ಗಾರ್ಟ್‌ನರ್‌ನ ಚಾರ್ಟ್ ಟೆಕ್ ಉದ್ಯಮದಲ್ಲಿರುವವರಿಗೆ ಹೆಚ್ಚಿನ ಫ್ಯಾಷನ್ ಶೋನಂತಿದೆ. ಅದನ್ನು ನೋಡುವ ಮೂಲಕ, ಈ ಋತುವಿನಲ್ಲಿ ಯಾವ ಪದಗಳು ಹೆಚ್ಚು ಪ್ರಚಾರಗೊಂಡಿವೆ ಮತ್ತು ಮುಂಬರುವ ಎಲ್ಲಾ ಸಮ್ಮೇಳನಗಳಲ್ಲಿ ನೀವು ಏನು ಕೇಳುತ್ತೀರಿ ಎಂಬುದನ್ನು ನೀವು ಮುಂಚಿತವಾಗಿ ಕಂಡುಹಿಡಿಯಬಹುದು.

ಈ ಗ್ರಾಫ್‌ನಲ್ಲಿ ಸುಂದರವಾದ ಪದಗಳ ಹಿಂದೆ ಏನಿದೆ ಎಂಬುದನ್ನು ನಾವು ಅರ್ಥೈಸಿಕೊಂಡಿದ್ದೇವೆ ಆದ್ದರಿಂದ ನೀವು ಭಾಷೆಯನ್ನು ಮಾತನಾಡಬಹುದು.

ಪ್ರಾರಂಭಿಸಲು, ಇದು ಯಾವ ರೀತಿಯ ಗ್ರಾಫ್ ಎಂಬುದರ ಕುರಿತು ಕೆಲವೇ ಪದಗಳು. ಪ್ರತಿ ವರ್ಷ ಆಗಸ್ಟ್‌ನಲ್ಲಿ, ಸಲಹಾ ಸಂಸ್ಥೆ ಗಾರ್ಟ್ನರ್ ವರದಿಯನ್ನು ಬಿಡುಗಡೆ ಮಾಡುತ್ತದೆ - ಗಾರ್ಟ್ನರ್ ಹೈಪ್ ಕರ್ವ್. ರಷ್ಯನ್ ಭಾಷೆಯಲ್ಲಿ, ಇದು "ಹೈಪ್ ಕರ್ವ್" ಅಥವಾ, ಹೆಚ್ಚು ಸರಳವಾಗಿ, ಪ್ರಚೋದನೆಯಾಗಿದೆ. 30 ವರ್ಷಗಳ ಹಿಂದೆ, ಪಬ್ಲಿಕ್ ಎನಿಮಿ ಗುಂಪಿನ ರಾಪರ್‌ಗಳು ಹಾಡಿದರು: "ಪ್ರಚೋದನೆಯನ್ನು ನಂಬಬೇಡಿ." ಇದನ್ನು ನಂಬಿರಿ ಅಥವಾ ಇಲ್ಲ, ಇದು ವೈಯಕ್ತಿಕ ಪ್ರಶ್ನೆಯಾಗಿದೆ, ಆದರೆ ನೀವು ತಂತ್ರಜ್ಞಾನ ಕ್ಷೇತ್ರದಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದರೆ ಮತ್ತು ಜಾಗತಿಕ ಪ್ರವೃತ್ತಿಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳಲು ಬಯಸಿದರೆ ಕನಿಷ್ಠ ಈ ಕೀವರ್ಡ್‌ಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದು ಯೋಗ್ಯವಾಗಿದೆ.

ಇದು ನಿರ್ದಿಷ್ಟ ತಂತ್ರಜ್ಞಾನದಿಂದ ಸಾರ್ವಜನಿಕ ನಿರೀಕ್ಷೆಗಳ ಗ್ರಾಫ್ ಆಗಿದೆ. ಗಾರ್ಟ್ನರ್ ಪ್ರಕಾರ, ಆದರ್ಶಪ್ರಾಯವಾಗಿ, ತಂತ್ರಜ್ಞಾನವು 5 ಹಂತಗಳ ಮೂಲಕ ಹೋಗುತ್ತದೆ: ತಂತ್ರಜ್ಞಾನ ಉಡಾವಣೆ, ಉಬ್ಬಿಕೊಂಡಿರುವ ನಿರೀಕ್ಷೆಗಳ ಉತ್ತುಂಗ, ನಿರಾಶೆಯ ಕಣಿವೆ, ಜ್ಞಾನೋದಯದ ಇಳಿಜಾರು, ಉತ್ಪಾದಕತೆಯ ಪ್ರಸ್ಥಭೂಮಿ. ಆದರೆ ಅದು "ನಿರಾಶೆಯ ಕಣಿವೆ" ಯಲ್ಲಿ ಮುಳುಗುತ್ತದೆ - ಉದಾಹರಣೆಗಳನ್ನು ನೀವೇ ಬಹಳ ಸುಲಭವಾಗಿ ನೆನಪಿಸಿಕೊಳ್ಳಬಹುದು, ಅದೇ ಬಿಟ್‌ಕಾಯಿನ್‌ಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು: ಆರಂಭದಲ್ಲಿ "ಭವಿಷ್ಯದ ಹಣ" ಎಂದು ಉತ್ತುಂಗಕ್ಕೇರಿತು, ತಂತ್ರಜ್ಞಾನದ ನ್ಯೂನತೆಗಳು ಬಂದಾಗ ಅವು ತ್ವರಿತವಾಗಿ ಜಾರಿಕೊಳ್ಳುತ್ತವೆ. ವ್ಯವಹಾರಗಳ ಸಂಖ್ಯೆ ಮತ್ತು ಬಿಟ್‌ಕಾಯಿನ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ಅಗತ್ಯವಿರುವ ಅಗಾಧ ಪ್ರಮಾಣದ ವಿದ್ಯುಚ್ಛಕ್ತಿ (ಇದು ಈಗಾಗಲೇ ಪರಿಸರ ಸಮಸ್ಯೆಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ) ಮೇಲಿನ ಎಲ್ಲಾ ನಿರ್ಬಂಧಗಳು ಸ್ಪಷ್ಟವಾಯಿತು. ಮತ್ತು ಸಹಜವಾಗಿ, ಗಾರ್ಟ್ನರ್ನ ಚಾರ್ಟ್ ಕೇವಲ ಮುನ್ಸೂಚನೆ ಎಂದು ನಾವು ಮರೆಯಬಾರದು: ಇಲ್ಲಿ, ಉದಾಹರಣೆಗೆ, ನೀವು ವಿವರವಾದ ಓದಬಹುದು ಲೇಖನ, ಅಲ್ಲಿ ಅತ್ಯಂತ ಗಮನಾರ್ಹವಾದ ಅತೃಪ್ತ ಭವಿಷ್ಯವಾಣಿಗಳನ್ನು ವಿಂಗಡಿಸಲಾಗುತ್ತದೆ.

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

1. ಸುಧಾರಿತ AI ಮತ್ತು ಅನಾಲಿಟಿಕ್ಸ್
2. ಪೋಸ್ಟ್ ಕ್ಲಾಸಿಕಲ್ ಕಂಪ್ಯೂಟ್ ಮತ್ತು ಕಾಮ್ಸ್
3. ಸಂವೇದನೆ ಮತ್ತು ಚಲನಶೀಲತೆ
4. ವರ್ಧಿತ ಮಾನವ
5. ಡಿಜಿಟಲ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆಗಳು

1. ಸುಧಾರಿತ AI ಮತ್ತು ಅನಾಲಿಟಿಕ್ಸ್

ಕಳೆದ 10 ವರ್ಷಗಳಲ್ಲಿ ನಾವು ಆಳವಾದ ಕಲಿಕೆಯ ಅತ್ಯುತ್ತಮ ಸಮಯವನ್ನು ನೋಡಿದ್ದೇವೆ. ಈ ನೆಟ್‌ವರ್ಕ್‌ಗಳು ತಮ್ಮ ವ್ಯಾಪ್ತಿಯ ಕಾರ್ಯಗಳಿಗೆ ನಿಜವಾಗಿಯೂ ಪರಿಣಾಮಕಾರಿ. 2018 ರಲ್ಲಿ, ಯಾನ್ ಲೆಕುನ್, ಜೆಫ್ರಿ ಹಿಂಟನ್ ಮತ್ತು ಯೋಶುವಾ ಬೆಂಗಿಯೊ ತಮ್ಮ ಸಂಶೋಧನೆಗಳಿಗಾಗಿ ಟ್ಯೂರಿಂಗ್ ಪ್ರಶಸ್ತಿಯನ್ನು ಪಡೆದರು - ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನದಲ್ಲಿ ನೊಬೆಲ್ ಪ್ರಶಸ್ತಿಗೆ ಹೋಲುವ ಅತ್ಯಂತ ಪ್ರತಿಷ್ಠಿತ ಪ್ರಶಸ್ತಿ. ಆದ್ದರಿಂದ, ಈ ಪ್ರದೇಶದಲ್ಲಿನ ಮುಖ್ಯ ಪ್ರವೃತ್ತಿಗಳು, ಇವುಗಳನ್ನು ಚಾರ್ಟ್ನಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ:

1.1. ವರ್ಗಾವಣೆ ಕಲಿಕೆ

ನೀವು ಮೊದಲಿನಿಂದಲೂ ನರಗಳ ನೆಟ್‌ವರ್ಕ್‌ಗೆ ತರಬೇತಿ ನೀಡುವುದಿಲ್ಲ, ಆದರೆ ಈಗಾಗಲೇ ತರಬೇತಿ ಪಡೆದ ಒಂದನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ ಮತ್ತು ಅದಕ್ಕೆ ಬೇರೆ ಗುರಿಯನ್ನು ನಿಗದಿಪಡಿಸಿ. ಕೆಲವೊಮ್ಮೆ ಇದು ನೆಟ್ವರ್ಕ್ನ ಭಾಗವನ್ನು ಮರುತರಬೇತಿಗೆ ಒಳಪಡಿಸುವ ಅಗತ್ಯವಿರುತ್ತದೆ, ಆದರೆ ಸಂಪೂರ್ಣ ನೆಟ್ವರ್ಕ್ ಅಲ್ಲ, ಅದು ಹೆಚ್ಚು ವೇಗವಾಗಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ImageNet50 ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿ ತರಬೇತಿ ಪಡೆದ ರೆಡಿಮೇಡ್ ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ResNet1000 ಅನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದರಿಂದ, ನೀವು ಚಿತ್ರದಲ್ಲಿನ ವಿವಿಧ ವಸ್ತುಗಳನ್ನು ಅತ್ಯಂತ ಆಳವಾದ ಮಟ್ಟದಲ್ಲಿ ವರ್ಗೀಕರಿಸುವ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಪಡೆಯುತ್ತೀರಿ (1000 ತರಗತಿಗಳು ನರವ್ಯೂಹದ 50 ಪದರಗಳಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ವೈಶಿಷ್ಟ್ಯಗಳ ಆಧಾರದ ಮೇಲೆ. ನೆಟ್ವರ್ಕ್). ಆದರೆ ನೀವು ಸಂಪೂರ್ಣ ನೆಟ್‌ವರ್ಕ್‌ಗೆ ತರಬೇತಿ ನೀಡಬೇಕಾಗಿಲ್ಲ, ಇದು ತಿಂಗಳುಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.

В ಆನ್ಲೈನ್ ​​ಕೋರ್ಸ್ ಸ್ಯಾಮ್ಸಂಗ್ "ನರ ಜಾಲಗಳು ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ", ಉದಾಹರಣೆಗೆ, ಫೈನಲ್ನಲ್ಲಿ ಕಾಗಲ್ ಟಾಸ್ಕ್ ಪ್ಲೇಟ್‌ಗಳನ್ನು ಕ್ಲೀನ್ ಮತ್ತು ಕೊಳಕು ಎಂದು ವರ್ಗೀಕರಿಸುವುದರೊಂದಿಗೆ, ಮೇಲೆ ವಿವರಿಸಿದ ವಾಸ್ತುಶಿಲ್ಪದ ಪ್ರಕಾರ ನಿರ್ಮಿಸಲಾದ ಕೊಳಕು ಫಲಕಗಳನ್ನು ಶುದ್ಧವಾದವುಗಳಿಂದ ಪ್ರತ್ಯೇಕಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ಆಳವಾದ ನರಮಂಡಲವನ್ನು ನಿಮ್ಮ ವಿಲೇವಾರಿಯಲ್ಲಿ 5 ನಿಮಿಷಗಳಲ್ಲಿ ನೀಡುತ್ತದೆ ಎಂದು ಒಂದು ವಿಧಾನವನ್ನು ಪ್ರದರ್ಶಿಸಲಾಗುತ್ತದೆ. ಮೂಲ ನೆಟ್‌ವರ್ಕ್‌ಗೆ ಪ್ಲೇಟ್‌ಗಳು ಏನೆಂದು ತಿಳಿದಿರಲಿಲ್ಲ, ಅದು ಪಕ್ಷಿಗಳನ್ನು ನಾಯಿಗಳಿಂದ ಪ್ರತ್ಯೇಕಿಸಲು ಮಾತ್ರ ಕಲಿತಿದೆ (ಇಮೇಜ್‌ನೆಟ್ ನೋಡಿ).

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

ವರ್ಗಾವಣೆ ಕಲಿಕೆಗಾಗಿ ನೀವು ಯಾವ ವಿಧಾನಗಳು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಮತ್ತು ಯಾವ ಸಿದ್ದವಾಗಿರುವ ಮೂಲ ವಾಸ್ತುಶಿಲ್ಪಗಳು ಲಭ್ಯವಿವೆ ಎಂಬುದನ್ನು ನೀವು ತಿಳಿದುಕೊಳ್ಳಬೇಕು. ಒಟ್ಟಾರೆಯಾಗಿ, ಇದು ಯಂತ್ರ ಕಲಿಕೆಯ ಪ್ರಾಯೋಗಿಕ ಅನ್ವಯಗಳ ಹೊರಹೊಮ್ಮುವಿಕೆಯನ್ನು ಹೆಚ್ಚು ವೇಗಗೊಳಿಸುತ್ತದೆ.

1.2. ಜನರೇಟಿವ್ ಅಡ್ವರ್ಸರಿಯಲ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳು (GAN)

ಕಲಿಕೆಯ ಗುರಿಯನ್ನು ರೂಪಿಸಲು ನಮಗೆ ತುಂಬಾ ಕಷ್ಟಕರವಾದ ಸಂದರ್ಭಗಳಲ್ಲಿ ಇದು. ಕಾರ್ಯವು ನಿಜ ಜೀವನಕ್ಕೆ ಹತ್ತಿರವಾಗಿದೆ, ಅದು ನಮಗೆ ಹೆಚ್ಚು ಅರ್ಥವಾಗುವಂತಹದ್ದಾಗಿದೆ ("ಹಾಸಿಗೆಯ ಪಕ್ಕದ ಟೇಬಲ್ ಅನ್ನು ತನ್ನಿ"), ಆದರೆ ಅದನ್ನು ತಾಂತ್ರಿಕ ಕಾರ್ಯವಾಗಿ ರೂಪಿಸುವುದು ಹೆಚ್ಚು ಕಷ್ಟ. GAN ಈ ಸಮಸ್ಯೆಯಿಂದ ನಮ್ಮನ್ನು ರಕ್ಷಿಸುವ ಪ್ರಯತ್ನವಾಗಿದೆ.

ಇಲ್ಲಿ ಎರಡು ನೆಟ್‌ವರ್ಕ್‌ಗಳು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿವೆ: ಒಂದು ಜನರೇಟರ್ (ಜನರೇಟಿವ್), ಇನ್ನೊಂದು ಡಿಸ್ಕ್ರಿಮಿನೇಟರ್ (ಅಡ್ವರ್ಸರಿಯಲ್). ಒಂದು ನೆಟ್ವರ್ಕ್ ಉಪಯುಕ್ತ ಕೆಲಸವನ್ನು ಮಾಡಲು ಕಲಿಯುತ್ತದೆ (ಚಿತ್ರಗಳನ್ನು ವರ್ಗೀಕರಿಸಿ, ಶಬ್ದಗಳನ್ನು ಗುರುತಿಸಿ, ಕಾರ್ಟೂನ್ಗಳನ್ನು ಸೆಳೆಯಿರಿ). ಮತ್ತು ಇನ್ನೊಂದು ನೆಟ್‌ವರ್ಕ್ ಆ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಕಲಿಸಲು ಕಲಿಯುತ್ತದೆ: ಇದು ನೈಜ ಉದಾಹರಣೆಗಳನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ನಿಜವಾಗಿಯೂ ಪ್ರಮುಖ ಆಳವಾದ ಗುಣಲಕ್ಷಣಗಳ ಆಧಾರದ ಮೇಲೆ ನೈಜ-ಪ್ರಪಂಚದ ವಸ್ತುಗಳ (ತರಬೇತಿ ಸೆಟ್) ನೆಟ್‌ವರ್ಕ್‌ನ ಉತ್ಪಾದಕ ಭಾಗದ ಉತ್ಪನ್ನಗಳನ್ನು ಹೋಲಿಸಲು ಇದು ಹಿಂದೆ ತಿಳಿದಿಲ್ಲದ ಸಂಕೀರ್ಣ ಸೂತ್ರವನ್ನು ಕಂಡುಹಿಡಿಯಲು ಕಲಿಯುತ್ತದೆ. : ಕಣ್ಣುಗಳ ಸಂಖ್ಯೆ, ಮಿಯಾಜಾಕಿ ಶೈಲಿಯ ಸಾಮೀಪ್ಯ, ಸರಿಯಾದ ಇಂಗ್ಲಿಷ್ ಉಚ್ಚಾರಣೆ.

