Табелата на Гартнер е како висока модна ревија за оние во технолошката индустрија. Гледајќи го, однапред можете да дознаете кои зборови најмногу се возбудуваат оваа сезона и што ќе слушнете на сите претстојни конференции.

Дешифриравме што се крие зад убавите зборови на овој график за да можете и вие да го зборувате јазикот.

За почеток, само неколку зборови за тоа каков вид на графикон е ова. Секоја година во август, консултантската агенција Гартнер објавува извештај - Gartner Hype Curve. На руски, ова е „крива на возбуда“ или, поедноставно, возбуда. Пред 30 години, раперите од групата Public Enemy пееја: „Не верувај во возбудата“. Верувале или не, тоа е лично прашање, но вреди барем да ги знаете овие клучни зборови ако работите на полето на технологијата и сакате да ги знаете светските трендови.

Ова е графикон на очекувањата на јавноста од одредена технологија. Според Гартнер, идеално, технологијата поминува низ 5 фази: лансирање технологија, врв на надуени очекувања, долина на разочарување, наклон на просветлување, плато на продуктивност. Но, исто така се случува да се удави во „долината на разочарувањето“ - можете сами да запомните примери, земете ги истите биткоини: првично достигнувајќи го врвот како „пари на иднината“, тие брзо се лизнаа кога недостатоците на технологијата стана очигледно, пред сè ограничувањата на бројот на трансакции и огромната количина на електрична енергија потребна за генерирање на биткоини (што веќе повлекува еколошки проблеми). И, се разбира, не смееме да заборавиме дека графиконот на Гартнер е само прогноза: овде, на пример, можете да прочитате детален статью, каде што се средуваат највпечатливите неисполнети предвидувања.

Значи, да ја разгледаме новата табела на Гартнер. Технологиите се поделени во 5 големи тематски групи:

1. Напредна вештачка интелигенција и аналитика
2. Посткласично пресметување и комуникации
3. Чувство и мобилност
4. Зголемен човек
5. Дигитални екосистеми

1. Напредна вештачка интелигенција и аналитика

Во текот на изминатите 10 години го видовме најдобриот час на длабоко учење. Овие мрежи се навистина ефикасни за нивниот опсег на задачи. Во 2018 година, Јан ЛеКун, Џефри Хинтон и Јошуа Бенџо ја добија наградата Тјуринг за нивните откритија - најпрестижната награда, аналогно на Нобеловата награда за компјутерски науки. Значи, главните трендови во оваа област, кои се прикажани на графиконот:

1.1. Трансфер на учење

Не тренирате невронска мрежа од нула, туку земете веќе обучена и ѝ зададете друга цел. Понекогаш ова бара преквалификација на дел од мрежата, но не и на целата мрежа, што е многу побрзо. На пример, земајќи готова невронска мрежа ResNet50, обучена на базата на податоци ImageNet1000, ќе добиете алгоритам кој може да класифицира многу различни објекти во сликата на многу длабоко ниво (1000 класи врз основа на карактеристики генерирани од 50 слоеви на нервниот мрежа). Но, не мора да ја тренирате целата таа мрежа, за што би биле потребни месеци.

В онлајн курс Samsung „Неврални мрежи и компјутерска визија“, на пример, во финалето Задача Kaggle со класификацијата на плочите на чисти и валкани, се демонстрира пристап кој за 5 минути ви дава на располагање длабока нервна мрежа способна да ги разликува валканите плочи од чистите, изградени според архитектурата опишана погоре. Оригиналната мрежа воопшто не знаеше какви чинии, научи само да разликува птици од кучиња (види ImageNet).

Извор: онлајн курс Samsung „Неврални мрежи и компјутерска визија“

За пренос на учење треба да знаете кои пристапи функционираат и кои готови основни архитектури се достапни. Генерално, ова во голема мера го забрзува појавувањето на практични апликации на машинско учење.

1.2. Генеративни противнички мрежи (GAN)

Ова е за оние случаи кога ни е многу тешко да ја формулираме целта за учење. Колку е задачата поблиску до реалниот живот, толку ни е поразбирлива („донесете ја ноќната маса“), но толку е потешко да се формулира како техничка задача. GAN е само обид да не спаси од овој проблем.

Тука работат две мрежи: едната е генератор (Generative), другата е дискриминатор (Adversarial). Една мрежа учи да прави корисна работа (класифицира слики, препознава звуци, црта цртани филмови). И друга мрежа учи да ја учи таа мрежа: има вистински примери и учи да најде претходно непозната сложена формула за споредување на производите на генеративниот дел од мрежата со објекти од реалниот свет (комплет за обука) врз основа на навистина важни длабоки карактеристики : број на очи, близина на стилот на Мијазаки, правилен англиски изговор.

