರೂ ಹೇಳಿದ್ದಾರೆಯೇ - ನೀವು ಈಗಾಗಲೇ ಬಳಸಬಹುದು ನರಮಂಡಲದ ಮೂಲಕ ತರಬೇತಿ ಪಡೆದಿದೆ!

4.2. ವರ್ಧಿತ ಬುದ್ಧಿಮತ್ತೆ

ಯಂತ್ರ ಕಲಿಕೆ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಬೌದ್ಧಿಕ ಕೆಲಸದ ಯಾಂತ್ರೀಕರಣ. ಹೊಸದೇನೂ ಇಲ್ಲ ಎಂದು ತೋರುತ್ತದೆಯೇ? ಆದರೆ ಪದಗಳ ರಚನೆಯು ಇಲ್ಲಿ ಮುಖ್ಯವಾಗಿದೆ, ವಿಶೇಷವಾಗಿ ಇದು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಸಂಕ್ಷೇಪಣದಲ್ಲಿ ಹೊಂದಿಕೆಯಾಗುವುದರಿಂದ. ಇದು "ಬಲವಾದ" ಮತ್ತು "ದುರ್ಬಲ" AI ಬಗ್ಗೆ ಚರ್ಚೆಗೆ ನಮ್ಮನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತದೆ.
ಸ್ಟ್ರಾಂಗ್ AI ಎಂಬುದು ವೈಜ್ಞಾನಿಕ ಕಾದಂಬರಿ ಚಿತ್ರಗಳಲ್ಲಿ ಬಂದಿರುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಾಗಿದ್ದು, ಅದು ಮಾನವನ ಮನಸ್ಸಿಗೆ ಸಂಪೂರ್ಣವಾಗಿ ಸಮಾನವಾಗಿದೆ ಮತ್ತು ಒಬ್ಬ ವ್ಯಕ್ತಿಯಾಗಿ ತನ್ನನ್ನು ತಾನು ಅರಿತುಕೊಳ್ಳುತ್ತದೆ. ಇದು ಇನ್ನೂ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲ ಮತ್ತು ಅದು ಅಸ್ತಿತ್ವದಲ್ಲಿರುತ್ತದೆಯೇ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ.

ದುರ್ಬಲ AI ಸ್ವತಂತ್ರ ವ್ಯಕ್ತಿತ್ವವಲ್ಲ, ಆದರೆ ಮಾನವ ಸಹಾಯಕ. ಅದು ಮಾನವನಂತಹ ಚಿಂತನೆಯನ್ನು ಹೊಂದಿದೆ ಎಂದು ಹೇಳಿಕೊಳ್ಳುವುದಿಲ್ಲ, ಆದರೆ ಮಾಹಿತಿ ಸಮಸ್ಯೆಗಳನ್ನು ಹೇಗೆ ಪರಿಹರಿಸಬೇಕೆಂದು ತಿಳಿದಿದೆ, ಉದಾಹರಣೆಗೆ, ಚಿತ್ರದಲ್ಲಿ ಏನು ಚಿತ್ರಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುವುದು ಅಥವಾ ಪಠ್ಯವನ್ನು ಅನುವಾದಿಸುವುದು.

ಮೂಲ

ಈ ಅರ್ಥದಲ್ಲಿ, ವರ್ಧಿತ ಬುದ್ಧಿಮತ್ತೆ ಶುದ್ಧ "ದುರ್ಬಲ AI" ಆಗಿದೆ, ಮತ್ತು ಪದಗಳ ಸಂಯೋಜನೆಯು ಸೂಕ್ತವಾಗಿ ತೋರುತ್ತದೆ, ಏಕೆಂದರೆ ಇದು ಗೊಂದಲ ಅಥವಾ ಎಲ್ಲರೂ ಕನಸು ಕಾಣುವ "ಬಲವಾದ AI" ಅನ್ನು ಇಲ್ಲಿ ನೋಡುವ ಪ್ರಲೋಭನೆಯನ್ನು ಪರಿಚಯಿಸುವುದಿಲ್ಲ (ಅಥವಾ "ಯಂತ್ರಗಳ ಏರಿಕೆ" ಬಗ್ಗೆ ಹಲವಾರು ಚರ್ಚೆಗಳನ್ನು ನಾವು ನೆನಪಿಸಿಕೊಂಡರೆ ಭಯಪಡುತ್ತೇವೆ). ವರ್ಧಿತ ಬುದ್ಧಿಮತ್ತೆ ಎಂಬ ಅಭಿವ್ಯಕ್ತಿಯನ್ನು ಬಳಸಿಕೊಂಡು, ನಾವು ತಕ್ಷಣವೇ ಮತ್ತೊಂದು ಚಿತ್ರದ ನಾಯಕರಾಗುತ್ತೇವೆ: ವೈಜ್ಞಾನಿಕ ಕಾದಂಬರಿಯಿಂದ (ಅಸಿಮೊವ್ ಅವರ "ನಾನು, ರೋಬೋಟ್" ನಂತೆ) ನಾವು ಸೈಬರ್‌ಪಂಕ್‌ನಲ್ಲಿ ಕಾಣುತ್ತೇವೆ ("ಈ ಪ್ರಕಾರದಲ್ಲಿ ವರ್ಧನೆಗಳು" ಮಾನವ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ವಿಸ್ತರಿಸುವ ಎಲ್ಲಾ ರೀತಿಯ ಇಂಪ್ಲಾಂಟ್‌ಗಳಾಗಿವೆ).

ಹೇಗೆ ಹೇಳಿದರು ಎರಿಕ್ ಬ್ರೈನ್‌ಜೋಲ್ಫ್ಸನ್ ಮತ್ತು ಆಂಡ್ರ್ಯೂ ಮ್ಯಾಕ್‌ಅಫೀ: "ಮುಂದಿನ 10 ವರ್ಷಗಳಲ್ಲಿ ಏನಾಗಲಿದೆ ಎಂಬುದು ಇಲ್ಲಿದೆ. AI ವ್ಯವಸ್ಥಾಪಕರನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ ಎಂದಲ್ಲ, ಆದರೆ AI ಬಳಸುವ ವ್ಯವಸ್ಥಾಪಕರು ಇನ್ನೂ ಬಳಸದವರನ್ನು ಬದಲಾಯಿಸುತ್ತಾರೆ."