ಅನಿಮೆ ಅಕ್ಷರಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ನೆಟ್‌ವರ್ಕ್‌ನ ಫಲಿತಾಂಶದ ಉದಾಹರಣೆ. ಮೂಲ

ಆದರೆ, ಸಹಜವಾಗಿ, ಅಲ್ಲಿ ವಾಸ್ತುಶಿಲ್ಪವನ್ನು ನಿರ್ಮಿಸುವುದು ಕಷ್ಟ. ಕೇವಲ ನ್ಯೂರಾನ್‌ಗಳನ್ನು ಎಸೆಯುವುದು ಸಾಕಾಗುವುದಿಲ್ಲ, ಅವುಗಳನ್ನು ಸಿದ್ಧಪಡಿಸಬೇಕು. ಮತ್ತು ನೀವು ವಾರಗಳವರೆಗೆ ಅಧ್ಯಯನ ಮಾಡಬೇಕು. Samsung ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಸೆಂಟರ್‌ನಲ್ಲಿರುವ ನನ್ನ ಸಹೋದ್ಯೋಗಿಗಳು GAN ವಿಷಯದ ಕುರಿತು ಕೆಲಸ ಮಾಡುತ್ತಿದ್ದಾರೆ; ಇದು ಅವರ ಪ್ರಮುಖ ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಈ ರೀತಿ ಅಭಿವೃದ್ಧಿ: ವೇರಿಯಬಲ್ ಪೋಸ್ ಹೊಂದಿರುವ ಜನರ ನೈಜ ಫೋಟೋಗಳನ್ನು ಸಂಶ್ಲೇಷಿಸಲು ಉತ್ಪಾದಕ ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನು ಬಳಸುವುದು - ಉದಾಹರಣೆಗೆ, ವರ್ಚುವಲ್ ಫಿಟ್ಟಿಂಗ್ ರೂಮ್ ಅನ್ನು ರಚಿಸಲು ಅಥವಾ ಮುಖವನ್ನು ಸಂಶ್ಲೇಷಿಸಲು, ಇದು ಉತ್ತಮ ಗುಣಮಟ್ಟದ ವೀಡಿಯೊವನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಸಂಗ್ರಹಿಸಬೇಕಾದ ಅಥವಾ ರವಾನಿಸಬೇಕಾದ ಮಾಹಿತಿಯ ಪ್ರಮಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಸಂವಹನ, ಪ್ರಸಾರ ಅಥವಾ ವೈಯಕ್ತಿಕ ಡೇಟಾ ರಕ್ಷಣೆ.

ಮೂಲ

1.3 ವಿವರಿಸಬಹುದಾದ AI

ಕೆಲವು ಅಪರೂಪದ ಕಾರ್ಯಗಳಿಗಾಗಿ, ಆಳವಾದ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗಳಲ್ಲಿನ ಪ್ರಗತಿಯು ಆಳವಾದ ನರಮಂಡಲದ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಮಾನವ ಸಾಮರ್ಥ್ಯಗಳಿಗೆ ಹತ್ತಿರಕ್ಕೆ ತಂದಿದೆ. ಈಗ ಅಂತಹ ಕಾರ್ಯಗಳ ವ್ಯಾಪ್ತಿಯನ್ನು ಹೆಚ್ಚಿಸಲು ಯುದ್ಧ ನಡೆಯುತ್ತಿದೆ. ಉದಾಹರಣೆಗೆ, ರೋಬೋಟ್ ನಿರ್ವಾಯು ಮಾರ್ಜಕವು ಮುಖಾಮುಖಿ ಸಭೆಯಲ್ಲಿ ನಾಯಿಯಿಂದ ಬೆಕ್ಕನ್ನು ಸುಲಭವಾಗಿ ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ. ಆದರೆ ಹೆಚ್ಚಿನ ಜೀವನ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಲಿನಿನ್ ಅಥವಾ ಪೀಠೋಪಕರಣಗಳ ನಡುವೆ ಮಲಗುವ ಬೆಕ್ಕನ್ನು ಕಂಡುಹಿಡಿಯಲು ಅವನಿಗೆ ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ (ಆದಾಗ್ಯೂ, ನಮ್ಮಂತೆ, ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ...).

ಆಳವಾದ ನರ ಜಾಲಗಳ ಯಶಸ್ಸಿಗೆ ಕಾರಣವೇನು? ಅವರು "ಬರಿಗಣ್ಣಿಗೆ ಗೋಚರಿಸುವ" ಮಾಹಿತಿಯ ಆಧಾರದ ಮೇಲೆ ಸಮಸ್ಯೆಯ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುತ್ತಾರೆ (ಫೋಟೋ ಪಿಕ್ಸೆಲ್‌ಗಳು, ಧ್ವನಿ ಪರಿಮಾಣದಲ್ಲಿನ ಬದಲಾವಣೆಗಳು ...), ಆದರೆ ನರಮಂಡಲದ ಹಲವಾರು ನೂರು ಪದರಗಳ ಮೂಲಕ ಈ ಮಾಹಿತಿಯನ್ನು ಪೂರ್ವಭಾವಿಯಾಗಿ ಸಂಸ್ಕರಿಸಿದ ನಂತರ ಪಡೆದ ವೈಶಿಷ್ಟ್ಯಗಳ ಮೇಲೆ. ದುರದೃಷ್ಟವಶಾತ್, ಈ ಸಂಬಂಧಗಳು ಅರ್ಥಹೀನವಾಗಿರಬಹುದು, ಅಸಮಂಜಸವಾಗಿರಬಹುದು ಅಥವಾ ಮೂಲ ಡೇಟಾ ಸೆಟ್‌ನಲ್ಲಿ ಅಪೂರ್ಣತೆಗಳ ಕುರುಹುಗಳನ್ನು ಹೊಂದಿರಬಹುದು. ಉದಾಹರಣೆಗೆ, ನೇಮಕಾತಿಯಲ್ಲಿ AI ಯ ಆಲೋಚನೆಯಿಲ್ಲದ ಬಳಕೆಯು ಏನು ಕಾರಣವಾಗಬಹುದು ಎಂಬುದರ ಕುರಿತು ಒಂದು ಸಣ್ಣ ಕಂಪ್ಯೂಟರ್ ಆಟವಿದೆ ಸರ್ವೈವಲ್ ಆಫ್ ದಿ ಬೆಸ್ಟ್ ಫಿಟ್.

ಚಿತ್ರದಲ್ಲಿರುವ ವ್ಯಕ್ತಿ ವಾಸ್ತವವಾಗಿ ಪುರುಷನಾಗಿದ್ದರೂ ಸಹ, ಚಿತ್ರ ಟ್ಯಾಗಿಂಗ್ ವ್ಯವಸ್ಥೆಯು ಅಡುಗೆ ಮಾಡುವ ವ್ಯಕ್ತಿಯನ್ನು ಮಹಿಳೆ ಎಂದು ಲೇಬಲ್ ಮಾಡಿದೆ (ಮೂಲ) ಇದು ಗಮನಿಸಿದರು ವರ್ಜೀನಿಯಾ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್ನಲ್ಲಿ.

ನಾವು ಸಾಮಾನ್ಯವಾಗಿ ರೂಪಿಸಿಕೊಳ್ಳಲಾಗದ ಸಂಕೀರ್ಣ ಮತ್ತು ಆಳವಾದ ಸಂಬಂಧಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು, ವಿವರಿಸಬಹುದಾದ AI ವಿಧಾನಗಳ ಅಗತ್ಯವಿದೆ. ಅವರು ಆಳವಾದ ನರಮಂಡಲದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಸಂಘಟಿಸುತ್ತಾರೆ, ಇದರಿಂದಾಗಿ ತರಬೇತಿಯ ನಂತರ, ಅದರ ನಿರ್ಧಾರವನ್ನು ಸರಳವಾಗಿ ಅವಲಂಬಿಸುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ನೆಟ್ವರ್ಕ್ ಕಲಿತ ಆಂತರಿಕ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ನಾವು ವಿಶ್ಲೇಷಿಸಬಹುದು.

1.4 ಎಡ್ಜ್ ಅನಾಲಿಟಿಕ್ಸ್ / AI

ಎಡ್ಜ್ ಪದದೊಂದಿಗೆ ಎಲ್ಲವೂ ಅಕ್ಷರಶಃ ಈ ಕೆಳಗಿನವುಗಳನ್ನು ಅರ್ಥೈಸುತ್ತದೆ: ಕ್ಲೌಡ್/ಸರ್ವರ್‌ನಿಂದ ಅಂತಿಮ ಸಾಧನ/ಗೇಟ್‌ವೇ ಮಟ್ಟಕ್ಕೆ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಭಾಗವನ್ನು ವರ್ಗಾಯಿಸುವುದು. ಅಂತಹ ಅಲ್ಗಾರಿದಮ್ ವೇಗವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಮತ್ತು ಅದರ ಕಾರ್ಯಾಚರಣೆಗಾಗಿ ಕೇಂದ್ರ ಸರ್ವರ್ಗೆ ಸಂಪರ್ಕದ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ. "ತೆಳುವಾದ ಕ್ಲೈಂಟ್" ನ ಅಮೂರ್ತತೆಯೊಂದಿಗೆ ನೀವು ಪರಿಚಿತರಾಗಿದ್ದರೆ, ಇಲ್ಲಿ ನಾವು ಈ ಕ್ಲೈಂಟ್ ಅನ್ನು ಸ್ವಲ್ಪ ದಪ್ಪವಾಗಿಸುತ್ತಿದ್ದೇವೆ.
ಇಂಟರ್ನೆಟ್ ಆಫ್ ಥಿಂಗ್ಸ್‌ಗೆ ಇದು ಮುಖ್ಯವಾಗಬಹುದು. ಉದಾಹರಣೆಗೆ, ಯಂತ್ರವು ಅತಿಯಾಗಿ ಬಿಸಿಯಾಗಿದ್ದರೆ ಮತ್ತು ತಂಪಾಗಿಸುವ ಅಗತ್ಯವಿದ್ದರೆ, ಕ್ಲೌಡ್‌ಗೆ ಮತ್ತು ಅಲ್ಲಿಂದ ಶಿಫ್ಟ್ ಫೋರ್‌ಮ್ಯಾನ್‌ಗೆ ಡೇಟಾ ಹೋಗಲು ಕಾಯದೆ, ಸಸ್ಯ ಮಟ್ಟದಲ್ಲಿ ಇದನ್ನು ತಕ್ಷಣವೇ ಸಂಕೇತಿಸಲು ಇದು ಅರ್ಥಪೂರ್ಣವಾಗಿದೆ. ಅಥವಾ ಇನ್ನೊಂದು ಉದಾಹರಣೆ: ಸ್ವಯಂ ಚಾಲನಾ ಕಾರುಗಳು ಕೇಂದ್ರ ಸರ್ವರ್ ಅನ್ನು ಸಂಪರ್ಕಿಸದೆಯೇ ಟ್ರಾಫಿಕ್ ಪರಿಸ್ಥಿತಿಯನ್ನು ತಮ್ಮದೇ ಆದ ಮೇಲೆ ಲೆಕ್ಕಾಚಾರ ಮಾಡಬಹುದು.

ಮೂಲ

ಅಥವಾ ಭದ್ರತಾ ದೃಷ್ಟಿಕೋನದಿಂದ ಇದು ಏಕೆ ಮುಖ್ಯವಾಗಿದೆ ಎಂಬುದಕ್ಕೆ ಇನ್ನೊಂದು ಉದಾಹರಣೆ: ನಿಮ್ಮ ಫೋನ್‌ನಲ್ಲಿ ನೀವು ಪಠ್ಯಗಳನ್ನು ಟೈಪ್ ಮಾಡಿದಾಗ, ಅದು ನಿಮಗೆ ವಿಶಿಷ್ಟವಾದ ಪದಗಳನ್ನು ನೆನಪಿಸಿಕೊಳ್ಳುತ್ತದೆ, ಇದರಿಂದ ನಂತರ ಫೋನ್ ಕೀಬೋರ್ಡ್ ಅನುಕೂಲಕರವಾಗಿ ನಿಮ್ಮನ್ನು ಕೇಳುತ್ತದೆ - ಇದನ್ನು ಭವಿಷ್ಯಸೂಚಕ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ ಪಠ್ಯ ಇನ್ಪುಟ್. ನಿಮ್ಮ ಕೀಬೋರ್ಡ್‌ನಲ್ಲಿ ನೀವು ಟೈಪ್ ಮಾಡುವ ಎಲ್ಲವನ್ನೂ ಡೇಟಾ ಕೇಂದ್ರಕ್ಕೆ ಎಲ್ಲೋ ಕಳುಹಿಸುವುದು ನಿಮ್ಮ ಗೌಪ್ಯತೆಯ ಉಲ್ಲಂಘನೆ ಮತ್ತು ಸರಳವಾಗಿ ಅಸುರಕ್ಷಿತವಾಗಿರುತ್ತದೆ. ಆದ್ದರಿಂದ, ಕೀಬೋರ್ಡ್ ತರಬೇತಿಯು ನಿಮ್ಮ ಸಾಧನದಲ್ಲಿ ಮಾತ್ರ ಸಂಭವಿಸುತ್ತದೆ.

1.5 AI ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಸೇವೆಯಾಗಿ (AI PaaS)

PaaS - ಪ್ಲಾಟ್‌ಫಾರ್ಮ್-ಆಸ್-ಎ-ಸರ್ವಿಸ್ ಎನ್ನುವುದು ವ್ಯವಹಾರ ಮಾದರಿಯಾಗಿದ್ದು, ಇದರಲ್ಲಿ ಕ್ಲೌಡ್-ಆಧಾರಿತ ಡೇಟಾ ಸಂಗ್ರಹಣೆ ಮತ್ತು ಸಿದ್ಧ-ಸಿದ್ಧ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಸಮಗ್ರ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗೆ ನಾವು ಪ್ರವೇಶವನ್ನು ಪಡೆಯುತ್ತೇವೆ. ಈ ರೀತಿಯಾಗಿ, ನಾವು ಮೂಲಸೌಕರ್ಯ ಕಾರ್ಯಗಳಿಂದ ನಮ್ಮನ್ನು ಮುಕ್ತಗೊಳಿಸಬಹುದು ಮತ್ತು ಉಪಯುಕ್ತವಾದದ್ದನ್ನು ಉತ್ಪಾದಿಸುವಲ್ಲಿ ಸಂಪೂರ್ಣವಾಗಿ ಗಮನಹರಿಸಬಹುದು. AI ಕಾರ್ಯಗಳಿಗಾಗಿ PaaS ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳ ಉದಾಹರಣೆ: IBM ಕ್ಲೌಡ್, ಮೈಕ್ರೋಸಾಫ್ಟ್ ಅಜೂರ್, ಅಮೆಜಾನ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್, Google AI ಪ್ಲಾಟ್‌ಫಾರ್ಮ್.

1.6. ಅಡಾಪ್ಟಿವ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ (ಅಡಾಪ್ಟಿವ್ ML)

ನಾವು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಹೊಂದಿಕೊಳ್ಳಲು ಬಿಟ್ಟರೆ ಏನು... ನೀವು ಕೇಳುತ್ತೀರಿ - ಅಂದರೆ, ಹೇಗೆ?.. ಅದು ಈಗಾಗಲೇ ಕಾರ್ಯಕ್ಕೆ ಹೊಂದಿಕೊಳ್ಳುವುದಿಲ್ಲವೇ? ಸಮಸ್ಯೆಯೆಂದರೆ: ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ನಿರ್ಮಿಸುವ ಮೊದಲು ನಾವು ಅಂತಹ ಪ್ರತಿಯೊಂದು ಸಮಸ್ಯೆಯನ್ನು ಕಷ್ಟಪಟ್ಟು ವಿನ್ಯಾಸಗೊಳಿಸುತ್ತೇವೆ. ಅವರು ನಿಮಗೆ ಉತ್ತರಿಸುತ್ತಾರೆ - ಈ ಸರಪಳಿಯನ್ನು ಸರಳೀಕರಿಸಬಹುದು ಎಂದು ಅದು ತಿರುಗುತ್ತದೆ.

