Carta Gartner adalah seperti pertunjukan fesyen tinggi bagi mereka dalam industri teknologi. Dengan melihatnya, anda boleh mengetahui lebih awal perkataan mana yang paling digembar-gemburkan musim ini dan perkara yang akan anda dengar di semua persidangan akan datang.

Kami telah menguraikan perkara di sebalik perkataan yang indah dalam graf ini supaya anda juga boleh bertutur dalam bahasa itu.

Sebagai permulaan, hanya beberapa perkataan tentang jenis graf ini. Setiap tahun pada bulan Ogos, agensi perunding Gartner mengeluarkan laporan - Gartner Hype Curve. Dalam bahasa Rusia, ini ialah "lengkung gembar-gembur", atau, lebih mudah, gembar-gembur. 30 tahun yang lalu, penyanyi rap dari kumpulan Public Enemy menyanyi: "Jangan percaya gembar-gembur." Percaya atau tidak, ini adalah soalan peribadi, tetapi sekurang-kurangnya perlu mengetahui kata kunci ini jika anda bekerja dalam bidang teknologi dan ingin mengetahui arah aliran global.

Ini ialah graf jangkaan orang ramai daripada teknologi tertentu. Menurut Gartner, secara idealnya, teknologi melalui 5 peringkat: pelancaran teknologi, puncak jangkaan melambung, lembah kekecewaan, cerun pencerahan, dataran tinggi produktiviti. Tetapi ia juga berlaku bahawa ia tenggelam dalam "lembah kekecewaan" - anda boleh mengingati contoh sendiri dengan mudah, mengambil bitcoin yang sama: pada mulanya mencapai puncak sebagai "wang masa depan", mereka dengan cepat merosot ke bawah apabila kekurangan teknologi menjadi jelas, pertama sekali sekatan ke atas bilangan urus niaga dan jumlah besar tenaga elektrik yang diperlukan untuk menjana bitcoin (yang sudah melibatkan masalah alam sekitar). Dan sudah tentu, kita tidak boleh lupa bahawa carta Gartner hanyalah ramalan: di sini, sebagai contoh, anda boleh membaca secara terperinci artikel, di mana ramalan yang paling mencolok yang tidak dipenuhi diselesaikan.

Jadi, mari kita lihat carta Gartner baharu. Teknologi dibahagikan kepada 5 kumpulan tematik besar:

1. AI dan Analitis Lanjutan
2. Pengiraan Postclassical dan Comms
3. Penderiaan dan Mobiliti
4. Manusia Bertambah
5. Ekosistem Digital

1. AI dan Analitis Lanjutan

Sepanjang 10 tahun yang lalu, kami telah melihat jam pembelajaran mendalam yang terbaik. Rangkaian ini benar-benar berkesan untuk pelbagai tugas mereka. Pada 2018, Yann LeCun, Geoffrey Hinton dan Yoshua Bengio menerima Anugerah Turing atas penemuan mereka - anugerah paling berprestij, seumpama Hadiah Nobel dalam sains komputer. Jadi, arah aliran utama di kawasan ini, yang ditunjukkan pada carta:

1.1. Pemindahan Pembelajaran

Anda tidak melatih rangkaian saraf dari awal, tetapi ambil rangkaian yang sudah terlatih dan tetapkan matlamat yang berbeza. Kadangkala ini memerlukan latihan semula sebahagian daripada rangkaian, tetapi bukan keseluruhan rangkaian, yang jauh lebih pantas. Sebagai contoh, mengambil rangkaian saraf siap sedia ResNet50, dilatih pada dataset ImageNet1000, anda akan mendapat algoritma yang boleh mengklasifikasikan banyak objek berbeza dalam imej pada tahap yang sangat mendalam (1000 kelas berdasarkan ciri yang dihasilkan oleh 50 lapisan saraf rangkaian). Tetapi anda tidak perlu melatih keseluruhan rangkaian itu, yang akan mengambil masa berbulan-bulan.

В kursus dalam talian Samsung "Rangkaian saraf dan penglihatan komputer", sebagai contoh, dalam perlawanan akhir Tugas Kaggle dengan pengelasan plat kepada bersih dan kotor, pendekatan ditunjukkan bahawa dalam masa 5 minit memberikan anda rangkaian neural dalam yang mampu membezakan plat kotor daripada yang bersih, dibina mengikut seni bina yang diterangkan di atas. Rangkaian asal tidak tahu apa plat sama sekali, ia hanya belajar membezakan burung daripada anjing (lihat ImageNet).

Sumber: kursus dalam talian Samsung "Rangkaian saraf dan penglihatan komputer"

Untuk Pembelajaran Pemindahan, anda perlu tahu pendekatan mana yang berfungsi dan seni bina asas sedia ada yang tersedia. Secara keseluruhan, ini sangat mempercepatkan kemunculan aplikasi praktikal pembelajaran mesin.

1.2. Rangkaian Musuh Generatif (GAN)

Ini adalah untuk kes-kes yang sangat sukar untuk kita merumuskan matlamat pembelajaran. Lebih dekat tugas itu dengan kehidupan sebenar, lebih mudah difahami oleh kita ("bawa meja sisi katil"), tetapi lebih sukar untuk merumuskannya sebagai tugas teknikal. GAN hanyalah satu percubaan untuk menyelamatkan kita daripada masalah ini.

