Nexşeya Gartner ji bo kesên di pîşesaziya teknolojiyê de wekî pêşandanek moda bilind e. Bi lênihêrîna wê re, hûn dikarin ji berê de fêr bibin ka kîjan peyv di vê demsalê de herî zêde têne guheztin û hûn ê di hemî konferansên pêşerojê de çi bibihîzin.

Me di vê grafîkê de tiştên ku li pişt peyvên xweş hene deşîfre kiriye da ku hûn jî bi zimanî biaxivin.

Ji bo destpêkê, tenê çend peyvan li ser çi celeb grafî ye. Her sal di Tebaxê de, ajansa şêwirmendiyê Gartner raporek - Gartner Hype Curve-ê belav dike. Di rûsî de, ev "kevirek hype" ye, an jî, hêsantir, hype. 30 sal berê, rapperên ji koma Public Enemy stran digotin: "Bawer neke ji hîpe." Bawer bikin an na, ew pirsek kesane ye, lê heke hûn di warê teknolojiyê de dixebitin û dixwazin meylên gerdûnî bizanibin bi kêmanî hêja ye ku hûn van peyvan zanibin.

Ev grafîkek hêviyên gel ji teknolojiyek taybetî ye. Li gorî Gartner, bi îdeal, teknolojî di 5 qonaxan re derbas dibe: Destpêkirina teknolojiyê, lûtkeya hêviyên zêde, newala bêhêvîtiyê, berteka ronahiyê, deşta hilberînê. Lê di heman demê de diqewime ku ew di "geliyê bêhêvîbûnê" de xeniqîne - hûn dikarin mînakan bi xwe pir rehet bînin bîra xwe, heman bitcoins bigirin: di destpêkê de wekî "pereyê pêşerojê" dikevin lûtkeyê, gava ku kêmasiyên teknolojiyê zû dadikevin xwarê. eşkere bû, berî her tiştî sînorkirinên li ser hejmara danûstendinan û mîqdarek mezin a elektrîkê ya ku ji bo hilberîna bitcoins (ku jixwe pirsgirêkên jîngehê vedihewîne) hewce dike. Û bê guman, divê em ji bîr nekin ku nexşeya Gartner tenê pêşbîniyek e: li vir, mînakî, hûn dikarin hûrgulî bixwînin. gotar, ku pêşbîniyên herî balkêş ên pêknehatî têne rêz kirin.

Ji ber vê yekê, em werin ser nexşeya nû ya Gartner. Teknolojî li 5 komên tematîk ên mezin têne dabeş kirin:

1. AI û Analytics pêşketî
2. Compute and Comms Postklasîk
3. Hestî û Mobility
4. Mirovê zêdekirî
5. Ekosîstemên dîjîtal

1. AI û Analytics pêşketî

Di van 10 salên çûyî de me saeta herî baş a fêrbûna kûr dît. Van toran bi rastî ji bo rêza karên xwe bi bandor in. Di sala 2018 de, Yann LeCun, Geoffrey Hinton û Yoshua Bengio ji bo keşfên xwe Xelata Turing wergirtin - xelata herî bi prestîj, wekî Xelata Nobelê di zanistiya kompîturê de. Ji ber vê yekê, meylên sereke yên di vê deverê de, ku li ser nexşeyê têne destnîşan kirin:

1.1. Fêrbûna Veguheztinê

Hûn torgilokek neuralî ji sifrê perwerde nakin, lê yekî jixwe perwerdekirî digirin û wê armancek cûda destnîşan dikin. Carinan ev hewce dike ku ji nû ve perwerdekirina beşek torê, lê ne tevahiya torê, ku pir zûtir e. Mînakî, girtina tora neuralî ya amade ResNet50, ku li ser databasa ImageNet1000 hatî perwerdekirin, hûn ê algorîtmayek bi dest bixin ku dikare gelek tiştên cihêreng di wêneyekê de di astek pir kûr de dabeş bike (1000 çîn li ser bingeha taybetmendiyên ku ji hêla 50 qatên neuralî ve têne çêkirin tora). Lê hûn ne hewce ne ku wê tevaya torê perwerde bikin, ku dê bi mehan bidome.

В qursa serhêl Mînakî, di dawiyê de Samsung "torên neuralî û dîtina komputerê". Karê Kaggle bi dabeşkirina lewheyên paqij û pîs, nêzîkatiyek tê destnîşan kirin ku di 5 hûrdeman de torgilokek neuralî ya kûr dide destê we ku karibe lewheyên qirêj ji yên paqij, ku li gorî mîmariya ku li jor hatî destnîşan kirin, veqetîne. Tora orîjînal qet nizanibû ka çi plak in, ew tenê fêr bû ku çûkan ji kûçikan cuda bike (binihêre ImageNet).

Source: qursa serhêl Samsung "Torên neuralî û dîtina komputerê"

Ji bo Fêrbûna Veguheztinê hûn hewce ne ku zanibin ka kîjan nêzîkatî dixebitin û kîjan mîmariyên bingehîn ên amade hene. Bi tevayî, ev derketina serîlêdanên pratîkî yên fêrbûna makîneyê pir bileztir dike.

1.2. Torên Dijbera Generative (GAN)

Ev ji bo wan rewşan e ku ji me re pir dijwar e ku em armanca fêrbûnê formule bikin. Wezîf çiqas nêzikî jiyana rast be, ew qas ji me re tê fam kirin (“ser maseya nivînan bînin”), lê ew qas dijwartir e ku meriv wê wekî karek teknîkî formule bike. GAN tenê hewldanek e ku me ji vê pirsgirêkê rizgar bike.