ಸಾಂಪ್ರದಾಯಿಕ ಯಂತ್ರ ಕಲಿಕೆಯು ಓಪನ್-ಲೂಪ್ ತತ್ವದ ಮೇಲೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ: ನೀವು ಡೇಟಾವನ್ನು ಸಿದ್ಧಪಡಿಸುತ್ತೀರಿ, ನರ ನೆಟ್‌ವರ್ಕ್ (ಅಥವಾ ಯಾವುದಾದರೂ), ರೈಲು, ನಂತರ ಹಲವಾರು ಸೂಚಕಗಳನ್ನು ನೋಡಿ, ಮತ್ತು ನೀವು ಎಲ್ಲವನ್ನೂ ಇಷ್ಟಪಟ್ಟರೆ, ನೀವು ನ್ಯೂರಲ್ ನೆಟ್‌ವರ್ಕ್ ಅನ್ನು ಸ್ಮಾರ್ಟ್‌ಫೋನ್‌ಗಳಿಗೆ ಕಳುಹಿಸಬಹುದು - ಬಳಕೆದಾರರ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಿ. ಆದರೆ ಸಾಕಷ್ಟು ಡೇಟಾ ಇರುವ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಲ್ಲಿ ಮತ್ತು ಅದರ ಸ್ವಭಾವವು ಕ್ರಮೇಣ ಬದಲಾಗುತ್ತದೆ, ಇತರ ವಿಧಾನಗಳು ಬೇಕಾಗುತ್ತವೆ. ಅಂತಹ ವ್ಯವಸ್ಥೆಗಳು, ತಮ್ಮನ್ನು ಹೊಂದಿಕೊಳ್ಳುವ ಮತ್ತು ಕಲಿಸುವ, ಮುಚ್ಚಿದ, ಸ್ವಯಂ-ಕಲಿಕೆಯ ಕುಣಿಕೆಗಳು (ಕ್ಲೋಸ್ಡ್-ಲೂಪ್) ಆಗಿ ಸಂಘಟಿತವಾಗಿವೆ ಮತ್ತು ಅವುಗಳು ಸರಾಗವಾಗಿ ಕೆಲಸ ಮಾಡಬೇಕು.

ಅಪ್ಲಿಕೇಶನ್‌ಗಳು - ಇದು ಸ್ಟ್ರೀಮ್ ಅನಾಲಿಟಿಕ್ಸ್ ಆಗಿರಬಹುದು (ಸ್ಟ್ರೀಮ್ ಅನಾಲಿಟಿಕ್ಸ್), ಅದರ ಆಧಾರದ ಮೇಲೆ ಅನೇಕ ಉದ್ಯಮಿಗಳು ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾರೆ ಅಥವಾ ಹೊಂದಾಣಿಕೆಯ ಉತ್ಪಾದನಾ ನಿರ್ವಹಣೆ. ಪ್ರಸ್ತುತ ಅಪ್ಲಿಕೇಶನ್‌ಗಳ ಪ್ರಮಾಣದಲ್ಲಿ ಮತ್ತು ಮಾನವರಿಗೆ ಉತ್ತಮವಾದ ಅಪಾಯಗಳನ್ನು ನೀಡಲಾಗಿದೆ, ಈ ಸಮಸ್ಯೆಗೆ ಪರಿಹಾರವನ್ನು ರೂಪಿಸುವ ತಂತ್ರಗಳನ್ನು ಎಲ್ಲಾ ಅಡಾಪ್ಟಿವ್ AI ಎಂಬ ಛತ್ರಿ ಪದದ ಅಡಿಯಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ.

ಮೂಲ

ಈ ಚಿತ್ರವನ್ನು ನೋಡುವಾಗ, ಭವಿಷ್ಯಶಾಸ್ತ್ರಜ್ಞರಿಗೆ ಬ್ರೆಡ್ ನೀಡುವುದಿಲ್ಲ ಎಂಬ ಭಾವನೆಯನ್ನು ತೊಡೆದುಹಾಕಲು ಕಷ್ಟವಾಗುತ್ತದೆ - ಅವರು ರೋಬೋಟ್‌ಗೆ ಉಸಿರಾಡಲು ಕಲಿಸಲಿ ...

ಪೋಸ್ಟ್ ಕ್ಲಾಸಿಕಲ್ ಕಂಪ್ಯೂಟ್ ಮತ್ತು ಕಾಮ್ಸ್

2.1. ಐದನೇ ತಲೆಮಾರಿನ ಮೊಬೈಲ್ ಸಂವಹನಗಳು (5G)

ಇದು ತುಂಬಾ ಆಸಕ್ತಿದಾಯಕ ವಿಷಯವಾಗಿದ್ದು, ನಾವು ತಕ್ಷಣ ನಿಮ್ಮನ್ನು ನಮ್ಮ ಕಡೆಗೆ ಉಲ್ಲೇಖಿಸುತ್ತೇವೆ ಲೇಖನ. ಸರಿ, ಚಿಕ್ಕ ಸಾರಾಂಶ ಇಲ್ಲಿದೆ. 5G, ಡೇಟಾ ಪ್ರಸರಣದ ಆವರ್ತನವನ್ನು ಹೆಚ್ಚಿಸುವ ಮೂಲಕ, ಇಂಟರ್ನೆಟ್ ವೇಗವನ್ನು ಅವಾಸ್ತವಿಕವಾಗಿ ವೇಗಗೊಳಿಸುತ್ತದೆ. ಸಣ್ಣ ಅಲೆಗಳು ಅಡೆತಡೆಗಳ ಮೂಲಕ ಹಾದುಹೋಗಲು ಹೆಚ್ಚು ಕಷ್ಟ, ಆದ್ದರಿಂದ ನೆಟ್ವರ್ಕ್ಗಳ ವಿನ್ಯಾಸವು ಸಂಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನವಾಗಿರುತ್ತದೆ: 500 ಪಟ್ಟು ಹೆಚ್ಚು ಬೇಸ್ ಸ್ಟೇಷನ್ಗಳು ಅಗತ್ಯವಿದೆ.

ವೇಗದ ಜೊತೆಗೆ, ನಾವು ಹೊಸ ವಿದ್ಯಮಾನಗಳನ್ನು ಪಡೆಯುತ್ತೇವೆ: ವರ್ಧಿತ ವಾಸ್ತವದೊಂದಿಗೆ ನೈಜ-ಸಮಯದ ಆಟಗಳು, ಟೆಲಿಪ್ರೆಸೆನ್ಸ್ ಮೂಲಕ ಸಂಕೀರ್ಣ ಕಾರ್ಯಗಳನ್ನು (ಶಸ್ತ್ರಚಿಕಿತ್ಸೆಯಂತಹ) ನಿರ್ವಹಿಸುವುದು, ಯಂತ್ರಗಳ ನಡುವಿನ ಸಂವಹನದ ಮೂಲಕ ರಸ್ತೆಗಳಲ್ಲಿನ ಅಪಘಾತಗಳು ಮತ್ತು ಕಷ್ಟಕರ ಸಂದರ್ಭಗಳನ್ನು ತಡೆಯುವುದು. ಹೆಚ್ಚು ಪ್ರಚಲಿತವಾದ ಟಿಪ್ಪಣಿಯಲ್ಲಿ: ಕ್ರೀಡಾಂಗಣದಲ್ಲಿ ಪಂದ್ಯದಂತಹ ಸಾಮೂಹಿಕ ಘಟನೆಗಳ ಸಮಯದಲ್ಲಿ ಮೊಬೈಲ್ ಇಂಟರ್ನೆಟ್ ಅಂತಿಮವಾಗಿ ಇಳಿಯುವುದನ್ನು ನಿಲ್ಲಿಸುತ್ತದೆ.

ಚಿತ್ರದ ಮೂಲ - ರಾಯಿಟರ್ಸ್, ನಿಯಾಂಟಿಕ್

2.2 ಮುಂದಿನ ಪೀಳಿಗೆಯ ಸ್ಮರಣೆ

ಇಲ್ಲಿ ನಾವು RAM ನ ಐದನೇ ತಲೆಮಾರಿನ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತಿದ್ದೇವೆ - DDR5. DDR2019 ಆಧಾರಿತ ಉತ್ಪನ್ನಗಳು 5 ರ ಅಂತ್ಯದ ವೇಳೆಗೆ ಲಭ್ಯವಿರುತ್ತವೆ ಎಂದು Samsung ಘೋಷಿಸಿತು. ಅದೇ ಫಾರ್ಮ್ ಫ್ಯಾಕ್ಟರ್ ಅನ್ನು ನಿರ್ವಹಿಸುವಾಗ ಹೊಸ ಮೆಮೊರಿಯು ಎರಡು ಪಟ್ಟು ವೇಗವಾಗಿರುತ್ತದೆ ಮತ್ತು ಎರಡು ಪಟ್ಟು ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುತ್ತದೆ ಎಂದು ನಿರೀಕ್ಷಿಸಲಾಗಿದೆ, ಅಂದರೆ, ನಮ್ಮ ಕಂಪ್ಯೂಟರ್‌ಗೆ 32GB ವರೆಗಿನ ಸಾಮರ್ಥ್ಯದ ಮೆಮೊರಿ ಸ್ಟಿಕ್‌ಗಳನ್ನು ನಾವು ಪಡೆಯಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಭವಿಷ್ಯದಲ್ಲಿ, ಇದು ಸ್ಮಾರ್ಟ್‌ಫೋನ್‌ಗಳಿಗೆ (ಹೊಸ ಮೆಮೊರಿಯು ಕಡಿಮೆ-ಶಕ್ತಿಯ ಆವೃತ್ತಿಯಲ್ಲಿರುತ್ತದೆ) ಮತ್ತು ಲ್ಯಾಪ್‌ಟಾಪ್‌ಗಳಿಗೆ (ಡಿಐಎಂಎಂ ಸ್ಲಾಟ್‌ಗಳ ಸಂಖ್ಯೆ ಸೀಮಿತವಾಗಿರುವಲ್ಲಿ) ವಿಶೇಷವಾಗಿ ಪ್ರಸ್ತುತವಾಗಿರುತ್ತದೆ. ಮತ್ತು ಯಂತ್ರ ಕಲಿಕೆಗೆ ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ RAM ಅಗತ್ಯವಿರುತ್ತದೆ.

2.3 ಕಡಿಮೆ-ಭೂಮಿ-ಕಕ್ಷೆಯ ಉಪಗ್ರಹ ವ್ಯವಸ್ಥೆಗಳು

ಭಾರವಾದ, ದುಬಾರಿ, ಶಕ್ತಿಯುತ ಉಪಗ್ರಹಗಳನ್ನು ಸಣ್ಣ ಮತ್ತು ಅಗ್ಗದ ಉಪಗ್ರಹಗಳ ಸಮೂಹದೊಂದಿಗೆ ಬದಲಾಯಿಸುವ ಕಲ್ಪನೆಯು ಹೊಸದರಿಂದ ದೂರವಿದೆ ಮತ್ತು 90 ರ ದಶಕದಲ್ಲಿ ಮತ್ತೆ ಕಾಣಿಸಿಕೊಂಡಿತು. ಯಾವುದರ ಬಗ್ಗೆ "ಎಲೋನ್ ಮಸ್ಕ್ ಶೀಘ್ರದಲ್ಲೇ ಉಪಗ್ರಹದಿಂದ ಎಲ್ಲರಿಗೂ ಇಂಟರ್ನೆಟ್ ಅನ್ನು ವಿತರಿಸುತ್ತಾರೆ" ಈಗ ಸೋಮಾರಿಗಳು ಮಾತ್ರ ಕೇಳಿಲ್ಲ. ಇಲ್ಲಿನ ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧ ಕಂಪನಿಯೆಂದರೆ ಇರಿಡಿಯಮ್, ಇದು 90 ರ ದಶಕದ ಉತ್ತರಾರ್ಧದಲ್ಲಿ ದಿವಾಳಿಯಾಯಿತು, ಆದರೆ ಯುಎಸ್ ಡಿಪಾರ್ಟ್ಮೆಂಟ್ ಆಫ್ ಡಿಫೆನ್ಸ್ (ರಷ್ಯಾದ ಸ್ಮಾರ್ಟ್ ಹೋಮ್ ಸಿಸ್ಟಮ್ ಐರಿಡಿಯಮ್ನೊಂದಿಗೆ ಗೊಂದಲಕ್ಕೀಡಾಗಬಾರದು) ವೆಚ್ಚದಲ್ಲಿ ಉಳಿಸಲಾಗಿದೆ. ಎಲೋನ್ ಮಸ್ಕ್‌ನ ಯೋಜನೆ (ಸ್ಟಾರ್‌ಲಿಂಕ್) ಒಂದೇ ಒಂದಕ್ಕಿಂತ ದೂರವಿದೆ - ರಿಚರ್ಡ್ ಬ್ರಾನ್ಸನ್ (ಒನ್‌ವೆಬ್ - 1440 ಪ್ರಸ್ತಾವಿತ ಉಪಗ್ರಹಗಳು), ಬೋಯಿಂಗ್ (3000 ಉಪಗ್ರಹಗಳು), ಸ್ಯಾಮ್‌ಸಂಗ್ (4600 ಉಪಗ್ರಹಗಳು), ಮತ್ತು ಇತರರು ಉಪಗ್ರಹ ರೇಸ್‌ನಲ್ಲಿ ಭಾಗವಹಿಸುತ್ತಿದ್ದಾರೆ.

ಈ ಪ್ರದೇಶದಲ್ಲಿ ವಿಷಯಗಳು ಹೇಗೆ ನಿಂತಿವೆ, ಅಲ್ಲಿ ಆರ್ಥಿಕತೆ ಹೇಗಿರುತ್ತದೆ - ಓದಿ ವಿಮರ್ಶೆ. ಮತ್ತು ಮೊದಲ ಬಳಕೆದಾರರಿಂದ ಈ ವ್ಯವಸ್ಥೆಗಳ ಮೊದಲ ಪರೀಕ್ಷೆಗಳಿಗಾಗಿ ನಾವು ಕಾಯುತ್ತಿದ್ದೇವೆ, ಅದು ಮುಂದಿನ ವರ್ಷ ನಡೆಯಬೇಕು.

2.4 ನ್ಯಾನೊಸ್ಕೇಲ್ 3D ಪ್ರಿಂಟಿಂಗ್

3D ಮುದ್ರಣ, ಇದು ಪ್ರತಿಯೊಬ್ಬ ವ್ಯಕ್ತಿಯ ಜೀವನವನ್ನು ಪ್ರವೇಶಿಸದಿದ್ದರೂ (ವೈಯಕ್ತಿಕ ಮನೆಯ ಪ್ಲಾಸ್ಟಿಕ್ ಕಾರ್ಖಾನೆಯಿಂದ ಭರವಸೆಯ ರೂಪದಲ್ಲಿ), ಆದಾಗ್ಯೂ ಬಹಳ ಹಿಂದೆಯೇ ಗೀಕ್‌ಗಳಿಗೆ ತಂತ್ರಜ್ಞಾನದ ಸ್ಥಾನವನ್ನು ಬಿಟ್ಟಿದೆ. ಕನಿಷ್ಠ 3D ಕೆತ್ತಿದ ಪೆನ್ನುಗಳ ಅಸ್ತಿತ್ವದ ಬಗ್ಗೆ ಪ್ರತಿ ಶಾಲಾಮಕ್ಕಳಿಗೆ ತಿಳಿದಿದೆ ಎಂಬ ಅಂಶದಿಂದ ನೀವು ನಿರ್ಣಯಿಸಬಹುದು, ಮತ್ತು ಓಟಗಾರರು ಮತ್ತು ಎಕ್ಸ್ಟ್ರೂಡರ್ನೊಂದಿಗೆ ಪೆಟ್ಟಿಗೆಯನ್ನು ಖರೀದಿಸುವ ಅನೇಕ ಕನಸುಗಳು ... "ಹಾಗೆಯೇ" (ಅಥವಾ ಈಗಾಗಲೇ ಖರೀದಿಸಿದ್ದಾರೆ).

