Gartner ၏ဇယားသည် နည်းပညာနယ်ပယ်ရှိသူများအတွက် မြင့်မားသောဖက်ရှင်ရှိုးတစ်ခုနှင့်တူသည်။ ၎င်းကိုကြည့်ခြင်းဖြင့်၊ ဤရာသီတွင် မည်သည့်စကားလုံးများကို အရှုပ်အရှင်းဆုံးဖြစ်စေကာ လာမည့်ညီလာခံများအားလုံးတွင် သင်ကြားရမည့်အရာများကို ကြိုတင်သိရှိနိုင်မည်ဖြစ်သည်။

ဤဂရပ်တွင် လှပသောစကားလုံးများ၏ နောက်ကွယ်တွင် ရှိသည်များကို ကျွန်ုပ်တို့ ပုံဖော်ပြီးဖြစ်သောကြောင့် သင်သည် ဘာသာစကားကိုလည်း ပြောဆိုနိုင်သည်။

အစပြုရန်၊ ဤအရာသည် မည်သည့်ဂရပ်အမျိုးအစားနှင့် ပတ်သက်သော စကားအနည်းငယ်မျှသာ ဖြစ်သည်။ နှစ်စဉ်သြဂုတ်လတွင်အတိုင်ပင်ခံအေဂျင်စီ Gartner သည် Gartner Hype Curve အစီရင်ခံစာတစ်စောင်ထုတ်ပြန်သည်။ ရုရှားဘာသာတွင်၊ ၎င်းသည် "ဖောင်းပွသောမျဉ်းကွေး" သို့မဟုတ် ပို၍ရိုးရှင်းသော၊ ဖောင်းပွမှုဖြစ်သည်။ လွန်ခဲ့သည့် နှစ် 30 က Public Enemy အဖွဲ့မှ ရက်ပ်ပါများ က "မုဒိန်းမှုကို မယုံပါနဲ့" ဟု သီဆိုခဲ့သည်။ ယုံသည်ဖြစ်စေ၊ မယုံသည်ဖြစ်စေ ၎င်းသည် ကိုယ်ရေးကိုယ်တာမေးခွန်းဖြစ်သည်၊ သို့သော် သင်သည် နည်းပညာနယ်ပယ်တွင်အလုပ်လုပ်ပြီး ကမ္ဘာလုံးဆိုင်ရာခေတ်ရေစီးကြောင်းများကို သိရှိလိုပါက အနည်းဆုံး ဤသော့ချက်စကားလုံးများကို သိသင့်ပါသည်။

ဤသည်မှာ နည်းပညာတစ်ခုခုမှ အများသူငှာ မျှော်လင့်ထားသော ဂရပ်ဖြစ်သည်။ Gartner ၏အဆိုအရ၊ အကောင်းဆုံးအားဖြင့်၊ နည်းပညာသည် အဆင့် 5 ဆင့်ဖြစ်သည်- နည်းပညာစတင်မှု၊ ဖောင်းပွနေသောမျှော်လင့်ချက်များ၏အထွတ်အထိပ်၊ စိတ်ပျက်စရာချိုင့်ဝှမ်း၊ ဉာဏ်အလင်းပေးသည့်လျှောစောက်၊ ကုန်ထုတ်စွမ်းအားကုန်းပြင်မြင့်။ သို့သော်၎င်းသည် "စိတ်ပျက်စရာချိုင့်ဝှမ်း" တွင်နစ်မြုပ်သွားသည် - သင်သည်ဥပမာများကိုသင်ကိုယ်တိုင်အလွန်လွယ်ကူစွာမှတ်မိနိုင်ပြီးတူညီသော bitcoins ကိုယူပါ - အစပိုင်းတွင် "အနာဂတ်၏ငွေ" အဖြစ်အထွတ်အထိပ်သို့ရောက်သောအခါ၊ နည်းပညာ၏ချို့ယွင်းချက်များကြောင့်လျင်မြန်စွာလျှောကျသွားသည်။ အရောင်းအဝယ်အရေအတွက်နှင့် bitcoins များထုတ်လုပ်ရန် လိုအပ်သော လျှပ်စစ်ဓာတ်အားပမာဏ (သဘာဝပတ်ဝန်းကျင်ဆိုင်ရာ ပြဿနာများနှင့် ပတ်သက်သည်) တွင် ပထမဆုံး ကန့်သတ်ချက်များသည် ထင်ရှားလာသည်။ သေချာပါတယ်၊ Gartner ၏ဇယားသည် ခန့်မှန်းချက်တစ်ခုသာဖြစ်ကြောင်း ကျွန်ုပ်တို့ မမေ့သင့်ပါ- ဥပမာ၊ ဤနေရာတွင် အသေးစိတ်ဖတ်နိုင်သည်။ ဆောင်းပါးအထူးခြားဆုံး မပြည့်စုံသော ခန့်မှန်းချက်များကို ခွဲထုတ်သည့်နေရာတွင်၊