Li vir du şebek dixebitin: yek jêderker (Generative), ya din jî cudaker e (Adversarial). Tora yek fêrî kirina karê kêrhatî dibe (tefnikkirina wêneyan, naskirina dengan, xêzkirina kartonan). Û toreke din fêr dibe ku wê torê hîn bike: mînakên wê yên rastîn hene, û ew fêr dibe ku formulek tevlihev a berê nenas bibîne ji bo berhevdana hilberên beşa hilberîner a torê bi tiştên cîhana rastîn (koma perwerdehiyê) li ser bingeha taybetmendiyên kûr ên bi rastî girîng. : hejmara çavan, nêzîkbûna şêwaza Miyazakî, bilêvkirina rast a îngilîzî.

Nimûneyek ji encama torgilokek ji bo hilberîna karakterên anime. Çavkaniya

Lê, bê guman, avakirina mîmarî li wir dijwar e. Tenê avêtina neuronan ne bes e, pêdivî ye ku ew werin amadekirin. Û divê hûn bi hefteyan bixwînin. Hevalên min li Navenda Zehmetkêşiya Hunerî ya Samsung li ser mijara GAN dixebitin; ev yek ji wan pirsên lêkolînê yên sereke ye. Mînakî, bi vî rengî pêşveçûnî: bikaranîna torên hilberîner ji bo sentezkirina wêneyên rastîn ên mirovên bi pozê guhêrbar - mînakî, ji bo afirandina jûreyek guncan a virtual, an hevrêzkirina rûyek, ku dikare mêjera agahdariya ku divê were hilanîn an veguheztin kêm bike da ku vîdyoya kalîteya bilind misoger bike. ragihandinê, weşanê an parastina daneyên kesane.

Çavkaniya

1.3. AI-ya şirovekirî

Ji bo hin karên hindik, pêşkeftinên di mîmariyên kûr de ji nişka ve kapasîteyên torên neuralî yên kûr nêzî kapasîteyên mirovî kirine. Naha şer li ser zêdekirina rêza karên bi vî rengî ye. Mînakî, valahiya robotek bi hêsanî dikare pisîkek ji kûçikê di civînekê de ji hev cuda bike. Lê di pir rewşên jiyanê de, ew ê nikaribe pisîkek ku di nav caw an mobîlya de radizê bibîne (lêbelê, mîna me, di pir rewşan de ...).

Sedema serkeftina torên neuralî yên kûr çi ye? Ew temsîla pirsgirêkê ne li ser bingeha agahdariya "bi çavê rût" (pîxelên wêneyan, guheztina dengê deng...), lê li ser taybetmendiyên ku piştî pêşdibistanê van agahiyê ji hêla çend sed qatên tora neuralî ve hatine wergirtin pêşdixin. Mixabin, dibe ku ev têkilî di heman demê de bêwate, nakokî bin, an jî şopên kêmasiyan di berhevoka daneya orîjînal de hilgirin. Mînakî, lîstikek piçûk a komputerê heye ku di derheqê karanîna nefikirî ya AI-ê de di berhevkirinê de dikare bibe sedema çi Survival Of The Best Fit.

Pergala nîşankirina wêneyê kesê ku xwarinê çêdike wekî jin nîşan dide, her çend kesê di wêneyê de bi rastî zilamek e (Çavkaniya). ew ferq kirin li Enstîtuya Virginia.

Ji bo analîzkirina têkiliyên tevlihev û kûr ên ku em bi gelemperî nekarin bi xwe re formûle bikin, rêbazên AI-ê yên şirovekirî hewce ne. Ew taybetmendiyên torên neuralî yên kûr organîze dikin da ku piştî perwerdehiyê, em karibin nûnertiya hundurîn a ku torê fêr bûye analîz bikin, ne ku tenê bi biryara xwe ve girêdayî bin.

1.4. Edge Analytics / AI

Her tiştê ku bi peyva Edge re bi rastî tê vê wateyê: Veguheztina beşek algorîtmayan ji ewr / pêşkêşkarê berbi asta cîhaza dawîn / derî. Algorîtmayek wusa dê zûtir bixebite û ji bo xebata xwe pêwendiyek bi serverek navendî re hewce nake. Heke hûn bi abstrakasyona "mişteriyek nazik" dizanin, wê hingê li vir em vê xerîdar hinekî stûrtir dikin.
Ev dikare ji bo Înternetê ya Tiştan girîng be. Mînakî, ger makîneyek zêde germ bibe û pêdivî bi sarbûnê hebe, maqûl e ku meriv vê tavilê, di asta nebatê de, bê seknandin ku dane ber bi ewrê ve û ji wir jî berbi pêşengê veguheztinê ve îşaret bike. An mînakek din: Otomobîlên xwe-ajovan dikarin bi tena serê xwe rewşa trafîkê fam bikin, bêyî ku bi serverek navendî re têkilî daynin.

Çavkaniya

An jî mînakek din a çima ev ji hêla ewlehiyê ve girîng e: gava ku hûn li ser têlefona xwe nivîsan dinivîsin, ew peyvên ku ji we re tîpîk in bi bîr tîne, da ku paşê klavyeya têlefonê bi rehetî ji we re bişopîne - ji vê re tê gotin pêşdîtin. têketina nivîsê. Şandina her tiştê ku hûn li ser klavyeya xwe dinivîsin ji navendek daneyê re li cîhek dê binpêkirina nepeniya we be û bi tenê ne ewle be. Ji ber vê yekê, perwerdehiya klavyeyê tenê di hundurê cîhaza we bixwe de pêk tê.

1.5. Platforma AI-ê wekî karûbar (AI PaaS)

PaaS - Platform-wek-xizmetkar modelek karsaziyê ye ku tê de em bigihîjin platformek yekbûyî, tevî hilanîna daneya wê-based cloud û prosedurên amade. Bi vî rengî, em dikarin xwe ji karên binesaziyê rizgar bikin û bi tevahî li ser hilberandina tiştek kêrhatî bisekinin. Mînaka platformên PaaS ji bo karên AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Fêrbûna Makîneya Veguhastî (Adaptive ML)

Ger em bihêlin îstîxbarata çêkirî xwe biguncîne... Hûn dipirsin - yanî çawa?.. Ma ew jixwe xwe bi peywirê re naguncîne? Pirsgirêk ev e: em berî ku algorîtmayek îstîxbarata sûnî ava bikin da ku wê çareser bikin, her pirsgirêkek weha bi dilşikestî dîzayn dikin. Ew ê bersiva we bidin - derket holê ku ev zincîre dikare were hêsan kirin.

