Gartner의 차트는 기술 업계 종사자들을 위한 하이 패션쇼와 같습니다. 이를 보면 이번 시즌에 어떤 단어가 가장 과장되었는지, 다가오는 모든 컨퍼런스에서 무엇을 듣게 될지 미리 알 수 있습니다.

우리는 이 그래프에서 아름다운 단어 뒤에 숨겨진 내용을 해독하여 귀하도 해당 언어를 말할 수 있도록 했습니다.

우선, 이것이 어떤 종류의 그래프인지에 대해 몇 마디 말씀드리겠습니다. 매년 30월 컨설팅 기관인 Gartner는 Gartner Hype Curve라는 보고서를 발표합니다. 러시아어에서는 이것이 '과대 광고 곡선', 더 간단히 말하면 과대 광고입니다. XNUMX년 전, 퍼블릭 에너미(Public Enemy) 그룹의 래퍼들은 "과장된 광고를 믿지 마세요"라고 노래했습니다. 믿거나 말거나, 개인적인 질문이지만, 기술 분야에 종사하고 글로벌 트렌드를 알고 싶다면 최소한 이러한 키워드를 아는 것은 가치가 있습니다.

이는 특정 기술에 대한 대중의 기대를 그래프로 나타낸 것입니다. Gartner에 따르면 이상적으로 기술은 기술 출시, 부풀려진 기대의 정점, 실망의 계곡, 깨달음의 기울기, 생산성 정체의 5단계를 거칩니다. 그러나 "실망의 계곡"에 빠지는 경우도 있습니다. 예를 매우 쉽게 기억할 수 있고 동일한 비트코인을 사용할 수 있습니다. 처음에는 "미래의 돈"으로 최고점에 도달했지만 기술의 단점으로 인해 빠르게 하락했습니다. 우선 거래 수와 비트코인을 생성하는 데 필요한 엄청난 양의 전력에 대한 제한(이미 환경 문제를 수반함)이 명백해졌습니다. 물론 Gartner의 차트는 단지 예측일 뿐이라는 점을 잊어서는 안 됩니다. 예를 들어 여기에서 자세한 내용을 읽을 수 있습니다. статью, 가장 눈에 띄는 성취되지 않은 예측이 분류됩니다.

이제 새로운 Gartner 차트를 살펴보겠습니다. 기술은 5개의 큰 주제별 그룹으로 나뉩니다.

1. 고급 AI 및 분석
2. 포스트클래식 컴퓨팅 및 통신
3. 감지 및 이동성
4. 증강인간
5. 디지털 생태계

1. 고급 AI 및 분석

지난 10년 동안 우리는 딥 러닝의 최고의 시간을 보았습니다. 이러한 네트워크는 다양한 작업에 매우 효과적입니다. 2018년에는 Yann LeCun, Geoffrey Hinton 및 Yoshua Bengio가 그들의 발견으로 컴퓨터 과학 분야의 노벨상과 유사한 가장 권위 있는 상인 Turing Award를 수상했습니다. 따라서 차트에 표시된 이 영역의 주요 추세는 다음과 같습니다.

1.1. 전이 학습

신경망을 처음부터 훈련하는 것이 아니라 이미 훈련된 신경망을 가져와 다른 목표를 할당합니다. 때로는 네트워크의 일부를 재교육해야 하지만 전체 네트워크를 재교육해야 하는 경우가 있으므로 훨씬 빠릅니다. 예를 들어, ImageNet50 데이터 세트로 훈련된 기성 신경망 ResNet1000을 사용하면 매우 깊은 수준에서 이미지의 다양한 객체를 분류할 수 있는 알고리즘을 얻을 수 있습니다(1000개 신경 계층에서 생성된 특징을 기반으로 하는 50개 클래스). 회로망). 하지만 전체 네트워크를 훈련하는 데 몇 달이 걸릴 필요는 없습니다.

В 온라인 코스 예를 들어 삼성 "신경망과 컴퓨터 비전"이 ​​결승전에서 캐글 작업 접시를 깨끗한 접시와 더러운 접시로 분류하면 위에 설명된 아키텍처에 따라 구축된 더러운 접시와 깨끗한 접시를 구별할 수 있는 심층 신경망을 5분 안에 마음대로 제공하는 접근 방식이 시연됩니다. 원래 네트워크는 어떤 플레이트인지 전혀 몰랐으며 새와 개를 구별하는 것만 학습했습니다(ImageNet 참조).

출처 : 온라인 코스 삼성 "신경망과 컴퓨터 비전"

전이 학습의 경우 어떤 접근 방식이 효과가 있고 어떤 기본 아키텍처를 사용할 수 있는지 알아야 합니다. 전반적으로 이는 기계 학습의 실제 응용 프로그램의 출현을 크게 가속화합니다.

1.2. 생성적 적대 신경망(GAN)

이는 학습 목표를 공식화하는 것이 매우 어려운 경우를 위한 것입니다. 작업이 실제 생활에 가까울수록 우리가 이해하기는 더 쉽지만(“침대 옆 탁자 가져오기”) 이를 기술적 작업으로 공식화하기는 더 어렵습니다. GAN은 이 문제에서 우리를 구하려는 시도일 뿐입니다.

