20 च्या दशकातील नवीन तांत्रिक प्लॅटफॉर्म. मी झुकरबर्गशी असहमत का आहे

मी नुकताच एक लेख वाचला ज्यामध्ये मार्क झुकरबर्गने पुढील दशकाबद्दल भाकीत केले होते. मला अंदाजांचा विषय खरोखर आवडतो, मी स्वतः या ओळींवर विचार करण्याचा प्रयत्न करतो. तर, या लेखात त्यांचे शब्द आहेत की प्रत्येक दशकात तंत्रज्ञानाच्या व्यासपीठात बदल होत आहेत. 90 च्या दशकात तो एक वैयक्तिक संगणक होता, 10 च्या दशकात तो इंटरनेट होता आणि 20 च्या दशकात तो एक स्मार्टफोन होता. XNUMX च्या दशकात, त्याला अशा व्यासपीठाच्या रूपात आभासी वास्तव पाहण्याची अपेक्षा आहे. आणि जरी मी याच्याशी सहमत असलो तरी ते फक्त अंशतः आहे. आणि म्हणूनच…

आभासी वास्तविकता चष्मा घातलेली व्यक्ती हास्यास्पद दिसते. ते फक्त घरी आणि केवळ समजूतदार लोकांच्या सभोवतालच्या परिचित वातावरणात वापरले जाऊ शकतात. त्यामुळे शुद्ध आभासी वास्तव हा आपला पर्याय नाही. आता संवर्धित वास्तव अधिक मनोरंजक आहे. पण त्याबद्दल नंतर अधिक.

तरीही, मी 20 च्या दशकात आधार म्हणून पाहत असलेल्या तांत्रिक प्लॅटफॉर्मबद्दल. ते 3 खांबांवर उभे राहील:

• आवाज नियंत्रण
• बायोमेट्रिक प्रमाणीकरण
• गॅझेट्सचे वितरित नेटवर्क

जे व्हॉईस असिस्टंट्स आता सर्व क्रॅकमधून बाहेर येत आहेत ते लवकरच किंवा नंतर या क्षेत्रात गुणात्मक झेप घेतील. मला असे वाटते की आम्ही अशा प्रकारच्या इंजिनवर येऊ जे व्हॉइस संदेश आणि प्रत्येक क्षेत्रासाठी विस्तारांसह कार्य करू शकेल. आणि जसे आम्ही आता टेलीग्रामसाठी बॉट्स लिहित आहोत, त्याचप्रमाणे आम्ही व्हॉइस असिस्टंटसाठी विस्तार लिहू. आणि सशर्त अॅलिस केवळ अलार्म घड्याळ सेट करणार नाही, परंतु अशा सोल्यूशनसाठी API प्रदान करणार्या अनुप्रयोगामध्ये फास्ट फूड ऑर्डर करण्यास सक्षम असेल.

आपण व्हॉइस मेसेजला कितीही शिव्या दिल्या तरी ते लवकरच आपल्या जीवनाचा एक भाग बनतील. आणि संदेशवाहक हळूहळू ऑडिओ - मजकूर - अनुवाद - ऑडिओच्या तांत्रिक साखळीत स्थलांतरित होत आहेत. अर्थात, मजकूराद्वारे संप्रेषणाची शक्यता कायम राहील, परंतु प्रबळ राहणार नाही. एक नवीन पिढी मोठी होत आहे ज्याला टाईप करायला आवडत नाही, पण संवाद साधायला आवडते. तथापि, मेसेंजरमधील संदेशांचे स्वरूप थेट टेलिफोन संभाषणापेक्षा अधिक सोयीस्कर आहे, कारण ते आपल्याला विश्रांती घेण्यास अनुमती देते. तसे, याच लाटेवर, "साक्षरता" पूर्णपणे वाढेल, कारण संगणक लिहितो आणि तो कमी चुका करेल.