Fêrbûna makîneyê ya kevneşopî li ser prensîba xelekek vekirî dixebite: hûn daneyan amade dikin, tora neuralî (an tiştek din) derdixin, perwerde dikin, dûv re li çend nîşanan dinêrin, û heke hûn ji her tiştî hez dikin, hûn dikarin tora neuralî bişînin smartphone - pirsgirêkên bikarhêner çareser bikin. Lê di sepanên ku gelek dane hene û xwezaya wê gav bi gav diguhere, rêbazên din hewce ne. Sîstemên weha, ku xwe biguncînin û xwe fêr bikin, di nav lepên girtî û xwe-hînbûnê de têne organîze kirin (dora girtî) û divê ew bi rêkûpêk bixebitin.

Serlêdan - ev dibe ku analîtîkên tîrêjê (Analytics Stream), li ser bingeha ku gelek karsaz biryaran digirin, an rêveberiya hilberîna adapteyî. Di pîvana serîlêdanên heyî de û ji ber xetereyên ku ji mirovan re çêtir têne fam kirin, teknîkên ku çareseriya vê pirsgirêkê pêk tînin hemî di bin navê AI-ya Adaptive de têne berhev kirin.

Çavkaniya

Dema ku li vî wêneyî mêze bikin, zehmet e ku meriv ji wê hesta ku nanê pêşerojnasan nade xilas bibe - bila robotek fêrî nefesê bike...

Compute and Comms Postklasîk

2.1. Têkiliya mobîl a nifşa pêncemîn (5G)

Ev mijarek wusa balkêş e ku em di cih de we vedigerin ser xwe gotara. Belê, li vir kurteyek kurt e. 5G, bi zêdekirina frekansa veguheztina daneyan, dê leza Înternetê bi rengek nerealîst bilez bike. Zehmettir e ku pêlên kurt di astengan re derbas bibin, ji ber vê yekê sêwirana torê dê bi tevahî cûda be: 500 qat bêtir stasyonên bingehîn hewce ne.

Li gel lezê, em ê fenomenên nû bistînin: lîstikên di dema rast de bi rastiya zêdekirî, pêkanîna karên tevlihev (wek emeliyat) bi riya telepresentê, pêşîlêgirtina qeza û rewşên dijwar ên li ser rêyan bi ragihandina di navbera makîneyan de. Li ser têbînîyek pirtir: Înterneta mobîl dê di dawiyê de di dema bûyerên girseyî de, wek pêşbirkek li stadyûmê, raweste.

Çavkaniya wêneyê - Reuters, Niantic

2.2. Bîra Nifşê Pêşerojê

Li vir em li ser nifşê pêncemîn RAM - DDR5 diaxivin. Samsung ragihand ku hilberên DDR2019-ê dê heya dawiya 5-an peyda bibin. Tê pêşbînîkirin ku dema ku heman faktora formê diparêze, bîranîna nû du caran zûtir û du caran jêhatî be, ango em ê bikaribin ji bo komputera xwe çîpên bîranînê yên bi kapasîteya heya 32 GB bistînin. Di pêşerojê de, ev ê bi taybetî ji bo têlefonên têlefonê têkildar be (bîra nû dê di guhertoyek kêm-hêza xwe de be) û ji bo laptopan (ku hejmara hêlînên DIMM sînorkirî ye). Û fêrbûna makîneyê jî mîqdarên mezin RAM hewce dike.

2.3. Pergalên Satelîtê yên Kêm-Earth-Orbit

Fikra guheztina satelaytên giran, biha, bi hêz bi komek ji yên piçûk û erzan re ne nû ye û di salên 90-an de xuya bû. Li ser çi "Elon Musk dê di demek nêzîk de înternetê ji satelîtê li her kesî belav bike" Niha tenê tembelan nebihîstiye. Pargîdaniya herî navdar a li vir Iridium e, ku di dawiya salên 90-an de îflas kir, lê li ser hesabê Wezareta Parastinê ya Dewletên Yekbûyî hate xilas kirin (ne ku bi iRidium, pergala xaniyê hişmend a rûsî were tevlihev kirin). Projeya Elon Musk (Starlink) ji yekane dûr e - Richard Branson (OneWeb - 1440 satelaytên pêşniyarkirî), Boeing (3000 peyk), Samsung (4600 peyk), û yên din beşdarî pêşbirka satelîtê dibin.

Tiştên li vê deverê çawa radiwestin, aborî li wir çawa xuya dike - bixwînin nêrîn. Û em li benda ceribandinên yekem ên van pergalên ji hêla bikarhênerên yekem ve ne, ku divê sala bê pêk werin.

2.4. Çapkirina 3D ya Nanoscale

Çapkirina 3D, her çend ew neketiye jiyana her mirovî (di forma ku ji hêla kargehek plastîk a malê ya kesane ve hatî sozdan), lê dîsa jî demek berê dev ji teknolojiyê berda ye ji bo geekan. Hûn dikarin bi vê rastiyê dadbar bikin ku her zarokek dibistanê bi hebûna herî kêm pênûsên 3D-yên xêzkirî dizane, û pir kes xewna kirîna qutiyek bi bazdan û ekstruderek ji bo ... "wek wusa" (an jî jixwe ew kirî).