여기에는 두 개의 네트워크가 작동합니다. 하나는 생성기(Generative)이고 다른 하나는 판별기(Adversarial)입니다. 하나의 네트워크는 유용한 작업(그림 분류, 소리 인식, 만화 그리기)을 수행하는 방법을 학습합니다. 그리고 또 다른 네트워크는 해당 네트워크를 가르치는 방법을 학습합니다. 실제 예제가 있고, 매우 중요한 심층 특성을 기반으로 네트워크의 생성 부분의 결과를 실제 개체(훈련 세트)와 비교하기 위해 이전에 알려지지 않은 복잡한 공식을 찾는 방법을 학습합니다. : 눈의 수, 미야자키 스타일의 근접성, 정확한 영어 발음.

애니메이션 캐릭터를 생성하기 위한 네트워크 결과의 예입니다. 출처

그러나 물론 거기에 건축물을 짓는 것은 어렵습니다. 뉴런을 던지는 것만으로는 충분하지 않으며 준비가 필요합니다. 그리고 몇 주 동안 공부해야 해요. 삼성 인공지능센터 동료들은 GAN 주제를 연구하고 있는데, 이것이 그들의 핵심 연구 질문 중 하나입니다. 예를 들어, 다음과 같습니다 개발: 생성 네트워크를 사용하여 다양한 포즈를 취하는 사람들의 사실적인 사진을 합성합니다. 예를 들어 가상 피팅룸을 만들거나 얼굴을 합성하면 고품질 비디오를 보장하기 위해 저장하거나 전송해야 하는 정보의 양을 줄일 수 있습니다. 통신, 방송 또는 개인 데이터 보호.

출처

1.3. 설명 가능한 AI

일부 드문 작업의 경우 심층 아키텍처의 발전으로 갑자기 심층 신경망의 기능이 인간의 기능에 더 가까워졌습니다. 이제 그러한 작업의 범위를 늘리기 위한 전투가 진행 중입니다. 예를 들어 로봇청소기는 정면 회의에서 고양이와 개를 쉽게 구별할 수 있다. 그러나 대부분의 생활 상황에서 그는 리넨이나 가구 사이에서 자고 있는 고양이를 찾을 수 없습니다(그러나 대부분의 경우 우리처럼...).

심층신경망이 성공하는 이유는 무엇일까? 그들은 "육안으로 볼 수 있는" 정보(사진 픽셀, 소리 볼륨의 변화...)가 아니라 신경망의 수백 계층에서 이 정보를 전처리한 후 얻은 특징을 기반으로 문제를 표현합니다. 불행하게도 이러한 관계는 의미가 없거나 일관성이 없거나 원본 데이터 세트에 불완전한 흔적이 있을 수도 있습니다. 예를 들어, 채용 시 AI를 무분별하게 사용하면 어떤 결과가 발생할 수 있는지에 대한 작은 컴퓨터 게임이 있습니다. 최적의 생존.

사진 속 인물은 실제로 남자임에도 불구하고 요리하는 사람을 여자로 분류한 이미지 태깅 시스템(출처) 그것 알아 차 렸던 버지니아 연구소에서.

우리가 스스로 공식화할 수 없는 복잡하고 깊은 관계를 분석하려면 설명 가능한 AI 방법이 필요합니다. 그들은 훈련 후 단순히 결정에 의존하는 것이 아니라 네트워크가 학습한 내부 표현을 분석할 수 있도록 심층 신경망의 기능을 구성합니다.

1.4. 엣지애널리틱스/AI

Edge라는 단어가 포함된 모든 것은 말 그대로 다음을 의미합니다. 알고리즘의 일부를 클라우드/서버에서 최종 장치/게이트웨이 수준으로 전송하는 것입니다. 이러한 알고리즘은 더 빠르게 작동하며 작동을 위해 중앙 서버에 연결할 필요가 없습니다. "씬 클라이언트"의 추상화에 익숙하다면 여기서는 이 클라이언트를 좀 더 두껍게 만듭니다.
이는 사물 인터넷에 중요할 수 있습니다. 예를 들어, 기계가 과열되어 냉각이 필요한 경우 데이터가 클라우드로 이동하여 교대 근무자에게 전달될 때까지 기다리지 않고 공장 수준에서 즉시 이를 알리는 것이 합리적입니다. 또는 또 다른 예: 자율주행차는 중앙 서버에 접속하지 않고도 스스로 교통 상황을 파악할 수 있습니다.

출처

또는 보안 관점에서 이것이 중요한 이유에 대한 또 다른 예: 휴대폰에 텍스트를 입력하면 일반적인 단어를 기억하여 나중에 휴대폰 키보드에서 편리하게 메시지를 표시할 수 있습니다. 이를 예측이라고 합니다. 텍스트 입력. 키보드에 입력하는 모든 내용을 어딘가의 데이터 센터로 보내는 것은 개인 정보를 침해하는 것이며 단순히 안전하지 않습니다. 따라서 키보드 교육은 장치 자체 내에서만 발생합니다.

1.5. AI PaaS(서비스형 AI 플랫폼)

PaaS(Platform-as-a-Service)는 클라우드 기반 데이터 스토리지 및 기성 절차를 포함하여 통합 플랫폼에 액세스할 수 있는 비즈니스 모델입니다. 이렇게 하면 우리는 인프라 작업에서 벗어나 유용한 것을 생산하는 데 전적으로 집중할 수 있습니다. AI 작업을 위한 PaaS 플랫폼의 예: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. 적응형 기계 학습(적응형 ML)

인공지능이 적응하게 놔두면 어떨까요... 물으신다면, 그게, 어떻게요?.. 이미 작업에 적응하고 있지 않나요? 문제는 이것이다: 우리는 문제를 해결하기 위한 인공 지능 알고리즘을 구축하기 전에 각 문제를 공들여 설계한다는 것입니다. 그들은 당신에게 대답할 것입니다. 이 체인이 단순화될 수 있다는 것이 밝혀졌습니다.