ಉದಾಹರಣೆಗಳು:

• ವೈದ್ಯಕೀಯ: ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯವು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದೆ ಅಲ್ಗಾರಿದಮ್ಎದೆಯ ಎಕ್ಸ್-ರೇಗಳಲ್ಲಿ ರೋಗಶಾಸ್ತ್ರವನ್ನು ಗುರುತಿಸುವ ಕಾರ್ಯವನ್ನು ಸರಾಸರಿ ಹೆಚ್ಚಿನ ವೈದ್ಯರಂತೆ ಯಶಸ್ವಿಯಾಗಿ ನಿಭಾಯಿಸುವವರು
• ಶಿಕ್ಷಣ: ವಿದ್ಯಾರ್ಥಿಗಳು ಮತ್ತು ಶಿಕ್ಷಕರಿಗೆ ನೆರವು, ಸಾಮಗ್ರಿಗಳಿಗೆ ವಿದ್ಯಾರ್ಥಿಗಳ ಪ್ರತಿಕ್ರಿಯೆಗಳ ವಿಶ್ಲೇಷಣೆ, ವೈಯಕ್ತಿಕ ಕಲಿಕಾ ಮಾರ್ಗಗಳ ಅಭಿವೃದ್ಧಿ.
• ವ್ಯವಹಾರ ವಿಶ್ಲೇಷಣೆ: ಅಂಕಿಅಂಶಗಳ ಪ್ರಕಾರ, ದತ್ತಾಂಶದ ಪೂರ್ವ-ಸಂಸ್ಕರಣೆಯು ಸಂಶೋಧಕರ ಸಮಯದ 80% ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಕೇವಲ 20% ಮಾತ್ರ ಪ್ರಯೋಗವಾಗಿರುತ್ತದೆ.

೪.೩. ಜೈವಿಕ ಚಿಪ್‌ಗಳು

ಇದು ಎಲ್ಲಾ ಸೈಬರ್‌ಪಂಕ್ ಚಲನಚಿತ್ರಗಳು ಮತ್ತು ಪುಸ್ತಕಗಳ ನೆಚ್ಚಿನ ವಿಷಯವಾಗಿದೆ. ಸಾಮಾನ್ಯವಾಗಿ, ಸಾಕುಪ್ರಾಣಿಗಳನ್ನು ಚಿಪ್ ಮಾಡುವುದು ಹೊಸ ಅಭ್ಯಾಸವಲ್ಲ. ಆದರೆ ಈಗ ಈ ಚಿಪ್‌ಗಳನ್ನು ಜನರಲ್ಲಿಯೂ ಅಳವಡಿಸಲು ಪ್ರಾರಂಭಿಸಲಾಗಿದೆ.

ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಈ ಪ್ರಚಾರವು ಹೆಚ್ಚಾಗಿ ಅಮೇರಿಕನ್ ಕಂಪನಿ ತ್ರೀ ಸ್ಕ್ವೇರ್ ಮಾರ್ಕೆಟ್‌ನಲ್ಲಿನ ಹೈ ಪ್ರೊಫೈಲ್ ಪ್ರಕರಣದೊಂದಿಗೆ ಸಂಪರ್ಕ ಹೊಂದಿದೆ. ಅಲ್ಲಿ, ಉದ್ಯೋಗದಾತ ಶುಲ್ಕಕ್ಕೆ ಬದಲಾಗಿ ಚರ್ಮದ ಕೆಳಗೆ ಚಿಪ್‌ಗಳನ್ನು ಅಳವಡಿಸಲು ನೀಡಲು ಪ್ರಾರಂಭಿಸಿದನು. ಚಿಪ್ ನಿಮಗೆ ಬಾಗಿಲು ತೆರೆಯಲು, ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ ಲಾಗಿನ್ ಆಗಲು, ವೆಂಡಿಂಗ್ ಮೆಷಿನ್‌ನಿಂದ ತಿಂಡಿಗಳನ್ನು ಖರೀದಿಸಲು ಅನುಮತಿಸುತ್ತದೆ - ಅಂದರೆ, ಅಂತಹ ಸಾರ್ವತ್ರಿಕ ಉದ್ಯೋಗಿ ಕಾರ್ಡ್. ಅದೇ ಸಮಯದಲ್ಲಿ, ಅಂತಹ ಚಿಪ್ ನಿಖರವಾಗಿ ಗುರುತಿನ ಚೀಟಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಇದು ಜಿಪಿಎಸ್ ಮಾಡ್ಯೂಲ್ ಅನ್ನು ಹೊಂದಿಲ್ಲ, ಆದ್ದರಿಂದ ಅದರ ಮೂಲಕ ಯಾರನ್ನೂ ಟ್ರ್ಯಾಕ್ ಮಾಡುವುದು ಅಸಾಧ್ಯ. ಮತ್ತು ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ತನ್ನ ಕೈಯಿಂದ ಚಿಪ್ ಅನ್ನು ತೆಗೆದುಹಾಕಲು ಬಯಸಿದರೆ, ವೈದ್ಯರ ಸಹಾಯದಿಂದ 5 ನಿಮಿಷಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.

ಚಿಪ್‌ಗಳನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಬ್ಬೆರಳು ಮತ್ತು ತೋರುಬೆರಳಿನ ನಡುವೆ ಅಳವಡಿಸಲಾಗುತ್ತದೆ. ಮೂಲ

ಮತ್ತಷ್ಟು ಓದು ಲೇಖನ ಜಗತ್ತಿನಲ್ಲಿ ಮೈಕ್ರೋಚಿಪಿಂಗ್‌ನ ಸ್ಥಿತಿಯ ಬಗ್ಗೆ.

4.4 ಮುಳುಗಿಸುವ ಕಾರ್ಯಕ್ಷೇತ್ರ

"ಇಮ್ಮರ್ಸಿವ್" ಎಂಬುದು ತಪ್ಪಿಸಲು ಸಾಧ್ಯವಾಗದ ಮತ್ತೊಂದು ಹೊಸ ಪದ. ಇದು ಎಲ್ಲೆಡೆ ಇದೆ. ಇಮ್ಮರ್ಸಿವ್ ರಂಗಭೂಮಿ, ಪ್ರದರ್ಶನ, ಸಿನಿಮಾ. ಇದರ ಅರ್ಥವೇನು? ಇಮ್ಮರ್ಸಿವ್‌ನೆಸ್ ಎಂದರೆ ಲೇಖಕ ಮತ್ತು ವೀಕ್ಷಕ, ವರ್ಚುವಲ್ ಮತ್ತು ನೈಜ ಪ್ರಪಂಚದ ನಡುವಿನ ಗಡಿ ಕಳೆದುಹೋದಾಗ, ಇಮ್ಮರ್ಸಿವ್‌ನೆಸ್ ಎಂದರೆ ತಲ್ಲೀನಗೊಳಿಸುವ ಪರಿಣಾಮದ ಸೃಷ್ಟಿ. ಕೆಲಸದ ಸ್ಥಳದಲ್ಲಿ, ಇದರರ್ಥ ಪ್ರದರ್ಶಕ ಮತ್ತು ಪ್ರಾರಂಭಿಕರ ನಡುವಿನ ಗಡಿಯನ್ನು ಅಳಿಸಿಹಾಕುವುದು ಮತ್ತು ಉದ್ಯೋಗಿಗಳು ತಮ್ಮ ಸುತ್ತಲಿನ ಪರಿಸರವನ್ನು ಮರು ಫಾರ್ಮ್ಯಾಟ್ ಮಾಡುವ ಮೂಲಕ ಹೆಚ್ಚು ಸಕ್ರಿಯ ಸ್ಥಾನವನ್ನು ಪಡೆಯಲು ಪ್ರೋತ್ಸಾಹಿಸುವುದು ಎಂದು ಭಾವಿಸಬೇಕು.