Stereolîtografiya (çapkerên 3D yên lazer) destûrê dide çapkirina bi fotonên takekesî: Polîmerên nû têne lêkolîn kirin ku tenê du foton hewce dikin ku sax bibin. Ev ê dihêle, di şert û mercên ne-laboratûwarî de, ku hûn di şîroveyan de fîlter, mount, çavkanî, kapilaran, lens û… vebijarkên xwe bi tevahî nû biafirînin! Û li vir ew ji fotopolîmerîzasyonê ne dûr e - tenê ev teknolojî dihêle ku em pêvajo û çerxên hesabkirinê "çap bikin". Ji bilî vê, ev ne sala yekem e ku heye teknolojiya ji bo çapkirina grafene 500 nm strukturên sê-alî, lê bêyî pêşveçûna radîkal.

Çavkaniya

3. Hîskirin û Mobility

3.1. Asta ajotina xweser a 4 û 5

Ji bo ku di termînolojiyê de tevlihev nebin, hêja ye ku were fam kirin ka kîjan astên xweseriyê têne cûda kirin (ji hûrgulî hatî girtin gotar, ku em hemî eleqedar jê re vedibêjin):

Asta 1: Kontrola keştiyê: di rewşên pir tixûb de alîkariya ajokar dike (mînak, piştî ku ajokar lingê xwe ji pedalê radike, otomobîlê bi leza diyarkirî digire)
Asta 2: Alîkariya rêvekirin û firnê ya tixûbdar. Divê ajokar amade be ku hema di cih de kontrolê bigire. Destên wî li dîreksiyonê ne, çavên wî li rê ne. Ev tiştek e ku Tesla û General Motors jixwe heye.
Asta 3: Ajokar êdî neçar e ku bi berdewamî li rê temaşe bike. Lê divê ew hişyar bimîne û amade be ku kontrol bike. Ev tiştek e ku otomobîlên bazirganî yên berdest hîna tune ne. Hemî yên heyî di asta 1-2 de ne.
Asta 4: Otopîlota rastîn, lê bi sînorkirin: tenê rêwîtiyên li deverek naskirî ku bi baldarî hatî nexşandin û bi gelemperî ji pergalê re tê zanîn, û di bin hin mercan de: mînakî, di nebûna berfê de. Waymo û General Motors xwedî prototîpên weha ne, û ew plan dikin ku wan li gelek bajaran bidin destpêkirin û wan di hawîrdorên rastîn de biceribînin. Yandex li Skolkovo û Innopolis ji bo taksiyên bêpîlot qadên ceribandinê hene: rêwîtî di bin çavdêriya endezyarek ku li cîhê rêwiyan rûniştî pêk tê; heta dawiya salê, şirket plan dike ku fîloya xwe bigihîne 100 wesayîtên bêpîlot.
Asta 5: Ajotina bêkêmasî ya otomatîk, guheztina bêkêmasî ya ajokerek zindî. Sîstemên weha tune ne, û ne gengaz e ku ew di salên pêş de xuya bibin.

Çiqas realîst e ku meriv van hemîyan di paşerojê de bibîne? Li vir ez dixwazim xwendevanan beralî bikim ser gotarê "Çima ne mimkûn e ku heta sala 2020-an robotaxiyekê bide destpêkirin, wekî Tesla soz dide". Ev hinekî ji ber nebûna girêdana 5G ye: Leza 4G ya berdest têrê nake. Beşek ji ber lêçûna pir zêde ya otomobîlên xweser: ew hîn ne bikêr in, modela karsaziyê ne diyar e. Bi gotinek, "her tişt tevlihev e" li vir, û ne tesaduf e ku Gartner dinivîse ku pêşbîniya pêkanîna girseyî ya Asta 4 û 5 ne zûtir ji 10 salan e.

3.2. Kamerayên Sensing 3D

Heşt sal berê, kontrolkera lîstika Kinect ya Microsoft-ê pêlan çêkir û çareseriyek gihîştî û erzan pêşkêşî dîtina 3D kir. Ji hingê ve, perwerdehiya laşî û lîstikên dansê yên bi Kinect re kêmbûn û kêmbûna xwe jiyaye, lê kamerayên 3D dest pê kir ku di robotên pîşesaziyê, wesayîtên bêmirov, û têlefonên desta de ji bo nasnameya rûyê têne bikar anîn. Teknolojî erzantir, tevlihevtir û gihîştîtir bûye.

Telefona Samsung S10 xwedan kamerayek Time-of-Flight e ku dûrahiya tiştekê dipîve da ku balê hêsantir bike. Çavkaniya

Heke hûn bi vê mijarê re eleqedar dibin, wê hingê em ê we ber bi vekolînek pir baş a berfireh a kamerayên kûr ve vegerînin: beş 1, beş 2.

3.3. Dronên ji bo radestkirina kargoyên piçûk (Dronên Radestkirina Kargoya Ronahî)

Îsal, Amazon dema ku di pêşangehê de dronek nû ya ku dikare barên piçûk heya 2 kg hilgire, pêlan çêkir. Ji bo bajarekî bi qelebalixên trafîkê re, ev wekî çareseriyek îdeal xuya dike. Ka em bibînin ka van dron di pêşerojek pir nêzîk de çawa dikin. Dibe ku hêja ye ku li vir bi baldarî gumanbar be: gelek pirsgirêk hene, ku bi îhtîmala dizîna hêsan a drone dest pê dike, û bi qedexeyên qanûnî yên li ser UAV-an bi dawî dibe. Amazon Prime Air ev şeş sal in ku heye lê hîn jî di qonaxa ceribandinê de ye.

Dronea nû ya Amazonê, vê biharê hate pêşandan. Li ser wî tiştek Star Wars heye. Çavkaniya

Ji bilî Amazonê, di vê sûkê de lîstikvanên din jî hene (bi berfirehî heye lêkolîn), lê ne yek hilberek qedandî: her tişt di qonaxa ceribandin û kampanyayên kirrûbirrê de ye. Ji hev veqetandî, hêjayî balkişandina bijîjkî ya pir pispor a balkêş e projeyên li Afrîkayê: radestkirina xwîna bexşkirî li Ghana (14 radestkirin, pargîdaniya Zipline) û Rwanda (şîrketa Matternet).