Пример за резултат на мрежа за генерирање аниме карактери. Извор

Но, се разбира, тешко е таму да се изгради архитектура. Не е доволно само да се фрлаат неврони, тие треба да се подготват. И треба да учиш со недели. Моите колеги од Центарот за вештачка интелигенција на Samsung работат на темата GAN, ова е едно од нивните клучни прашања за истражување. На пример, вака развој: користење генеративни мрежи за синтетизирање реални фотографии од луѓе со променлива поза - на пример, за создавање виртуелна просторија за фитинг или за синтеза на лице, што може да го намали количеството на информации што треба да се складираат или пренесат за да се обезбеди висококвалитетно видео комуникација, емитување или заштита на личните податоци.

Извор

1.3. Објаснива вештачка интелигенција

За некои ретки задачи, напредокот во длабоките архитектури одеднаш ги доближи способностите на длабоките невронски мрежи до човечките способности. Сега се води битка за зголемување на опсегот на такви задачи. На пример, роботска правосмукалка лесно може да разликува мачка од куче на директен состанок. Но, во повеќето животни ситуации, тој нема да може да најде мачка што спие меѓу постелнина или мебел (сепак, како нас, во повеќето случаи...).

Која е причината за успехот на длабоките невронски мрежи? Тие развиваат претстава за проблемот врз основа не на информации „видливи со голо око“ (фотопиксели, промени во јачината на звукот...), туку на карактеристики добиени по претходна обработка на овие информации од неколку стотици слоеви на невронска мрежа. За жал, овие врски исто така може да бидат бесмислени, неконзистентни или да носат траги од несовршености во оригиналниот сет на податоци. На пример, постои мала компјутерска игра за тоа до што може да доведе непромислената употреба на ВИ при регрутирање Опстанок на најдоброто вклопување.

Системот за означување на сликите го означи лицето кое готви како жена, иако лицето на сликата е всушност маж (Извор). тоа забележал во Институтот во Вирџинија.

За да се анализираат сложени и длабоки односи кои често не можеме самите да ги формулираме, потребни се објаснувачки методи на вештачка интелигенција. Тие ги организираат карактеристиките на длабоките невронски мрежи, така што по обуката, можеме да ја анализираме внатрешната репрезентација што ја научила мрежата, наместо едноставно да се потпираме на нејзината одлука.

1.4. Edge Analytics / AI

Сè со зборот Edge буквално значи следново: пренесување на дел од алгоритмите од облакот/серверот до нивото на крајниот уред/портата. Таквиот алгоритам ќе работи побрзо и нема да бара поврзување со централен сервер за неговото функционирање. Ако сте запознаени со апстракцијата на „тенок клиент“, тогаш овде го правиме овој клиент малку подебел.
Ова може да биде важно за Интернет на нештата. На пример, ако машината е прегреана и има потреба од ладење, има смисла да се сигнализира тоа веднаш, на ниво на постројка, без да се чека податоците да одат до облакот и од таму до надзорникот на смената. Или друг пример: самоуправувачките автомобили можат сами да ја сфатат ситуацијата во сообраќајот, без да контактираат со централен сервер.

Извор

Или уште еден пример зошто ова е важно од безбедносна гледна точка: кога пишувате текстови на вашиот телефон, тој се сеќава на зборовите што се типични за вас, така што подоцна тастатурата на телефонот може удобно да ве поттикне со нив - ова се нарекува предвидливо внесување текст. Испраќањето на сè што пишувате на вашата тастатура до центар за податоци некаде би било повреда на вашата приватност и едноставно небезбедно. Затоа, обуката за тастатура се случува само во самиот уред.

1.5. AI платформа како услуга (AI PaaS)

PaaS - Платформа-како-услуга е деловен модел во кој добиваме пристап до интегрирана платформа, вклучувајќи го нејзиното складирање податоци базирано на облак и готови процедури. На овој начин, можеме да се ослободиме од инфраструктурните задачи и целосно да се концентрираме на производство на нешто корисно. Пример за PaaS платформи за задачи со вештачка интелигенција: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Приспособливо машинско учење (приспособливо ML)

Што ако дозволиме вештачката интелигенција да се прилагоди... Вие прашувате - односно како?.. Зарем веќе не се прилагодува на задачата? Проблемот е овој: ние макотрпно го дизајнираме секој таков проблем пред да изградиме алгоритам за вештачка интелигенција за да го решиме. Тие ќе ви одговорат - излегува дека овој синџир може да се поедностави.