Terdapat dua rangkaian yang berfungsi di sini: satu ialah penjana (Generatif), satu lagi adalah diskriminator (Adversarial). Satu rangkaian belajar melakukan kerja yang berguna (mengklasifikasikan gambar, mengecam bunyi, melukis kartun). Dan rangkaian lain belajar untuk mengajar rangkaian itu: ia mempunyai contoh sebenar, dan ia belajar untuk mencari formula kompleks yang tidak diketahui sebelum ini untuk membandingkan produk bahagian generatif rangkaian dengan objek dunia sebenar (set latihan) berdasarkan ciri mendalam yang sangat penting : bilangan mata, kedekatan dengan gaya Miyazaki, sebutan bahasa Inggeris yang betul.

Contoh hasil rangkaian untuk menjana watak anime. Source

Tetapi, tentu saja, sukar untuk membina seni bina di sana. Tidak cukup dengan hanya membuang neuron, mereka perlu bersedia. Dan anda perlu belajar selama berminggu-minggu. Rakan sekerja saya di Pusat Kepintaran Buatan Samsung sedang mengusahakan topik GAN; ini adalah salah satu soalan penyelidikan utama mereka. Sebagai contoh, seperti ini pembangunan: menggunakan rangkaian generatif untuk mensintesis foto realistik orang dengan pose berubah-ubah - contohnya, untuk mencipta bilik pemasangan maya, atau untuk mensintesis wajah, yang boleh mengurangkan jumlah maklumat yang perlu disimpan atau dihantar untuk memastikan video berkualiti tinggi komunikasi, penyiaran atau perlindungan data peribadi.

Source

1.3. AI yang boleh dijelaskan

Untuk beberapa tugas yang jarang berlaku, kemajuan dalam seni bina dalam tiba-tiba membawa keupayaan rangkaian saraf dalam lebih dekat dengan keupayaan manusia. Kini pertempuran bermula untuk meningkatkan julat tugas tersebut. Sebagai contoh, pembersih vakum robot dengan mudah boleh membezakan kucing daripada anjing dalam pertemuan secara langsung. Tetapi dalam kebanyakan situasi kehidupan, dia tidak akan dapat mencari kucing tidur di antara linen atau perabot (namun, seperti kita, dalam kebanyakan kes...).

Apakah sebab kejayaan rangkaian neural dalam? Mereka membangunkan perwakilan masalah berdasarkan bukan pada maklumat "kelihatan dengan mata kasar" (piksel foto, perubahan dalam volum bunyi...), tetapi pada ciri yang diperolehi selepas pramemproses maklumat ini oleh beberapa ratus lapisan rangkaian saraf. Malangnya, perhubungan ini juga mungkin tidak bermakna, tidak konsisten atau membawa kesan ketidaksempurnaan dalam set data asal. Sebagai contoh, terdapat permainan komputer kecil tentang apa yang boleh menyebabkan penggunaan AI yang tidak bertimbang rasa dalam merekrut Survival Of The Best Fit.

Sistem penandaan imej melabelkan orang yang memasak sebagai wanita, walaupun orang dalam gambar itu sebenarnya lelaki (Source). ia perasan di Institut Virginia.

Untuk menganalisis hubungan yang kompleks dan mendalam yang selalunya tidak dapat kita rumuskan sendiri, kaedah AI yang Boleh Diterangkan diperlukan. Mereka mengatur ciri rangkaian saraf dalam supaya selepas latihan, kita boleh menganalisis perwakilan dalaman yang telah dipelajari oleh rangkaian, dan bukannya hanya bergantung pada keputusannya.

1.4. Analisis Tepi / AI

Segala-galanya dengan perkataan Edge secara literal bermaksud yang berikut: memindahkan sebahagian daripada algoritma daripada awan/pelayan ke peringkat peranti akhir/pintu masuk. Algoritma sedemikian akan berfungsi lebih cepat dan tidak memerlukan sambungan ke pelayan pusat untuk operasinya. Jika anda sudah biasa dengan abstraksi "klien nipis", maka di sini kami menjadikan pelanggan ini lebih tebal sedikit.
Ini mungkin penting untuk Internet Perkara. Sebagai contoh, jika mesin terlalu panas dan memerlukan penyejukan, masuk akal untuk memberi isyarat dengan segera, di peringkat loji, tanpa menunggu data pergi ke awan dan dari sana ke mandur syif. Atau contoh lain: kereta pandu sendiri boleh memikirkan keadaan lalu lintas sendiri, tanpa menghubungi pelayan pusat.

Source

Atau satu lagi contoh mengapa ini penting dari sudut keselamatan: apabila anda menaip teks pada telefon anda, ia mengingati perkataan yang biasa untuk anda, supaya kemudiannya papan kekunci telefon boleh menggesa anda dengan mudah - ini dipanggil ramalan input teks. Menghantar semua yang anda taip pada papan kekunci anda ke pusat data ke suatu tempat akan menjadi pelanggaran privasi anda dan tidak selamat. Oleh itu, latihan papan kekunci berlaku hanya dalam peranti anda sendiri.

1.5. Platform AI sebagai Perkhidmatan (AI PaaS)

PaaS - Platform-as-a-Service ialah model perniagaan di mana kami mendapat akses kepada platform bersepadu, termasuk penyimpanan data berasaskan awan dan prosedur sedia dibuat. Dengan cara ini, kita boleh membebaskan diri kita daripada tugas infrastruktur dan menumpukan sepenuhnya untuk menghasilkan sesuatu yang berguna. Contoh platform PaaS untuk tugas AI: IBM Cloud, Microsoft Azure, Pembelajaran Mesin Amazon, Google AI Platform.