기존의 기계 학습은 개방형 루프 원리에 따라 작동합니다. 데이터를 준비하고, 신경망(또는 무엇이든)을 만들고, 훈련한 다음 여러 지표를 살펴보고, 모든 것이 마음에 들면 신경망을 스마트폰으로 보낼 수 있습니다. - 사용자 문제를 해결합니다. 그러나 데이터가 많고 그 성격이 점차 변하는 애플리케이션에서는 다른 방법이 필요합니다. 스스로 적응하고 학습하는 이러한 시스템은 폐쇄형 자가 학습 루프(폐쇄형 루프)로 구성되며 원활하게 작동해야 합니다.

응용 프로그램 - 이는 많은 사업가들이 의사 결정을 내리는 데 기반이 되는 스트림 분석(Stream Analytics) 또는 적응형 생산 관리일 수 있습니다. 현재 응용 프로그램의 규모와 인간에 대한 위험을 더 잘 이해하면 이 문제에 대한 솔루션을 구성하는 기술은 모두 적응형 AI라는 포괄적인 용어로 수집됩니다.

출처

이 사진을 보면 미래학자에게 빵을 주지 않고 로봇에게 숨쉬는 법을 가르치게 한다는 느낌을 지울 수 없습니다...

포스트클래식 컴퓨팅 및 통신

2.1. 5세대 이동통신(XNUMXG)

이것은 매우 흥미로운 주제이므로 즉시 귀하에게 우리의 웹 사이트를 소개합니다. 기사. 음, 여기에 간단한 요약이 있습니다. 5G는 데이터 전송 빈도를 높여 인터넷 속도를 비현실적으로 빠르게 만들 것이다. 단파가 장애물을 통과하는 것이 더 어렵기 때문에 네트워크 설계가 완전히 달라집니다. 즉, 500배 더 많은 기지국이 필요합니다.

속도와 함께 증강현실을 이용한 실시간 게임, 텔레프레즌스를 통한 복잡한 작업(예: 수술) 수행, 기계 간 통신을 통한 도로에서의 사고 및 어려운 상황 방지 등 새로운 현상이 나타날 것입니다. 좀 더 평범하게 말하자면, 경기장에서 열리는 경기와 같은 대규모 행사가 진행되는 동안 모바일 인터넷의 끊김 현상이 마침내 멈출 것입니다.

이미지 출처 - 로이터, 나이언틱

2.2. 차세대 메모리

여기서는 5세대 RAM인 DDR2019에 대해 이야기하고 있습니다. 삼성은 DDR5 기반 제품을 32년 말까지 출시할 것이라고 발표했습니다. 새로운 메모리는 동일한 폼 팩터를 유지하면서 두 배 더 빠르고 두 배 더 큰 용량을 갖게 될 것으로 예상됩니다. 즉, 컴퓨터에 최대 XNUMXGB 용량의 메모리 스틱을 얻을 수 있을 것입니다. 앞으로 이는 특히 스마트폰(새 메모리는 저전력 버전이 될 예정)과 노트북(DIMM 슬롯 수가 제한되어 있음)과 관련이 있을 것입니다. 그리고 머신러닝에는 많은 양의 RAM이 필요합니다.

2.3. 저궤도 위성 시스템

무겁고 비싸며 강력한 위성을 작고 값싼 위성으로 교체한다는 아이디어는 새로운 것과는 거리가 멀고 90년대에 나타났습니다. 무엇에 대해서 “Elon Musk는 곧 위성을 통해 모든 사람에게 인터넷을 배포할 것입니다.” 이제 게으른 사람만이 듣지 못했습니다. 이곳에서 가장 유명한 회사는 90년대 후반에 파산했지만 미 국방부의 희생으로 구출된 이리듐(러시아 스마트 홈 시스템인 이리디움과 혼동하지 말 것)이다. Elon Musk의 프로젝트(Starlink)는 Richard Branson(OneWeb - 1440개의 위성 제안), Boeing(3000개의 위성), Samsung(4600개의 위성) 등이 위성 경쟁에 참여하고 있는 유일한 프로젝트와는 거리가 멀습니다.

이 지역의 상황, 경제 상황은 어떤지 읽어보세요. 리뷰. 그리고 우리는 내년에 실시될 첫 번째 사용자의 이러한 시스템에 대한 첫 번째 테스트를 기다리고 있습니다.

2.4. 나노스케일 3D 프린팅

3D 프린팅은 모든 사람의 삶에 들어선 것은 아니지만(개별 가정용 플라스틱 공장에서 약속한 형태로) 오래 전에 괴짜를 위한 기술 틈새 시장을 떠났습니다. 모든 학생이 적어도 3D 조각 펜의 존재에 대해 알고 있으며 많은 사람들이 러너와 압출기가 포함된 상자를 구입하는 꿈을 꾸고 있다는 사실로 판단할 수 있습니다... "그렇게"(또는 이미 구입했습니다).