3.4. Flying Vehicles Xweser

Zehmet e ku meriv li vir tiştek eşkere bibêje. Li gorî Gartner, ev dê di 10 salan de zûtir xuya bibe. Bi gelemperî, li vir heman pirsgirêk hene wekî di otomobîlên xwe-ajotinê de, tenê ew pîvanek nû digirin - vertîkal. Porsche, Boeing û Uber ambargoya xwe ya çêkirina texsiyek firînê ragihandin.

3.5. Augmented Reality Cloud (AR Cloud)

Kopiyek dîjîtal a domdar a cîhana rastîn, ku dihêle hûn qatek nû ya rastiyê ji hemî bikarhêneran re hevbeş biafirînin. Di warê teknîkî de bêtir, em li ser çêkirina platformek cloudê vekirî ya ku pêşdebiran dikarin serîlêdanên xwe yên AR-ê yek bikin, diaxivin. Modela diravkirinê zelal e; ew celebek analoga Steam e. Fikir ew qas zexm bûye ku hin kes naha bawer dikin ku AR bêyî ewr bi tenê bêkêr e.

Dibe ku ev di pêşerojê de çawa xuya bike di vîdyoyek kurt de tê xuyang kirin. Dişibe episode din a Black Mirror:

Hûn dikarin li ser jî bixwînin gotara nirxandinê.

4. Mirovê zêdekirî

4.1. Emotion AI

Meriv çawa hestên mirovan bipîve, simule bike û bersivê bide? Hin xerîdarên li vir pargîdan in ku arîkarên deng mîna Amazon Alexa çêdikin. Ew dikarin bi rastî li xaniyan bikar bînin ger fêr bibin ku hestê nas bikin: sedema nerazîbûna bikarhêner fam bikin, û hewl bidin ku rewşê rast bikin. Bi gelemperî, di çarçovê de ji peyamê pir bêtir agahdarî heye. Û çarçove îfadeya rû, întonasyon, û tevgera ne-devkî ye.

Serîlêdanên pratîkî yên din: analîzkirina hestan di dema hevpeyivînek kar de (li ser bingeha hevpeyivînên vîdyoyê), nirxandina reaksiyonên reklaman an naveroka vîdyoyê ya din (bişirîn, ken), arîkariya fêrbûnê (mînak, ji bo pratîka serbixwe di hunera axaftina gelemperî de).

Zehmet e ku meriv li ser vê mijarê ji nivîskarê kurtefîlmek 6 deqîqeyî çêtir biaxive Diziya Ur Feeling. Vîdyoya şehrezayî û xweşik destnîşan dike ka hûn çawa dikarin hestên me ji bo mebestên kirrûbirrê bipîvin, û ji bertekên demkî yên rûyê xwe, fêr bibin ka hûn ji pizza, kûçikan, Kanye West hez dikin, û tewra asta dahata we û IQ-ya texmînî çi ne. Bi seredana malpera fîlimê bi karanîna zencîreya jorîn, hûn bi karanîna kameraya çêkirî ya laptopa xwe beşdarî vîdyoyek înteraktîf dibin. Fîlm beriya niha di çend festîvalên fîlman de hatibû nîşandan.

Çavkaniya

Tewra lêkolînek wusa balkêş jî heye: Meriv çawa sarkazma di nivîsê de nas dike. Me tweetên bi hashtag #sarcasm girtin û ji 25 tweetên bi sarkazm û 000 tweetên birêkûpêk li ser her tiştê di bin rojê de perwerdehiyek çêkir. Me pirtûkxaneya TensorFlow bikar anî, pergalê perwerde kir, û li vir encam e:

Çavkaniya

Ji ber vê yekê, naha, heke hûn ji hevkar an hevalê xwe ne ewle ne - wî tiştek ji we re bi ciddî an bi henekî got, hûn dikarin berê bikar bînin tora neuralî ya perwerdekirî!

4.2. Augmented Intelligence

Otomasyona xebata rewşenbîrî bi karanîna rêbazên fêrbûna makîneyê. Ew ê wekî tiştek nû xuya dike? Lê peyv bi xwe li vir girîng e, nemaze ji ber ku ew bi kurtasî bi Zêrîniya Hunerî re hevaheng e. Ev me vedigerîne nîqaşa li ser AI-ya "xurt" û "qels".
Strong AI heman îstîxbarata çêkirî ya ji fîlimên xeyalî yên zanistî ye ku bi tevahî bi hişê mirovî re wekhev e û ji xwe wekî kesek haydar e. Ev yek hîn tune û ne diyar e ka dê bi tevahî hebe yan na.

AI-ya qels ne kesek serbixwe ye, lê alîkarek mirovî ye. Ew îddîa nake ku xwedan ramanek mirovî ye, lê bi tenê dizane ku meriv çawa pirsgirêkên agahdariyê çareser bike, mînakî, diyar bike ka di wêneyek de çi tê xuyang kirin an nivîsek wergerîne.

Çavkaniya

Di vê wateyê de, Zehmetiya Zêdekirî di forma xwe ya herî pak de "AI qels" e, û formulasyon serketî xuya dike, ji ber ku ew tevlihevî û ceribandina dîtina heman "AI-ya bihêz" ya ku her kes jê xewn dike (an jî jê ditirse, heke em li vir bibînin) destnîşan nake. gelek nîqaşên li ser "erebeyên serhildanê" bînin bîra xwe). Bi bikaranîna îfadeya Augmented Intelligence, em tavilê dibin lehengên fîlimek din: ji çîroka zanistî (mîna "Ez, Robot" a Asimov) em xwe di cyberpunk de dibînin ("zêdekirin" di vê celebê de her cûre împlant in ku karînên mirovan berfireh dikin).