1.6. Pembelajaran Mesin Adaptif (ML Adaptif)

Bagaimana jika kita membiarkan kecerdasan buatan menyesuaikan diri... Anda bertanya - iaitu, bagaimana?.. Bukankah ia sudah menyesuaikan diri dengan tugas? Masalahnya ialah ini: kami bersusah payah mereka bentuk setiap masalah sedemikian sebelum membina algoritma kecerdasan buatan untuk menyelesaikannya. Mereka akan menjawab anda - ternyata rantaian ini boleh dipermudahkan.

Pembelajaran mesin konvensional berfungsi berdasarkan prinsip gelung terbuka: anda menyediakan data, menghasilkan rangkaian saraf (atau apa-apa sahaja), melatih, kemudian melihat beberapa penunjuk, dan jika anda menyukai segala-galanya, anda boleh menghantar rangkaian saraf ke telefon pintar - menyelesaikan masalah pengguna. Tetapi dalam aplikasi di mana terdapat banyak data dan sifatnya secara beransur-ansur berubah, kaedah lain diperlukan. Sistem sedemikian, yang menyesuaikan diri dan mengajar diri mereka sendiri, disusun dalam gelung pembelajaran kendiri tertutup (gelung tertutup), dan ia mesti berfungsi dengan lancar.

Aplikasi - ini boleh jadi analitis strim (Analitis Strim), yang berasaskannya ramai ahli perniagaan membuat keputusan, atau pengurusan pengeluaran adaptif. Pada skala aplikasi semasa dan memandangkan risiko yang lebih difahami kepada manusia, teknik yang membentuk penyelesaian kepada masalah ini semuanya dikumpulkan di bawah istilah umum Adaptive AI.

Source

Melihat gambar ini, sukar untuk menghilangkan perasaan tidak memberi makan roti pakar futurologi - biarkan mereka mengajar robot untuk bernafas...

Pengiraan Postclassical dan Comms

2.1. Komunikasi mudah alih generasi kelima (5G)

Ini adalah topik yang menarik yang kami segera merujuk anda kepada kami artikel. Nah, ini ringkasan ringkas. 5G, dengan meningkatkan kekerapan penghantaran data, akan menjadikan kelajuan Internet tidak realistik pantas. Lebih sukar bagi gelombang pendek untuk melepasi halangan, jadi reka bentuk rangkaian akan berbeza sama sekali: 500 kali lebih banyak stesen pangkalan diperlukan.

Seiring dengan kelajuan, kita akan mendapat fenomena baharu: permainan masa nyata dengan realiti tambahan, melaksanakan tugas yang kompleks (seperti pembedahan) melalui telepresence, mencegah kemalangan dan situasi sukar di jalan raya melalui komunikasi antara mesin. Secara lebih prosaik: Internet mudah alih akhirnya akan berhenti jatuh semasa acara besar-besaran, seperti perlawanan di stadium.

Sumber imej - Reuters, Niantic

2.2. Memori Generasi Seterusnya

Di sini kita bercakap tentang generasi kelima RAM - DDR5. Samsung mengumumkan bahawa produk berasaskan DDR2019 akan tersedia menjelang akhir tahun 5. Memori baharu dijangka dua kali lebih pantas dan dua kali lebih luas sambil mengekalkan faktor bentuk yang sama, iaitu, kita akan mendapat kayu memori dengan kapasiti sehingga 32GB untuk komputer kita. Pada masa hadapan, ini akan menjadi sangat relevan untuk telefon pintar (memori baharu akan berada dalam versi kuasa rendah) dan untuk komputer riba (di mana bilangan slot DIMM adalah terhad). Dan pembelajaran mesin juga memerlukan sejumlah besar RAM.

2.3. Sistem Satelit Orbit Bumi Rendah

Idea untuk menggantikan satelit yang berat, mahal, berkuasa dengan sekumpulan satelit kecil dan murah adalah jauh dari baharu dan muncul pada tahun 90-an. Tentang apa "Elon Musk tidak lama lagi akan mengedarkan Internet kepada semua orang dari satelit" Sekarang hanya yang malas sahaja yang tidak mendengar. Syarikat yang paling terkenal di sini ialah Iridium, yang muflis pada akhir 90-an, tetapi diselamatkan dengan perbelanjaan Jabatan Pertahanan AS (jangan dikelirukan dengan iRidium, sistem rumah pintar Rusia). Projek Elon Musk (Starlink) jauh dari satu-satunya - Richard Branson (OneWeb - 1440 satelit yang dicadangkan), Boeing (3000 satelit), Samsung (4600 satelit), dan lain-lain mengambil bahagian dalam perlumbaan satelit.

Bagaimana keadaan di kawasan ini, bagaimana keadaan ekonomi di sana - baca dalam kajian semula. Dan kami sedang menunggu ujian pertama sistem ini oleh pengguna pertama, yang akan berlaku tahun depan.

2.4. Percetakan 3D Skala Nano

Percetakan 3D, walaupun ia tidak memasuki kehidupan setiap orang (dalam bentuk yang dijanjikan oleh kilang plastik rumah individu), namun telah lama meninggalkan niche teknologi untuk geeks. Anda boleh menilai dengan fakta bahawa setiap pelajar sekolah tahu tentang kewujudan sekurang-kurangnya pen berukir 3D, dan ramai yang bermimpi untuk membeli kotak dengan pelari dan penyemperit untuk... "sama seperti itu" (atau telah membelinya).