광조형(레이저 3D 프린터)을 사용하면 개별 광자로 인쇄할 수 있습니다. 응고하는 데 광자 두 개만 필요한 새로운 폴리머가 연구되고 있습니다. 이를 통해 실험실이 아닌 조건에서 완전히 새로운 필터, 마운트, 스프링, 모세관, 렌즈 및... 의견에 대한 옵션을 만들 수 있습니다! 그리고 여기서는 광중합과 멀지 않습니다. 이 기술만이 프로세서와 컴퓨팅 회로를 "인쇄"할 수 있게 해줍니다. 게다가 올해가 처음이 아니다. 그래핀 500nm XNUMX차원 구조 프린팅 기술, 그러나 급진적인 발전은 없습니다.

출처

3. 센싱과 모빌리티

3.1. 자율주행 레벨 4 & 5

용어를 혼동하지 않으려면 어떤 수준의 자율성이 구별되는지 이해하는 것이 좋습니다. 조항, 관심 있는 모든 사람을 참조):

레벨 1: 크루즈 컨트롤: 매우 제한된 상황에서 운전자를 보조합니다(예: 운전자가 페달에서 발을 뗀 후 차량을 특정 속도로 유지).
레벨 2: 조향 및 제동 지원이 제한됩니다. 운전자는 거의 즉시 제어할 준비가 되어 있어야 합니다. 그의 손은 운전대에 있고 그의 눈은 도로를 향하고 있습니다. 이는 Tesla와 General Motors가 이미 갖고 있는 것입니다.
레벨 3: 운전자는 더 이상 도로를 계속 지켜볼 필요가 없습니다. 그러나 그는 경계심을 유지하고 통제할 준비가 되어 있어야 합니다. 아직 상용차에는 없는 기능이다. 현재 존재하는 모든 것은 레벨 1-2입니다.
레벨 4: 진정한 자동 조종 장치이지만 제한 사항이 있습니다. 주의 깊게 매핑되고 시스템에 일반적으로 알려진 알려진 지역과 특정 조건(예: 눈이 없는 경우)에서만 여행합니다. Waymo와 General Motors는 이러한 프로토타입을 보유하고 있으며 여러 도시에서 출시하고 실제 환경에서 테스트할 계획입니다. Yandex에는 Skolkovo 및 Innopolis에 무인 택시 테스트 구역이 있습니다. 여행은 조수석에 앉은 엔지니어의 감독하에 진행됩니다. 올해 말까지 회사는 보유 차량을 100대의 무인 차량으로 확장할 계획입니다.
레벨 5: 완전 자동 운전, 실제 운전자를 완전히 교체합니다. 그러한 시스템은 존재하지 않으며 앞으로 몇 년 안에 나타날 가능성도 없습니다.

가까운 미래에 이 모든 것을 보는 것이 얼마나 현실적입니까? 여기에서 독자를 기사로 리디렉션하고 싶습니다. “테슬라가 약속한 대로 2020년까지 로보택시 출시가 불가능한 이유”. 이는 부분적으로 5G 연결이 부족하기 때문입니다. 사용 가능한 4G 속도가 충분하지 않습니다. 부분적으로는 자율주행차의 매우 높은 비용으로 인해 아직 수익성이 없으며 비즈니스 모델이 불분명합니다. 여기서는 한마디로 "모든 것이 복잡하다"고 Gartner가 레벨 4와 레벨 5의 대량 구현에 대한 예측이 10년 이내에 가능하다고 기록한 것은 우연이 아닙니다.

3.2. 3D 감지 카메라

3년 전, Microsoft의 Kinect 게임 컨트롤러는 3D 비전에 대한 접근 가능하고 상대적으로 저렴한 솔루션을 제공하여 큰 파장을 일으켰습니다. 이후 키넥트를 활용한 체육, 댄스게임은 짧은 흥망을 겪었으나 XNUMXD 카메라는 산업용 로봇, 무인자동차, 안면인식용 휴대폰 등에 활용되기 시작했다. 이 기술은 더 저렴해지고, 더 컴팩트해지고, 더 쉽게 접근할 수 있게 되었습니다.

Samsung S10 휴대폰에는 초점을 더 쉽게 맞추기 위해 물체까지의 거리를 측정하는 ToF(Time of Flight) 카메라가 있습니다. 출처

이 주제에 관심이 있으시면 깊이 카메라에 대한 매우 상세한 리뷰로 안내해 드리겠습니다. 일부 1, 일부 2.

3.3. 소형화물 배송용 드론(Light Cargo Delivery Drones)

올해 아마존은 최대 2kg의 작은 짐을 운반할 수 있는 새로운 비행 드론을 선보이며 큰 반향을 불러일으켰습니다. 교통 체증이 심한 도시의 경우 이는 이상적인 솔루션인 것 같습니다. 가까운 미래에 드론이 어떤 성능을 발휘하는지 살펴보겠습니다. 아마도 여기서는 조심스럽게 회의적일 가치가 있습니다. 드론을 쉽게 도난당할 가능성부터 시작하여 UAV에 대한 법적 제한으로 끝나는 등 많은 문제가 있습니다. Amazon Prime Air는 출시된 지 XNUMX년이 되었지만 아직 테스트 단계에 있습니다.