ನಾವು ಈಗ ಎಲ್ಲೆಡೆ ಚುರುಕುತನ, ನಮ್ಯತೆ ಮತ್ತು ನಿಕಟ ಸಹಯೋಗವನ್ನು ಹೊಂದಿರುವುದರಿಂದ, ಕೆಲಸದ ಸ್ಥಳಗಳು ಸಾಧ್ಯವಾದಷ್ಟು ಸುಲಭವಾಗಿ ಕಾನ್ಫಿಗರ್ ಮಾಡಬಹುದಾದಂತಿರಬೇಕು ಮತ್ತು ತಂಡದ ಕೆಲಸವನ್ನು ಪ್ರೋತ್ಸಾಹಿಸಬೇಕು. ಆರ್ಥಿಕತೆಯು ತನ್ನದೇ ಆದ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ನಿರ್ದೇಶಿಸುತ್ತದೆ: ಹೆಚ್ಚು ತಾತ್ಕಾಲಿಕ ಉದ್ಯೋಗಿಗಳಿದ್ದಾರೆ, ಕಚೇರಿ ಸ್ಥಳವನ್ನು ಬಾಡಿಗೆಗೆ ಪಡೆಯುವ ವೆಚ್ಚವು ಬೆಳೆಯುತ್ತಿದೆ ಮತ್ತು ಐಟಿಯಲ್ಲಿ ಸ್ಪರ್ಧಾತ್ಮಕ ಕಾರ್ಮಿಕ ಮಾರುಕಟ್ಟೆಯ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ, ಕಂಪನಿಗಳು ಮನರಂಜನಾ ಪ್ರದೇಶಗಳು ಮತ್ತು ಇತರ ಪ್ರಯೋಜನಗಳನ್ನು ರಚಿಸುವ ಮೂಲಕ ಕೆಲಸದಿಂದ ಉದ್ಯೋಗಿ ತೃಪ್ತಿಯನ್ನು ಹೆಚ್ಚಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿವೆ. ಮತ್ತು ಇದೆಲ್ಲವೂ ಕೆಲಸದ ಸ್ಥಳಗಳ ವಿನ್ಯಾಸದಲ್ಲಿ ಪ್ರತಿಫಲಿಸುತ್ತದೆ.

ಆಫ್ ವರದಿ ನೋಲ್

೪.೫. ವ್ಯಕ್ತಿತ್ವೀಕರಣ

ಜಾಹೀರಾತಿನಲ್ಲಿ ವೈಯಕ್ತೀಕರಣ ಎಂದರೇನು ಎಂದು ಎಲ್ಲರಿಗೂ ತಿಳಿದಿದೆ. ಇಂದು ನೀವು ಸಹೋದ್ಯೋಗಿಯೊಂದಿಗೆ ಕೋಣೆಯಲ್ಲಿನ ಗಾಳಿಯು ಸ್ವಲ್ಪ ಒಣಗಿದೆ ಮತ್ತು ನೀವು ಕಚೇರಿಗೆ ಆರ್ದ್ರಕವನ್ನು ಖರೀದಿಸಬೇಕು ಎಂದು ಚರ್ಚಿಸುತ್ತಿರುವಾಗ, ಮತ್ತು ಮರುದಿನ ನಿಮ್ಮ ಸಾಮಾಜಿಕ ಜಾಲತಾಣದಲ್ಲಿ "ಆರ್ದ್ರಕವನ್ನು ಖರೀದಿಸಿ" (ನನಗೆ ಸಂಭವಿಸಿದ ನಿಜವಾದ ಪ್ರಕರಣ) ಎಂಬ ಜಾಹೀರಾತನ್ನು ನೀವು ನೋಡುತ್ತೀರಿ.

ಮೂಲ

ಗಾರ್ಟ್ನರ್ ಪ್ರಕಾರ, ವೈಯಕ್ತೀಕರಣವು ಜಾಹೀರಾತು ಉದ್ದೇಶಗಳಿಗಾಗಿ ತಮ್ಮ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಬಳಸುವ ಬಗ್ಗೆ ಬಳಕೆದಾರರ ಹೆಚ್ಚುತ್ತಿರುವ ಕಳವಳಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿದೆ. ನಾವು ಇರುವ ಸಂದರ್ಭಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಜಾಹೀರಾತುಗಳನ್ನು ತೋರಿಸುವ ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ಗುರಿಯಾಗಿದೆ, ನಮಗೆ ವೈಯಕ್ತಿಕವಾಗಿ ಅಲ್ಲ. ಉದಾಹರಣೆಗೆ, ನಮ್ಮ ಸ್ಥಳ, ಸಾಧನದ ಪ್ರಕಾರ, ದಿನದ ಸಮಯ, ಹವಾಮಾನ ಪರಿಸ್ಥಿತಿಗಳು - ಇದು ನಮ್ಮ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಉಲ್ಲಂಘಿಸದ ವಿಷಯ, ಮತ್ತು ನಾವು "ಟ್ರ್ಯಾಕಿಂಗ್" ನ ಅಹಿತಕರ ಭಾವನೆಯನ್ನು ಅನುಭವಿಸುವುದಿಲ್ಲ.

ಈ ಎರಡು ಪರಿಕಲ್ಪನೆಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸದ ಬಗ್ಗೆ ಓದಿ ಸೂಚನೆ ಗಾರ್ಟ್ನರ್ ವೆಬ್‌ಸೈಟ್‌ನ ಬ್ಲಾಗ್‌ನಲ್ಲಿ ಆಂಡ್ರ್ಯೂ ಫ್ರಾಂಕ್. ಅಂತಹ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸ ಮತ್ತು ಅಂತಹ ರೀತಿಯ ಪದಗಳಿವೆ, ವ್ಯತ್ಯಾಸವನ್ನು ತಿಳಿಯದೆ, ನೀವು ನಿಮ್ಮ ಸಂವಾದಕನೊಂದಿಗೆ ದೀರ್ಘಕಾಲ ವಾದಿಸುವ ಅಪಾಯವಿದೆ, ಸಾಮಾನ್ಯವಾಗಿ, ಎರಡೂ ಸರಿ ಎಂದು ಅನುಮಾನಿಸುವುದಿಲ್ಲ (ಮತ್ತು ಇದು ಲೇಖಕರಿಗೆ ಸಂಭವಿಸಿದ ನಿಜವಾದ ಪ್ರಕರಣವೂ ಆಗಿದೆ).