ಸ್ಟಿರಿಯೊಲಿಥೋಗ್ರಫಿ (ಲೇಸರ್ 3D ಮುದ್ರಕಗಳು) ಪ್ರತ್ಯೇಕ ಫೋಟಾನ್‌ಗಳೊಂದಿಗೆ ಮುದ್ರಣವನ್ನು ಅನುಮತಿಸುತ್ತದೆ: ಹೊಸ ಪಾಲಿಮರ್‌ಗಳನ್ನು ಪರಿಶೋಧಿಸಲಾಗುತ್ತಿದೆ, ಅವು ಕೇವಲ ಎರಡು ಫೋಟಾನ್‌ಗಳನ್ನು ಘನೀಕರಿಸುವ ಅಗತ್ಯವಿದೆ. ಪ್ರಯೋಗಾಲಯವಲ್ಲದ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ, ಸಂಪೂರ್ಣವಾಗಿ ಹೊಸ ಫಿಲ್ಟರ್‌ಗಳು, ಮೌಂಟ್‌ಗಳು, ಸ್ಪ್ರಿಂಗ್‌ಗಳು, ಕ್ಯಾಪಿಲ್ಲರೀಸ್, ಲೆನ್ಸ್‌ಗಳು ಮತ್ತು... ಕಾಮೆಂಟ್‌ಗಳಲ್ಲಿ ನಿಮ್ಮ ಆಯ್ಕೆಗಳನ್ನು ರಚಿಸಲು ಇದು ಅನುಮತಿಸುತ್ತದೆ! ಮತ್ತು ಇಲ್ಲಿ ಇದು ಫೋಟೊಪಾಲಿಮರೀಕರಣದಿಂದ ದೂರವಿಲ್ಲ - ಈ ತಂತ್ರಜ್ಞಾನವು ಪ್ರೊಸೆಸರ್‌ಗಳು ಮತ್ತು ಕಂಪ್ಯೂಟಿಂಗ್ ಸರ್ಕ್ಯೂಟ್‌ಗಳನ್ನು "ಮುದ್ರಿಸಲು" ನಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಜೊತೆಗೆ, ಇದು ಮೊದಲ ವರ್ಷ ಅಲ್ಲ ಗ್ರ್ಯಾಫೀನ್ 500 nm ಮೂರು ಆಯಾಮದ ರಚನೆಗಳನ್ನು ಮುದ್ರಿಸುವ ತಂತ್ರಜ್ಞಾನ, ಆದರೆ ಆಮೂಲಾಗ್ರ ಅಭಿವೃದ್ಧಿ ಇಲ್ಲದೆ.

ಮೂಲ

3. ಸೆನ್ಸಿಂಗ್ ಮತ್ತು ಮೊಬಿಲಿಟಿ

3.1. ಸ್ವಾಯತ್ತ ಚಾಲನಾ ಹಂತ 4 ಮತ್ತು 5

ಪರಿಭಾಷೆಯಲ್ಲಿ ಗೊಂದಲಕ್ಕೀಡಾಗದಿರಲು, ಯಾವ ಹಂತದ ಸ್ವಾಯತ್ತತೆಯನ್ನು ಪ್ರತ್ಯೇಕಿಸಲಾಗಿದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಯೋಗ್ಯವಾಗಿದೆ (ವಿವರದಿಂದ ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ ಲೇಖನಗಳು, ನಾವು ಆಸಕ್ತಿ ಹೊಂದಿರುವ ಎಲ್ಲರನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತೇವೆ):

ಹಂತ 1: ಕ್ರೂಸ್ ನಿಯಂತ್ರಣ: ಬಹಳ ಸೀಮಿತ ಸಂದರ್ಭಗಳಲ್ಲಿ ಚಾಲಕನಿಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ (ಉದಾಹರಣೆಗೆ, ಚಾಲಕನು ತನ್ನ ಪಾದವನ್ನು ಪೆಡಲ್‌ನಿಂದ ತೆಗೆದ ನಂತರ ನಿರ್ದಿಷ್ಟ ವೇಗದಲ್ಲಿ ಕಾರನ್ನು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುವುದು)
ಹಂತ 2: ಸೀಮಿತ ಸ್ಟೀರಿಂಗ್ ಮತ್ತು ಬ್ರೇಕಿಂಗ್ ನೆರವು. ಚಾಲಕ ಬಹುತೇಕ ತಕ್ಷಣವೇ ನಿಯಂತ್ರಣವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಿದ್ಧರಾಗಿರಬೇಕು. ಅವನ ಕೈಗಳು ಸ್ಟೀರಿಂಗ್ ಚಕ್ರದಲ್ಲಿವೆ, ಅವನ ಕಣ್ಣುಗಳು ರಸ್ತೆಯತ್ತ ನಿರ್ದೇಶಿಸಲ್ಪಟ್ಟಿವೆ. ಇದು ಟೆಸ್ಲಾ ಮತ್ತು ಜನರಲ್ ಮೋಟಾರ್ಸ್ ಈಗಾಗಲೇ ಹೊಂದಿರುವ ವಿಷಯವಾಗಿದೆ.
ಹಂತ 3: ಚಾಲಕ ಇನ್ನು ಮುಂದೆ ನಿರಂತರವಾಗಿ ರಸ್ತೆಯನ್ನು ವೀಕ್ಷಿಸಬೇಕಾಗಿಲ್ಲ. ಆದರೆ ಅವರು ಜಾಗರೂಕರಾಗಿರಬೇಕು ಮತ್ತು ನಿಯಂತ್ರಣವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಿದ್ಧರಾಗಿರಬೇಕು. ಇದು ವಾಣಿಜ್ಯಿಕವಾಗಿ ಲಭ್ಯವಿರುವ ಕಾರುಗಳು ಇನ್ನೂ ಹೊಂದಿಲ್ಲ. ಪ್ರಸ್ತುತ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಎಲ್ಲವುಗಳು 1-2 ಹಂತದಲ್ಲಿವೆ.
ಹಂತ 4: ನಿಜವಾದ ಸ್ವಯಂಪೈಲಟ್, ಆದರೆ ನಿರ್ಬಂಧಗಳೊಂದಿಗೆ: ಎಚ್ಚರಿಕೆಯಿಂದ ಮ್ಯಾಪ್ ಮಾಡಲಾದ ಮತ್ತು ಸಾಮಾನ್ಯವಾಗಿ ಸಿಸ್ಟಮ್‌ಗೆ ತಿಳಿದಿರುವ ಮತ್ತು ಕೆಲವು ಷರತ್ತುಗಳ ಅಡಿಯಲ್ಲಿ ತಿಳಿದಿರುವ ಪ್ರದೇಶದಲ್ಲಿ ಮಾತ್ರ ಪ್ರವಾಸಗಳು: ಉದಾಹರಣೆಗೆ, ಹಿಮದ ಅನುಪಸ್ಥಿತಿಯಲ್ಲಿ. Waymo ಮತ್ತು ಜನರಲ್ ಮೋಟಾರ್ಸ್ ಅಂತಹ ಮೂಲಮಾದರಿಗಳನ್ನು ಹೊಂದಿವೆ, ಮತ್ತು ಅವರು ಅವುಗಳನ್ನು ಹಲವಾರು ನಗರಗಳಲ್ಲಿ ಪ್ರಾರಂಭಿಸಲು ಮತ್ತು ನೈಜ ಪರಿಸರದಲ್ಲಿ ಪರೀಕ್ಷಿಸಲು ಯೋಜಿಸಿದ್ದಾರೆ. ಸ್ಕೋಲ್ಕೊವೊ ಮತ್ತು ಇನ್ನೊಪೊಲಿಸ್ನಲ್ಲಿ ಮಾನವರಹಿತ ಟ್ಯಾಕ್ಸಿಗಳಿಗೆ ಯಾಂಡೆಕ್ಸ್ ಪರೀಕ್ಷಾ ವಲಯಗಳನ್ನು ಹೊಂದಿದೆ: ಪ್ರಯಾಣಿಕರ ಸೀಟಿನಲ್ಲಿ ಕುಳಿತುಕೊಳ್ಳುವ ಎಂಜಿನಿಯರ್ನ ಮೇಲ್ವಿಚಾರಣೆಯಲ್ಲಿ ಪ್ರವಾಸವು ನಡೆಯುತ್ತದೆ; ವರ್ಷದ ಅಂತ್ಯದ ವೇಳೆಗೆ, ಕಂಪನಿಯು ತನ್ನ ಫ್ಲೀಟ್ ಅನ್ನು 100 ಮಾನವರಹಿತ ವಾಹನಗಳಿಗೆ ವಿಸ್ತರಿಸಲು ಯೋಜಿಸಿದೆ.
ಹಂತ 5: ಸಂಪೂರ್ಣ ಸ್ವಯಂಚಾಲಿತ ಚಾಲನೆ, ಲೈವ್ ಡ್ರೈವರ್‌ನ ಸಂಪೂರ್ಣ ಬದಲಿ. ಅಂತಹ ವ್ಯವಸ್ಥೆಗಳು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲ, ಮತ್ತು ಮುಂಬರುವ ವರ್ಷಗಳಲ್ಲಿ ಅವು ಕಾಣಿಸಿಕೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಿಲ್ಲ.

ನಿರೀಕ್ಷಿತ ಭವಿಷ್ಯದಲ್ಲಿ ಇದನ್ನೆಲ್ಲ ನೋಡುವುದು ಎಷ್ಟು ವಾಸ್ತವಿಕವಾಗಿದೆ? ಇಲ್ಲಿ ನಾನು ಓದುಗರನ್ನು ಲೇಖನಕ್ಕೆ ಮರುನಿರ್ದೇಶಿಸಲು ಬಯಸುತ್ತೇನೆ "ಟೆಸ್ಲಾ ಭರವಸೆಯಂತೆ 2020 ರ ವೇಳೆಗೆ ರೋಬೋಟ್ಯಾಕ್ಸಿ ಅನ್ನು ಪ್ರಾರಂಭಿಸುವುದು ಏಕೆ ಅಸಾಧ್ಯ". ಇದು ಭಾಗಶಃ 5G ಸಂಪರ್ಕದ ಕೊರತೆಯಿಂದಾಗಿ: ಲಭ್ಯವಿರುವ 4G ವೇಗವು ಸಾಕಾಗುವುದಿಲ್ಲ. ಭಾಗಶಃ ಸ್ವಾಯತ್ತ ಕಾರುಗಳ ಹೆಚ್ಚಿನ ವೆಚ್ಚದಿಂದಾಗಿ: ಅವು ಇನ್ನೂ ಲಾಭದಾಯಕವಾಗಿಲ್ಲ, ವ್ಯವಹಾರ ಮಾದರಿಯು ಅಸ್ಪಷ್ಟವಾಗಿದೆ. ಒಂದು ಪದದಲ್ಲಿ, ಇಲ್ಲಿ "ಎಲ್ಲವೂ ಸಂಕೀರ್ಣವಾಗಿದೆ", ಮತ್ತು 4 ಮತ್ತು 5 ಹಂತಗಳ ಸಾಮೂಹಿಕ ಅನುಷ್ಠಾನದ ಮುನ್ಸೂಚನೆಯು 10 ವರ್ಷಗಳಿಗಿಂತ ಮುಂಚೆಯೇ ಇಲ್ಲ ಎಂದು ಗಾರ್ಟ್ನರ್ ಬರೆಯುತ್ತಾರೆ ಎಂಬುದು ಕಾಕತಾಳೀಯವಲ್ಲ.

3.2. 3D ಸೆನ್ಸಿಂಗ್ ಕ್ಯಾಮೆರಾಗಳು

ಎಂಟು ವರ್ಷಗಳ ಹಿಂದೆ, ಮೈಕ್ರೋಸಾಫ್ಟ್‌ನ Kinect ಗೇಮಿಂಗ್ ನಿಯಂತ್ರಕವು 3D ದೃಷ್ಟಿಗೆ ಪ್ರವೇಶಿಸಬಹುದಾದ ಮತ್ತು ತುಲನಾತ್ಮಕವಾಗಿ ಅಗ್ಗದ ಪರಿಹಾರವನ್ನು ನೀಡುವ ಮೂಲಕ ಅಲೆಗಳನ್ನು ಸೃಷ್ಟಿಸಿತು. ಅಲ್ಲಿಂದೀಚೆಗೆ, Kinect ಜೊತೆಗಿನ ದೈಹಿಕ ಶಿಕ್ಷಣ ಮತ್ತು ನೃತ್ಯ ಆಟಗಳು ಕಡಿಮೆ ಏರಿಕೆ ಮತ್ತು ಅವನತಿಯನ್ನು ಅನುಭವಿಸಿದವು, ಆದರೆ 3D ಕ್ಯಾಮೆರಾಗಳನ್ನು ಕೈಗಾರಿಕಾ ರೋಬೋಟ್‌ಗಳು, ಮಾನವರಹಿತ ವಾಹನಗಳು ಮತ್ತು ಮುಖದ ಗುರುತಿಗಾಗಿ ಮೊಬೈಲ್ ಫೋನ್‌ಗಳಲ್ಲಿ ಬಳಸಲಾರಂಭಿಸಿತು. ತಂತ್ರಜ್ಞಾನವು ಅಗ್ಗವಾಗಿದೆ, ಹೆಚ್ಚು ಸಾಂದ್ರವಾಗಿರುತ್ತದೆ ಮತ್ತು ಹೆಚ್ಚು ಪ್ರವೇಶಿಸಬಹುದಾಗಿದೆ.

Samsung S10 ಫೋನ್ ಸಮಯ-ಆಫ್-ಫ್ಲೈಟ್ ಕ್ಯಾಮೆರಾವನ್ನು ಹೊಂದಿದ್ದು ಅದು ಫೋಕಸಿಂಗ್ ಅನ್ನು ಸುಲಭಗೊಳಿಸಲು ವಸ್ತುವಿನ ದೂರವನ್ನು ಅಳೆಯುತ್ತದೆ. ಮೂಲ

ನೀವು ಈ ವಿಷಯದ ಬಗ್ಗೆ ಆಸಕ್ತಿ ಹೊಂದಿದ್ದರೆ, ನಾವು ನಿಮ್ಮನ್ನು ಆಳವಾದ ಕ್ಯಾಮೆರಾಗಳ ಉತ್ತಮ ವಿವರವಾದ ವಿಮರ್ಶೆಗೆ ಮರುನಿರ್ದೇಶಿಸುತ್ತೇವೆ: 1 ನ ಭಾಗ, 2 ನ ಭಾಗ.

3.3. ಸಣ್ಣ ಸರಕುಗಳನ್ನು ತಲುಪಿಸಲು ಡ್ರೋನ್‌ಗಳು (ಲೈಟ್ ಕಾರ್ಗೋ ಡೆಲಿವರಿ ಡ್ರೋನ್ಸ್)

ಈ ವರ್ಷ, ಅಮೆಜಾನ್ ಹೊಸ ಫ್ಲೈಯಿಂಗ್ ಡ್ರೋನ್ ಅನ್ನು ಪ್ರದರ್ಶನದಲ್ಲಿ ತೋರಿಸಿದಾಗ ಅಲೆಗಳನ್ನು ಉಂಟುಮಾಡಿತು, ಅದು 2 ಕೆಜಿಯಷ್ಟು ಸಣ್ಣ ಹೊರೆಗಳನ್ನು ಸಾಗಿಸುತ್ತದೆ. ಟ್ರಾಫಿಕ್ ಜಾಮ್ ಹೊಂದಿರುವ ನಗರಕ್ಕೆ, ಇದು ಸೂಕ್ತ ಪರಿಹಾರದಂತೆ ತೋರುತ್ತದೆ. ಈ ಡ್ರೋನ್‌ಗಳು ಮುಂದಿನ ದಿನಗಳಲ್ಲಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ನೋಡೋಣ. ಬಹುಶಃ ಇಲ್ಲಿ ಎಚ್ಚರಿಕೆಯಿಂದ ಸಂದೇಹಪಡುವುದು ಯೋಗ್ಯವಾಗಿದೆ: ಡ್ರೋನ್‌ನ ಸುಲಭ ಕಳ್ಳತನದ ಸಾಧ್ಯತೆಯಿಂದ ಪ್ರಾರಂಭಿಸಿ ಮತ್ತು UAV ಗಳ ಮೇಲಿನ ಕಾನೂನು ನಿರ್ಬಂಧಗಳೊಂದಿಗೆ ಕೊನೆಗೊಳ್ಳುವ ಹಲವು ಸಮಸ್ಯೆಗಳಿವೆ. ಅಮೆಜಾನ್ ಪ್ರೈಮ್ ಏರ್ ಆರು ವರ್ಷಗಳ ಕಾಲ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಆದರೆ ಇನ್ನೂ ಪರೀಕ್ಷಾ ಹಂತದಲ್ಲಿದೆ.