Конвенционалното машинско учење работи на принципот на отворена јамка: подготвувате податоци, смислувате невронска мрежа (или било што), тренирате, потоа гледате неколку индикатори и ако ви се допаѓа сè, можете да ја испратите невронската мрежа на паметни телефони - решавајте ги корисничките проблеми. Но, во апликациите каде што има многу податоци и нивната природа постепено се менува, потребни се други методи. Ваквите системи, кои се прилагодуваат и се учат, се организирани во затворени циклуси за самостојно учење (затворена јамка) и тие мора да работат непречено.

Апликации - ова може да биде аналитика на поток (Stream Analytics), врз основа на која многу бизнисмени донесуваат одлуки или адаптивно управување со производството. На скалата на сегашните апликации и со оглед на подобро разбраните ризици за луѓето, техниките што го сочинуваат решението за овој проблем се собрани под чадорот Адаптивна вештачка интелигенција.

Извор

Гледајќи ја оваа слика, тешко е да се ослободите од чувството дека футуролозите не ги хранат со леб - нека научат робот да дише...

Посткласично пресметување и комуникации

2.1. Мобилни комуникации од петта генерација (5G)

Ова е толку интересна тема што веднаш ве упатуваме на нашата Член. Па, еве кратко резиме. 5G, со зголемување на фреквенцијата на пренос на податоци, ќе ја направи брзината на Интернет нереално брза. Потешко е кратките бранови да минуваат низ препреки, така што дизајнот на мрежите ќе биде сосема поинаков: потребни се 500 пати повеќе базни станици.

Заедно со брзината, ќе добиеме и нови појави: игри во реално време со зголемена реалност, извршување сложени задачи (како операција) преку телеприсутност, спречување несреќи и тешки ситуации на патиштата преку комуникација помеѓу машините. Попрозаична нота: мобилниот интернет конечно ќе престане да паѓа за време на масовни настани, како што е натпревар на стадион.

Извор на слика - Ројтерс, Ниантик

2.2. Меморија од следната генерација

Овде зборуваме за петтата генерација на RAM – DDR5. Samsung објави дека производите базирани на DDR2019 ќе бидат достапни до крајот на 5 година. Се очекува дека новата меморија ќе биде двојно побрза и двојно пообемна додека го одржува истиот фактор на форма, односно ќе можеме да добиеме мемориски стикови со капацитет до 32 GB за нашиот компјутер. Во иднина, ова ќе биде особено важно за паметните телефони (новата меморија ќе биде во верзија со мала моќност) и за лаптопите (каде што бројот на слотови DIMM е ограничен). А машинското учење бара и големи количини RAM меморија.

2.3. Сателитски системи со ниска орбита на Земјата

Идејата за замена на тешки, скапи, моќни сателити со рој мали и евтини е далеку од нова и се појави уште во 90-тите. За што „Илон Маск наскоро ќе го дистрибуира интернетот на сите од сателит“ Сега само мрзливите не слушнале. Најпознатата компанија овде е Iridium, која банкротираше кон крајот на 90-тите, но беше спасена на сметка на Министерството за одбрана на САД (да не се меша со iRidium, рускиот систем за паметни домови). Проектот на Илон Маск (Starlink) е далеку од единствениот - Ричард Бренсон (OneWeb - 1440 предложени сателити), Боинг (3000 сателити), Самсунг (4600 сателити) и други учествуваат во сателитската трка.

Како стојат работите во оваа област, како изгледа економијата таму - прочитајте преглед. И ги чекаме првите тестови на овие системи од првите корисници, кои треба да се случат следната година.

2.4. Нано 3D печатење

3D печатењето, иако не влезе во животот на секој човек (во формата што ја вети индивидуална фабрика за домашна пластика), сепак одамна ја напушти технолошката ниша за гиковите. Можете да судите според фактот дека секое учениче знае за постоењето на најмалку 3Д извајани пенкала, а многумина сонуваат да купат кутија со тркачи и екструдер за... „таман така“ (или веќе ја купиле).