올 봄에 선보인 아마존의 새로운 드론. 그에게는 스타워즈 같은 뭔가가 있어요. 출처

Amazon 외에도 이 시장에는 다른 플레이어가 있습니다. 개요), 단 하나의 완제품은 아닙니다. 모든 것이 테스트 및 마케팅 캠페인 단계에 있습니다. 이와 별도로 매우 흥미롭고 고도로 전문화된 의료에 주목할 가치가 있습니다. 프로젝트 아프리카: 가나(14건 전달, Zipline 회사) 및 르완다(Matternet 회사)에 기증된 혈액 전달.

3.4. 비행 자율주행차

여기에 대해서는 확실히 말하기가 어렵습니다. Gartner에 따르면 이는 10년 이내에 나타날 것입니다. 일반적으로 여기에는 자율 주행 자동차와 동일한 문제가 모두 있으며 수직이라는 새로운 차원 만 획득합니다. 포르쉐, 보잉, 우버는 하늘을 나는 택시를 만들겠다는 야망을 발표했습니다.

3.5. 증강 현실 클라우드(AR 클라우드)

현실 세계의 영구적인 디지털 복사본을 통해 모든 사용자에게 공통된 새로운 현실 계층을 만들 수 있습니다. 보다 기술적인 용어로 말하면, 개발자가 AR 애플리케이션을 통합할 수 있는 개방형 클라우드 플랫폼을 만드는 것에 대해 이야기하고 있습니다. 수익 창출 모델은 명확하며 일종의 Steam과 유사합니다. 아이디어가 너무 확고해져서 이제 일부 사람들은 클라우드가 없는 AR은 단순히 쓸모가 없다고 생각합니다.

이것이 미래에 어떤 모습일지 짧은 영상을 통해 보여드리겠습니다. 블랙 미러의 또 다른 에피소드처럼 보입니다.

다음 사이트에서도 읽을 수 있습니다. 리뷰 기사.

4. 증강인간

4.1. 감정 AI

인간의 감정을 어떻게 측정하고, 시뮬레이션하고, 반응합니까? 여기 고객 중 일부는 Amazon Alexa와 같은 음성 비서를 만드는 회사입니다. 기분을 인식하는 방법을 배우면 집에 진정으로 익숙해질 수 있습니다. 사용자가 불만을 느끼는 이유를 이해하고 상황을 해결하려고 노력하십시오. 일반적으로 메시지 자체보다 컨텍스트에 훨씬 더 많은 정보가 있습니다. 그리고 맥락은 표정, 억양, 비언어적 행동입니다.

기타 실제 적용: 취업 면접 중 감정 분석(비디오 인터뷰 기반), 광고 또는 기타 비디오 콘텐츠(웃음, 웃음)에 대한 반응 평가, 학습 지원(예: 대중 연설 기술의 독립적인 연습).

이 주제에 대해 6분짜리 단편 영화의 작가보다 더 잘 말하기는 어렵습니다. 당신의 감정을 훔치는 것. 재치있고 스타일리쉬한 영상은 마케팅 목적으로 우리의 감정을 측정하는 방법을 보여주며, 얼굴의 순간적인 반응을 통해 당신이 피자를 좋아하는지, 개를 좋아하는지, 카니예 웨스트를 좋아하는지, 심지어 당신의 소득 수준과 대략적인 IQ가 어느 정도인지까지 알아냅니다. 위 링크를 사용하여 영화 웹사이트를 방문하면 노트북에 내장된 카메라를 사용하여 대화형 비디오에 참여하게 됩니다. 이 영화는 이미 여러 영화제에서 상영된 바 있다.

출처

텍스트에서 풍자를 인식하는 방법이라는 흥미로운 연구도 있습니다. 우리는 해시태그 #sarcasm이 포함된 트윗을 가져와서 비꼬는 내용이 포함된 트윗 25개와 태양 아래 모든 것에 대한 일반 트윗 000개로 구성된 훈련 세트를 만들었습니다. TensorFlow 라이브러리를 사용하고 시스템을 교육한 결과는 다음과 같습니다.

출처

따라서 이제 동료나 친구에 대해 확신이 없다면 그가 진지하게 또는 비꼬는 말을 했다면 이미 사용할 수 있습니다. 훈련된 신경망!

4.2. 증강지능

기계 학습 방법을 사용하여 지적 작업을 자동화합니다. 새로운 것이 없을 것 같나요? 그러나 여기서는 표현 자체가 중요합니다. 특히 인공 지능과의 약어가 일치하기 때문입니다. 이는 "강한" AI와 "약한" AI에 대한 논쟁으로 다시 돌아갑니다.
Strong AI는 인간의 마음과 완전히 동일하며 자신을 개인으로 인식하는 공상 과학 영화의 인공 지능과 동일합니다. 이것은 아직 존재하지 않으며 존재할지 여부도 불분명합니다.

약한 AI는 독립적인 사람이 아니라 인간 조수이다. 그는 인간과 같은 사고 방식을 가지고 있다고 주장하지 않고, 예를 들어 그림에 표시된 내용을 결정하거나 텍스트를 번역하는 등 정보 문제를 해결하는 방법을 알고 있습니다.

출처

이러한 의미에서 증강 지능은 가장 순수한 형태의 "약한 AI"이며, 모든 사람이 꿈꾸는(또는 두려워하는) 동일한 "강한 AI"를 여기에서 보려는 혼란과 유혹을 도입하지 않기 때문에 공식화는 성공적으로 보입니다. "반란 차량"에 관한 수많은 논의를 떠올려 보세요.) 증강 지능이라는 표현을 사용하면 우리는 즉시 다른 영화의 영웅이 됩니다. SF(예: Asimov의 "I, Robot")에서 우리는 사이버 펑크(이 장르의 "증강"은 인간의 능력을 확장하는 모든 종류의 임플란트입니다)에 속해 있습니다.