ဒီတော့ Gartner ဇယားအသစ်ကို ကျော်ကြည့်ရအောင်။ နည်းပညာများကို အကြောင်းအရာအလိုက် အုပ်စုကြီး 5 ခု ခွဲထားသည်။

1. အဆင့်မြင့် AI နှင့် Analytics
2. Postclassical Compute နှင့် Comms
3. အာရုံခံခြင်းနှင့် ရွေ့လျားနိုင်မှု
4. မြှင့်တင်ထားသော လူသား
5. ဒစ်ဂျစ်တယ်ဂေဟစနစ်များ

1. အဆင့်မြင့် AI နှင့် ပိုင်းခြားစိတ်ဖြာချက်

လွန်ခဲ့သည့် 10 နှစ်အတွင်း ကျွန်ုပ်တို့သည် နက်ရှိုင်းစွာ သင်ယူခြင်း၏ အကောင်းဆုံးနာရီကို တွေ့ခဲ့ရသည်။ ဤကွန်ရက်များသည် ၎င်းတို့၏ လုပ်ငန်းဆောင်တာများအတွက် အမှန်တကယ်ထိရောက်မှုရှိပါသည်။ 2018 ခုနှစ်တွင် Yann LeCun၊ Geoffrey Hinton နှင့် Yoshua Bengio တို့သည် ၎င်းတို့၏ရှာဖွေတွေ့ရှိမှုအတွက် Turing Award ကိုရရှိခဲ့ပြီး ကွန်ပြူတာသိပ္ပံဆိုင်ရာနိုဘယ်ဆုနှင့် တူညီသောဂုဏ်သိက္ခာအရှိဆုံးဆုဖြစ်သည်။ ထို့ကြောင့်၊ ဇယားတွင်ပြသထားသည့် ဤနယ်ပယ်ရှိ အဓိကလမ်းကြောင်းများ-

၁.၁။ လွှဲပြောင်းသင်ယူခြင်း။

သင်က အာရုံကြောကွန်ရက်တစ်ခုကို အစကနေစမလေ့ကျင့်ဘဲ လေ့ကျင့်ပြီးသားတစ်ခုကိုယူကာ မတူညီတဲ့ပန်းတိုင်တစ်ခုကို သတ်မှတ်လိုက်ပါ။ တစ်ခါတစ်ရံတွင် ၎င်းသည် ကွန်ရက်၏ အစိတ်အပိုင်းကို ပြန်လည်လေ့ကျင့်ရန် လိုအပ်သော်လည်း ပိုမိုမြန်ဆန်သော ကွန်ရက်တစ်ခုလုံး မဟုတ်ပါ။ ဥပမာအားဖြင့်၊ ImageNet50 dataset တွင် လေ့ကျင့်သင်ကြားထားသည့် အဆင်သင့်လုပ်ထားသော အာရုံကြောကွန်ရက် ResNet1000 ကိုယူပြီး၊ အလွန်နက်နဲသောအဆင့်တွင် ပုံတစ်ပုံအတွင်း မတူညီသော အရာဝတ္ထုများစွာကို အမျိုးအစားခွဲနိုင်သည့် algorithm တစ်ခုရပါမည် (အာရုံကြောအလွှာ 1000 မှထုတ်ပေးသော အင်္ဂါရပ်များပေါ်မူတည်၍ အတန်း 50၊ ကွန်ရက်)။ ဒါပေမယ့် လနဲ့ချီကြာမယ့် အဲဒီကွန်ရက်တစ်ခုလုံးကို သင်လေ့ကျင့်ပေးစရာမလိုပါဘူး။