Стереолитографијата (ласерски 3D печатачи) овозможува печатење со поединечни фотони: се истражуваат нови полимери за кои се потребни само два фотони за да се зацврстат. Ова ќе овозможи, во нелабораториски услови, да креирате целосно нови филтри, држачи, пружини, капилари, леќи и... ваши опции во коментарите! И тука не е далеку од фотополимеризација - само оваа технологија ни овозможува да „печатиме“ процесори и компјутерски кола. Дополнително, не е прва година што има технологија за печатење на тридимензионални структури од графен 500 nm, но без радикален развој.

Извор

3. Чувство и мобилност

3.1. Автономно возење Ниво 4 и 5

За да не се мешаме во терминологијата, вреди да се разбере кои нивоа на автономија се разликуваат (преземено од деталното Член, на која ги повикуваме сите заинтересирани):

Ниво 1: Контрола на патувањето: му помага на возачот во многу ограничени ситуации (на пример, држење на автомобилот со одредена брзина откако возачот ќе ја тргне ногата од педалата)
Ниво 2: Ограничена помош при управување и сопирање. Возачот мора да биде подготвен да ја преземе контролата речиси веднаш. Рацете му се на воланот, очите му се насочени кон патот. Ова е нешто што веќе го имаат Тесла и Џенерал Моторс.
Ниво 3: Возачот повеќе не мора постојано да го гледа патот. Но, тој мора да остане буден и да биде подготвен да ја преземе контролата. Ова е нешто што комерцијално достапните автомобили сè уште го немаат. Сите моментално постоечки се на ниво 1-2.
Ниво 4: Вистински автопилот, но со ограничувања: само патувања во позната област која е внимателно мапирана и општо позната на системот, и под одредени услови: на пример, во отсуство на снег. Вакви прототипови имаат Waymo и General Motors, кои планираат да ги лансираат во неколку градови и да ги тестираат во реални средини. Yandex има тест зони за беспилотни такси во Сколково и Иннополис: патувањето се одвива под надзор на инженер кој седи на совозачкото седиште; до крајот на годината компанијата планира да го прошири својот возен парк на 100 возила без екипаж.
Ниво 5: Целосно автоматско возење, целосна замена на жив возач. Такви системи не постојат, а веројатно нема да се појават во наредните години.

Колку е реално сето ова да се види во догледна иднина? Овде би сакал да го пренасочам читателот на статијата „Зошто е невозможно да се лансира роботакси до 2020 година, како што ветува Тесла“. Ова делумно се должи на недостатокот на 5G конекција: достапните брзини на 4G не се доволни. Делумно поради многу високата цена на автономните автомобили: тие сè уште не се профитабилни, бизнис моделот е нејасен. Со еден збор, овде „сè е комплицирано“ и не случајно Гартнер пишува дека прогнозата за масовно спроведување на Нивоата 4 и 5 не е порано од 10 години.

3.2. Камери со 3D сензори

Пред осум години, контролорот за игри Kinect на Microsoft предизвика бранови нудејќи достапно и релативно евтино решение за 3D визија. Оттогаш, физичкото образование и танцовите игри со Kinect доживеаја краток пораст и пад, но 3D камерите почнаа да се користат во индустриски роботи, беспилотни возила и мобилни телефони за идентификација на лицето. Технологијата стана поевтина, покомпактна и подостапна.

Телефонот Samsung S10 има камера за време на летот која го мери растојанието до објектот за да го олесни фокусирањето. Извор

Ако ве интересира оваа тема, тогаш ќе ве пренасочиме кон многу добар детален преглед на длабинските камери: Дел 1, Дел 2.

3.3. Беспилотни летала за испорака на мал товар (дронови за испорака на лесен товар)

Годинава Амазон се разбранува кога на саемот покажа нов летечки дрон кој може да носи мали товари до 2 килограми. За град со сообраќаен метеж, ова изгледа како идеално решение. Ајде да видиме како овие дронови ќе работат во многу блиска иднина. Можеби вреди да се биде внимателен скептичен овде: има многу проблеми, почнувајќи од можноста за лесна кражба на беспилотно летало и завршувајќи со законски ограничувања за UAV-ови. Amazon Prime Air постои веќе шест години, но сè уште е во фаза на тестирање.

Новиот дрон на Amazon, прикажан оваа пролет. Има нешто од „Војна на ѕвездите“ во него. Извор

Покрај Амазон, има и други играчи на овој пазар (има детален Преглед), но ниту еден готов производ: сè е во фаза на тестирање и маркетинг кампањи. Одделно, вреди да се забележат доста интересни високо специјализирани медицински Проекти во Африка: испорака на донирана крв во Гана (14 испораки, компанија Zipline) и Руанда (компанија Матернет).