पण आता व्हॉइस मेसेजसह काम करणे गैरसोयीचे आहे. कमीतकमी, तुम्हाला तुमचा स्मार्टफोन बाहेर काढावा लागेल, संदेश कोणाचा आहे ते पहा, ते ऐकण्यासाठी एक बटण दाबा, स्मार्टफोनच्या मायक्रोफोनमध्ये प्रतिसाद रेकॉर्ड करा आणि तो तुमच्या संभाषणकर्त्याला पाठवा. व्हॉईस असिस्टंटने इअरफोनमध्ये असा संदेश वाचल्यास ते अधिक सोयीचे होईल. आणि ऑडिओ किंवा व्हॉइसिंग मजकूर वाचणे इतके महत्त्वाचे नाही, सर्वकाही समान आहे.

पण ऐकणे म्हणजे अर्धी लढाई असते. आणखी काही मुद्दे इथे जोडले आहेत. उदाहरणार्थ, सुरक्षा. जर आम्हाला सुरक्षितता हवी असेल, तर पत्रव्यवहाराचा प्रवेश फक्त विश्वासार्ह वापरकर्त्यालाच दिला पाहिजे. आणि बायोमेट्रिक्स त्याला ओळखण्यास मदत करेल. आणि सर्वात सोपा मार्ग म्हणजे जेव्हा आपण संदेशाला प्रतिसाद देतो तेव्हा आवाजाद्वारे ओळख बनवणे, उदाहरणार्थ.

सुरक्षिततेची दुसरी बाजू म्हणजे गोपनीयता. जर आपण आवाजाने संवाद साधतो, तर आपल्या सभोवतालचे लोक आपल्याला ऐकतात. आणि हे नेहमीच सोयीस्कर आणि स्वीकार्य नसते. आणि हीच समस्या आहे. आम्ही या दशकात न्यूरल इंटरफेसपर्यंत पोहोचणार नाही. याचा अर्थ असा आहे की आपल्याला काहीतरी आवश्यक आहे जे आपल्याला कुजबुजणे, उच्चार किंवा ओठांच्या हालचालींमध्ये फरक करण्यास अनुमती देईल आणि त्यावर आधारित, मजकूर किंवा ऑडिओ संदेश तयार करेल. आणि असे न्यूरल नेटवर्क आधीच अस्तित्वात आहेत.

दुसरी समस्या म्हणजे स्पीकर्स, मायक्रोफोन आणि/किंवा कॅमेरा. प्रत्येक व्हॉइस मेसेजसाठी तुमचा स्मार्टफोन बाहेर काढणे, आणि या उद्देशासाठी तो तुमच्या हातात घेऊन जाणे यापुढे इतके सोयीचे होणार नाही. म्हणून, कॅमेरा, मायक्रोफोन आणि स्मार्टफोन डिस्प्ले ज्या भागात तोंड, कान आणि डोळे आहेत त्या भागात जाणे आवश्यक आहे. हॅलो गुगल ग्लास.

मी एक लहान गेय विषयांतर करतो. न्यूटन हँडहेल्ड किंवा टॅब्लेट-पीसी लक्षात ठेवा? खूप चांगल्या टॅब्लेट संकल्पना ज्या त्यांच्या काळाच्या पुढे होत्या. आयपॅडच्या आगमनानेच टॅब्लेटने मोठ्या प्रमाणात लोकप्रियता गाठली. याबद्दल अनेक प्रती तुटल्या आहेत, मला या चर्चेत खोलवर जायचे नाही, परंतु मी या साधर्म्यावर अवलंबून राहीन. मला असे दिसते की मोठ्या प्रमाणात उत्पादित स्मार्ट चष्माची वेळ अद्याप आलेली नाही, परंतु ती आधीच जवळ आली आहे. कारण चष्मा आहेत, पण मास अपील नाही. माझ्यासाठी, मी मोठ्या प्रमाणात लोकप्रियतेसाठी खालील निकष घेऊन आलो: जेव्हा तुमच्या संपूर्ण सामाजिक वर्तुळात आधीपासूनच काहीतरी असते आणि शेवटी, तुमचे पालक देखील ते विकत घेतात. मग हे एक मास तंत्रज्ञान आहे. आजच्या चष्म्यामध्ये बालपणीचे बरेच आजार आहेत ज्यांना संबोधित करणे आवश्यक आहे. त्याशिवाय त्यांचा बाजाराकडे जाण्याचा मार्ग बंद झाला आहे.