ಅಮೆಜಾನ್‌ನ ಹೊಸ ಡ್ರೋನ್, ಈ ವಸಂತಕಾಲದಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ. ಅವನ ಬಗ್ಗೆ ಏನೋ ಸ್ಟಾರ್ ವಾರ್ಸ್ ಇದೆ. ಮೂಲ

ಅಮೆಜಾನ್ ಜೊತೆಗೆ, ಈ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಇತರ ಆಟಗಾರರು ಇದ್ದಾರೆ (ವಿವರವಿದೆ обзор), ಆದರೆ ಒಂದೇ ಸಿದ್ಧಪಡಿಸಿದ ಉತ್ಪನ್ನವಲ್ಲ: ಎಲ್ಲವೂ ಪರೀಕ್ಷೆ ಮತ್ತು ಮಾರುಕಟ್ಟೆ ಪ್ರಚಾರಗಳ ಹಂತದಲ್ಲಿದೆ. ಪ್ರತ್ಯೇಕವಾಗಿ, ಸಾಕಷ್ಟು ಆಸಕ್ತಿದಾಯಕ ಹೆಚ್ಚು ವಿಶೇಷವಾದ ವೈದ್ಯಕೀಯವನ್ನು ಗಮನಿಸುವುದು ಯೋಗ್ಯವಾಗಿದೆ ಯೋಜನೆಗಳು ಆಫ್ರಿಕಾದಲ್ಲಿ: ಘಾನಾ (14 ವಿತರಣೆಗಳು, ಜಿಪ್‌ಲೈನ್ ಕಂಪನಿ) ಮತ್ತು ರುವಾಂಡಾ (ಮ್ಯಾಟರ್‌ನೆಟ್ ಕಂಪನಿ) ನಲ್ಲಿ ದಾನ ಮಾಡಿದ ರಕ್ತದ ವಿತರಣೆ.

3.4. ಹಾರುವ ಸ್ವಾಯತ್ತ ವಾಹನಗಳು

ಇಲ್ಲಿ ಖಚಿತವಾಗಿ ಏನನ್ನೂ ಹೇಳುವುದು ಕಷ್ಟ. ಗಾರ್ಟ್ನರ್ ಪ್ರಕಾರ, ಇದು 10 ವರ್ಷಗಳಿಗಿಂತ ಮುಂಚೆಯೇ ಕಾಣಿಸುವುದಿಲ್ಲ. ಸಾಮಾನ್ಯವಾಗಿ, ಸ್ವಯಂ ಚಾಲನಾ ಕಾರುಗಳಂತೆಯೇ ಇಲ್ಲಿಯೂ ಒಂದೇ ರೀತಿಯ ಸಮಸ್ಯೆಗಳಿವೆ, ಅವು ಮಾತ್ರ ಹೊಸ ಆಯಾಮವನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತವೆ - ಲಂಬ. ಪೋರ್ಷೆ, ಬೋಯಿಂಗ್ ಮತ್ತು ಉಬರ್ ಹಾರುವ ಟ್ಯಾಕ್ಸಿ ನಿರ್ಮಿಸುವ ಮಹತ್ವಾಕಾಂಕ್ಷೆಯನ್ನು ಘೋಷಿಸಿವೆ.

3.5 ವರ್ಧಿತ ರಿಯಾಲಿಟಿ ಮೇಘ (AR ಕ್ಲೌಡ್)

ನೈಜ ಪ್ರಪಂಚದ ಶಾಶ್ವತ ಡಿಜಿಟಲ್ ನಕಲು, ಎಲ್ಲಾ ಬಳಕೆದಾರರಿಗೆ ಸಾಮಾನ್ಯವಾದ ವಾಸ್ತವತೆಯ ಹೊಸ ಪದರವನ್ನು ರಚಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಹೆಚ್ಚು ತಾಂತ್ರಿಕ ಪರಿಭಾಷೆಯಲ್ಲಿ, ನಾವು ಡೆವಲಪರ್‌ಗಳು ತಮ್ಮ AR ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಸಂಯೋಜಿಸಬಹುದಾದ ಮುಕ್ತ ಕ್ಲೌಡ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಮಾಡುವ ಕುರಿತು ಮಾತನಾಡುತ್ತಿದ್ದೇವೆ. ಹಣಗಳಿಕೆಯ ಮಾದರಿಯು ಸ್ಪಷ್ಟವಾಗಿದೆ; ಇದು ಸ್ಟೀಮ್ನ ಒಂದು ರೀತಿಯ ಅನಲಾಗ್ ಆಗಿದೆ. ಈ ಕಲ್ಪನೆಯು ಎಷ್ಟು ಬೇರೂರಿದೆ ಎಂದರೆ ಕೆಲವರು ಈಗ ಕ್ಲೌಡ್ ಇಲ್ಲದ AR ಸರಳವಾಗಿ ನಿಷ್ಪ್ರಯೋಜಕವಾಗಿದೆ ಎಂದು ನಂಬುತ್ತಾರೆ.

ಭವಿಷ್ಯದಲ್ಲಿ ಇದು ಹೇಗಿರಬಹುದು ಎಂಬುದನ್ನು ಚಿಕ್ಕ ವೀಡಿಯೊದಲ್ಲಿ ತೋರಿಸಲಾಗಿದೆ. ಬ್ಲ್ಯಾಕ್ ಮಿರರ್‌ನ ಮತ್ತೊಂದು ಸಂಚಿಕೆಯಂತೆ ತೋರುತ್ತಿದೆ:

ನೀವು ಸಹ ಓದಬಹುದು ವಿಮರ್ಶೆ ಲೇಖನ.

4. ವರ್ಧಿತ ಮಾನವ

4.1. ಭಾವನೆ AI

ಮಾನವ ಭಾವನೆಗಳನ್ನು ಅಳೆಯುವುದು, ಅನುಕರಿಸುವುದು ಮತ್ತು ಪ್ರತಿಕ್ರಿಯಿಸುವುದು ಹೇಗೆ? ಇಲ್ಲಿ ಕೆಲವು ಕ್ಲೈಂಟ್‌ಗಳು ಅಮೆಜಾನ್ ಅಲೆಕ್ಸಾದಂತಹ ಧ್ವನಿ ಸಹಾಯಕರನ್ನು ತಯಾರಿಸುವ ಕಂಪನಿಗಳಾಗಿವೆ. ಅವರು ಮನಸ್ಥಿತಿಯನ್ನು ಗುರುತಿಸಲು ಕಲಿತರೆ ಅವರು ನಿಜವಾಗಿಯೂ ಮನೆಗಳಿಗೆ ಒಗ್ಗಿಕೊಳ್ಳಬಹುದು: ಬಳಕೆದಾರರ ಅಸಮಾಧಾನದ ಕಾರಣವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ ಮತ್ತು ಪರಿಸ್ಥಿತಿಯನ್ನು ಸರಿಪಡಿಸಲು ಪ್ರಯತ್ನಿಸಿ. ಸಾಮಾನ್ಯವಾಗಿ, ಸಂದೇಶಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಸನ್ನಿವೇಶದಲ್ಲಿ ಹೆಚ್ಚಿನ ಮಾಹಿತಿ ಇದೆ. ಮತ್ತು ಸಂದರ್ಭವೆಂದರೆ ಮುಖಭಾವ, ಸ್ವರ ಮತ್ತು ಮೌಖಿಕ ನಡವಳಿಕೆ.

ಇತರ ಪ್ರಾಯೋಗಿಕ ಅನ್ವಯಗಳು: ಉದ್ಯೋಗ ಸಂದರ್ಶನದ ಸಮಯದಲ್ಲಿ ಭಾವನೆಗಳ ವಿಶ್ಲೇಷಣೆ (ವೀಡಿಯೊ ಸಂದರ್ಶನಗಳನ್ನು ಆಧರಿಸಿ), ಜಾಹೀರಾತುಗಳು ಅಥವಾ ಇತರ ವೀಡಿಯೊ ವಿಷಯಗಳಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ನಿರ್ಣಯಿಸುವುದು (ಸ್ಮೈಲ್ಸ್, ನಗು), ಕಲಿಕೆಯಲ್ಲಿ ಸಹಾಯ (ಉದಾಹರಣೆಗೆ, ಸಾರ್ವಜನಿಕ ಮಾತನಾಡುವ ಕಲೆಯಲ್ಲಿ ಸ್ವತಂತ್ರ ಅಭ್ಯಾಸಕ್ಕಾಗಿ).

6 ನಿಮಿಷಗಳ ಕಿರುಚಿತ್ರದ ಲೇಖಕರಿಗಿಂತ ಈ ವಿಷಯದ ಬಗ್ಗೆ ಉತ್ತಮವಾಗಿ ಮಾತನಾಡುವುದು ಕಷ್ಟ ಉರ್ ಫೀಲಿಂಗ್ ಅನ್ನು ಕದಿಯುವುದು. ಮಾರ್ಕೆಟಿಂಗ್ ಉದ್ದೇಶಗಳಿಗಾಗಿ ನಮ್ಮ ಭಾವನೆಗಳನ್ನು ನೀವು ಹೇಗೆ ಅಳೆಯಬಹುದು ಎಂಬುದನ್ನು ಹಾಸ್ಯಮಯ ಮತ್ತು ಸೊಗಸಾದ ವೀಡಿಯೊ ತೋರಿಸುತ್ತದೆ ಮತ್ತು ನಿಮ್ಮ ಮುಖದ ಕ್ಷಣಿಕ ಪ್ರತಿಕ್ರಿಯೆಗಳಿಂದ, ನೀವು ಪಿಜ್ಜಾ, ನಾಯಿಗಳು, ಕಾನ್ಯೆ ವೆಸ್ಟ್ ಅನ್ನು ಇಷ್ಟಪಡುತ್ತೀರಾ ಮತ್ತು ನಿಮ್ಮ ಆದಾಯದ ಮಟ್ಟ ಮತ್ತು ಅಂದಾಜು ಐಕ್ಯೂ ಏನು ಎಂಬುದನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ. ಮೇಲಿನ ಲಿಂಕ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಚಲನಚಿತ್ರದ ವೆಬ್‌ಸೈಟ್‌ಗೆ ಭೇಟಿ ನೀಡುವ ಮೂಲಕ, ನಿಮ್ಮ ಲ್ಯಾಪ್‌ಟಾಪ್‌ನ ಅಂತರ್ನಿರ್ಮಿತ ಕ್ಯಾಮರಾವನ್ನು ಬಳಸಿಕೊಂಡು ನೀವು ಸಂವಾದಾತ್ಮಕ ವೀಡಿಯೊದಲ್ಲಿ ಪಾಲ್ಗೊಳ್ಳುವಿರಿ. ಈಗಾಗಲೇ ಹಲವಾರು ಚಿತ್ರೋತ್ಸವಗಳಲ್ಲಿ ಚಿತ್ರ ಪ್ರದರ್ಶನ ಕಂಡಿದೆ.

ಮೂಲ

ಅಂತಹ ಆಸಕ್ತಿದಾಯಕ ಅಧ್ಯಯನವೂ ಇದೆ: ಪಠ್ಯದಲ್ಲಿ ವ್ಯಂಗ್ಯವನ್ನು ಹೇಗೆ ಗುರುತಿಸುವುದು. ನಾವು #sarcasm ಎಂಬ ಹ್ಯಾಶ್‌ಟ್ಯಾಗ್‌ನೊಂದಿಗೆ ಟ್ವೀಟ್‌ಗಳನ್ನು ತೆಗೆದುಕೊಂಡಿದ್ದೇವೆ ಮತ್ತು ವ್ಯಂಗ್ಯದೊಂದಿಗೆ 25 ಟ್ವೀಟ್‌ಗಳ ತರಬೇತಿ ಸೆಟ್ ಮತ್ತು ಸೂರ್ಯನ ಕೆಳಗಿರುವ ಎಲ್ಲದರ ಬಗ್ಗೆ 000 ಸಾಮಾನ್ಯ ಟ್ವೀಟ್‌ಗಳನ್ನು ಮಾಡಿದ್ದೇವೆ. ನಾವು ಟೆನ್ಸರ್‌ಫ್ಲೋ ಲೈಬ್ರರಿಯನ್ನು ಬಳಸಿದ್ದೇವೆ, ಸಿಸ್ಟಮ್‌ಗೆ ತರಬೇತಿ ನೀಡಿದ್ದೇವೆ ಮತ್ತು ಫಲಿತಾಂಶ ಇಲ್ಲಿದೆ:

ಮೂಲ

ಆದ್ದರಿಂದ, ಈಗ, ನಿಮ್ಮ ಸಹೋದ್ಯೋಗಿ ಅಥವಾ ಸ್ನೇಹಿತನ ಬಗ್ಗೆ ನಿಮಗೆ ಖಚಿತವಿಲ್ಲದಿದ್ದರೆ - ಅವರು ನಿಮಗೆ ಏನನ್ನಾದರೂ ಗಂಭೀರವಾಗಿ ಅಥವಾ ವ್ಯಂಗ್ಯವಾಗಿ ಹೇಳಿದರು, ನೀವು ಈಗಾಗಲೇ ಬಳಸಬಹುದು ತರಬೇತಿ ಪಡೆದ ನರಮಂಡಲ!

4.2. ವರ್ಧಿತ ಬುದ್ಧಿವಂತಿಕೆ

ಯಂತ್ರ ಕಲಿಕೆ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಬೌದ್ಧಿಕ ಕೆಲಸದ ಆಟೊಮೇಷನ್. ಇದು ಹೊಸದೇನಲ್ಲ ಎಂದು ತೋರುತ್ತದೆ? ಆದರೆ ಇಲ್ಲಿ ಮಾತುಗಳು ಮುಖ್ಯವಾಗಿದೆ, ವಿಶೇಷವಾಗಿ ಇದು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸಂಕ್ಷೇಪಣದಲ್ಲಿ ಹೊಂದಿಕೆಯಾಗುತ್ತದೆ. ಇದು ನಮ್ಮನ್ನು "ಬಲವಾದ" ಮತ್ತು "ದುರ್ಬಲ" AI ಕುರಿತು ಚರ್ಚೆಗೆ ತರುತ್ತದೆ.
ಸ್ಟ್ರಾಂಗ್ AI ಎಂಬುದು ವೈಜ್ಞಾನಿಕ ಕಾಲ್ಪನಿಕ ಚಲನಚಿತ್ರಗಳ ಅದೇ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯಾಗಿದ್ದು ಅದು ಮಾನವನ ಮನಸ್ಸಿಗೆ ಸಂಪೂರ್ಣವಾಗಿ ಸಮನಾಗಿರುತ್ತದೆ ಮತ್ತು ಒಬ್ಬ ವ್ಯಕ್ತಿಯಂತೆ ತನ್ನನ್ನು ತಾನು ಅರಿತಿರುತ್ತದೆ. ಇದು ಇನ್ನೂ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲ ಮತ್ತು ಅದು ಅಸ್ತಿತ್ವದಲ್ಲಿದೆಯೇ ಎಂಬುದು ಅಸ್ಪಷ್ಟವಾಗಿದೆ.

ದುರ್ಬಲ AI ಸ್ವತಂತ್ರ ವ್ಯಕ್ತಿಯಲ್ಲ, ಆದರೆ ಮಾನವ ಸಹಾಯಕ. ಅವರು ಮಾನವ ತರಹದ ಚಿಂತನೆಯನ್ನು ಹೊಂದಿದ್ದಾರೆಂದು ಹೇಳಿಕೊಳ್ಳುವುದಿಲ್ಲ, ಆದರೆ ಮಾಹಿತಿ ಸಮಸ್ಯೆಗಳನ್ನು ಹೇಗೆ ಪರಿಹರಿಸಬೇಕೆಂದು ಸರಳವಾಗಿ ತಿಳಿದಿದೆ, ಉದಾಹರಣೆಗೆ, ಚಿತ್ರದಲ್ಲಿ ತೋರಿಸಿರುವದನ್ನು ನಿರ್ಧರಿಸಿ ಅಥವಾ ಪಠ್ಯವನ್ನು ಅನುವಾದಿಸಿ.