3.4. Летечки автономни возила

Тешко е да се каже нешто дефинитивно овде. Според Гартнер, ова ќе се појави не порано од 10 години. Во принцип, тука има сите исти проблеми како кај самоуправувачките автомобили, само што тие добиваат нова димензија - вертикална. Порше, Боинг и Убер ги објавија своите амбиции да направат летечко такси.

3.5. Облак со зголемена реалност (AR Cloud)

Постојана дигитална копија од реалниот свет, што ви овозможува да креирате нов слој на реалност заеднички за сите корисници. Во потехничка смисла, зборуваме за создавање отворена облак платформа во која програмерите би можеле да ги интегрираат своите AR апликации. Моделот за монетизација е јасен, тој е еден вид аналог на Steam. Идејата стана толку вкоренета што некои сега веруваат дека AR без облакот е едноставно бескорисен.

Како ова би можело да изгледа во иднина е прикажано во кратко видео. Изгледа како друга епизода од Black Mirror:

Можете исто така да читате на преглед на статијата.

4. Зголемен човек

4.1. Емоција AI

Како да се измери, симулира и одговори на човечките емоции? Некои од клиентите овде се компании кои произведуваат гласовни асистенти како Amazon Alexa. Тие навистина можат да се навикнат на домовите ако научат да го препознаваат расположението: да ја разберат причината за незадоволството на корисникот и да се обидат да ја поправат ситуацијата. Генерално, има многу повеќе информации во контекстот отколку во самата порака. А контекстот е израз на лицето, интонација и невербално однесување.

Други практични примени: анализа на емоциите за време на интервју за работа (врз основа на видео интервјуа), оценување на реакциите на реклами или други видео содржини (насмевки, смеа), помош во учењето (на пример, за самостојно вежбање во уметноста на јавно говорење).

Тешко е да се зборува подобро на оваа тема од авторот на 6-минутен краток филм Крадење Ур Чувство. Духовитото и стилски видео покажува како можете да ги измерите нашите емоции за маркетиншки цели, а од моменталните реакции на вашето лице дознајте дали сакате пица, кучиња, Канје Вест, па дури и кое е нивото на вашиот приход и приближниот коефициент на интелигенција. Со одење на веб-страницата на филмот користејќи ја врската погоре, станувате учесник во интерактивно видео со помош на вградената камера на вашиот лаптоп. Филмот е веќе прикажан на неколку филмски фестивали.

Извор

Постои дури и една таква интересна студија: како да се препознае сарказам во текстот. Направивме твитови со хаштагот #sarcasm и направивме тренинг сет од 25 твитови со сарказам и 000 редовни твитови за се под сонцето. Ја користевме библиотеката TensorFlow, го обучивме системот и еве го резултатот:

Извор

Затоа, сега, ако не сте сигурни за вашиот колега или пријател - нешто сериозно или саркастично ви кажал, веќе можете да го искористите обучена невронска мрежа!

4.2. Зголемена интелигенција

Автоматизација на интелектуалната работа користејќи методи на машинско учење. Дали изгледа како ништо ново? Но, самата формулација е важна овде, особено затоа што се совпаѓа во кратенка со Вештачка интелигенција. Ова нè враќа на дебатата за „силната“ и „слабата“ вештачка интелигенција.
Силната вештачка интелигенција е истата вештачка интелигенција од научно-фантастичните филмови која е целосно еквивалентна на човечкиот ум и е свесна за себе како индивидуа. Ова сè уште не постои и не е јасно дали воопшто ќе постои.

Слабата вештачка интелигенција не е независна личност, туку човечки асистент. Тој не тврди дека има човеково размислување, туку едноставно знае како да решава информациски проблеми, на пример, да одреди што е прикажано на слика или да преведе текст.

Извор

Во оваа смисла, Зголемената интелигенција е „слаба вештачка интелигенција“ во нејзината најчиста форма, а формулацијата изгледа успешна, бидејќи не внесува конфузија и искушение да се види овде истата „силна вештачка интелигенција“ за која сите сонуваат (или се плашат, ако да се потсетиме на бројните дискусии за „автомобилите на бунтот“). Користејќи го изразот Зголемена интелигенција, веднаш стануваме херои на друг филм: од научна фантастика (како „Јас, робот“ на Асимов) се наоѓаме во сајберпанкот („зголемувањето“ во овој жанр се сите видови импланти кои ги прошируваат човечките способности).