Stereolithography (pencetak laser 3D) membenarkan pencetakan dengan foton individu: polimer baharu sedang diterokai yang hanya memerlukan dua foton untuk memejal. Ini akan membolehkan, dalam keadaan bukan makmal, untuk mencipta penapis, lekap, spring, kapilari, kanta dan... pilihan anda yang baharu sepenuhnya dalam ulasan! Dan di sini ia tidak jauh dari fotopolimerisasi - hanya teknologi ini membolehkan kami "mencetak" pemproses dan litar pengkomputeran. Di samping itu, ini bukan tahun pertama yang ada teknologi untuk mencetak struktur tiga dimensi graphene 500 nm, tetapi tanpa perkembangan radikal.

Source

3. Penderiaan dan Mobiliti

3.1. Pemanduan Autonomi Tahap 4 & 5

Agar tidak keliru dalam istilah, adalah wajar memahami tahap autonomi yang dibezakan (diambil dari butiran terperinci Perkara, yang mana kami merujuk semua yang berminat):

Tahap 1: Kawalan pelayaran: membantu pemandu dalam situasi yang sangat terhad (contohnya, menahan kereta pada kelajuan tertentu selepas pemandu melepaskan kakinya dari pedal)
Tahap 2: Bantuan stereng dan brek terhad. Pemandu mesti bersedia untuk mengawal hampir serta-merta. Tangannya di atas stereng, matanya terarah ke jalan raya. Ini adalah sesuatu yang Tesla dan General Motors sudah ada.
Tahap 3: Pemandu tidak lagi perlu sentiasa mengawasi jalan raya. Tetapi dia mesti berjaga-jaga dan bersedia untuk mengawal. Ini adalah sesuatu yang belum dimiliki oleh kereta yang tersedia secara komersial. Semua yang sedia ada pada masa ini berada pada tahap 1-2.
Tahap 4: Autopilot sebenar, tetapi dengan sekatan: hanya perjalanan di kawasan yang diketahui yang dipetakan dengan teliti dan diketahui secara umum oleh sistem, dan dalam keadaan tertentu: contohnya, jika tiada salji. Waymo dan General Motors mempunyai prototaip sedemikian, dan mereka merancang untuk melancarkannya di beberapa bandar dan mengujinya dalam persekitaran sebenar. Yandex mempunyai zon ujian untuk teksi tanpa pemandu di Skolkovo dan Innopolis: perjalanan berlaku di bawah pengawasan seorang jurutera yang duduk di tempat duduk penumpang; menjelang akhir tahun, syarikat itu merancang untuk mengembangkan armadanya kepada 100 kenderaan tanpa pemandu.
Tahap 5: Pemanduan automatik penuh, penggantian lengkap pemandu langsung. Sistem sedemikian tidak wujud, dan ia tidak mungkin muncul pada tahun-tahun akan datang.

Betapa realistiknya untuk melihat semua ini pada masa hadapan? Di sini saya ingin mengalihkan pembaca ke artikel tersebut "Mengapa mustahil untuk melancarkan robotaxi menjelang 2020, seperti yang dijanjikan Tesla". Ini sebahagiannya disebabkan oleh kekurangan sambungan 5G: kelajuan 4G yang tersedia tidak mencukupi. Sebahagiannya disebabkan oleh kos kereta autonomi yang sangat tinggi: mereka belum lagi menguntungkan, model perniagaannya tidak jelas. Pendek kata, "semuanya rumit" di sini, dan bukan kebetulan bahawa Gartner menulis bahawa ramalan untuk pelaksanaan besar-besaran Tahap 4 dan 5 tidak lebih awal daripada dalam 10 tahun.

3.2. Kamera Penderiaan 3D

Lapan tahun yang lalu, pengawal permainan Kinect Microsoft membuat gelombang dengan menawarkan penyelesaian yang boleh diakses dan agak murah untuk penglihatan 3D. Sejak itu, pendidikan jasmani dan permainan tarian dengan Kinect telah mengalami kenaikan dan penurunan yang singkat, tetapi kamera 3D mula digunakan dalam robot industri, kenderaan tanpa pemandu dan telefon mudah alih untuk pengenalan wajah. Teknologi telah menjadi lebih murah, lebih padat dan lebih mudah diakses.

Telefon Samsung S10 mempunyai kamera Time-of-Flight yang mengukur jarak ke objek untuk memudahkan pemfokusan. Source

Jika anda berminat dengan topik ini, maka kami akan mengubah hala anda ke ulasan terperinci yang sangat baik tentang kamera kedalaman: bahagian 1, bahagian 2.

3.3. Drone untuk menghantar kargo kecil (Drone Penghantaran Kargo Ringan)

Tahun ini, Amazon membuat ombak apabila ia mempamerkan dron terbang baharu di pameran itu yang boleh membawa muatan kecil sehingga 2 kg. Untuk bandar yang mengalami kesesakan lalu lintas, ini kelihatan seperti penyelesaian yang ideal. Mari lihat prestasi dron ini dalam masa terdekat. Mungkin perlu berhati-hati ragu-ragu di sini: terdapat banyak masalah, bermula dengan kemungkinan mudah mencuri dron, dan berakhir dengan sekatan undang-undang ke atas UAV. Amazon Prime Air telah wujud selama enam tahun tetapi masih dalam fasa ujian.