4.6. ಬಯೋಟೆಕ್ - ಕಲ್ಚರ್ಡ್ ಅಥವಾ ಕೃತಕ ಅಂಗಾಂಶ

ಇದು ಮೊದಲನೆಯದಾಗಿ, ಕೃತಕ ಮಾಂಸವನ್ನು ಬೆಳೆಸುವ ಕಲ್ಪನೆ. ಪ್ರಪಂಚದಾದ್ಯಂತ ಹಲವಾರು ತಂಡಗಳು ಏಕಕಾಲದಲ್ಲಿ ಪ್ರಯೋಗಾಲಯ "ಮೀಟ್ 2.0" ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಕೆಲಸ ಮಾಡುತ್ತಿವೆ - ಇದು ಸಾಮಾನ್ಯಕ್ಕಿಂತ ಅಗ್ಗವಾಗುವ ನಿರೀಕ್ಷೆಯಿದೆ ಮತ್ತು ಫಾಸ್ಟ್ ಫುಡ್ ರೆಸ್ಟೋರೆಂಟ್‌ಗಳು ಮತ್ತು ನಂತರ ಸೂಪರ್‌ಮಾರ್ಕೆಟ್‌ಗಳು ಇದಕ್ಕೆ ಬದಲಾಗುತ್ತವೆ. ಈ ತಂತ್ರಜ್ಞಾನದಲ್ಲಿ ಹೂಡಿಕೆದಾರರಲ್ಲಿ ಬಿಲ್ ಗೇಟ್ಸ್, ಸೆರ್ಗೆ ಬ್ರಿನ್, ರಿಚರ್ಡ್ ಬ್ರಾನ್ಸನ್ ಮತ್ತು ಇತರರು ಸೇರಿದ್ದಾರೆ.

ಮೂಲ

ಕೃತಕ ಮಾಂಸದ ಬಗ್ಗೆ ಎಲ್ಲರೂ ಆಸಕ್ತಿ ಹೊಂದಲು ಕಾರಣಗಳು:

1. ಜಾಗತಿಕ ತಾಪಮಾನ ಏರಿಕೆ: ಕೃಷಿಭೂಮಿಗಳಿಂದ ಮೀಥೇನ್ ಹೊರಸೂಸುವಿಕೆ. ಇದು ವಿಶ್ವದ ಹವಾಮಾನ ಬದಲಾವಣೆ ಅನಿಲಗಳಲ್ಲಿ ಶೇ. 18 ರಷ್ಟಿದೆ.
2. ಜನಸಂಖ್ಯಾ ಬೆಳವಣಿಗೆ. ಮಾಂಸದ ಬೇಡಿಕೆ ಹೆಚ್ಚುತ್ತಿದೆ, ಮತ್ತು ಎಲ್ಲರಿಗೂ ನೈಸರ್ಗಿಕ ಮಾಂಸವನ್ನು ನೀಡುವುದು ಅಸಾಧ್ಯ - ಇದು ಸರಳವಾಗಿ ದುಬಾರಿಯಾಗಿದೆ.
3. ಸ್ಥಳಾವಕಾಶದ ಕೊರತೆ. ಅಮೆಜಾನ್ ಕಾಡಿನ 70% ಈಗಾಗಲೇ ಮೇವುಗಾಗಿ ಕತ್ತರಿಸಲ್ಪಟ್ಟಿದೆ.
4. ನೈತಿಕ ಪರಿಗಣನೆಗಳು. ಇದು ಮುಖ್ಯವಾದ ಕೆಲವರಿಗೂ ಇದೆ. ಪ್ರಾಣಿ ಹಕ್ಕುಗಳ ಸಂಘಟನೆಯಾದ ಪೆಟಾ ಈಗಾಗಲೇ ಕೃತಕ ಕೋಳಿ ಮಾಂಸವನ್ನು ಮಾರುಕಟ್ಟೆಗೆ ತರುವ ವಿಜ್ಞಾನಿಗೆ $1 ಮಿಲಿಯನ್ ಬಹುಮಾನವನ್ನು ನೀಡಿದೆ.

ನಿಜವಾದ ಮಾಂಸವನ್ನು ಸೋಯಾ ಮಾಂಸದೊಂದಿಗೆ ಬದಲಾಯಿಸುವುದು ಒಂದು ಭಾಗಶಃ ಪರಿಹಾರವಾಗಿದೆ, ಏಕೆಂದರೆ ಜನರು ರುಚಿ ಮತ್ತು ವಿನ್ಯಾಸದಲ್ಲಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಚೆನ್ನಾಗಿ ಅನುಭವಿಸುತ್ತಾರೆ ಮತ್ತು ಸೋಯಾ ಪರವಾಗಿ ಸ್ಟೀಕ್ ಅನ್ನು ತ್ಯಜಿಸುವ ಸಾಧ್ಯತೆಯಿಲ್ಲ. ಆದ್ದರಿಂದ ನಿಜವಾದ, ಸಾವಯವವಾಗಿ ಬೆಳೆದ ಮಾಂಸ ಅಗತ್ಯ. ಈಗ, ದುರದೃಷ್ಟವಶಾತ್, ಕೃತಕ ಮಾಂಸವು ತುಂಬಾ ದುಬಾರಿಯಾಗಿದೆ: ಪ್ರತಿ ಕಿಲೋಗ್ರಾಂಗೆ $ 12 ರಿಂದ. ಅಂತಹ ಮಾಂಸವನ್ನು ಬೆಳೆಸುವ ಸಂಕೀರ್ಣ ತಾಂತ್ರಿಕ ಪ್ರಕ್ರಿಯೆಯೇ ಇದಕ್ಕೆ ಕಾರಣ. ಇದೆಲ್ಲದರ ಬಗ್ಗೆ ಓದಿ. ಲೇಖನ.

ಈಗಾಗಲೇ ವೈದ್ಯಕೀಯದಲ್ಲಿ ಇರುವ ಅಂಗಾಂಶ ಬೆಳೆಯುವ ಇತರ ಪ್ರಕರಣಗಳ ಬಗ್ಗೆ ನಾವು ಮಾತನಾಡಿದರೆ, ಕೃತಕ ಅಂಗಗಳ ವಿಷಯವು ಆಸಕ್ತಿದಾಯಕವಾಗಿದೆ: ಉದಾಹರಣೆಗೆ, ಹೃದಯ ಸ್ನಾಯುಗಳಿಗೆ "ಪ್ಯಾಚ್", ಮುದ್ರಿಸಲಾಗಿದೆ ವಿಶೇಷ 3D ಮುದ್ರಕದೊಂದಿಗೆ. ಅವು ಪ್ರಸಿದ್ಧವಾಗಿವೆ ಕಥೆಗಳು ಕೃತಕವಾಗಿ ಬೆಳೆದ ಇಲಿಯ ಹೃದಯದಂತೆ, ಆದರೆ ಒಟ್ಟಾರೆಯಾಗಿ, ಎಲ್ಲವೂ ಇನ್ನೂ ಕ್ಲಿನಿಕಲ್ ಪ್ರಯೋಗಗಳನ್ನು ಮೀರಿಲ್ಲ. ಆದ್ದರಿಂದ ಮುಂಬರುವ ವರ್ಷಗಳಲ್ಲಿ ನಾವು ಫ್ರಾಂಕೆನ್‌ಸ್ಟೈನ್ ಅನ್ನು ನೋಡುವ ಸಾಧ್ಯತೆ ಕಡಿಮೆ.