çawa got Erik Brynjolfsson û Andrew McAffee: "Di 10 salên pêş de, dê ev tişt bibe. AI dê şûna rêveberan neke, lê ew rêveberên ku AI bikar tînin dê li şûna wan kesên ku hîn ew nekiriye bikin."

wergerandî:

• Derman: Zanîngeha Stanford pêşket algorîtm, yê ku bi karê naskirina patholojiyên li ser tîrêjên tîrêjên sîngê bi navînî wekî piraniya bijîjkan bi serfirazî radibe.
• Perwerde: arîkariya xwendekar û mamosteyan, analîzkirina bersivên xwendekaran li ser materyalan, avakirina rêgezek fêrbûna kesane.
• Analîtîkên karsaziyê: pêşdibistanên daneyê, li gorî statîstîkan, 80% ji dema lêkolînerek digire, û tenê% 20 ji ceribandinê bixwe.

4.3. Biochips

Ev mijara bijare ya hemî fîlim û pirtûkên cyberpunk e. Bi gelemperî, mîkroçîpkirina heywanan ne pratîkek nû ye. Lê niha ev çîp dest pê kirine ku di nav mirovan de werin çandin.

Di vê rewşê de, hîpe bi îhtîmalek mezin bi doza hestiyar a li pargîdaniya Amerîkî Three Square Market re têkildar e. Li wir, kardêr di berdêla xercê de dest bi pêşkêşkirina çîpên di binê çerm de kir. Çîp dihêle hûn derî vekin, têkevin komputeran, ji makîneyek firoştinê xwarinan bikirin - ango, qerta karmendek wusa gerdûnî. Wekî din, çîpek wusa bi rastî wekî qerta nasnameyê kar dike; modulek wê ya GPS-ê tune ye, ji ber vê yekê ne gengaz e ku kesek ku wê bikar tîne bişopîne. Û eger mirov bixwaze çîpê ji milê xwe derxe, bi alîkariya doktor 5 deqeyan digire.

Çîp bi gelemperî di navbera tiliya tiliyê û tiliya nîşanê de têne çandin. Çavkaniya

Zêdetir bixwînin gotar li ser rewşa karên bi çîpên li cîhanê.

4.4. Qada Xebatê ya Immersive

"Immersive" peyvek din a nû ye ku bi hêsanî xilas nabe. Li her derê ye. Şano, pêşangeh, sînema. Mebesta te çi ye? Immersion afirandina bandorek berbiçav e, dema ku sînorê di navbera nivîskar û temaşevan de, cîhana virtual û rastîn winda bibe. Di cîhê kar de, tê guman kirin, ev tê vê wateyê ku xeta di navbera kirdar û destpêker de xira bike û karmendan teşwîq bike ku bi riya nûvekirina hawîrdora xwe pozîsyonek çalaktir bigirin.

Ji ber ku me naha li her deverê Agile, nermbûn û hevkariyek nêzîk heye, divê cîhên kar bi qasî ku pêkan bi hêsanî werin mîheng kirin û divê xebata komê teşwîq bikin. Aborî şertên xwe ferz dike: bêtir karmendên demkî hene, lêçûna kirêkirina cîhê nivîsgehê zêde dibe, û di sûkek kar a reqabetê de, pargîdaniyên IT hewl didin ku razîbûna karmendan ji kar zêde bikin bi afirandina deverên vehewandinê û feydeyên din. Û ev hemî di sêwirana cîhên kar de têne xuyang kirin.

Ji nûçe knoll

4.5. Kesayetîkirin

Her kes dizane ku di reklamê de kesayetî çi ye. Ev dema ku îro hûn bi hevkarek xwe re nîqaş dikin ku hewa li jûreyê hinekî zuwa ye, û divê hûn ji bo nivîsgehê humidifierek bikirin, û roja din hûn li ser tora xweya civakî reklamek dibînin - "hindikek bikirin" (a bûyera rast ku hat serê min).

Çavkaniya

Kesanebûn, wekî ku ji hêla Gartner ve hatî destnîşan kirin, bersivek e li ser fikarên zêde yên bikarhêneran ên derbarê karanîna daneyên kesane yên wan ji bo armancên reklamê. Armanc pêşxistina nêzîkatiyek e ku tê de reklamek ji me re were destnîşan kirin ku bi çarçoweya ku em tê de dibînin têkildar be, ne ji me re kesane. Mînakî, cîhê me, celebê cîhazê, dema rojê, şert û mercên hewayê - ev tiştek e ku daneyên meyên kesane binpê nake, û em hesta nebaş a "çavdêriyê" hîs nakin.

Li ser cûdahiya di navbera van her du têgehan de bixwînin not Andrew Frank li ser malpera Gartner blog dike. Cûdahiyek wusa nazik û peyvên wusa hene ku hûn, bêyî ku ferqê nas bikin, xetere dikin ku demek dirêj bi hevpeyivîna xwe re nîqaş bikin, guman nakin ku, bi gelemperî, her du jî rast in (û ev jî bûyerek rastîn e ku bi nivîskar).

4.6. Biotech - Tîsê Çandî an Artificial

Ev, berî her tiştî, ramana mezinbûna goştê sûnî ye. Di heman demê de, gelek tîm li çaraliyê cîhanê bi pêşxistina laboratûara "Meat 2.0" mijûl in - tê pêşbînîkirin ku ew ji ya berê erzantir bibe, û xwarinên bilez û dûv re jî supermarketan wê veguherînin. Di vê teknolojiyê de veberhênerên Bill Gates, Sergey Brin, Richard Branson û yên din hene.