Drone baharu Amazon, ditunjukkan pada musim bunga ini. Ada sesuatu Star Wars tentang dia. Source

Sebagai tambahan kepada Amazon, terdapat pemain lain dalam pasaran ini (terdapat maklumat terperinci gambaran keseluruhan), tetapi tiada satu pun produk siap: semuanya berada di peringkat ujian dan kempen pemasaran. Secara berasingan, perlu diperhatikan perubatan khusus yang sangat menarik Projek di Afrika: penghantaran darah yang didermakan di Ghana (14 penghantaran, syarikat Zipline) dan Rwanda (syarikat Matternet).

3.4. Kenderaan Autonomi Terbang

Sukar untuk mengatakan sesuatu yang pasti di sini. Menurut Gartner, ini akan muncul tidak lebih awal daripada dalam 10 tahun. Secara umum, terdapat semua masalah yang sama di sini seperti dalam kereta pandu sendiri, hanya mereka memperoleh dimensi baru - menegak. Porsche, Boeing, dan Uber telah mengumumkan cita-cita mereka untuk membina teksi terbang.

3.5. Awan Realiti Tambahan (Awan AR)

Salinan digital kekal dunia nyata, membolehkan anda mencipta lapisan realiti baharu yang biasa kepada semua pengguna. Dalam istilah yang lebih teknikal, kita bercakap tentang membuat platform awan terbuka di mana pembangun boleh menyepadukan aplikasi AR mereka. Model pengewangan adalah jelas; ia adalah sejenis analog Steam. Idea ini telah menjadi begitu berakar umbi sehingga ada yang kini percaya bahawa AR tanpa awan adalah tidak berguna.

Perkara ini mungkin kelihatan pada masa hadapan ditunjukkan dalam video pendek. Nampaknya satu lagi episod Black Mirror:

Anda juga boleh membaca di artikel ulasan.

4. Manusia Bertambah

4.1. AI emosi

Bagaimana untuk mengukur, mensimulasikan dan bertindak balas terhadap emosi manusia? Beberapa pelanggan di sini adalah syarikat yang membuat pembantu suara seperti Amazon Alexa. Mereka benar-benar boleh membiasakan diri dengan rumah jika mereka belajar mengenali perasaan: memahami sebab ketidakpuasan hati pengguna, dan cuba membetulkan keadaan. Secara umum, terdapat lebih banyak maklumat dalam konteks daripada dalam mesej itu sendiri. Dan konteks ialah ekspresi muka, intonasi dan tingkah laku bukan lisan.

Aplikasi praktikal lain: analisis emosi semasa temu duga kerja (berdasarkan temu duga video), menilai reaksi terhadap iklan atau kandungan video lain (senyuman, ketawa), bantuan dalam pembelajaran (contohnya, untuk latihan bebas dalam seni pengucapan awam).

Sukar untuk bercakap dengan lebih baik mengenai topik ini daripada pengarang filem pendek 6 minit Mencuri Perasaan Anda. Video lucu dan bergaya menunjukkan cara anda boleh mengukur emosi kami untuk tujuan pemasaran, dan daripada reaksi seketika wajah anda, ketahui sama ada anda suka piza, anjing, Kanye West, malah tahap pendapatan dan anggaran IQ anda. Dengan melawati laman web filem menggunakan pautan di atas, anda menjadi peserta dalam video interaktif menggunakan kamera terbina dalam komputer riba anda. Filem ini telah pun ditayangkan di beberapa festival filem.

Source

Terdapat juga kajian yang menarik: bagaimana mengenali sindiran dalam teks. Kami mengambil tweet dengan hashtag #sarcasm dan membuat set latihan 25 tweet dengan sindiran dan 000 tweet biasa tentang segala-galanya di bawah matahari. Kami menggunakan perpustakaan TensorFlow, melatih sistem, dan inilah hasilnya:

Source

Oleh itu, sekarang, jika anda tidak pasti tentang rakan sekerja atau rakan anda - dia mengatakan sesuatu kepada anda dengan serius atau sindiran, anda sudah boleh menggunakan rangkaian saraf terlatih!

4.2. Kecerdasan Bertambah

Automasi kerja intelektual menggunakan kaedah pembelajaran mesin. Ia kelihatan seperti tiada yang baru? Tetapi perkataan itu sendiri penting di sini, terutamanya kerana ia bertepatan dengan singkatan dengan Kepintaran Buatan. Ini membawa kita kembali kepada perdebatan tentang AI "kuat" dan "lemah".
AI yang kuat ialah kecerdasan buatan yang sama daripada filem fiksyen sains yang benar-benar setara dengan minda manusia dan menyedari dirinya sebagai individu. Ini belum wujud lagi dan tidak jelas sama ada ia akan wujud sama sekali.

AI yang lemah bukanlah seorang yang bebas, tetapi seorang pembantu manusia. Dia tidak mendakwa mempunyai pemikiran seperti manusia, tetapi hanya tahu bagaimana untuk menyelesaikan masalah maklumat, contohnya, menentukan apa yang ditunjukkan dalam gambar atau menterjemah teks.