ಇಲ್ಲಿ, ಗಾರ್ಟ್ನರ್ ತಮ್ಮ ಮೌಲ್ಯಮಾಪನಗಳಲ್ಲಿ ಬಹಳ ಜಾಗರೂಕರಾಗಿದ್ದಾರೆ, 2015 ರಲ್ಲಿ ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ದೇಶಗಳ ಜನಸಂಖ್ಯೆಯ 2019% ರಷ್ಟು ಜನರು 10D-ಮುದ್ರಿತ ವೈದ್ಯಕೀಯ ಇಂಪ್ಲಾಂಟ್ ಸಾಧನವನ್ನು ಹೊಂದಿರುತ್ತಾರೆ ಎಂಬ 3 ರ ವಿಫಲ ಭವಿಷ್ಯವಾಣಿಯನ್ನು ಮನಸ್ಸಿನಲ್ಲಿಟ್ಟುಕೊಂಡು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳುತ್ತಾರೆ. ಅದಕ್ಕಾಗಿಯೇ ಅವರು ಉತ್ಪಾದಕತೆಯ ಪ್ರಸ್ಥಭೂಮಿಯನ್ನು ತಲುಪಲು ಕನಿಷ್ಠ 10 ವರ್ಷಗಳ ಸಮಯವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುತ್ತಾರೆ.

5. ಡಿಜಿಟಲ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆಗಳು

5.1. ವಿಕೇಂದ್ರೀಕೃತ ವೆಬ್

ಈ ಪರಿಕಲ್ಪನೆಯು ವೆಬ್‌ನ ಸಂಶೋಧಕ ಟ್ಯೂರಿಂಗ್ ಪ್ರಶಸ್ತಿ ವಿಜೇತ ಸರ್ ಟಿಮ್ ಬರ್ನರ್ಸ್-ಲೀ ಅವರ ಹೆಸರಿನೊಂದಿಗೆ ನಿಕಟ ಸಂಬಂಧ ಹೊಂದಿದೆ. ಅವರು ಯಾವಾಗಲೂ ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನದ ನೀತಿಶಾಸ್ತ್ರ ಮತ್ತು ಇಂಟರ್ನೆಟ್‌ನ ಸಾಮೂಹಿಕ ಸ್ವರೂಪದ ಬಗ್ಗೆ ಕಾಳಜಿ ವಹಿಸುತ್ತಿದ್ದರು: ಅವರು ಹೈಪರ್‌ಟೆಕ್ಸ್ಟ್‌ನ ಅಡಿಪಾಯವನ್ನು ಹಾಕಿದಾಗ, ನೆಟ್‌ವರ್ಕ್ ಒಂದು ಶ್ರೇಣಿಯಂತೆ ಅಲ್ಲ, ವೆಬ್ ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬೇಕು ಎಂದು ಅವರಿಗೆ ಮನವರಿಕೆಯಾಯಿತು. ನೆಟ್‌ವರ್ಕ್‌ನ ಆರಂಭಿಕ ದಿನಗಳಲ್ಲಿ ಇದು ನಿಜವಾಗಿತ್ತು. ಆದಾಗ್ಯೂ, ಇಂಟರ್ನೆಟ್ ಬೆಳೆದಂತೆ, ಅದರ ರಚನೆಯು ಹಲವಾರು ಕಾರಣಗಳಿಗಾಗಿ ಕೇಂದ್ರೀಕೃತವಾಯಿತು. ಕೆಲವೇ ಪೂರೈಕೆದಾರರನ್ನು ಬಳಸಿಕೊಂಡು ಇಡೀ ದೇಶಕ್ಕೆ ನೆಟ್‌ವರ್ಕ್‌ಗೆ ಪ್ರವೇಶವನ್ನು ಸುಲಭವಾಗಿ ನಿರ್ಬಂಧಿಸಬಹುದು ಎಂದು ಅದು ಬದಲಾಯಿತು. ಮತ್ತು ಬಳಕೆದಾರರ ಡೇಟಾ ಇಂಟರ್ನೆಟ್ ಕಂಪನಿಗಳಿಗೆ ಶಕ್ತಿ ಮತ್ತು ಆದಾಯದ ಮೂಲವಾಯಿತು.

"ಇಂಟರ್ನೆಟ್ ಈಗಾಗಲೇ ವಿಕೇಂದ್ರೀಕೃತವಾಗಿದೆ" ಎಂದು ಬರ್ನರ್ಸ್-ಲೀ ಹೇಳುತ್ತಾರೆ. "ಸಮಸ್ಯೆಯೆಂದರೆ ಒಂದು ಸರ್ಚ್ ಇಂಜಿನ್, ಒಂದು ದೊಡ್ಡ ಸಾಮಾಜಿಕ ನೆಟ್‌ವರ್ಕ್, ಒಂದು ಮೈಕ್ರೋಬ್ಲಾಗಿಂಗ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಪ್ರಾಬಲ್ಯ ಹೊಂದಿದೆ. ನಮಗೆ ತಾಂತ್ರಿಕ ಸಮಸ್ಯೆ ಇಲ್ಲ, ಆದರೆ ನಮಗೆ ಸಾಮಾಜಿಕ ಸಮಸ್ಯೆ ಇದೆ."

ಅವನಲ್ಲಿ ಮುಕ್ತ ಪತ್ರ ವರ್ಲ್ಡ್ ವೈಡ್ ವೆಬ್‌ನ 30 ನೇ ವಾರ್ಷಿಕೋತ್ಸವದಂದು, ವೆಬ್‌ನ ಸೃಷ್ಟಿಕರ್ತರು ಇಂಟರ್ನೆಟ್‌ನ ಮೂರು ಪ್ರಮುಖ ಸಮಸ್ಯೆಗಳನ್ನು ವಿವರಿಸಿದರು:

1. ರಾಜ್ಯ ಪ್ರಾಯೋಜಿತ ಹ್ಯಾಕಿಂಗ್, ಅಪರಾಧ ಮತ್ತು ಆನ್‌ಲೈನ್ ಕಿರುಕುಳದಂತಹ ಉದ್ದೇಶಿತ ಹಾನಿ
2. ಬಳಕೆದಾರರಿಗೆ ಹಾನಿಯಾಗುವ ರೀತಿಯಲ್ಲಿ, ಕ್ಲಿಕ್‌ಬೈಟ್‌ಗೆ ಆರ್ಥಿಕ ಪ್ರೋತ್ಸಾಹ ಮತ್ತು ಸುಳ್ಳು ಮಾಹಿತಿಯ ವೈರಲ್ ಹರಡುವಿಕೆ ಮುಂತಾದ ಕಾರ್ಯವಿಧಾನಗಳಿಗೆ ಆಧಾರವನ್ನು ಸೃಷ್ಟಿಸುವ ವ್ಯವಸ್ಥೆಯ ರಚನೆಯೇ.
3. ಸಂಘರ್ಷ ಮತ್ತು ಕಳಪೆ ಗುಣಮಟ್ಟದ ಆನ್‌ಲೈನ್ ಚರ್ಚೆಗೆ ಕಾರಣವಾಗುವ ಸಿಸ್ಟಮ್ ವಿನ್ಯಾಸದ ಅನಿರೀಕ್ಷಿತ ಪರಿಣಾಮಗಳು