Çavkaniya

Sedemên ku her kes ew qas bi goştê sûnî re eleqedar dibe:

1. Germbûna gerdûnî: belavkirina metanê ya ji cotkaran. Ev 18% ji qebareya gerdûnî ya gazên ku bandorê li avhewayê dike.
2. Mezinbûna nifûsê. Daxwaza goşt her ku diçe mezin dibe, û ne gengaz e ku her kes bi goştê xwezayî têr bike - ew bi tenê biha ye.
3. Nebûna cih. 70% ji daristanên Amazonê berê ji bo mêrg hatine birîn.
4. Nirxên exlaqî. Yên ku ev ji bo wan girîng e hene. Rêxistina mafên heywanan PETA beriya niha 1 milyon dolar xelat dabû zanyarê ku goştê mirîşka çêkirî tîne bazarê.

Guheztina goştê rastîn bi soya çareseriyek qismî ye, ji ber ku mirov dikare cûdahiya tam û çêjê binirxîne, û ne mimkûn e ku dev ji steak berde di berjewendiya soyê de. Ji ber vê yekê hûn hewceyê goştê rastîn, organîkî mezinkirî ne. Naha, mixabin, goştê sûnî pir biha ye: ji 12 dolaran serê kîloyê. Ev ji ber pêvajoya teknîkî ya tevlihev a mezinbûna goştê weha ye. Li ser her tiştî bixwînin gotar.

Ger em li ser bûyerên din ên mezinbûna tevnvîsê biaxivin - jixwe di derman de - wê hingê mijara organên sûnî balkêş e: Mînakî, "paçek" ji bo masûlka dil, çap kirin çapera 3D ya taybetî. Tê zanîn çîrok mîna dilê mişkek bi sûnî mezin bûye, lê bi gelemperî her tişt hîn jî di çarçoveya ceribandinên klînîkî de ye. Ji ber vê yekê ne mimkûn e ku em di salên pêş de Frankenstein bibînin.

Li vir Gartner di texmînên xwe de pir hişyar e, xuya ye ku pêşbîniya xwe ya têkçûyî ya 2015-an li ber çavan digire ku di sala 2019-an de, 10% ji nifûsa li welatên pêşkeftî dê xwedî implanteyek amûrek bijîjkî ya çapkirî ya 3D be. Ji ber vê yekê, ev tê vê wateyê ku dema gihîştina deştek hilberînê herî kêm 10 sal e.

5. Ekosîstemên dîjîtal

5.1. Weba nenavendî

Ev têgeh ji nêz ve bi navê dahênerê tevnê, serketî Xelata Turing Sir Tim Burners-Lee ve girêdayî ye. Ji bo wî, pirsên etîkê di zanistiya kompîturê de her gav girîng bûn û cewhera kolektîf a Înternetê girîng bû: danîna bingehên hîpertekstê, ew pê bawer bû ku tor divê mîna tevnekê bixebite, ne wekî hiyerarşiyek. Ev rewş di qonaxa destpêkê ya pêşveçûna torê de bû. Lêbelê, her ku Înternetê mezin bû, avahiya wê ji ber sedemên cûrbecûr navendî bû. Derket holê ku gihîştina torê ji bo tevahî welatek bi alîkariya çend pêşkêşvanan bi hêsanî dikare were asteng kirin. Û daneyên bikarhêner ji bo pargîdaniyên Înternetê bûye çavkaniya hêz û dahatiyê.

Burners-Lee dibêje, "Internet jixwe nenavendî ye." "Pirsgirêk ev e ku yek motora lêgerînê, yek tora civakî ya mezin, yek platformek mîkroblogê serdest e. Pirsgirêkên me yên teknolojîk nînin, lê pirsgirêkên me yên civakî hene.”

Di ya wî de nameya vekirî Ji bo salvegera 30-emîn a World Wide Web, afirînerê Webê sê pirsgirêkên sereke yên Înternetê destnîşan kir:

1. Zirara armanckirî wekî hacking, sûc, û tacîzkirina serhêl a ku ji hêla dewletê ve hatî piştgirî kirin
2. Sêwirana pergalê ya ku, bi zirara bikarhêner, zemînek ji mekanîzmayên weha diafirîne: Teşwîqên darayî ji bo klîkbait û belavbûna virusê ya agahdariya derewîn.
3. Encamên nediyar ên sêwirana pergalê ku dibe sedema pevçûn û kêmbûna kalîteya nîqaşa serhêl

Û Tim Berners-Lee jixwe bersivek li ser kîjan prensîban heye ku "Interneta Kesek Tendurist" dikare li ser bingehê çi be, ji pirsgirêka jimare 2 bêpar: "Ji bo gelek bikarhêneran, hatina reklamê tenê modela danûstendina bi Înternetê re dimîne. Tewra mirov ji tiştên ku diqewime daneyên wan ditirsin, ew amade ne ku ji bo derfeta wergirtina naverokê belaş bi makîneya kirrûbirrê re peymanek çêbikin. Dinyayeke ku dayîna mal û karûbaran ji bo her du aliyan jî hêsan û kêfxweş e, bifikirin.” Di nav vebijarkên ji bo ku ev çawa dikare were saz kirin: muzîkjen dikarin tomarên xwe bêyî navbeynkar di forma iTunes de bifroşin, û malperên nûçeyan ji bo xwendina gotarek, li şûna ku ji reklamê drav qezenc bikin, dikarin pergala mîkropaydanan bikar bînin.

Wekî prototîpek ceribandî ya vê Înternetê ya nû, Tim Berners-Lee projeya SOLID da destpêkirin, cewhera wê ev e ku hûn daneyên xwe di "pod" - dikanek agahdarî de hilînin, û dikarin van daneyan ji serîlêdanên partiya sêyemîn re peyda bikin. Lê di prensîbê de, hûn bixwe serwerên daneyên xwe ne. Vana hemî ji nêz ve bi têgeha torên peer-to-peer re têkildar in, ango, komputera we ne tenê karûbaran daxwaz dike, lê di heman demê de wan jî peyda dike, da ku wekî kanalek yekane pişta xwe nedin serverek.