Како кажа Ерик Бринјолфсон и Ендрју Мекафи: „Во текот на следните 10 години, еве што ќе се случи. Вештачката интелигенција нема да ги замени менаџерите, но оние менаџери кои користат вештачка интелигенција ќе ги заменат оние кои сè уште не успеале“.

Примери:

• Медицина: развиен Универзитетот Стенфорд алгоритам, кој се справува со задачата да ги препознае патологиите на рендгенските снимки на градниот кош во просек исто толку успешно како и повеќето лекари
• Образование: помош на учениците и наставниците, анализа на одговорите на учениците на материјали, изградба на индивидуална траекторија за учење.
• Бизнис аналитика: претходна обработка на податоците, според статистичките податоци, одзема 80% од времето на истражувачот, а само 20% од самиот експеримент

4.3. Биочипови

Ова е омилената тема на сите киберпанк филмови и книги. Генерално, микрочипирањето на домашни миленици не е нова практика. Но, сега овие чипови почнаа да се вградуваат кај луѓето.

Во овој случај, возбудата најверојатно се поврзува со сензационалниот случај во американската компанија Three Square Market. Таму работодавачот почнал да нуди вградување чипови под кожата во замена за надомест. Чипот ви овозможува да ги отворите вратите, да се најавите на компјутери, да купувате закуски од автомат - тоа е, таква универзална картичка за вработени. Покрај тоа, таков чип служи токму како идентификациона картичка, тој нема GPS модул, така што е невозможно да се следи некој што го користи. А ако некој сака да го извади чипот од раката, потребни се 5 минути со помош на лекар.

Чиповите обично се имплантираат помеѓу палецот и показалецот. Извор

Прочитај повеќе статью за состојбата со чиповите во светот.

4.4. Извонреден работен простор

„Иммерзивно“ е уште еден нов збор на кој едноставно нема бегање. Го има насекаде. Извонреден театар, изложба, кино. Што мислиш? Потопувањето е создавање на потоплив ефект, кога се губи границата помеѓу авторот и гледачот, виртуелниот и реалниот свет. Во однос на работното место, веројатно, тоа значи замаглување на границата помеѓу изведувачот и иницијаторот и охрабрување на вработените да заземат поактивна позиција преку реформатирање на околината околу нив.

Бидејќи сега имаме агилност, флексибилност и блиска соработка насекаде, работните места треба да бидат колку што е можно полесно конфигурабилни и треба да поттикнуваат групна работа. Економијата ги диктира своите услови: има повеќе привремено вработени, трошоците за изнајмување канцелариски простор се зголемуваат, а на конкурентен пазар на трудот, ИТ компаниите се обидуваат да го зголемат задоволството на вработените од работата преку создавање области за рекреација и други бенефиции. И сето тоа се рефлектира во дизајнот на работните места.

На извештај Кнол

4.5. Персонификација

Секој знае што е персонализација во рекламирањето. Ова е кога денес разговарате со колега дека воздухот во просторијата е малку сув и треба да купите овлажнител за канцеларија, а следниот ден ќе видите оглас на вашата социјална мрежа - „купи овлажнител“ (а вистинска случка што ми се случи).

Извор

Персонализацијата, како што е дефинирана од Гартнер, е одговор на зголемената загриженост на корисниците за употребата на нивните лични податоци за рекламни цели. Целта е да развиеме пристап во кој ни се прикажува рекламирање што е релевантно за контекстот во кој се наоѓаме, а не за нас лично. На пример, нашата локација, тип на уред, време од денот, временски услови - ова е нешто што не ги нарушува нашите лични податоци и не чувствуваме непријатно чувство да бидеме „надгледувани“.

Прочитајте за разликата помеѓу овие два концепта Забелешка Ендрју Френк блогира на веб-страницата на Гартнер. Има толку суптилна разлика и такви слични зборови што вие, не знаејќи ја разликата, ризикувате да се расправате долго време со вашиот соговорник, не сомневајќи се дека, генерално, и двајцата се во право (а ова е исто така вистински инцидент што му се случи на автор).

4.6. Биотехнологија - Културно или вештачко ткиво

Ова е, пред сè, идејата за одгледување вештачко месо. Во исто време, неколку тимови ширум светот се зафатени со развивање на лабораторијата „Месо 2.0“ - се очекува таа да стане поевтина од вообичаеното, а брзата храна, а потоа и супермаркетите да се префрлат на неа. Меѓу инвеститорите во оваа технологија се Бил Гејтс, Сергеј Брин, Ричард Бренсон и други.