ಮತ್ತು "ಆರೋಗ್ಯಕರ ಇಂಟರ್ನೆಟ್" ಯಾವ ತತ್ವಗಳನ್ನು ಆಧರಿಸಿರಬಹುದು ಎಂಬುದರ ಕುರಿತು ಟಿಮ್ ಬರ್ನರ್ಸ್-ಲೀ ಈಗಾಗಲೇ ಉತ್ತರವನ್ನು ಹೊಂದಿದ್ದಾರೆ, ಸಮಸ್ಯೆ ಸಂಖ್ಯೆ 2 ಇಲ್ಲದೆ: "ಅನೇಕ ಬಳಕೆದಾರರಿಗೆ, ವೆಬ್‌ನೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸುವ ಏಕೈಕ ಮಾದರಿ ಜಾಹೀರಾತು ಆದಾಯ. ಜನರು ತಮ್ಮ ಡೇಟಾಗೆ ಏನಾಗುತ್ತಿದೆ ಎಂದು ಹೆದರುತ್ತಿದ್ದರೂ ಸಹ, ವಿಷಯವನ್ನು ಉಚಿತವಾಗಿ ಪಡೆಯುವ ಅವಕಾಶಕ್ಕಾಗಿ ಅವರು ಮಾರ್ಕೆಟಿಂಗ್ ಯಂತ್ರದೊಂದಿಗೆ ಒಪ್ಪಂದ ಮಾಡಿಕೊಳ್ಳಲು ಸಿದ್ಧರಿದ್ದಾರೆ. ಸರಕು ಮತ್ತು ಸೇವೆಗಳಿಗೆ ಪಾವತಿಸುವುದು ಎರಡೂ ಪಕ್ಷಗಳಿಗೆ ಸುಲಭ ಮತ್ತು ಆಹ್ಲಾದಕರವಾಗಿರುವ ಜಗತ್ತನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ." ಇದನ್ನು ಹೇಗೆ ವ್ಯವಸ್ಥೆ ಮಾಡಬಹುದು ಎಂಬ ಆಯ್ಕೆಗಳಲ್ಲಿ: ಸಂಗೀತಗಾರರು ಐಟ್ಯೂನ್ಸ್‌ನಂತಹ ಮಧ್ಯವರ್ತಿಗಳಿಲ್ಲದೆ ತಮ್ಮ ರೆಕಾರ್ಡಿಂಗ್‌ಗಳನ್ನು ಮಾರಾಟ ಮಾಡಬಹುದು ಮತ್ತು ಸುದ್ದಿ ಸೈಟ್‌ಗಳು ಜಾಹೀರಾತಿನ ಮೇಲೆ ಹಣ ಗಳಿಸುವ ಬದಲು ಒಂದು ಲೇಖನವನ್ನು ಓದಲು ಮೈಕ್ರೋಪೇಮೆಂಟ್ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸಬಹುದು.

ಈ ಹೊಸ ಇಂಟರ್ನೆಟ್‌ನ ಪ್ರಾಯೋಗಿಕ ಮೂಲಮಾದರಿಯಾಗಿ, ಟಿಮ್ ಬರ್ನರ್ಸ್-ಲೀ SOLID ಯೋಜನೆಯನ್ನು ಪ್ರಾರಂಭಿಸಿದರು, ಇದರ ಉದ್ದೇಶವೆಂದರೆ ನೀವು ನಿಮ್ಮ ಡೇಟಾವನ್ನು "ಪಾಡ್" - ಡೇಟಾ ವೇರ್‌ಹೌಸ್ - ನಲ್ಲಿ ಸಂಗ್ರಹಿಸುವುದು ಮತ್ತು ಆ ಡೇಟಾವನ್ನು ಮೂರನೇ ವ್ಯಕ್ತಿಯ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಒದಗಿಸುವುದು. ಆದರೆ ತಾತ್ವಿಕವಾಗಿ, ನೀವು ನಿಮ್ಮ ಡೇಟಾದ ಮಾಸ್ಟರ್. ಇದೆಲ್ಲವೂ ಪೀರ್-ಟು-ಪೀರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳ ಪರಿಕಲ್ಪನೆಗೆ ನಿಕಟ ಸಂಬಂಧ ಹೊಂದಿದೆ, ಅಂದರೆ ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ ಸೇವೆಗಳನ್ನು ವಿನಂತಿಸುವುದಲ್ಲದೆ, ಅವುಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಒಂದೇ ಚಾನಲ್ ಆಗಿ ಒಂದು ಸರ್ವರ್ ಅನ್ನು ಅವಲಂಬಿಸಬಾರದು.

ಮೂಲ

5.2. ವಿಕೇಂದ್ರೀಕೃತ ಸ್ವಾಯತ್ತ ಸಂಸ್ಥೆಗಳು

ಇದು ಕಂಪ್ಯೂಟರ್ ಪ್ರೋಗ್ರಾಂ ರೂಪದಲ್ಲಿ ಬರೆಯಲಾದ ನಿಯಮಗಳಿಂದ ನಿಯಂತ್ರಿಸಲ್ಪಡುವ ಸಂಸ್ಥೆಯಾಗಿದೆ. ಇದರ ಹಣಕಾಸು ಚಟುವಟಿಕೆಯು ಬ್ಲಾಕ್‌ಚೈನ್ ಅನ್ನು ಆಧರಿಸಿದೆ. ಅಂತಹ ಸಂಸ್ಥೆಗಳನ್ನು ರಚಿಸುವ ಉದ್ದೇಶವು ರಾಜ್ಯವನ್ನು ಮಧ್ಯವರ್ತಿಯ ಪಾತ್ರದಿಂದ ತೆಗೆದುಹಾಕುವುದು ಮತ್ತು ಪ್ರತಿಪಕ್ಷಗಳಿಗೆ ಸಾಮಾನ್ಯ ವಿಶ್ವಾಸಾರ್ಹ ವಾತಾವರಣವನ್ನು ಸೃಷ್ಟಿಸುವುದು, ಇದು ಯಾರಿಂದಲೂ ಪ್ರತ್ಯೇಕವಾಗಿ ಒಡೆತನದಲ್ಲಿಲ್ಲ, ಆದರೆ ಎಲ್ಲರೂ ಒಟ್ಟಾಗಿ ಒಡೆತನದಲ್ಲಿದೆ. ಅಂದರೆ, ಸಿದ್ಧಾಂತದಲ್ಲಿ, ಈ ಕಲ್ಪನೆಯು ಬೇರೂರಿದರೆ, ನೋಟರಿಗಳು ಮತ್ತು ಇತರ ಸಾಂಪ್ರದಾಯಿಕ ಪರಿಶೀಲನಾ ಸಂಸ್ಥೆಗಳನ್ನು ರದ್ದುಗೊಳಿಸಬೇಕು.