Çavkaniya

5.2. Rêxistinên Xweser ên Desentralîze

Ew rêxistinek e ku bi rêgezên ku di forma bernameyek komputerê de hatine nivîsandin têne rêve kirin. Çalakiyên wê yên darayî li ser bingeha blokê ye. Armanc ji avakirina rêxistinên bi vî rengî ew e ku dewlet ji rola navbeynkar dûr bixe û ji bo hevalbendan jîngehek hevpar a pêbawer were afirandin, ku ne xwediyê kesekî bi serê xwe be, lê xwediyê her kesî bi hev re ye. Ango, di teorîyê de, ger ku ev fikir ji holê rabe, divê noter û saziyên din ên verastkirinê yên adetî werin rakirin.

Mînaka herî navdar a rêxistinek wusa DAO-ya ku li ser veberhênanê bû, ku di sala 2016-an de 150 mîlyon dolar berhev kir, ji wan $ 50 tavilê di qulikek qanûnî ya qaîdeyan de hate dizîn. Di cih de dubendiyek dijwar derket holê: an paşde bizivirin û drav vegerînin, an jî qebûl bikin ku vekêşana drav qanûnî bû, ji ber ku ew bi tu awayî rêzikên platformê binpê nekir. Wekî encamek, ji bo vegerandina drav li veberhêneran, afirîner neçar bûn ku DAO hilweşînin, zincîra blokê ji nû ve binivîsînin û prensîba wê ya bingehîn - neguhêrbarî binpê bikin.

Comic li ser Ethereum (çep) û The DAO (rast). Çavkaniya

Vê tevahiya çîrokê navûdengê ramana DAO hilweşand. Ew proje li ser bingeha krîpto-pereyê Ethereum hate çêkirin, guhertoya Ether 2.0 sala bê tê payîn - dibe ku nivîskar (tevî navdar Vitalik Buterin) xeletiyan hesab bikin û tiştek nû nîşan bidin. Ji ber vê yekê dibe ku Gartner DAO li ser jorê datîne.

5.3.Synthetics Daneyên

Ji bo perwerdekirina torên neuralî, mîqdarên mezin dane hewce ne. Etîketkirina daneyan bi destan karek mezin e ku tenê ji hêla mirovek ve dikare were kirin. Ji ber vê yekê, gengaz e ku meriv komên daneyên sûnî biafirîne. Mînakî, heman berhevokên rûyê mirovan li ser malperê https://generated.photos. Ew bi karanîna GAN têne afirandin - algorîtmayên ku berê li jor hatine behs kirin.

Ev rû ne aîdê mirovan in. Çavkaniya

Feydeya mezin a daneyên wusa ev e ku di karanîna wê de ti zehmetiyên qanûnî tune: Kesek tune ku razîbûna hilberandina daneyên kesane bide.

5.4.Opsên dîjîtal

Paşgira "Ops" ji dema ku DevOps di axaftina me de cîh girtiye pir moda bûye. Naha di derbarê DigitalOps çi ye - ew tenê gelemperîkirina DevOps, DesignOps, MarketingOps e... Ma hûn hê bêhnteng in? Bi kurtasî, ew veguheztina nêzîkatiya DevOps ji qada nermalavê berbi hemî aliyên din ên karsaziyê - kirrûbirra, sêwiran, hwd.

Çavkaniya

Fikra DevOps rakirina astengên di navbera Pêşkeftina xwe û Operasyonên (pêvajoyên karsaziyê) de, bi afirandina tîmên hevbeş, ku li wir bernamenûs, ceribandin, pisporên ewlehiyê, û rêvebir hene; pêkanîna hin pratîkan: entegrasyona domdar, binesaziya wekî kod, kêmkirin û xurtkirina zincîreyên vegerê. Armanc ew bû ku dema hilberan berbi bazarê zûtir bike. Ger we difikirî ku ev mîna Agile ye, hûn rast bûn. Naha vê nêzîkatiyê ji qada pêşkeftina nermalavê bi gelemperî veguherîne pêşkeftinê - û hûn fêm dikin DigitalOps çi ye.

5.5. Grafên Zanînê

Rêbazek nermalavê ji bo modela herêmek zanînê, tevî karanîna algorîtmayên fêrbûna makîneyê. Grafikek zanînê li ser databasên heyî tê çêkirin da ku hemî agahdarî bi hev ve girêbide: hem birêkûpêk (lîsteya bûyeran an mirovan) hem jî nesazkirî (nivîsa gotarê).

Mînaka herî hêsan karta ku hûn dikarin di encamên lêgerîna Google de bibînin e. Ger hûn li kesek an saziyek digerin, hûn ê li rastê qertek bibînin:


Ji kerema xwe bala xwe bidin ku "Bûyerên Pêşeroj" ne kopiyek agahdariya ji Nexşeyên Google-ê ye, lê entegrasyona nexşeyê bi Yandex.Afisha re ye: heke hûn li ser bûyeran bitikînin hûn dikarin bi hêsanî vê yekê bibînin. Ango, ew berhevoka çend çavkaniyên daneyê bi hev re ye.

Ger hûn navnîşek bixwazin - wek nimûne, "derhênerên navdar" - hûn ê carouselek nîşan bidin:

Bonus ji bo kesên ku heta dawiyê dixwînin

Û niha ku me ji xwe re wateya her xalek zelal kir, em dikarin li heman wêneyê binêrin, lê bi rûsî:

Wê bi serbestî li ser torên civakî parve bikin!

Tatyana Volkova - Nivîskarê bernameya perwerdehiyê ya ji bo şopa IT-ya Înternetê ya Tiştan li Akademiya Samsung, pisporê bernameyên berpirsiyariya civakî ya pargîdanî li Navenda Lêkolînê ya Samsung


Source: www.habr.com