방법 그들은 말했다 Erik Brynjolfsson과 Andrew McAffee: “향후 10년 동안 이런 일이 일어날 것입니다. AI가 관리자를 대체할 수는 없지만, AI를 사용하는 관리자가 아직 성공하지 못한 관리자를 대체하게 될 것입니다.”

예 :

• 의학: 스탠포드 대학이 개발함 알고리즘, 대부분의 의사만큼 평균적으로 성공적으로 흉부 엑스레이에서 병리를 인식하는 작업에 대처합니다.
• 교육: 학생과 교사에 대한 지원, 자료에 대한 학생의 반응 분석, 개별 학습 궤적 구축.
• 비즈니스 분석: 통계에 따르면 데이터 전처리에는 연구원 시간의 80%가 소요되고 실험 자체의 20%만 소요됩니다.

4.3. 바이오칩

이것은 모든 사이버펑크 영화와 책에서 가장 좋아하는 주제입니다. 일반적으로 애완동물을 마이크로칩으로 처리하는 것은 새로운 관행이 아닙니다. 그러나 이제 이 칩이 사람들에게 이식되기 시작했습니다.

이 경우 과대광고는 미국 회사 Three Square Market의 놀라운 사례와 관련이 있을 가능성이 높습니다. 그곳에서 고용주는 수수료를 받고 피부 아래에 칩을 이식하겠다고 제안하기 시작했습니다. 이 칩을 사용하면 문을 열고, 컴퓨터에 로그인하고, 자동 판매기에서 간식을 구입할 수 있습니다. 즉, 범용 직원 카드입니다. 더욱이 이러한 칩은 정확하게 신분증 역할을 하며 GPS 모듈이 없어 이를 사용하는 사람을 추적하는 것이 불가능합니다. 그리고 팔에서 칩을 제거하고 싶다면 의사의 도움을 받아 5분이면 된다.

칩은 일반적으로 엄지손가락과 집게손가락 사이에 이식됩니다. 출처

더 읽어보세요 статью 세계의 치핑 상황에 대해.

4.4. 몰입형 작업 공간

"몰입형"은 탈출구가 없는 또 다른 새로운 단어입니다. 그것은 어디에나 있습니다. 몰입형 극장, 전시, 영화. 무슨 뜻이에요? 몰입이란 작가와 관객, 가상세계와 현실세계의 경계가 사라질 때 몰입되는 효과를 만들어 내는 것이다. 직장과 관련해서는 아마도 수행자와 개시자 사이의 경계를 모호하게 만들고, 직원들이 주변 환경을 재구성하여 보다 적극적인 자세를 취하도록 유도하는 것을 의미할 것입니다.

이제 우리는 민첩성, 유연성, 긴밀한 협업을 어디에서나 누릴 수 있으므로 작업 공간은 최대한 쉽게 구성할 수 있어야 하며 그룹 작업을 장려해야 합니다. 경제는 조건을 결정합니다. 임시 직원이 늘어나고 사무실 공간 임대 비용이 상승하며 경쟁이 치열한 노동 시장에서 IT 회사는 휴양 공간 및 기타 혜택을 만들어 직원의 업무 만족도를 높이려고 노력하고 있습니다. 그리고 이 모든 것이 작업장 디자인에 반영됩니다.

으로 보고 작은 산

4.5. 의인

광고에서 개인화가 무엇인지는 누구나 알고 있습니다. 오늘은 동료와 방 안의 공기가 다소 건조해서 사무실용 가습기를 구입해야 한다고 논의하고 있는데 다음 날 소셜 네트워크에서 "가습기를 구입하세요"라는 광고를 보게 됩니다. 나에게 일어난 실제 사건).

출처

Gartner가 정의한 개인화는 광고 목적으로 개인 데이터를 사용하는 것에 대한 사용자의 증가하는 우려에 대한 대응입니다. 목표는 개인적으로가 아니라 우리가 처해 있는 상황과 관련된 광고를 표시하는 접근 방식을 개발하는 것입니다. 예를 들어, 위치, 장치 유형, 시간, 기상 조건 등은 개인 데이터를 침해하지 않으며 "감시"된다는 불쾌한 느낌을 느끼지 않습니다.

이 두 개념의 차이점에 대해 읽어보세요. 메모 Gartner 웹사이트의 Andrew Frank 블로그입니다. 미묘한 차이와 유사한 단어가 있어서 차이점을 모르고 일반적으로 둘 다 옳다고 의심하지 않고 대담자와 오랫동안 논쟁을 벌일 위험이 있습니다. 작가).

4.6. 생명공학 – 배양 또는 인공 조직

이것은 우선 인공 고기를 재배한다는 아이디어입니다. 동시에 전 세계 여러 팀이 실험실 "Meat 2.0"을 개발하느라 바쁘다. 이는 평소보다 저렴해지고 패스트푸드와 슈퍼마켓도 이를 채택할 것으로 예상된다. 이 기술의 투자자로는 Bill Gates, Sergey Brin, Richard Branson 등이 있습니다.