ಅಂತಹ ಸಂಘಟನೆಯ ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧ ಉದಾಹರಣೆಯೆಂದರೆ ಸಾಹಸೋದ್ಯಮ-ಆಧಾರಿತ ದಿ ಡಿಎಒ, ಇದು 2016 ರಲ್ಲಿ $150 ಮಿಲಿಯನ್ ಸಂಗ್ರಹಿಸಿತು, ಅದರಲ್ಲಿ $50 ಮಿಲಿಯನ್ ಅನ್ನು ನಿಯಮಗಳಲ್ಲಿನ ಕಾನೂನು ಲೋಪದೋಷದ ಮೂಲಕ ತಕ್ಷಣವೇ ಕದಿಯಲಾಯಿತು. ತಕ್ಷಣವೇ ಒಂದು ಕಷ್ಟಕರವಾದ ಸಂದಿಗ್ಧತೆ ಉದ್ಭವಿಸಿತು: ಹಣವನ್ನು ಹಿಂತಿರುಗಿಸಿ ಹಿಂತಿರುಗಿಸಿ, ಅಥವಾ ಹಣವನ್ನು ಹಿಂಪಡೆಯುವುದು ಕಾನೂನುಬದ್ಧವಾಗಿದೆ ಎಂದು ಒಪ್ಪಿಕೊಳ್ಳಿ, ಏಕೆಂದರೆ ಅದು ಯಾವುದೇ ರೀತಿಯಲ್ಲಿ ವೇದಿಕೆಯ ನಿಯಮಗಳನ್ನು ಉಲ್ಲಂಘಿಸಲಿಲ್ಲ. ಪರಿಣಾಮವಾಗಿ, ಹೂಡಿಕೆದಾರರಿಗೆ ಹಣವನ್ನು ಹಿಂದಿರುಗಿಸಲು, ಸೃಷ್ಟಿಕರ್ತರು ಬ್ಲಾಕ್‌ಚೈನ್ ಅನ್ನು ಪುನಃ ಬರೆಯುವ ಮೂಲಕ ಮತ್ತು ಅದರ ಮುಖ್ಯ ತತ್ವವನ್ನು ಉಲ್ಲಂಘಿಸುವ ಮೂಲಕ ಡಿಎಒ ಅನ್ನು ನಾಶಪಡಿಸಬೇಕಾಯಿತು - ಅಸ್ಥಿರತೆ.

ಎಥೆರಿಯಮ್ (ಎಡ) ಮತ್ತು ದಿ ಡಿಎಒ (ಬಲ) ಬಗ್ಗೆ ಕಾಮಿಕ್. ಮೂಲ

ಈ ಇಡೀ ಕಥೆಯು DAO ಕಲ್ಪನೆಯ ಖ್ಯಾತಿಯನ್ನೇ ಹಾಳುಮಾಡಿದೆ. ಆ ಯೋಜನೆಯು Ethereum ಕ್ರಿಪ್ಟೋಕರೆನ್ಸಿಯನ್ನು ಆಧರಿಸಿದೆ ಮತ್ತು Ethereum 2.0 ಮುಂದಿನ ವರ್ಷ ಬಿಡುಗಡೆಯಾಗುವ ನಿರೀಕ್ಷೆಯಿದೆ - ಬಹುಶಃ ಲೇಖಕರು (ಪ್ರಸಿದ್ಧ ವಿಟಾಲಿಕ್ ಬುಟೆರಿನ್ ಸೇರಿದಂತೆ) ತಪ್ಪುಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಹೊಸದನ್ನು ತೋರಿಸುತ್ತಾರೆ. ಅದಕ್ಕಾಗಿಯೇ ಗಾರ್ಟ್ನರ್ DAO ಅನ್ನು ಆರೋಹಣ ಸಾಲಿನಲ್ಲಿ ಇರಿಸಿದ್ದಾರೆ.

5.3. ಸಂಶ್ಲೇಷಿತ ದತ್ತಾಂಶ

ನರಮಂಡಲ ಜಾಲಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲು ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಡೇಟಾ ಬೇಕಾಗುತ್ತದೆ. ಡೇಟಾವನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಲೇಬಲ್ ಮಾಡುವುದು ಒಬ್ಬ ವ್ಯಕ್ತಿಯಿಂದ ಮಾತ್ರ ಮಾಡಬಹುದಾದ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಕೆಲಸ. ಆದ್ದರಿಂದ, ಕೃತಕ ಡೇಟಾ ಸೆಟ್‌ಗಳನ್ನು ರಚಿಸಬಹುದು. ಉದಾಹರಣೆಗೆ, ವೆಬ್‌ಸೈಟ್‌ನಲ್ಲಿ ಮಾನವ ಮುಖಗಳ ಅದೇ ಸಂಗ್ರಹಗಳು https://generated.photosಅವುಗಳನ್ನು ಈಗಾಗಲೇ ಮೇಲೆ ಉಲ್ಲೇಖಿಸಲಾದ GAN ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸಿ ರಚಿಸಲಾಗಿದೆ.

ಈ ಮುಖಗಳು ಜನರಿಗೆ ಸೇರಿಲ್ಲ. ಮೂಲ

ಅಂತಹ ಡೇಟಾದ ದೊಡ್ಡ ಪ್ರಯೋಜನವೆಂದರೆ ಅದನ್ನು ಬಳಸುವಲ್ಲಿ ಯಾವುದೇ ಕಾನೂನು ತೊಂದರೆಗಳಿಲ್ಲ: ವೈಯಕ್ತಿಕ ಡೇಟಾದ ಪ್ರಕ್ರಿಯೆಗೆ ಒಪ್ಪಿಗೆ ನೀಡಲು ಯಾರೂ ಇಲ್ಲ.

5.4. ಡಿಜಿಟಲ್ ಆಪ್‌ಗಳು

"Ops" ಎಂಬ ಪ್ರತ್ಯಯವು ನಮ್ಮ ಭಾಷಣದಲ್ಲಿ ಬೇರೂರಿದಾಗಿನಿಂದ ನಂಬಲಾಗದಷ್ಟು ಟ್ರೆಂಡಿಯಾಗಿದೆ. ಈಗ DigitalOps ಎಂದರೇನು ಎಂಬುದರ ಬಗ್ಗೆ - ಇದು DevOps, DesignOps, MarketingOps ನ ಸಾಮಾನ್ಯೀಕರಣವಾಗಿದೆ... ನಿಮಗೆ ಇನ್ನೂ ಬೇಸರವಾಗಿದೆಯೇ? ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಹೇಳುವುದಾದರೆ, ಇದು ಸಾಫ್ಟ್‌ವೇರ್ ಕ್ಷೇತ್ರದಿಂದ ವ್ಯವಹಾರದ ಎಲ್ಲಾ ಇತರ ಅಂಶಗಳಿಗೆ - ಮಾರ್ಕೆಟಿಂಗ್, ವಿನ್ಯಾಸ, ಇತ್ಯಾದಿಗಳಿಗೆ DevOps ವಿಧಾನವನ್ನು ವರ್ಗಾಯಿಸುವುದಾಗಿದೆ.