हे प्रोजेक्टर असलेले पारदर्शक चष्मे आहेत की स्क्रीनसह अपारदर्शक चष्मे आहेत हे महत्त्वाचे नाही. मी सुरुवातीला लिहिल्याप्रमाणे अपारदर्शक चष्मा विचित्र दिसतात, त्यामुळे चष्म्याची उत्क्रांती या मार्गावर येईल असे मला वाटत नाही.

अशा चष्म्यासाठी ऑगमेंटेड रिअॅलिटी हे फक्त एक गाणे आहे. अल्गोरिदम आणि व्हिडिओ प्रक्रिया इतकी जलद आणि चांगली आहे की दृश्यमान जगावरील प्रक्षेपण निर्दोष आहे, तेव्हा स्मार्ट चष्म्याची पाळी येईल. जर प्रोजेक्शन चष्म्याच्या स्क्रीनवर नसेल तर डोळयातील पडद्यावर असेल तर आणखी चांगले - "सर्व महिलांना नग्न दर्शवा" आणि "एखाद्या व्यक्तीबद्दल सर्व डेटा दर्शवा" सारखे अनुप्रयोग त्यांना लोकप्रियता देईल. शुद्ध सायबरपंक, आणि ते येत आहे.

अर्थात, अशा चष्मा कारमधील ड्रायव्हरसाठी contraindicated आहेत - जर ते खराब झाले आणि दृश्य अवरोधित केले तर? (होय, होय. 20 च्या दशकात ड्रोन अद्याप प्रबळ तंत्रज्ञान बनणार नाहीत; त्यांना वेगवान होण्यासाठी या दशकाची आवश्यकता असेल.) म्हणून, त्याचा स्वतःचा आवाज सहाय्यक आणि विंडशील्डवर स्वतःची प्रोजेक्शन सिस्टम असेल. परंतु इतर सर्व काही समान असेल - संदेश ऐकण्याची आणि पाठविण्याची क्षमता, आपला आवाज नियंत्रित करणे इ. हे सर्व डिव्हाइसेसवर एकल प्रोफाइल गृहीत धरते, आम्ही आधीच यावर पोहोचलो आहोत. फरक फक्त चेहरा, आवाज किंवा डोळयातील पडदा द्वारे पारदर्शक अधिकृतता मध्ये असेल.

व्हॉइस असिस्टंट असलेला स्पीकर, स्मार्ट होमचा घटक म्हणून, या इकोसिस्टममध्ये देखील बसेल, जरी तो घालण्यायोग्य गॅझेट्स सारखी लोकप्रियता मिळवणार नाही. स्पोर्ट्स ट्रॅकर्स आणि स्मार्ट घड्याळे यांच्या बाबतीतही असेच होईल - ते त्यांचे स्थान व्यापतील आणि त्यातच राहतील. वास्तविक, हे आधीच झाले आहे.

तत्वतः, कोणत्याही आयटी तंत्रज्ञानाचा उदय हे पैसे कमविणे आणि पॉर्न पाहणे किती सोयीचे आहे यावर अवलंबून असते. चष्मा आणि व्हॉईस असिस्टंट अॅप्लिकेशन्सची बाजारपेठ ही एक नवीन बाजारपेठ आहे, ते पुरेसे मोठे होताच त्यात पैसे दिसून येतील. बरं, ऑगमेंटेड रिअ‍ॅलिटी चष्मा हे फक्त पॉर्न पाहण्यासाठी बनवले जातात, त्यामुळे माझा अंदाज आहे की हे तंत्रज्ञान संपूर्ण दशकभर चालेल आणि ट्रेंड सेट करेल. चला तर मग 10 वर्षात भेटू आणि परिणामांची बेरीज करू.

UPD. मला वरील ठळक मुद्दे पुन्हा सांगायचे आहेत. इंटरफेस मूलत: व्हॉइस-आधारित असतील, परंतु मोठ्याने नाहीत. व्हॉइस कमांड जारी करण्यासाठी, तुम्हाला ते मोठ्याने किंवा अजिबात सांगावे लागणार नाही. होय, आता हे विचित्र वाटते, परंतु हे तंत्रज्ञान केवळ त्यांच्या प्रवासाच्या सुरूवातीस आहेत.

स्त्रोत: www.habr.com