출처

모두가 인공고기에 관심을 갖는 이유

1. 지구 온난화: 농장의 메탄 배출. 이는 기후에 영향을 미치는 전 세계 가스량의 18%에 해당합니다.
2. 인구 증가. 고기에 대한 수요가 증가하고 있으며 모든 사람에게 천연 고기를 먹일 수는 없습니다. 단순히 비용이 많이 듭니다.
3. 공간이 부족합니다. 아마존 숲의 70%는 이미 목초지를 위해 벌채되었습니다.
4. 윤리적 고려 사항. 이것이 중요한 사람들이 있습니다. 동물 권리 단체 PETA는 이미 인공 닭고기를 시장에 출시한 과학자에게 1만 달러의 상금을 제안했습니다.

진짜 고기를 콩으로 대체하는 것은 부분적인 해결책입니다. 왜냐하면 사람들은 맛과 질감의 차이를 이해할 수 있고 콩을 선호하여 스테이크를 포기할 가능성이 낮기 때문입니다. 따라서 실제 유기농으로 재배된 고기가 필요합니다. 안타깝게도 인공 고기는 킬로그램당 12달러 정도로 너무 비쌉니다. 이는 그러한 고기를 재배하는 복잡한 기술 과정 때문입니다. 모든 내용을 읽어보세요 статью.

이미 의학에서 조직이 성장하는 다른 사례에 대해 이야기한다면 인공 장기에 대한 주제는 흥미로울 것입니다. 예를 들어 심장 근육에 대한 "패치", 인쇄된 특별한 3D 프린터. 모두 다 아는 역사 인공적으로 자란 쥐 심장처럼 보이지만 일반적으로 모든 것이 여전히 임상 시험 범위 내에 있습니다. 따라서 우리는 앞으로 몇 년 안에 프랑켄슈타인을 볼 수 없을 것 같습니다.

Gartner는 2015년에 선진국 인구의 2019%가 10D 프린팅 의료 기기 이식을 받게 될 것이라는 실패한 3년 예측을 염두에 두고 추정에 매우 신중했습니다. 따라서 생산성 정체기에 도달하는 데 걸리는 시간은 최소 10년이라는 의미입니다.

5. 디지털 생태계

5.1. 분산형 웹

이 개념은 웹 발명가이자 Turing Award를 수상한 Sir Tim Burners-Lee의 이름과 밀접한 관련이 있습니다. 그에게 있어 컴퓨터 과학의 윤리 문제는 항상 중요했고 인터넷의 집단적 본질도 중요했습니다. 그는 하이퍼텍스트의 토대를 마련하면서 네트워크가 계층 구조가 아닌 웹처럼 작동해야 한다고 확신했습니다. 네트워크 개발 초기에는 이런 일이 있었습니다. 그러나 인터넷이 성장함에 따라 여러 가지 이유로 인터넷 구조가 중앙 집중화되었습니다. 소수의 공급자의 도움으로 전국 네트워크에 대한 액세스를 쉽게 차단할 수 있다는 것이 밝혀졌습니다. 그리고 사용자 데이터는 인터넷 기업의 힘과 수입원이 되었습니다.

Burners-Lee는 “인터넷은 이미 분산되어 있습니다.”라고 말합니다. “문제는 하나의 검색 엔진, 하나의 대규모 소셜 네트워크, 하나의 마이크로블로깅 플랫폼이 지배한다는 것입니다. 기술적 문제는 없지만 사회적 문제는 있습니다.”

그의 공개 서한 월드 와이드 웹(World Wide Web) 30주년을 맞아 웹 창시자는 인터넷의 세 가지 주요 문제를 설명했습니다.

1. 국가가 후원하는 해킹, 범죄, 온라인 괴롭힘 등의 표적 피해
2. 사용자에게 해를 끼치는 시스템 설계 자체는 클릭베이트에 대한 금전적 인센티브 및 허위 정보의 바이러스 확산과 같은 메커니즘의 기반을 만듭니다.
3. 충돌을 일으키고 온라인 토론의 질을 저하시키는 시스템 설계의 의도하지 않은 결과

그리고 Tim Berners-Lee는 문제 2번 없이 "건강한 사람의 인터넷"이 어떤 원칙에 기초할 수 있는지에 대한 답을 이미 갖고 있습니다. "많은 사용자에게 광고 수입은 여전히 ​​인터넷과 상호 작용하는 유일한 모델입니다. 사람들은 자신의 데이터에 무슨 일이 일어날지 두려워하더라도 콘텐츠를 무료로 받을 수 있는 기회를 얻기 위해 마케팅 기계와 기꺼이 거래할 의향이 있습니다. 상품과 서비스에 대한 비용을 지불하는 것이 양측 모두에게 쉽고 즐거운 세상을 상상해 보세요.” 이것이 어떻게 이루어질 수 있는지에 대한 옵션 중에는 음악가가 iTunes의 형태로 중개자 없이 자신의 음반을 판매할 수 있고, 뉴스 사이트에서 광고로 돈을 버는 대신 기사 하나를 읽는 데 소액 지불 시스템을 사용할 수 있습니다.

이 새로운 인터넷의 실험적 프로토타입으로 Tim Berners-Lee는 SOLID 프로젝트를 시작했습니다. 이 프로젝트의 핵심은 정보 저장소인 "포드"에 데이터를 저장하고 이 데이터를 제XNUMX자 애플리케이션에 제공할 수 있다는 것입니다. 그러나 원칙적으로는 귀하 자신이 데이터의 주인입니다. 이 모든 것은 PXNUMXP 네트워크의 개념과 밀접한 관련이 있습니다. 즉, 컴퓨터가 서비스를 요청할 뿐만 아니라 서비스를 제공하므로 하나의 서버를 유일한 채널로 의존하지 않습니다.