Извор

Причини зошто сите се толку заинтересирани за вештачко месо:

1. Глобално затоплување: емисии на метан од фармите. Ова е 18% од глобалниот волумен на гасови кои влијаат на климата.
2. Пораст на популација. Побарувачката за месо расте, и нема да може да се нахранат сите со природно месо - едноставно е скапо.
3. Недостаток на простор. 70% од амазонските шуми се веќе исечени како пасишта.
4. Етички размислувања. Има и такви на кои ова им е важно. Организацијата за права на животните ПЕТА веќе понуди награда од 1 милион долари на научникот кој ќе донесе вештачко пилешко месо на пазарот.

Замената на вистинското месо со соја е делумно решение, бидејќи луѓето можат да ја ценат разликата во вкусот и текстурата и веројатно нема да се откажат од стекот во корист на соја. Значи, ви треба вистинско, органски одгледано месо. Сега, за жал, вештачкото месо е прескапо: од 12 долари за килограм. Ова се должи на сложениот технички процес на одгледување на такво месо. Прочитајте за сето тоа статью.

Ако зборуваме за други случаи на раст на ткиво - веќе во медицината - тогаш темата со вештачките органи е интересна: на пример, „лепенка“ за срцевиот мускул, испечатени специјален 3D печатач. Познато историја како вештачки одгледано срце од глувче, но генерално сè е сè уште во опсегот на клиничките испитувања. Така, најверојатно нема да го видиме Франкенштајн во наредните години.

Овде Гартнер е многу внимателен во своите проценки, очигледно имајќи го на ум неговото неуспешно предвидување од 2015 година дека во 2019 година, 10% од населението во развиените земји ќе има имплант на 3Д печатен медицински уред. Затоа, тоа значи дека времето за достигнување на платото на продуктивноста е најмалку 10 години.

5. Дигитални екосистеми

5.1. Децентрализирана веб

Овој концепт е тесно поврзан со името на пронаоѓачот на мрежата, добитникот на наградата Туринг, Сер Тим Барнерс-Ли. За него, прашањата за етика во компјутерската наука секогаш биле важни и важна била колективната суштина на Интернет: поставувајќи ги темелите на хипертекстот, тој бил убеден дека мрежата треба да работи како мрежа, а не како хиерархија. Ова беше случај во раната фаза од развојот на мрежата. Меѓутоа, како што растеше Интернетот, неговата структура стана централизирана поради различни причини. Се испостави дека пристапот до мрежата за цела земја може лесно да се блокира со помош на само неколку провајдери. А корисничките податоци станаа извор на моќ и приход за интернет компаниите.

„Интернетот е веќе децентрализиран“, вели Барнерс-Ли. „Проблемот е што доминира еден пребарувач, една голема социјална мрежа, една платформа за микроблогирање. Немаме технолошки проблеми, но имаме социјални“.

Во неговиот отворено писмо За 30-годишнината од World Wide Web, креаторот на Web наведе три главни проблеми на Интернет:

1. Целна штета, како што се хакирање, криминал и онлајн вознемирување спонзорирана од државата
2. Самиот дизајн на системот, кој на штета на корисникот создава терен за такви механизми како што се: финансиски стимулации за clickbait и вирусно ширење на лажни информации
3. Несакани последици од дизајнот на системот кои водат до конфликт и намален квалитет на онлајн дискусија

А Тим Бернерс-Ли веќе има одговор на кои принципи би можел да се заснова „Интернетот на здрава личност“, без проблем број 2: „За многу корисници, приходите од реклами остануваат единствениот модел за интеракција со Интернет. Дури и ако луѓето се плашат од тоа што се случува со нивните податоци, тие се подготвени да склучат договор со маркетинг машината за можност бесплатно да добиваат содржина. Замислете свет во кој плаќањето за стоки и услуги е лесно и пријатно за двете страни“. Меѓу опциите за тоа како би можело да се организира: музичарите можат да ги продаваат своите снимки без посредници во форма на iTunes, а сајтовите за вести може да користат систем на микроплаќања за читање на една статија, наместо да заработуваат пари од реклами.

Како експериментален прототип за овој нов Интернет, Тим Бернерс-Ли го лансираше проектот SOLID, чија суштина е да ги складирате вашите податоци во „под“ - продавница за информации и можете да ги обезбедите овие податоци на апликации од трети страни. Но, во принцип, вие самите сте господари на вашите податоци. Сето ова е тесно поврзано со концептот на peer-to-peer мрежи, односно вашиот компјутер не само што бара услуги, туку и ги обезбедува, за да не се потпира на еден сервер како единствен канал.