Source

Dalam pengertian ini, Kecerdasan Tertambah ialah "AI yang lemah" dalam bentuk yang paling tulen, dan perumusannya nampaknya berjaya, kerana ia tidak menimbulkan kekeliruan dan godaan untuk melihat di sini "AI yang kuat" yang sama yang diimpikan oleh semua orang (atau ketakutan, jika kita ingat banyak perbincangan tentang "kereta pemberontakan"). Menggunakan ungkapan Kecerdasan Augmented, kami serta-merta menjadi wira filem lain: dari fiksyen sains (seperti "I, Robot") Asimov, kami mendapati diri kami dalam cyberpunk ("tambahan" dalam genre ini adalah semua jenis implan yang mengembangkan keupayaan manusia).

bagaimana kata Erik Brynjolfsson dan Andrew McAffee: “Sepanjang 10 tahun akan datang, inilah yang akan berlaku. AI tidak akan menggantikan pengurus, tetapi pengurus yang menggunakan AI akan menggantikan mereka yang belum berjaya.”

Примеры:

• Perubatan: Universiti Stanford dibangunkan algoritma, yang menghadapi tugas mengiktiraf patologi pada X-ray dada secara purata dengan berjaya seperti kebanyakan doktor
• Pendidikan: bantuan kepada pelajar dan guru, analisis tindak balas pelajar terhadap bahan, pembinaan trajektori pembelajaran individu.
• Analitis perniagaan: prapemprosesan data, mengikut statistik, mengambil 80% daripada masa penyelidik dan hanya 20% daripada percubaan itu sendiri

4.3. Biocip

Ini adalah tema kegemaran semua filem dan buku cyberpunk. Secara umum, haiwan peliharaan mikrochip bukanlah amalan baharu. Tetapi kini kerepek ini telah mula ditanam ke dalam manusia.

Dalam kes ini, gembar-gembur itu berkemungkinan besar dikaitkan dengan kes sensasi dalam syarikat Amerika Three Square Market. Di sana, majikan mula menawarkan untuk menanam kerepek di bawah kulit sebagai pertukaran dengan bayaran. Cip membolehkan anda membuka pintu, log masuk ke komputer, membeli makanan ringan dari mesin layan diri - iaitu, kad pekerja sejagat. Lebih-lebih lagi, cip sedemikian berfungsi dengan tepat sebagai kad pengenalan; ia tidak mempunyai modul GPS, jadi mustahil untuk menjejaki sesiapa yang menggunakannya. Dan jika seseorang ingin mengeluarkan cip dari lengannya, ia mengambil masa 5 minit dengan bantuan doktor.

Cip biasanya ditanam di antara ibu jari dan jari telunjuk. Source

Baca lagi artikel tentang keadaan hal ehwal dengan kerepek di dunia.

4.4. Ruang Kerja Imersif

"Immersive" ialah satu lagi perkataan baharu yang tidak dapat lari. Ia ada di mana-mana. Teater, pameran, pawagam yang mengasyikkan. Apa maksud awak? Immersion ialah penciptaan kesan yang mengasyikkan, apabila sempadan antara pengarang dan penonton, dunia maya dan nyata hilang. Di tempat kerja, mungkin, ini bermakna mengaburkan garis antara pelaku dan pemula dan menggalakkan pekerja untuk mengambil kedudukan yang lebih aktif melalui pemformatan semula persekitaran mereka.

Memandangkan kami kini mempunyai Tangkas, fleksibiliti dan kerjasama rapat di mana-mana, tempat kerja harus dikonfigurasikan semudah mungkin dan harus menggalakkan kerja berkumpulan. Ekonomi menentukan syaratnya: terdapat lebih ramai pekerja sementara, kos menyewa ruang pejabat meningkat, dan dalam pasaran buruh yang kompetitif, syarikat IT cuba meningkatkan kepuasan pekerja daripada bekerja dengan mewujudkan kawasan rekreasi dan faedah lain. Dan semua ini tercermin dalam reka bentuk tempat kerja.

Daripada laporan tombol

4.5. Personifikasi

Semua orang tahu apa itu pemperibadian dalam pengiklanan. Pada hari ini anda berbincang dengan rakan sekerja bahawa udara di dalam bilik agak kering, dan anda harus membeli pelembap untuk pejabat, dan keesokan harinya anda melihat iklan di rangkaian sosial anda - "beli pelembap" (a kejadian sebenar yang berlaku kepada saya).

Source

Pemperibadian, seperti yang ditakrifkan oleh Gartner, adalah tindak balas kepada kebimbangan pengguna yang semakin meningkat tentang penggunaan data peribadi mereka untuk tujuan pengiklanan. Matlamatnya adalah untuk membangunkan pendekatan di mana kita dipaparkan pengiklanan yang berkaitan dengan konteks di mana kita mendapati diri kita sendiri, dan bukan kepada kita secara peribadi. Sebagai contoh, lokasi kami, jenis peranti, masa dalam sehari, keadaan cuaca - ini adalah sesuatu yang tidak melanggar data peribadi kami, dan kami tidak merasakan perasaan tidak menyenangkan untuk "diselidiki".

Baca tentang perbezaan antara kedua-dua konsep ini Nota Andrew Frank blog di laman web Gartner. Terdapat perbezaan yang ketara dan perkataan yang serupa sehingga anda, tidak mengetahui perbezaannya, berisiko bertengkar untuk masa yang lama dengan teman bicara anda, tidak mengesyaki bahawa, secara umum, kedua-duanya betul (dan ini juga merupakan kejadian sebenar yang berlaku kepada pengarang).