ಮೂಲ

ಡೆವೊಪ್ಸ್‌ನ ಕಲ್ಪನೆಯು ಪ್ರೋಗ್ರಾಮರ್‌ಗಳು, ಪರೀಕ್ಷಕರು, ಭದ್ರತಾ ತಜ್ಞರು ಮತ್ತು ನಿರ್ವಾಹಕರು ಸೇರಿದಂತೆ ಸಾಮಾನ್ಯ ತಂಡಗಳನ್ನು ರಚಿಸುವ ಮೂಲಕ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಗಳ (ವ್ಯವಹಾರ ಪ್ರಕ್ರಿಯೆಗಳು) ನಡುವಿನ ಅಡೆತಡೆಗಳನ್ನು ತೆಗೆದುಹಾಕುವುದಾಗಿತ್ತು; ನಿರಂತರ ಏಕೀಕರಣ, ಮೂಲಸೌಕರ್ಯವನ್ನು ಕೋಡ್ ಆಗಿ, ಪ್ರತಿಕ್ರಿಯೆ ಲೂಪ್‌ಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು ಮತ್ತು ಬಲಪಡಿಸುವುದು ಎಂಬ ಕೆಲವು ಅಭ್ಯಾಸಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವುದು. ಮಾರುಕಟ್ಟೆಗೆ ಸಮಯವನ್ನು ವೇಗಗೊಳಿಸುವುದು ಗುರಿಯಾಗಿತ್ತು. ಇದು ಅಗೈಲ್‌ಗೆ ಹೋಲುತ್ತದೆ ಎಂದು ನೀವು ಭಾವಿಸಿದ್ದರೆ, ನೀವು ಸರಿಯಾಗಿ ಯೋಚಿಸಿದ್ದೀರಿ. ಈಗ ಮಾನಸಿಕವಾಗಿ ಈ ವಿಧಾನವನ್ನು ಸಾಫ್ಟ್‌ವೇರ್ ಅಭಿವೃದ್ಧಿ ಕ್ಷೇತ್ರದಿಂದ ಸಾಮಾನ್ಯವಾಗಿ ಅಭಿವೃದ್ಧಿಗೆ ವರ್ಗಾಯಿಸಿ - ಮತ್ತು ಡಿಜಿಟಲ್‌ಆಪ್ಸ್ ಏನೆಂದು ನೀವು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತೀರಿ.

5.5. ಜ್ಞಾನ ಗ್ರಾಫ್‌ಗಳು

ಯಂತ್ರ ಕಲಿಕೆ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸುವುದು ಸೇರಿದಂತೆ ಜ್ಞಾನ ಕ್ಷೇತ್ರವನ್ನು ಮಾದರಿ ಮಾಡಲು ಒಂದು ಸಾಫ್ಟ್‌ವೇರ್ ವಿಧಾನ. ರಚನಾತ್ಮಕ (ಘಟನೆಗಳು ಅಥವಾ ಜನರ ಪಟ್ಟಿ) ಮತ್ತು ರಚನೆರಹಿತ (ಲೇಖನದ ಪಠ್ಯ) ಎರಡೂ ಮಾಹಿತಿಯನ್ನು ಒಟ್ಟಿಗೆ ಲಿಂಕ್ ಮಾಡಲು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಡೇಟಾಬೇಸ್‌ಗಳ ಮೇಲೆ ಜ್ಞಾನ ಗ್ರಾಫ್ ಅನ್ನು ನಿರ್ಮಿಸಲಾಗಿದೆ.

ಗೂಗಲ್ ಹುಡುಕಾಟ ಫಲಿತಾಂಶಗಳಲ್ಲಿ ನೀವು ನೋಡುವ ಕಾರ್ಡ್ ಸರಳ ಉದಾಹರಣೆಯಾಗಿದೆ. ನೀವು ಒಬ್ಬ ವ್ಯಕ್ತಿ ಅಥವಾ ಸಂಸ್ಥೆಯನ್ನು ಹುಡುಕಿದರೆ, ಬಲಭಾಗದಲ್ಲಿ ನಿಮಗೆ ಒಂದು ಕಾರ್ಡ್ ಕಾಣಿಸುತ್ತದೆ:


"ಮುಂಬರುವ ಈವೆಂಟ್‌ಗಳು" Google Maps ನಿಂದ ಬಂದ ಮಾಹಿತಿಯ ನಕಲು ಅಲ್ಲ, ಆದರೆ Yandex.Afisha ನಿಂದ ಬಂದ ವೇಳಾಪಟ್ಟಿಯ ಏಕೀಕರಣ ಎಂಬುದನ್ನು ದಯವಿಟ್ಟು ಗಮನಿಸಿ: ನೀವು ಈವೆಂಟ್‌ಗಳ ಮೇಲೆ ಕ್ಲಿಕ್ ಮಾಡಿದರೆ ನೀವು ಇದನ್ನು ಸುಲಭವಾಗಿ ನೋಡಬಹುದು. ಅಂದರೆ, ಇದು ಹಲವಾರು ಡೇಟಾ ಮೂಲಗಳ ಸಂಯೋಜನೆಯಾಗಿದೆ.

ನೀವು ಪಟ್ಟಿಯನ್ನು ಕೇಳಿದರೆ - ಉದಾಹರಣೆಗೆ, "ಪ್ರಸಿದ್ಧ ನಿರ್ದೇಶಕರು" - ನಿಮಗೆ "ಕ್ಯಾರೋಸೆಲ್" ತೋರಿಸಲಾಗುತ್ತದೆ:

ಕೊನೆಯವರೆಗೂ ಓದುವವರಿಗೆ ಬೋನಸ್

ಮತ್ತು ಈಗ, ಪ್ರತಿಯೊಂದು ಅಂಶಗಳ ಅರ್ಥವನ್ನು ನಾವು ಸ್ಪಷ್ಟಪಡಿಸಿಕೊಂಡ ನಂತರ, ನಾವು ಅದೇ ಚಿತ್ರವನ್ನು ನೋಡಬಹುದು, ಆದರೆ ರಷ್ಯನ್ ಭಾಷೆಯಲ್ಲಿ:

ಅದನ್ನು ಸಾಮಾಜಿಕ ಜಾಲತಾಣಗಳಲ್ಲಿ ಹಂಚಿಕೊಳ್ಳಲು ಮುಕ್ತವಾಗಿರಿ!

ಟಟಯಾನಾ ವೋಲ್ಕೊವಾ — ಸ್ಯಾಮ್‌ಸಂಗ್ ಐಟಿ ಅಕಾಡೆಮಿಯಲ್ಲಿ ಇಂಟರ್ನೆಟ್ ಆಫ್ ಥಿಂಗ್ಸ್ ಟ್ರ್ಯಾಕ್‌ನ ಪಠ್ಯಕ್ರಮದ ಲೇಖಕಿ, ಸ್ಯಾಮ್‌ಸಂಗ್ ಸಂಶೋಧನಾ ಕೇಂದ್ರದಲ್ಲಿ ಕಾರ್ಪೊರೇಟ್ ಸಾಮಾಜಿಕ ಜವಾಬ್ದಾರಿ ಕಾರ್ಯಕ್ರಮಗಳಲ್ಲಿ ತಜ್ಞೆ.


ಮೂಲ: www.habr.com