ಮೂಲ

ಈ ಅರ್ಥದಲ್ಲಿ, ವರ್ಧಿತ ಬುದ್ಧಿಮತ್ತೆಯು ಅದರ ಶುದ್ಧ ರೂಪದಲ್ಲಿ "ದುರ್ಬಲ AI" ಆಗಿದೆ, ಮತ್ತು ಸೂತ್ರೀಕರಣವು ಯಶಸ್ವಿಯಾಗಿದೆ ಎಂದು ತೋರುತ್ತದೆ, ಏಕೆಂದರೆ ಇದು ಗೊಂದಲವನ್ನು ಪರಿಚಯಿಸುವುದಿಲ್ಲ ಮತ್ತು ಪ್ರತಿಯೊಬ್ಬರೂ ಕನಸು ಕಾಣುವ (ಅಥವಾ ನಾವು ಭಯಪಟ್ಟರೆ) ಅದೇ "ಬಲವಾದ AI" ಅನ್ನು ನೋಡುವ ಪ್ರಲೋಭನೆಯನ್ನು ಇಲ್ಲಿ ಪರಿಚಯಿಸುವುದಿಲ್ಲ. "ಬಂಡಾಯ ಕಾರುಗಳು" ಬಗ್ಗೆ ಹಲವಾರು ಚರ್ಚೆಗಳನ್ನು ನೆನಪಿಸಿಕೊಳ್ಳಿ). ಆಗ್ಮೆಂಟೆಡ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಎಂಬ ಅಭಿವ್ಯಕ್ತಿಯನ್ನು ಬಳಸಿಕೊಂಡು, ನಾವು ತಕ್ಷಣವೇ ಮತ್ತೊಂದು ಚಿತ್ರದ ನಾಯಕರಾಗುತ್ತೇವೆ: ವೈಜ್ಞಾನಿಕ ಕಾದಂಬರಿಯಿಂದ (ಅಸಿಮೊವ್‌ನ “ಐ, ರೋಬೋಟ್” ನಂತಹ) ನಾವು ಸೈಬರ್‌ಪಂಕ್‌ನಲ್ಲಿ ನಮ್ಮನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತೇವೆ (ಈ ಪ್ರಕಾರದಲ್ಲಿ “ವರ್ಧನೆಗಳು” ಮಾನವ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ವಿಸ್ತರಿಸುವ ಎಲ್ಲಾ ರೀತಿಯ ಇಂಪ್ಲಾಂಟ್‌ಗಳು).

ಹೇಗೆ ಹೇಳಿದರು ಎರಿಕ್ ಬ್ರೈನ್‌ಜೋಲ್ಫ್ಸನ್ ಮತ್ತು ಆಂಡ್ರ್ಯೂ ಮ್ಯಾಕ್‌ಅಫೀ: “ಮುಂದಿನ 10 ವರ್ಷಗಳಲ್ಲಿ, ಇದು ಏನಾಗುತ್ತದೆ. AI ಮ್ಯಾನೇಜರ್‌ಗಳನ್ನು ಬದಲಾಯಿಸುವುದಿಲ್ಲ, ಆದರೆ AI ಅನ್ನು ಬಳಸುವ ಮ್ಯಾನೇಜರ್‌ಗಳು ಅದನ್ನು ಇನ್ನೂ ಮಾಡದವರನ್ನು ಬದಲಾಯಿಸುತ್ತಾರೆ.

ಉದಾಹರಣೆಗಳು:

• ಮೆಡಿಸಿನ್: ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ ಅಲ್ಗಾರಿದಮ್, ಹೆಚ್ಚಿನ ವೈದ್ಯರಂತೆ ಸರಾಸರಿಯಾಗಿ ಎದೆಯ ಎಕ್ಸ್-ಕಿರಣಗಳ ಮೇಲೆ ರೋಗಶಾಸ್ತ್ರವನ್ನು ಗುರುತಿಸುವ ಕಾರ್ಯವನ್ನು ಯಾರು ನಿಭಾಯಿಸುತ್ತಾರೆ
• ಶಿಕ್ಷಣ: ವಿದ್ಯಾರ್ಥಿಗಳು ಮತ್ತು ಶಿಕ್ಷಕರಿಗೆ ನೆರವು, ವಸ್ತುಗಳಿಗೆ ವಿದ್ಯಾರ್ಥಿಗಳ ಪ್ರತಿಕ್ರಿಯೆಗಳ ವಿಶ್ಲೇಷಣೆ, ವೈಯಕ್ತಿಕ ಕಲಿಕೆಯ ಪಥದ ನಿರ್ಮಾಣ.
• ವ್ಯಾಪಾರ ವಿಶ್ಲೇಷಣೆ: ಅಂಕಿಅಂಶಗಳ ಪ್ರಕಾರ ಡೇಟಾ ಪೂರ್ವ ಸಂಸ್ಕರಣೆಯು ಸಂಶೋಧಕರ ಸಮಯವನ್ನು 80% ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಪ್ರಯೋಗದ 20% ಮಾತ್ರ

4.3. ಬಯೋಚಿಪ್ಸ್

ಇದು ಎಲ್ಲಾ ಸೈಬರ್‌ಪಂಕ್ ಚಲನಚಿತ್ರಗಳು ಮತ್ತು ಪುಸ್ತಕಗಳ ನೆಚ್ಚಿನ ವಿಷಯವಾಗಿದೆ. ಸಾಮಾನ್ಯವಾಗಿ, ಸಾಕುಪ್ರಾಣಿಗಳನ್ನು ಮೈಕ್ರೋಚಿಪ್ ಮಾಡುವುದು ಹೊಸ ಅಭ್ಯಾಸವಲ್ಲ. ಆದರೆ ಈಗ ಈ ಚಿಪ್ಸ್ ಜನರಿಗೆ ಅಳವಡಿಸಲು ಪ್ರಾರಂಭಿಸಿದೆ.

ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಅಮೇರಿಕನ್ ಕಂಪನಿ ತ್ರೀ ಸ್ಕ್ವೇರ್ ಮಾರ್ಕೆಟ್‌ನಲ್ಲಿನ ಸಂವೇದನಾಶೀಲ ಪ್ರಕರಣದೊಂದಿಗೆ ಪ್ರಚೋದನೆಯು ಹೆಚ್ಚಾಗಿ ಸಂಬಂಧಿಸಿದೆ. ಅಲ್ಲಿ, ಉದ್ಯೋಗದಾತನು ಶುಲ್ಕಕ್ಕೆ ಬದಲಾಗಿ ಚರ್ಮದ ಅಡಿಯಲ್ಲಿ ಚಿಪ್ಸ್ ಅನ್ನು ಅಳವಡಿಸಲು ಪ್ರಾರಂಭಿಸಿದನು. ಚಿಪ್ ನಿಮಗೆ ಬಾಗಿಲು ತೆರೆಯಲು, ಕಂಪ್ಯೂಟರ್‌ಗಳಿಗೆ ಲಾಗ್ ಇನ್ ಮಾಡಲು, ವಿತರಣಾ ಯಂತ್ರದಿಂದ ತಿಂಡಿಗಳನ್ನು ಖರೀದಿಸಲು ಅನುಮತಿಸುತ್ತದೆ - ಅಂದರೆ, ಅಂತಹ ಸಾರ್ವತ್ರಿಕ ಉದ್ಯೋಗಿ ಕಾರ್ಡ್. ಇದಲ್ಲದೆ, ಅಂತಹ ಚಿಪ್ ನಿಖರವಾಗಿ ಗುರುತಿನ ಚೀಟಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ; ಇದು ಜಿಪಿಎಸ್ ಮಾಡ್ಯೂಲ್ ಅನ್ನು ಹೊಂದಿಲ್ಲ, ಆದ್ದರಿಂದ ಅದನ್ನು ಬಳಸುವ ಯಾರನ್ನಾದರೂ ಟ್ರ್ಯಾಕ್ ಮಾಡುವುದು ಅಸಾಧ್ಯ. ಮತ್ತು ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ತನ್ನ ತೋಳಿನಿಂದ ಚಿಪ್ ಅನ್ನು ತೆಗೆದುಹಾಕಲು ಬಯಸಿದರೆ, ವೈದ್ಯರ ಸಹಾಯದಿಂದ ಇದು 5 ನಿಮಿಷಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ.

ಚಿಪ್ಸ್ ಅನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಹೆಬ್ಬೆರಳು ಮತ್ತು ತೋರುಬೆರಳಿನ ನಡುವೆ ಅಳವಡಿಸಲಾಗುತ್ತದೆ. ಮೂಲ

ಮತ್ತಷ್ಟು ಓದು ಲೇಖನ ಜಗತ್ತಿನಲ್ಲಿ ಚಿಪ್ಪಿಂಗ್‌ನೊಂದಿಗೆ ವ್ಯವಹಾರಗಳ ಸ್ಥಿತಿಯ ಬಗ್ಗೆ.

4.4. ತಲ್ಲೀನಗೊಳಿಸುವ ಕಾರ್ಯಕ್ಷೇತ್ರ

"ಇಮ್ಮರ್ಸಿವ್" ಎಂಬುದು ಮತ್ತೊಂದು ಹೊಸ ಪದವಾಗಿದ್ದು ಅದು ಸರಳವಾಗಿ ತಪ್ಪಿಸಿಕೊಳ್ಳುವುದಿಲ್ಲ. ಇದು ಎಲ್ಲೆಡೆ ಇದೆ. ತಲ್ಲೀನಗೊಳಿಸುವ ರಂಗಭೂಮಿ, ಪ್ರದರ್ಶನ, ಸಿನಿಮಾ. ನಿನ್ನ ಮಾತಿನ ಅರ್ಥವೇನು? ಇಮ್ಮರ್ಶನ್ ಎನ್ನುವುದು ತಲ್ಲೀನಗೊಳಿಸುವ ಪರಿಣಾಮದ ಸೃಷ್ಟಿಯಾಗಿದ್ದು, ಲೇಖಕ ಮತ್ತು ವೀಕ್ಷಕ, ವರ್ಚುವಲ್ ಮತ್ತು ನೈಜ ಪ್ರಪಂಚದ ನಡುವಿನ ಗಡಿ ಕಳೆದುಹೋದಾಗ. ಕಾರ್ಯಸ್ಥಳದಲ್ಲಿ, ಪ್ರಾಯಶಃ, ಇದರರ್ಥ ಮಾಡುವವರು ಮತ್ತು ಇನಿಶಿಯೇಟರ್ ನಡುವಿನ ರೇಖೆಯನ್ನು ಮಸುಕುಗೊಳಿಸುವುದು ಮತ್ತು ತಮ್ಮ ಪರಿಸರವನ್ನು ಮರುಫಾರ್ಮ್ಯಾಟ್ ಮಾಡುವ ಮೂಲಕ ಹೆಚ್ಚು ಸಕ್ರಿಯ ಸ್ಥಾನವನ್ನು ಪಡೆಯಲು ಉದ್ಯೋಗಿಗಳನ್ನು ಪ್ರೋತ್ಸಾಹಿಸುವುದು.

ನಾವು ಈಗ ಎಲ್ಲೆಲ್ಲೂ ಚುರುಕುತನ, ನಮ್ಯತೆ ಮತ್ತು ನಿಕಟ ಸಹಯೋಗವನ್ನು ಹೊಂದಿರುವುದರಿಂದ, ಕೆಲಸದ ಸ್ಥಳಗಳು ಸಾಧ್ಯವಾದಷ್ಟು ಸುಲಭವಾಗಿ ಕಾನ್ಫಿಗರ್ ಆಗಿರಬೇಕು ಮತ್ತು ಗುಂಪು ಕೆಲಸವನ್ನು ಪ್ರೋತ್ಸಾಹಿಸಬೇಕು. ಆರ್ಥಿಕತೆಯು ಅದರ ನಿಯಮಗಳನ್ನು ನಿರ್ದೇಶಿಸುತ್ತದೆ: ಹೆಚ್ಚು ತಾತ್ಕಾಲಿಕ ಉದ್ಯೋಗಿಗಳು ಇದ್ದಾರೆ, ಕಚೇರಿ ಸ್ಥಳವನ್ನು ಬಾಡಿಗೆಗೆ ನೀಡುವ ವೆಚ್ಚವು ಹೆಚ್ಚುತ್ತಿದೆ ಮತ್ತು ಸ್ಪರ್ಧಾತ್ಮಕ ಕಾರ್ಮಿಕ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ, ಐಟಿ ಕಂಪನಿಗಳು ಮನರಂಜನಾ ಪ್ರದೇಶಗಳು ಮತ್ತು ಇತರ ಪ್ರಯೋಜನಗಳನ್ನು ರಚಿಸುವ ಮೂಲಕ ಕೆಲಸದಿಂದ ಉದ್ಯೋಗಿಗಳ ತೃಪ್ತಿಯನ್ನು ಹೆಚ್ಚಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿವೆ. ಮತ್ತು ಇದೆಲ್ಲವೂ ಕೆಲಸದ ಸ್ಥಳಗಳ ವಿನ್ಯಾಸದಲ್ಲಿ ಪ್ರತಿಫಲಿಸುತ್ತದೆ.

ಆಫ್ ವರದಿ ನೋಲ್

4.5 ವ್ಯಕ್ತಿತ್ವೀಕರಣ

ಜಾಹೀರಾತಿನಲ್ಲಿ ವೈಯಕ್ತೀಕರಣ ಏನು ಎಂದು ಎಲ್ಲರಿಗೂ ತಿಳಿದಿದೆ. ಕೋಣೆಯಲ್ಲಿನ ಗಾಳಿಯು ಸ್ವಲ್ಪ ಒಣಗಿದೆ ಮತ್ತು ನೀವು ಕಚೇರಿಗೆ ಆರ್ದ್ರಕವನ್ನು ಖರೀದಿಸಬೇಕು ಮತ್ತು ಮರುದಿನ ನಿಮ್ಮ ಸಾಮಾಜಿಕ ನೆಟ್ವರ್ಕ್ನಲ್ಲಿ ನೀವು ಜಾಹೀರಾತನ್ನು ನೋಡುತ್ತೀರಿ - "ಆರ್ದ್ರಕವನ್ನು ಖರೀದಿಸಿ" (a ನನಗೆ ಸಂಭವಿಸಿದ ನೈಜ ಘಟನೆ).

ಮೂಲ

ಗಾರ್ಟ್ನರ್ ವ್ಯಾಖ್ಯಾನಿಸಿದಂತೆ ವೈಯಕ್ತೀಕರಣವು ಜಾಹೀರಾತು ಉದ್ದೇಶಗಳಿಗಾಗಿ ತಮ್ಮ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಬಳಸುವ ಬಗ್ಗೆ ಬಳಕೆದಾರರ ಹೆಚ್ಚುತ್ತಿರುವ ಕಾಳಜಿಗೆ ಪ್ರತಿಕ್ರಿಯೆಯಾಗಿದೆ. ನಾವು ನಮ್ಮನ್ನು ಕಂಡುಕೊಳ್ಳುವ ಸಂದರ್ಭಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಜಾಹೀರಾತುಗಳನ್ನು ತೋರಿಸುವ ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು ಗುರಿಯಾಗಿದೆ, ಮತ್ತು ನಮಗೆ ವೈಯಕ್ತಿಕವಾಗಿ ಅಲ್ಲ. ಉದಾಹರಣೆಗೆ, ನಮ್ಮ ಸ್ಥಳ, ಸಾಧನದ ಪ್ರಕಾರ, ದಿನದ ಸಮಯ, ಹವಾಮಾನ ಪರಿಸ್ಥಿತಿಗಳು - ಇದು ನಮ್ಮ ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಉಲ್ಲಂಘಿಸದ ವಿಷಯ, ಮತ್ತು "ಕಣ್ಗಾವಲು" ಎಂಬ ಅಹಿತಕರ ಭಾವನೆಯನ್ನು ನಾವು ಅನುಭವಿಸುವುದಿಲ್ಲ.

ಈ ಎರಡು ಪರಿಕಲ್ಪನೆಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸದ ಬಗ್ಗೆ ಓದಿ ಸೂಚನೆ ಗಾರ್ಟ್‌ನರ್‌ನ ವೆಬ್‌ಸೈಟ್‌ನಲ್ಲಿ ಆಂಡ್ರ್ಯೂ ಫ್ರಾಂಕ್ ಬ್ಲಾಗ್‌ಗಳು. ಅಂತಹ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸ ಮತ್ತು ಅಂತಹುದೇ ಪದಗಳಿವೆ, ನೀವು ವ್ಯತ್ಯಾಸವನ್ನು ತಿಳಿಯದೆ, ನಿಮ್ಮ ಸಂವಾದಕನೊಂದಿಗೆ ದೀರ್ಘಕಾಲ ವಾದಿಸುವ ಅಪಾಯವಿದೆ, ಸಾಮಾನ್ಯವಾಗಿ, ಎರಡೂ ಸರಿ ಎಂದು ಅನುಮಾನಿಸುವುದಿಲ್ಲ (ಮತ್ತು ಇದು ಸಹ ಸಂಭವಿಸಿದ ನೈಜ ಘಟನೆಯಾಗಿದೆ. ಲೇಖಕ).