4.6. Bioteknologi – Tisu Kultur atau Tiruan

Ini, pertama sekali, idea untuk menanam daging buatan. Pada masa yang sama, beberapa pasukan di seluruh dunia sedang sibuk membangunkan makmal "Daging 2.0" - dijangka ia akan menjadi lebih murah daripada biasa, dan makanan segera dan kemudian pasar raya akan beralih kepadanya. Pelabur dalam teknologi ini termasuk Bill Gates, Sergey Brin, Richard Branson dan lain-lain.

Source

Sebab mengapa semua orang sangat berminat dengan daging tiruan:

1. Pemanasan global: pelepasan metana dari ladang. Ini adalah 18% daripada isipadu gas global yang menjejaskan iklim.
2. Perkembangan populasi. Permintaan untuk daging semakin meningkat, dan tidak mungkin untuk memberi makan semua orang dengan daging asli - ia hanya mahal.
3. Kekurangan ruang. 70% daripada hutan Amazon telah ditebang untuk padang rumput.
4. Pertimbangan etika. Ada orang yang baginya ini penting. Pertubuhan hak haiwan PETA telah pun menawarkan hadiah $1 juta kepada saintis yang membawa daging ayam tiruan ke pasaran.

Menggantikan daging sebenar dengan soya adalah penyelesaian separa, kerana orang ramai boleh menghargai perbezaan dalam rasa dan tekstur, dan tidak mungkin melepaskan stik untuk memihak kepada soya. Jadi anda memerlukan daging asli yang ditanam secara organik. Sekarang, malangnya, daging tiruan terlalu mahal: daripada $12 sekilogram. Ini disebabkan oleh proses teknikal yang kompleks untuk menanam daging tersebut. Baca tentang semuanya artikel.

Jika kita bercakap tentang kes lain pertumbuhan tisu - sudah dalam bidang perubatan - maka topik dengan organ buatan adalah menarik: sebagai contoh, "tampalan" untuk otot jantung, dicetak pencetak 3D khas. Diketahui cerita seperti jantung tikus yang ditanam secara buatan, tetapi secara umum semuanya masih dalam skop ujian klinikal. Jadi kita tidak mungkin melihat Frankenstein pada tahun-tahun akan datang.

Di sini Gartner sangat berhati-hati dalam anggarannya, nampaknya mengingati ramalannya yang gagal pada 2015 bahawa pada 2019, 10% daripada penduduk di negara maju akan mempunyai implan peranti perubatan bercetak 3D. Oleh itu, ia bermakna masa untuk mencapai dataran tinggi produktiviti adalah sekurang-kurangnya 10 tahun.

5. Ekosistem Digital

5.1. Web Terdesentralisasi

Konsep ini berkait rapat dengan nama pencipta web, pemenang Anugerah Turing Sir Tim Burners-Lee. Baginya, persoalan etika dalam sains komputer sentiasa penting dan intipati kolektif Internet adalah penting: meletakkan asas hiperteks, dia yakin bahawa rangkaian harus berfungsi seperti web, dan bukan seperti hierarki. Ini berlaku pada peringkat awal pembangunan rangkaian. Walau bagaimanapun, apabila Internet berkembang, strukturnya menjadi terpusat atas pelbagai sebab. Ternyata akses kepada rangkaian untuk seluruh negara boleh disekat dengan mudah dengan bantuan hanya beberapa pembekal. Dan data pengguna telah menjadi sumber kuasa dan pendapatan untuk syarikat Internet.

"Internet sudah terdesentralisasi," kata Burners-Lee. “Masalahnya ialah satu enjin carian, satu rangkaian sosial yang besar, satu platform microblogging mendominasi. Kami tidak mempunyai masalah teknologi, tetapi kami mempunyai masalah sosial."

Dalam dia surat terbuka Sempena ulang tahun ke-30 World Wide Web, pencipta Web menggariskan tiga masalah utama Internet:

1. Kemudaratan yang disasarkan seperti penggodaman tajaan kerajaan, jenayah dan gangguan dalam talian
2. Reka bentuk sistem, yang, yang merugikan pengguna, mewujudkan asas untuk mekanisme seperti: insentif kewangan untuk clickbait dan penyebaran maklumat palsu yang viral
3. Akibat yang tidak diingini daripada reka bentuk sistem yang membawa kepada konflik dan mengurangkan kualiti perbincangan dalam talian

Dan Tim Berners-Lee sudah mempunyai jawapan tentang prinsip apa yang boleh berasaskan "Internet Orang Sihat", tanpa masalah nombor 2: "Bagi kebanyakan pengguna, pendapatan pengiklanan kekal sebagai satu-satunya model untuk berinteraksi dengan Internet. Walaupun orang ramai takut tentang apa yang berlaku kepada data mereka, mereka sanggup membuat perjanjian dengan mesin pemasaran untuk peluang menerima kandungan secara percuma. Bayangkan dunia di mana membayar barangan dan perkhidmatan adalah mudah dan menyeronokkan untuk kedua-dua pihak.” Antara pilihan bagaimana ini boleh diatur: pemuzik boleh menjual rakaman mereka tanpa perantara dalam bentuk iTunes, dan tapak berita boleh menggunakan sistem pembayaran mikro untuk membaca satu artikel, dan bukannya membuat wang daripada pengiklanan.

Sebagai prototaip percubaan untuk Internet baharu ini, Tim Berners-Lee melancarkan projek SOLID, yang intipatinya ialah anda menyimpan data anda dalam "pod" - kedai maklumat, dan boleh memberikan data ini kepada aplikasi pihak ketiga. Tetapi pada dasarnya, anda sendiri adalah tuan kepada data anda. Semua ini berkait rapat dengan konsep rangkaian peer-to-peer, bermakna komputer anda bukan sahaja meminta perkhidmatan, tetapi juga menyediakannya, supaya tidak bergantung pada satu pelayan sebagai satu-satunya saluran.