출처

5.2. 분산형 자율 조직

컴퓨터 프로그램의 형태로 작성된 규칙에 따라 운영되는 조직입니다. 금융 활동은 블록체인을 기반으로 합니다. 그러한 조직을 창설하는 목적은 중개자 역할에서 국가를 제거하고, 어느 누구도 개별적으로 소유하지 않고 모두가 함께 소유하는 상대방을 위한 공통의 신뢰할 수 있는 환경을 조성하는 것입니다. 즉, 이론적으로 이 아이디어가 뿌리를 내리면 공증인과 기타 일반적인 검증 기관을 폐지해야 합니다.

그러한 조직의 가장 유명한 예는 벤처 중심의 The DAO로, 2016년에 150억 50천만 달러를 모금했으며, 그 중 XNUMX달러는 규칙의 법적 허점으로 인해 즉시 도난당했습니다. 즉시 어려운 딜레마가 발생했습니다. 돈을 롤백하고 반환하거나 플랫폼 규칙을 위반하지 않았기 때문에 돈 인출이 합법적임을 인정하는 것입니다. 결과적으로 투자자에게 돈을 돌려주기 위해 제작자는 DAO를 파괴하고 블록체인을 다시 작성하고 기본 원칙인 불변성을 위반해야 했습니다.

Ethereum(왼쪽)과 DAO(오른쪽)에 관한 만화. 출처

이 모든 이야기는 DAO 아이디어의 명성을 망쳤습니다. 해당 프로젝트는 Ethereum 암호화폐를 기반으로 만들어졌으며 Ether 2.0 버전은 내년에 출시될 예정입니다. 아마도 저자(유명한 Vitalik Buterin 포함)가 오류를 고려하고 새로운 것을 보여줄 것입니다. 이것이 아마도 Gartner가 DAO를 업라인에 포함시킨 이유일 것입니다.

5.3.합성 데이터

신경망을 훈련하려면 많은 양의 데이터가 필요합니다. 데이터에 수동으로 라벨을 붙이는 것은 인간만이 할 수 있는 엄청난 작업입니다. 따라서 인공적인 데이터 세트를 만드는 것이 가능합니다. 예를 들어, 사이트에 있는 동일한 인간 얼굴 모음 https://generated.photos. 위에서 이미 언급한 알고리즘인 GAN을 사용하여 생성됩니다.

이 얼굴은 사람의 것이 아닙니다. 출처

이러한 데이터의 가장 큰 장점은 사용에 있어 법적 어려움이 없다는 것입니다. 개인 데이터 처리에 동의할 사람이 없습니다.

5.4.디지털 운영

DevOps가 우리 연설에 뿌리를 내린 이후 접미사 "Ops"는 엄청나게 유행하게 되었습니다. 이제 DigitalOps가 무엇인지 알아보겠습니다. 이는 DevOps, DesignOps, MarketingOps를 일반화한 것일 뿐입니다. 아직 지루하지 않으신가요? 간단히 말해서 DevOps 접근 방식을 소프트웨어 영역에서 마케팅, 디자인 등 비즈니스의 다른 모든 측면으로 이전하는 것입니다.

출처

DevOps의 아이디어는 프로그래머, 테스터, 보안 전문가 및 관리자가 있는 공통 팀을 만들어 개발 자체와 운영(비즈니스 프로세스) 사이의 장벽을 제거하는 것이었습니다. 특정 관행의 구현: 지속적인 통합, 코드로서의 인프라, 피드백 체인의 축소 및 강화. 목표는 제품 출시 기간을 단축하는 것이었습니다. 이것이 Agile과 비슷하다고 생각했다면 당신이 옳았습니다. 이제 이 접근 방식을 소프트웨어 개발 분야에서 일반적인 개발로 정신적으로 전환하면 DigitalOps가 무엇인지 이해하게 됩니다.

5.5. 지식 그래프

기계 학습 알고리즘 사용을 포함하여 지식 영역을 모델링하는 소프트웨어 방식입니다. 지식 그래프는 기존 데이터베이스 위에 구축되어 구조화된(사건 또는 사람 목록) 정보와 구조화되지 않은(기사 텍스트) 모든 정보를 함께 연결합니다.

가장 간단한 예는 Google 검색결과에서 볼 수 있는 카드입니다. 사람이나 기관을 찾고 있다면 오른쪽에 카드가 표시됩니다.


"예정된 이벤트"는 Google 지도의 정보 사본이 아니라 Yandex.Afisha와 일정을 통합한 것입니다. 이벤트를 클릭하면 쉽게 볼 수 있습니다. 즉, 여러 데이터 소스를 함께 결합한 것입니다.

예를 들어 "유명 감독"과 같은 목록을 요청하면 캐러셀이 표시됩니다.

끝까지 읽어주신 분들을 위한 보너스

이제 우리는 각 요점의 의미를 스스로 명확히 했으므로 동일한 그림을 볼 수 있지만 러시아어로는 다음과 같습니다.

소셜 네트워크에서 자유롭게 공유해보세요!

Tatyana Volkova - 삼성 아카데미 사물 인터넷 IT 트랙 교육 프로그램 작성자, 삼성 연구소 기업의 사회적 책임 프로그램 전문가


출처 : habr.com