4.6. ಬಯೋಟೆಕ್ - ಕಲ್ಚರ್ಡ್ ಅಥವಾ ಆರ್ಟಿಫಿಶಿಯಲ್ ಟಿಶ್ಯೂ

ಇದು ಮೊದಲನೆಯದಾಗಿ, ಕೃತಕ ಮಾಂಸವನ್ನು ಬೆಳೆಯುವ ಕಲ್ಪನೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಪ್ರಪಂಚದಾದ್ಯಂತದ ಹಲವಾರು ತಂಡಗಳು "ಮೀಟ್ 2.0" ಪ್ರಯೋಗಾಲಯವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವಲ್ಲಿ ನಿರತವಾಗಿವೆ - ಇದು ಸಾಮಾನ್ಯಕ್ಕಿಂತ ಅಗ್ಗವಾಗಲಿದೆ ಎಂದು ನಿರೀಕ್ಷಿಸಲಾಗಿದೆ, ಮತ್ತು ತ್ವರಿತ ಆಹಾರಗಳು ಮತ್ತು ನಂತರ ಸೂಪರ್ಮಾರ್ಕೆಟ್ಗಳು ಇದಕ್ಕೆ ಬದಲಾಗುತ್ತವೆ. ಈ ತಂತ್ರಜ್ಞಾನದ ಹೂಡಿಕೆದಾರರಲ್ಲಿ ಬಿಲ್ ಗೇಟ್ಸ್, ಸೆರ್ಗೆ ಬ್ರಿನ್, ರಿಚರ್ಡ್ ಬ್ರಾನ್ಸನ್ ಮತ್ತು ಇತರರು ಸೇರಿದ್ದಾರೆ.

ಮೂಲ

ಪ್ರತಿಯೊಬ್ಬರೂ ಕೃತಕ ಮಾಂಸದ ಬಗ್ಗೆ ಆಸಕ್ತಿ ಹೊಂದಲು ಕಾರಣಗಳು:

1. ಜಾಗತಿಕ ತಾಪಮಾನ: ಜಮೀನುಗಳಿಂದ ಮೀಥೇನ್ ಹೊರಸೂಸುವಿಕೆ. ಇದು ಹವಾಮಾನದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುವ ಅನಿಲಗಳ ಜಾಗತಿಕ ಪರಿಮಾಣದ 18% ಆಗಿದೆ.
2. ಜನಸಂಖ್ಯಾ ಬೆಳವಣಿಗೆ. ಮಾಂಸದ ಬೇಡಿಕೆ ಹೆಚ್ಚುತ್ತಿದೆ, ಮತ್ತು ಎಲ್ಲರಿಗೂ ನೈಸರ್ಗಿಕ ಮಾಂಸದೊಂದಿಗೆ ಆಹಾರವನ್ನು ನೀಡಲು ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ - ಇದು ಸರಳವಾಗಿ ದುಬಾರಿಯಾಗಿದೆ.
3. ಸ್ಥಳಾವಕಾಶದ ಕೊರತೆ. 70% ಅಮೆಜಾನ್ ಕಾಡುಗಳನ್ನು ಈಗಾಗಲೇ ಹುಲ್ಲುಗಾವಲುಗಾಗಿ ಕತ್ತರಿಸಲಾಗಿದೆ.
4. ನೈತಿಕ ಪರಿಗಣನೆಗಳು. ಇದು ಮುಖ್ಯವಾದವರೂ ಇದ್ದಾರೆ. ಪ್ರಾಣಿ ಹಕ್ಕುಗಳ ಸಂಸ್ಥೆ PETA ಈಗಾಗಲೇ ಕೃತಕ ಕೋಳಿ ಮಾಂಸವನ್ನು ಮಾರುಕಟ್ಟೆಗೆ ತರುವ ವಿಜ್ಞಾನಿಗೆ $ 1 ಮಿಲಿಯನ್ ಬಹುಮಾನವನ್ನು ನೀಡಿದೆ.

ನಿಜವಾದ ಮಾಂಸವನ್ನು ಸೋಯಾದೊಂದಿಗೆ ಬದಲಿಸುವುದು ಭಾಗಶಃ ಪರಿಹಾರವಾಗಿದೆ, ಏಕೆಂದರೆ ಜನರು ರುಚಿ ಮತ್ತು ವಿನ್ಯಾಸದಲ್ಲಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಪ್ರಶಂಸಿಸಬಹುದು ಮತ್ತು ಸೋಯಾ ಪರವಾಗಿ ಸ್ಟೀಕ್ ಅನ್ನು ಬಿಟ್ಟುಕೊಡಲು ಅಸಂಭವವಾಗಿದೆ. ಆದ್ದರಿಂದ ನಿಮಗೆ ನಿಜವಾದ, ಸಾವಯವವಾಗಿ ಬೆಳೆದ ಮಾಂಸ ಬೇಕು. ಈಗ, ದುರದೃಷ್ಟವಶಾತ್, ಕೃತಕ ಮಾಂಸವು ತುಂಬಾ ದುಬಾರಿಯಾಗಿದೆ: ಪ್ರತಿ ಕಿಲೋಗ್ರಾಂಗೆ $ 12 ರಿಂದ. ಅಂತಹ ಮಾಂಸವನ್ನು ಬೆಳೆಯುವ ಸಂಕೀರ್ಣ ತಾಂತ್ರಿಕ ಪ್ರಕ್ರಿಯೆಯ ಕಾರಣ ಇದು. ಅದರ ಬಗ್ಗೆ ಎಲ್ಲಾ ಓದಿ ಲೇಖನ.

ಅಂಗಾಂಶ ಬೆಳೆಯುತ್ತಿರುವ ಇತರ ಪ್ರಕರಣಗಳ ಬಗ್ಗೆ ನಾವು ಮಾತನಾಡಿದರೆ - ಈಗಾಗಲೇ ಔಷಧದಲ್ಲಿ - ನಂತರ ಕೃತಕ ಅಂಗಗಳೊಂದಿಗಿನ ವಿಷಯವು ಆಸಕ್ತಿದಾಯಕವಾಗಿದೆ: ಉದಾಹರಣೆಗೆ, ಹೃದಯ ಸ್ನಾಯುಗಳಿಗೆ "ಪ್ಯಾಚ್", ಮುದ್ರಿಸಲಾಗಿದೆ ವಿಶೇಷ 3D ಪ್ರಿಂಟರ್. ಪರಿಚಿತ ಕಥೆಗಳು ಕೃತಕವಾಗಿ ಬೆಳೆದ ಮೌಸ್ ಹೃದಯದಂತೆ, ಆದರೆ ಸಾಮಾನ್ಯವಾಗಿ ಎಲ್ಲವೂ ಇನ್ನೂ ಕ್ಲಿನಿಕಲ್ ಪ್ರಯೋಗಗಳ ವ್ಯಾಪ್ತಿಯಲ್ಲಿದೆ. ಆದ್ದರಿಂದ ಮುಂಬರುವ ವರ್ಷಗಳಲ್ಲಿ ನಾವು ಫ್ರಾಂಕೆನ್‌ಸ್ಟೈನ್‌ನನ್ನು ನೋಡುವ ಸಾಧ್ಯತೆಯಿಲ್ಲ.

ಇಲ್ಲಿ ಗಾರ್ಟ್ನರ್ ತನ್ನ ಅಂದಾಜಿನಲ್ಲಿ ಬಹಳ ಜಾಗರೂಕರಾಗಿರುತ್ತಾನೆ, 2015 ರಲ್ಲಿ, ಅಭಿವೃದ್ಧಿ ಹೊಂದಿದ ದೇಶಗಳಲ್ಲಿನ ಜನಸಂಖ್ಯೆಯ 2019% ರಷ್ಟು 10D ಮುದ್ರಿತ ವೈದ್ಯಕೀಯ ಸಾಧನದ ಅಳವಡಿಕೆಯನ್ನು ಹೊಂದಿರುತ್ತಾರೆ ಎಂಬ ಅವರ ವಿಫಲ 3 ರ ಭವಿಷ್ಯವನ್ನು ಗಮನದಲ್ಲಿಟ್ಟುಕೊಂಡು. ಆದ್ದರಿಂದ, ಉತ್ಪಾದಕತೆಯ ಪ್ರಸ್ಥಭೂಮಿಯನ್ನು ತಲುಪುವ ಸಮಯ ಕನಿಷ್ಠ 10 ವರ್ಷಗಳು.

5. ಡಿಜಿಟಲ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆಗಳು

5.1 ವಿಕೇಂದ್ರೀಕೃತ ವೆಬ್

ಈ ಪರಿಕಲ್ಪನೆಯು ವೆಬ್‌ನ ಸಂಶೋಧಕ, ಟ್ಯೂರಿಂಗ್ ಪ್ರಶಸ್ತಿ ವಿಜೇತ ಸರ್ ಟಿಮ್ ಬರ್ನರ್ಸ್-ಲೀ ಅವರ ಹೆಸರಿನೊಂದಿಗೆ ನಿಕಟ ಸಂಬಂಧ ಹೊಂದಿದೆ. ಅವರಿಗೆ, ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನದಲ್ಲಿ ನೈತಿಕತೆಯ ಪ್ರಶ್ನೆಗಳು ಯಾವಾಗಲೂ ಮುಖ್ಯವಾದವು ಮತ್ತು ಇಂಟರ್ನೆಟ್ನ ಸಾಮೂಹಿಕ ಸಾರವು ಮುಖ್ಯವಾಗಿತ್ತು: ಹೈಪರ್ಟೆಕ್ಸ್ಟ್ನ ಅಡಿಪಾಯವನ್ನು ಹಾಕುವುದು, ನೆಟ್ವರ್ಕ್ ಒಂದು ವೆಬ್ನಂತೆ ಕೆಲಸ ಮಾಡಬೇಕು ಮತ್ತು ಕ್ರಮಾನುಗತದಂತೆ ಅಲ್ಲ ಎಂದು ಅವರು ಮನವರಿಕೆ ಮಾಡಿದರು. ನೆಟ್ವರ್ಕ್ ಅಭಿವೃದ್ಧಿಯ ಆರಂಭಿಕ ಹಂತದಲ್ಲಿ ಇದು ಸಂಭವಿಸಿತು. ಆದಾಗ್ಯೂ, ಇಂಟರ್ನೆಟ್ ಬೆಳೆದಂತೆ, ಅದರ ರಚನೆಯು ವಿವಿಧ ಕಾರಣಗಳಿಗಾಗಿ ಕೇಂದ್ರೀಕೃತವಾಯಿತು. ಇಡೀ ದೇಶಕ್ಕೆ ನೆಟ್ವರ್ಕ್ಗೆ ಪ್ರವೇಶವನ್ನು ಕೆಲವೇ ಪೂರೈಕೆದಾರರ ಸಹಾಯದಿಂದ ಸುಲಭವಾಗಿ ನಿರ್ಬಂಧಿಸಬಹುದು ಎಂದು ಅದು ಬದಲಾಯಿತು. ಮತ್ತು ಬಳಕೆದಾರರ ಡೇಟಾವು ಇಂಟರ್ನೆಟ್ ಕಂಪನಿಗಳಿಗೆ ಶಕ್ತಿ ಮತ್ತು ಆದಾಯದ ಮೂಲವಾಗಿದೆ.

"ಇಂಟರ್ನೆಟ್ ಈಗಾಗಲೇ ವಿಕೇಂದ್ರೀಕೃತವಾಗಿದೆ," ಬರ್ನರ್ಸ್-ಲೀ ಹೇಳುತ್ತಾರೆ. “ಸಮಸ್ಯೆಯೆಂದರೆ ಒಂದು ಸರ್ಚ್ ಎಂಜಿನ್, ಒಂದು ದೊಡ್ಡ ಸಾಮಾಜಿಕ ನೆಟ್‌ವರ್ಕ್, ಒಂದು ಮೈಕ್ರೋಬ್ಲಾಗಿಂಗ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಪ್ರಾಬಲ್ಯ ಹೊಂದಿದೆ. ನಮಗೆ ತಾಂತ್ರಿಕ ಸಮಸ್ಯೆಗಳಿಲ್ಲ, ಆದರೆ ನಮಗೆ ಸಾಮಾಜಿಕ ಸಮಸ್ಯೆಗಳಿವೆ.

ಅವನಲ್ಲಿ ತೆರೆದ ಪತ್ರ ವರ್ಲ್ಡ್ ವೈಡ್ ವೆಬ್‌ನ 30 ನೇ ವಾರ್ಷಿಕೋತ್ಸವಕ್ಕಾಗಿ, ವೆಬ್‌ನ ಸೃಷ್ಟಿಕರ್ತರು ಇಂಟರ್ನೆಟ್‌ನ ಮೂರು ಮುಖ್ಯ ಸಮಸ್ಯೆಗಳನ್ನು ವಿವರಿಸಿದ್ದಾರೆ:

1. ರಾಜ್ಯ ಪ್ರಾಯೋಜಿತ ಹ್ಯಾಕಿಂಗ್, ಅಪರಾಧ ಮತ್ತು ಆನ್‌ಲೈನ್ ಕಿರುಕುಳದಂತಹ ಉದ್ದೇಶಿತ ಹಾನಿ
2. ಸಿಸ್ಟಮ್ನ ವಿನ್ಯಾಸವು ಬಳಕೆದಾರರಿಗೆ ಹಾನಿಯಾಗುವಂತೆ, ಅಂತಹ ಕಾರ್ಯವಿಧಾನಗಳಿಗೆ ನೆಲವನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ: ಕ್ಲಿಕ್‌ಬೈಟ್‌ಗೆ ಹಣಕಾಸಿನ ಪ್ರೋತ್ಸಾಹ ಮತ್ತು ಸುಳ್ಳು ಮಾಹಿತಿಯ ವೈರಲ್ ಹರಡುವಿಕೆ
3. ಸಿಸ್ಟಂ ವಿನ್ಯಾಸದ ಅನಪೇಕ್ಷಿತ ಪರಿಣಾಮಗಳು ಸಂಘರ್ಷಕ್ಕೆ ಕಾರಣವಾಗುತ್ತವೆ ಮತ್ತು ಆನ್‌ಲೈನ್ ಚರ್ಚೆಯ ಗುಣಮಟ್ಟವನ್ನು ಕಡಿಮೆಗೊಳಿಸುತ್ತವೆ

ಮತ್ತು ಟಿಮ್ ಬರ್ನರ್ಸ್-ಲೀ ಅವರು "ಆರೋಗ್ಯವಂತ ವ್ಯಕ್ತಿಯ ಇಂಟರ್ನೆಟ್" ಯಾವ ತತ್ವಗಳನ್ನು ಆಧರಿಸಿರಬಹುದು ಎಂಬುದರ ಕುರಿತು ಈಗಾಗಲೇ ಉತ್ತರವನ್ನು ಹೊಂದಿದ್ದಾರೆ, ಸಮಸ್ಯೆ ಸಂಖ್ಯೆ 2 ರಹಿತ: "ಹಲವು ಬಳಕೆದಾರರಿಗೆ, ಜಾಹೀರಾತು ಆದಾಯವು ಇಂಟರ್ನೆಟ್‌ನೊಂದಿಗೆ ಸಂವಹನ ನಡೆಸಲು ಏಕೈಕ ಮಾದರಿಯಾಗಿದೆ. ಜನರು ತಮ್ಮ ಡೇಟಾಗೆ ಏನಾಗುತ್ತದೆ ಎಂದು ಹೆದರುತ್ತಿದ್ದರೂ ಸಹ, ವಿಷಯವನ್ನು ಉಚಿತವಾಗಿ ಸ್ವೀಕರಿಸುವ ಅವಕಾಶಕ್ಕಾಗಿ ಮಾರ್ಕೆಟಿಂಗ್ ಯಂತ್ರದೊಂದಿಗೆ ಒಪ್ಪಂದ ಮಾಡಿಕೊಳ್ಳಲು ಅವರು ಸಿದ್ಧರಿದ್ದಾರೆ. ಎರಡೂ ಪಕ್ಷಗಳಿಗೆ ಸರಕು ಮತ್ತು ಸೇವೆಗಳಿಗೆ ಪಾವತಿಸುವುದು ಸುಲಭ ಮತ್ತು ಆನಂದದಾಯಕವಾಗಿರುವ ಜಗತ್ತನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಇದನ್ನು ಹೇಗೆ ವ್ಯವಸ್ಥೆಗೊಳಿಸಬಹುದು ಎಂಬ ಆಯ್ಕೆಗಳಲ್ಲಿ: ಸಂಗೀತಗಾರರು ತಮ್ಮ ರೆಕಾರ್ಡಿಂಗ್‌ಗಳನ್ನು ಐಟ್ಯೂನ್ಸ್ ರೂಪದಲ್ಲಿ ಮಧ್ಯವರ್ತಿಗಳಿಲ್ಲದೆ ಮಾರಾಟ ಮಾಡಬಹುದು ಮತ್ತು ಸುದ್ದಿ ಸೈಟ್‌ಗಳು ಜಾಹೀರಾತಿನಿಂದ ಹಣ ಗಳಿಸುವ ಬದಲು ಒಂದು ಲೇಖನವನ್ನು ಓದಲು ಮೈಕ್ರೊಪೇಮೆಂಟ್‌ಗಳ ವ್ಯವಸ್ಥೆಯನ್ನು ಬಳಸಬಹುದು.