Source

5.2. Pertubuhan Autonomi Terdesentralisasi

Ia adalah organisasi yang dikawal oleh peraturan yang ditulis dalam bentuk program komputer. Aktiviti kewangannya adalah berdasarkan blockchain. Tujuan mewujudkan organisasi sedemikian adalah untuk menghapuskan negara daripada peranan perantara dan mewujudkan persekitaran yang dipercayai bersama untuk rakan niaga, yang tidak dimiliki oleh sesiapa secara individu, tetapi dimiliki oleh semua orang bersama-sama. Iaitu, secara teori, ini sepatutnya, jika idea itu berakar umbi, memansuhkan notari dan institusi pengesahan biasa yang lain.

Contoh yang paling terkenal bagi organisasi sedemikian ialah DAO yang memfokuskan usaha niaga, yang mengumpul $2016 juta pada 150, yang mana $50 telah dicuri serta-merta melalui lubang undang-undang dalam peraturan. Dilema yang sukar serta-merta timbul: sama ada gulung balik dan pulangkan wang, atau mengakui bahawa pengeluaran wang adalah sah, kerana ia sama sekali tidak melanggar peraturan platform. Akibatnya, untuk memulangkan wang kepada pelabur, pencipta terpaksa memusnahkan DAO, menulis semula blokchain dan melanggar prinsip asasnya - kebolehubahan.

Komik mengenai Ethereum (kiri) dan The DAO (kanan). Source

Keseluruhan cerita ini telah merosakkan reputasi idea DAO. Projek itu dibuat berdasarkan mata wang kripto Ethereum, versi Ether 2.0 dijangka tahun depan - mungkin pengarang (termasuk Vitalik Buterin yang terkenal) akan mengambil kira kesilapan dan menunjukkan sesuatu yang baru. Mungkin itulah sebabnya Gartner meletakkan DAO pada baris atasan.

5.3.Data Sintetik

Untuk melatih rangkaian saraf, sejumlah besar data diperlukan. Melabel data secara manual adalah tugas besar yang hanya boleh dilakukan oleh manusia. Oleh itu, adalah mungkin untuk membuat set data tiruan. Contohnya, koleksi wajah manusia yang sama di tapak https://generated.photos. Mereka dicipta menggunakan GAN - algoritma yang telah disebutkan di atas.

Muka-muka ni bukan milik orang. Source

Kelebihan besar data sedemikian ialah tidak ada kesulitan undang-undang dalam menggunakannya: tidak ada sesiapa yang memberi kebenaran kepada pemprosesan data peribadi.

5.4.Ops Digital

Akhiran "Ops" telah menjadi sangat bergaya sejak DevOps berakar dalam ucapan kami. Sekarang tentang apa itu DigitalOps - ia hanya generalisasi DevOps, DesignOps, MarketingOps... Adakah anda bosan lagi? Ringkasnya, ia adalah pemindahan pendekatan DevOps daripada kawasan perisian kepada semua aspek perniagaan yang lain - pemasaran, reka bentuk, dsb.

Source

Idea DevOps adalah untuk menghapuskan halangan antara Pembangunan itu sendiri dan Operasi (proses perniagaan), melalui penciptaan pasukan biasa, di mana terdapat pengaturcara, penguji, pakar keselamatan dan pentadbir; pelaksanaan amalan tertentu: integrasi berterusan, infrastruktur sebagai kod, pengurangan dan pengukuhan rantaian maklum balas. Matlamatnya adalah untuk mempercepatkan masa produk untuk dipasarkan. Jika anda fikir ini serupa dengan Agile, anda betul. Sekarang pindahkan secara mental pendekatan ini daripada bidang pembangunan perisian kepada pembangunan secara umum - dan anda memahami apa itu DigitalOps.

5.5. Graf Pengetahuan

Cara perisian untuk memodelkan kawasan pengetahuan, termasuk menggunakan algoritma pembelajaran mesin. Graf pengetahuan dibina di atas pangkalan data sedia ada untuk memautkan semua maklumat: berstruktur (senarai peristiwa atau orang) dan tidak berstruktur (teks artikel).

Contoh paling mudah ialah kad yang boleh anda lihat dalam hasil carian Google. Jika anda mencari seseorang atau institusi, anda akan melihat kad di sebelah kanan:


Sila ambil perhatian bahawa "Acara Akan Datang" bukanlah salinan maklumat daripada Peta Google, tetapi penyepaduan jadual dengan Yandex.Afisha: anda boleh melihatnya dengan mudah jika anda mengklik pada acara tersebut. Iaitu, ia adalah gabungan beberapa sumber data bersama-sama.

Jika anda meminta senarai - sebagai contoh, "pengarah terkenal" - anda akan ditunjukkan karusel:

Bonus bagi yang baca sampai habis

Dan sekarang kita telah menjelaskan sendiri maksud setiap mata, kita boleh melihat gambar yang sama, tetapi dalam bahasa Rusia:

Kongsi secara bebas di rangkaian sosial!

Tatyana Volkova - Pengarang program latihan untuk trek IT Internet of Things di Akademi Samsung, pakar dalam program tanggungjawab sosial korporat di Pusat Penyelidikan Samsung


Sumber: www.habr.com