Извор

5.2. Децентрализирани автономни организации

Тоа е организација која е управувана од правила запишани во форма на компјутерска програма. Нејзините финансиски активности се засноваат на блокчејн. Целта на создавањето на ваквите организации е да се елиминира државата од улогата на посредник и да се создаде заедничка доверлива средина за договорните страни, која не е во сопственост на никого поединечно, туку на сите заедно. Односно, во теорија, ова треба, доколку идејата се вкорени, да ги укине нотарите и другите вообичаени верификациски институции.

Најпознат пример за таква организација беше The DAO фокусирана на вложување, која собра 2016 милиони долари во 150 година, од кои 50 долари веднаш беа украдени преку правна дупка во правилата. Веднаш се наметна тешка дилема: или вратете ги и вратете ги парите или признајте дека повлекувањето на парите било легално, затоа што во никој случај не ги прекршиле правилата на платформата. Како резултат на тоа, за да ги вратат парите на инвеститорите, креаторите мораа да го уништат The DAO, препишувајќи го блокчејнот и прекршувајќи го неговиот основен принцип - непроменливост.

Стрип за Ethereum (лево) и The DAO (десно). Извор

Целата оваа приказна ја уништи репутацијата на самата идеја на DAO. Тој проект е направен врз основа на криптовалутата Ethereum, верзијата Ether 2.0 се очекува следната година - можеби авторите (вклучувајќи го и познатиот Vitalik Buterin) ќе ги земат предвид грешките и ќе покажат нешто ново. Веројатно затоа Гартнер го стави DAO на upline.

5.3. Податоци за синтетика

За обука на невронски мрежи, потребни се големи количини на податоци. Рачното означување на податоците е огромна задача што може да ја направи само човек. Затоа, можно е да се создадат вештачки збирки на податоци. На пример, истите колекции на човечки лица на страницата https://generated.photos. Тие се креирани со помош на GAN - алгоритмите што веќе беа споменати погоре.

Овие лица не им припаѓаат на луѓето. Извор

Големата предност на таквите податоци е тоа што нема правни потешкотии при нивното користење: нема кој да даде согласност за обработка на лични податоци.

5.4.Дигитални операции

Наставката „Ops“ стана неверојатно мода откако DevOps се вкорени во нашиот говор. Сега за тоа што е DigitalOps – тоа е само генерализација на DevOps, DesignOps, MarketingOps... Дали ви е уште досадно? Накратко, тоа е трансфер на пристапот DevOps од софтверската област на сите други аспекти на бизнисот - маркетинг, дизајн итн.

Извор

Идејата на DevOps беше да се отстранат бариерите помеѓу самиот развој и Операции (деловни процеси), преку создавање на заеднички тимови, каде што има програмери, тестери, специјалисти за безбедност и администратори; имплементација на одредени практики: континуирана интеграција, инфраструктура како код, намалување и зајакнување на синџирите за повратни информации. Целта беше да се забрза времето на производот на пазарот. Ако мислевте дека ова е слично на Agile, сте биле во право. Сега ментално префрлете го овој пристап од областа на развој на софтвер на развој воопшто - и разбирате што е DigitalOps.

5.5. Графикони на знаење

Софтверски начин за моделирање област на знаење, вклучително и користење алгоритми за машинско учење. График на знаење е изграден врз постоечките бази на податоци за да ги поврзе сите информации: и структурирани (список на настани или луѓе) и неструктурирани (текст на статија).

Наједноставниот пример е картичката што можете да ја видите во резултатите од пребарувањето на Google. Ако барате лице или институција, ќе видите картичка на десната страна:


Имајте предвид дека „Претстојните настани“ не е копија на информации од „Карти на Google“, туку интеграција на распоредот со Yandex.Afisha: можете лесно да го видите ова ако кликнете на настаните. Односно, тоа е комбинација на неколку извори на податоци заедно.

Ако побарате список - на пример, „познати режисери“ - ќе ви биде прикажан рингишпил:

Бонус за оние кои читаат до крај

И сега, кога самите си го разјаснивме значењето на секоја од точките, можеме да ја погледнеме истата слика, но на руски:

Споделете го слободно на социјалните мрежи!

Татјана Волкова - Автор на програмата за обука за ИТ патеката за Интернет на нештата во Академијата Самсунг, специјалист за програми за корпоративна општествена одговорност во Истражувачкиот центар Самсунг


Извор: www.habr.com