ಈ ಹೊಸ ಇಂಟರ್ನೆಟ್‌ಗೆ ಪ್ರಾಯೋಗಿಕ ಮೂಲಮಾದರಿಯಾಗಿ, ಟಿಮ್ ಬರ್ನರ್ಸ್-ಲೀ SOLID ಯೋಜನೆಯನ್ನು ಪ್ರಾರಂಭಿಸಿದರು, ಇದರ ಮೂಲತತ್ವವೆಂದರೆ ನಿಮ್ಮ ಡೇಟಾವನ್ನು ನೀವು "ಪಾಡ್" - ಮಾಹಿತಿ ಅಂಗಡಿಯಲ್ಲಿ ಸಂಗ್ರಹಿಸುತ್ತೀರಿ ಮತ್ತು ಈ ಡೇಟಾವನ್ನು ಮೂರನೇ ವ್ಯಕ್ತಿಯ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಒದಗಿಸಬಹುದು. ಆದರೆ ತಾತ್ವಿಕವಾಗಿ, ನೀವೇ ನಿಮ್ಮ ಡೇಟಾದ ಮಾಸ್ಟರ್ಸ್. ಇವೆಲ್ಲವೂ ಪೀರ್-ಟು-ಪೀರ್ ನೆಟ್‌ವರ್ಕ್‌ಗಳ ಪರಿಕಲ್ಪನೆಗೆ ನಿಕಟ ಸಂಬಂಧ ಹೊಂದಿದೆ, ಅಂದರೆ, ನಿಮ್ಮ ಕಂಪ್ಯೂಟರ್ ಸೇವೆಗಳನ್ನು ವಿನಂತಿಸುವುದಲ್ಲದೆ, ಅವುಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಒಂದು ಸರ್ವರ್ ಅನ್ನು ಏಕೈಕ ಚಾನಲ್‌ನಂತೆ ಅವಲಂಬಿಸಬಾರದು.

ಮೂಲ

5.2 ವಿಕೇಂದ್ರೀಕೃತ ಸ್ವಾಯತ್ತ ಸಂಸ್ಥೆಗಳು

ಇದು ಕಂಪ್ಯೂಟರ್ ಪ್ರೋಗ್ರಾಂನ ರೂಪದಲ್ಲಿ ಬರೆಯಲಾದ ನಿಯಮಗಳಿಂದ ನಿಯಂತ್ರಿಸಲ್ಪಡುವ ಸಂಸ್ಥೆಯಾಗಿದೆ. ಇದರ ಹಣಕಾಸಿನ ಚಟುವಟಿಕೆಗಳು ಬ್ಲಾಕ್ಚೈನ್ ಅನ್ನು ಆಧರಿಸಿವೆ. ಅಂತಹ ಸಂಸ್ಥೆಗಳನ್ನು ರಚಿಸುವ ಉದ್ದೇಶವು ಮಧ್ಯವರ್ತಿ ಪಾತ್ರದಿಂದ ರಾಜ್ಯವನ್ನು ತೊಡೆದುಹಾಕಲು ಮತ್ತು ಕೌಂಟರ್ಪಾರ್ಟಿಗಳಿಗೆ ಸಾಮಾನ್ಯ ವಿಶ್ವಾಸಾರ್ಹ ವಾತಾವರಣವನ್ನು ಸೃಷ್ಟಿಸುವುದು, ಅದು ಯಾರೊಬ್ಬರ ಒಡೆತನದಲ್ಲಿ ಪ್ರತ್ಯೇಕವಾಗಿಲ್ಲ, ಆದರೆ ಎಲ್ಲರೂ ಒಟ್ಟಾಗಿ ಒಡೆತನದಲ್ಲಿದೆ. ಅಂದರೆ, ಸೈದ್ಧಾಂತಿಕವಾಗಿ, ಇದು ಕಲ್ಪನೆಯು ಬೇರು ಬಿಟ್ಟರೆ, ನೋಟರಿಗಳು ಮತ್ತು ಇತರ ಸಾಮಾನ್ಯ ಪರಿಶೀಲನಾ ಸಂಸ್ಥೆಗಳನ್ನು ರದ್ದುಗೊಳಿಸಬೇಕು.

ಅಂತಹ ಸಂಘಟನೆಯ ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧ ಉದಾಹರಣೆಯೆಂದರೆ ಸಾಹಸೋದ್ಯಮ-ಕೇಂದ್ರಿತ ದಿ DAO, ಇದು 2016 ರಲ್ಲಿ $150 ಮಿಲಿಯನ್ ಸಂಗ್ರಹಿಸಿದೆ, ಅದರಲ್ಲಿ $50 ತಕ್ಷಣವೇ ನಿಯಮಗಳ ಕಾನೂನು ರಂಧ್ರದ ಮೂಲಕ ಕದಿಯಲ್ಪಟ್ಟಿದೆ. ಕಷ್ಟಕರವಾದ ಸಂದಿಗ್ಧತೆ ತಕ್ಷಣವೇ ಹುಟ್ಟಿಕೊಂಡಿತು: ಒಂದೋ ಹಿಂತಿರುಗಿ ಮತ್ತು ಹಣವನ್ನು ಹಿಂತಿರುಗಿಸಿ, ಅಥವಾ ಹಣವನ್ನು ಹಿಂತೆಗೆದುಕೊಳ್ಳುವುದು ಕಾನೂನುಬದ್ಧವಾಗಿದೆ ಎಂದು ಒಪ್ಪಿಕೊಳ್ಳಿ, ಏಕೆಂದರೆ ಅದು ಯಾವುದೇ ರೀತಿಯಲ್ಲಿ ವೇದಿಕೆಯ ನಿಯಮಗಳನ್ನು ಉಲ್ಲಂಘಿಸಿಲ್ಲ. ಪರಿಣಾಮವಾಗಿ, ಹೂಡಿಕೆದಾರರಿಗೆ ಹಣವನ್ನು ಹಿಂದಿರುಗಿಸುವ ಸಲುವಾಗಿ, ಸೃಷ್ಟಿಕರ್ತರು ದಿ DAO ಅನ್ನು ನಾಶಪಡಿಸಬೇಕಾಗಿತ್ತು, ಬ್ಲಾಕ್ಚೈನ್ ಅನ್ನು ಪುನಃ ಬರೆಯುತ್ತಾರೆ ಮತ್ತು ಅದರ ಮೂಲ ತತ್ವವನ್ನು ಉಲ್ಲಂಘಿಸುತ್ತಾರೆ - ಅಸ್ಥಿರತೆ.

Ethereum (ಎಡ) ಮತ್ತು DAO (ಬಲ) ಬಗ್ಗೆ ಕಾಮಿಕ್. ಮೂಲ

ಈ ಸಂಪೂರ್ಣ ಕಥೆಯು DAO ನ ಕಲ್ಪನೆಯ ಖ್ಯಾತಿಯನ್ನು ಹಾಳುಮಾಡಿದೆ. ಆ ಯೋಜನೆಯನ್ನು Ethereum cryptocurrency ಆಧಾರದ ಮೇಲೆ ಮಾಡಲಾಯಿತು, ಆವೃತ್ತಿ ಈಥರ್ 2.0 ಮುಂದಿನ ವರ್ಷ ನಿರೀಕ್ಷಿಸಲಾಗಿದೆ - ಬಹುಶಃ ಲೇಖಕರು (ಪ್ರಸಿದ್ಧ Vitalik Buterin ಸೇರಿದಂತೆ) ದೋಷಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಹೊಸದನ್ನು ತೋರಿಸುತ್ತದೆ. ಅದಕ್ಕಾಗಿಯೇ ಗಾರ್ಟ್ನರ್ DAO ಅನ್ನು ಅಪ್‌ಲೈನ್‌ನಲ್ಲಿ ಇರಿಸಿದ್ದಾರೆ.

5.3.ಸಿಂಥೆಟಿಕ್ಸ್ ಡೇಟಾ

ನರಮಂಡಲವನ್ನು ತರಬೇತಿ ಮಾಡಲು, ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಡೇಟಾ ಅಗತ್ಯವಿದೆ. ಡೇಟಾವನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಲೇಬಲ್ ಮಾಡುವುದು ಮಾನವನಿಂದ ಮಾತ್ರ ಮಾಡಬಹುದಾದ ದೊಡ್ಡ ಕಾರ್ಯವಾಗಿದೆ. ಆದ್ದರಿಂದ, ಕೃತಕ ಡೇಟಾ ಸೆಟ್ಗಳನ್ನು ರಚಿಸಲು ಸಾಧ್ಯವಿದೆ. ಉದಾಹರಣೆಗೆ, ಸೈಟ್‌ನಲ್ಲಿರುವ ಮಾನವ ಮುಖಗಳ ಅದೇ ಸಂಗ್ರಹಗಳು https://generated.photos. ಅವುಗಳನ್ನು GAN ಬಳಸಿ ರಚಿಸಲಾಗಿದೆ - ಈಗಾಗಲೇ ಮೇಲೆ ತಿಳಿಸಲಾದ ಅಲ್ಗಾರಿದಮ್‌ಗಳು.

ಈ ಮುಖಗಳು ಜನರಿಗೆ ಸೇರಿಲ್ಲ. ಮೂಲ

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

5.4.ಡಿಜಿಟಲ್ ಆಪ್ಸ್

DevOps ನಮ್ಮ ಭಾಷಣದಲ್ಲಿ ಬೇರೂರಿದಾಗಿನಿಂದ "Ops" ಪ್ರತ್ಯಯವು ನಂಬಲಾಗದಷ್ಟು ಫ್ಯಾಶನ್ ಆಗಿದೆ. ಈಗ DigitalOps ಎಂದರೇನು ಎಂಬುದರ ಕುರಿತು - ಇದು ಕೇವಲ DevOps, DesignOps, MarketingOps ನ ಸಾಮಾನ್ಯೀಕರಣವಾಗಿದೆ... ನಿಮಗೆ ಇನ್ನೂ ಬೇಸರವಾಗಿದೆಯೇ? ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಹೇಳುವುದಾದರೆ, ಇದು ಸಾಫ್ಟ್‌ವೇರ್ ಪ್ರದೇಶದಿಂದ ವ್ಯವಹಾರದ ಎಲ್ಲಾ ಇತರ ಅಂಶಗಳಿಗೆ - ಮಾರ್ಕೆಟಿಂಗ್, ವಿನ್ಯಾಸ, ಇತ್ಯಾದಿಗಳಿಗೆ DevOps ವಿಧಾನದ ವರ್ಗಾವಣೆಯಾಗಿದೆ.

ಮೂಲ

ಪ್ರೋಗ್ರಾಮರ್‌ಗಳು, ಪರೀಕ್ಷಕರು, ಭದ್ರತಾ ತಜ್ಞರು ಮತ್ತು ನಿರ್ವಾಹಕರು ಇರುವ ಸಾಮಾನ್ಯ ತಂಡಗಳ ರಚನೆಯ ಮೂಲಕ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಗಳ (ವ್ಯಾಪಾರ ಪ್ರಕ್ರಿಯೆಗಳು) ನಡುವಿನ ಅಡೆತಡೆಗಳನ್ನು ತೆಗೆದುಹಾಕುವುದು DevOps ನ ಕಲ್ಪನೆಯಾಗಿದೆ; ಕೆಲವು ಅಭ್ಯಾಸಗಳ ಅನುಷ್ಠಾನ: ನಿರಂತರ ಏಕೀಕರಣ, ಕೋಡ್‌ನಂತೆ ಮೂಲಸೌಕರ್ಯ, ಪ್ರತಿಕ್ರಿಯೆ ಸರಪಳಿಗಳ ಕಡಿತ ಮತ್ತು ಬಲಪಡಿಸುವಿಕೆ. ಉತ್ಪನ್ನದ ಮಾರುಕಟ್ಟೆಯ ಸಮಯವನ್ನು ವೇಗಗೊಳಿಸುವುದು ಗುರಿಯಾಗಿದೆ. ಇದು ಅಗೈಲ್‌ಗೆ ಹೋಲುತ್ತದೆ ಎಂದು ನೀವು ಭಾವಿಸಿದರೆ, ನೀವು ಹೇಳಿದ್ದು ಸರಿ. ಈಗ ಮಾನಸಿಕವಾಗಿ ಈ ವಿಧಾನವನ್ನು ಸಾಫ್ಟ್‌ವೇರ್ ಅಭಿವೃದ್ಧಿಯ ಕ್ಷೇತ್ರದಿಂದ ಸಾಮಾನ್ಯವಾಗಿ ಅಭಿವೃದ್ಧಿಗೆ ವರ್ಗಾಯಿಸಿ - ಮತ್ತು ಡಿಜಿಟಲ್ಆಪ್ಸ್ ಏನೆಂದು ನೀವು ಅರ್ಥಮಾಡಿಕೊಂಡಿದ್ದೀರಿ.

5.5 ಜ್ಞಾನದ ಗ್ರಾಫ್ಗಳು

ಯಂತ್ರ ಕಲಿಕೆ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸುವುದು ಸೇರಿದಂತೆ ಜ್ಞಾನದ ಪ್ರದೇಶವನ್ನು ರೂಪಿಸಲು ಸಾಫ್ಟ್‌ವೇರ್ ಮಾರ್ಗ. ಎಲ್ಲಾ ಮಾಹಿತಿಯನ್ನು ಒಟ್ಟಿಗೆ ಲಿಂಕ್ ಮಾಡಲು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಡೇಟಾಬೇಸ್‌ಗಳ ಮೇಲೆ ಜ್ಞಾನದ ಗ್ರಾಫ್ ಅನ್ನು ನಿರ್ಮಿಸಲಾಗಿದೆ: ಎರಡೂ ರಚನಾತ್ಮಕ (ಈವೆಂಟ್‌ಗಳು ಅಥವಾ ಜನರ ಪಟ್ಟಿ) ಮತ್ತು ರಚನೆಯಿಲ್ಲದ (ಲೇಖನದ ಪಠ್ಯ).

Google ಹುಡುಕಾಟ ಫಲಿತಾಂಶಗಳಲ್ಲಿ ನೀವು ನೋಡಬಹುದಾದ ಕಾರ್ಡ್ ಸರಳ ಉದಾಹರಣೆಯಾಗಿದೆ. ನೀವು ವ್ಯಕ್ತಿ ಅಥವಾ ಸಂಸ್ಥೆಯನ್ನು ಹುಡುಕುತ್ತಿದ್ದರೆ, ನೀವು ಬಲಭಾಗದಲ್ಲಿ ಕಾರ್ಡ್ ಅನ್ನು ನೋಡುತ್ತೀರಿ:


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

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

ಕೊನೆಯವರೆಗೂ ಓದಿದವರಿಗೆ ಬೋನಸ್

ಮತ್ತು ಈಗ ನಾವು ಪ್ರತಿಯೊಂದು ಬಿಂದುಗಳ ಅರ್ಥವನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿದ್ದೇವೆ, ನಾವು ಅದೇ ಚಿತ್ರವನ್ನು ನೋಡಬಹುದು, ಆದರೆ ರಷ್ಯನ್ ಭಾಷೆಯಲ್ಲಿ:

ಸಾಮಾಜಿಕ ಜಾಲತಾಣಗಳಲ್ಲಿ ಮುಕ್ತವಾಗಿ ಹಂಚಿಕೊಳ್ಳಿ!

ಟಟಯಾನಾ ವೋಲ್ಕೊವಾ - ಸ್ಯಾಮ್‌ಸಂಗ್ ಅಕಾಡೆಮಿಯಲ್ಲಿ ಇಂಟರ್ನೆಟ್ ಆಫ್ ಥಿಂಗ್ಸ್ ಐಟಿ ಟ್ರ್ಯಾಕ್‌ಗಾಗಿ ತರಬೇತಿ ಕಾರ್ಯಕ್ರಮದ ಲೇಖಕಿ, ಸ್ಯಾಮ್‌ಸಂಗ್ ಸಂಶೋಧನಾ ಕೇಂದ್ರದಲ್ಲಿ ಕಾರ್ಪೊರೇಟ್ ಸಾಮಾಜಿಕ ಜವಾಬ್ದಾರಿ ಕಾರ್ಯಕ್ರಮಗಳಲ್ಲಿ ತಜ್ಞ


ಮೂಲ: www.habr.com