В အွန်လိုင်းသင်တန်း ဥပမာအားဖြင့် Samsung “Neural networks and computer vision”၊ Kaggle အလုပ် ပန်းကန်ပြားများကို သန့်ရှင်းပြီး ညစ်ပတ်ခြင်းအဖြစ် ခွဲခြားသတ်မှတ်ခြင်းဖြင့် အထက်တွင်ဖော်ပြထားသည့် ဗိသုကာလက်ရာအတိုင်း တည်ဆောက်ထားသည့် ညစ်ပတ်သောပန်းကန်များနှင့် သန့်ရှင်းသောပန်းကန်များကို ခွဲခြားနိုင်သည့် နက်ရှိုင်းသောအာရုံကြောကွန်ရက်ကို 5 မိနစ်အတွင်း သင့်အား ပေးဆောင်နိုင်သည်ဟု ချဉ်းကပ်မှုတစ်ခုက သရုပ်ပြထားသည်။ မူလကွန်ရက်သည် မည်သည့်ပန်းကန်ပြားများဖြစ်သည်ကို လုံးလုံးမသိခဲ့ဘဲ ငှက်များနှင့် ခွေးများကို ခွဲခြားသိမြင်နိုင်သည် (ImageNet ကိုကြည့်ပါ)။

source: အွန်လိုင်းသင်တန်း Samsung "Neural networks and computer vision"

Transfer Learning အတွက် မည်သည့်နည်းလမ်းများ အလုပ်ဖြစ်သနည်း နှင့် အဆင်သင့်လုပ်ထားသော အခြေခံဗိသုကာများ ရရှိနိုင်သည်ကို သိရန်လိုအပ်ပါသည်။ ယေဘုယျအားဖြင့်၊ ၎င်းသည် machine learning ၏ လက်တွေ့အသုံးချမှုများ ပေါ်ပေါက်လာစေရန် အလွန်အရှိန်မြှင့်ပေးပါသည်။

၁.၂။ Generative Adversarial Networks (GAN)

သင်ယူမှုပန်းတိုင်ကို ပုံဖော်ရန် ကျွန်ုပ်တို့အတွက် အလွန်ခက်ခဲသောအခါ ဤကိစ္စရပ်အတွက်ဖြစ်သည်။ အလုပ်က လက်တွေ့ဘဝနဲ့ ပိုနီးစပ်လေ၊ အဲဒါက ငါတို့အတွက် ပိုနားလည်နိုင်လေလေ ("ကုတင်ဘေးစားပွဲကို ယူလာ")၊ ဒါပေမယ့် အဲဒါကို နည်းပညာဆိုင်ရာ အလုပ်တစ်ခုအနေနဲ့ ပုံဖော်ဖို့က ပိုခက်လေပါပဲ။ GAN သည် ဤပြဿနာမှ ကျွန်ုပ်တို့ကို ကယ်တင်ရန် ကြိုးပမ်းမှုတစ်ခုသာဖြစ်သည်။

ဤနေရာတွင် လုပ်ဆောင်နေသော ကွန်ရက်နှစ်ခုရှိသည်- တစ်ခုသည် ဂျင်နရေတာ (Generative)၊ နောက်တစ်ခုသည် ခွဲခြားဆက်ဆံမှု (Adversarial) ဖြစ်သည်။ ကွန်ရက်တစ်ခုသည် အသုံးဝင်သောအလုပ် (ရုပ်ပုံများကို အမျိုးအစားခွဲရန်၊ အသံများကို မှတ်မိရန်၊ ကာတွန်းဆွဲခြင်း) ကို သင်ယူသည်။ အခြားကွန်ရက်သည် ထိုကွန်ရက်ကို သင်ကြားရန် သင်ယူသည်- ၎င်းတွင် တကယ့်ဥပမာများပါရှိပြီး အမှန်တကယ်အရေးကြီးသော နက်နဲသောလက္ခဏာများကို အခြေခံ၍ ကွန်ရက်၏မျိုးဆက်သစ်အစိတ်အပိုင်း၏ထုတ်ကုန်များကို လက်တွေ့ကမ္ဘာရှိအရာဝတ္ထုများနှင့် နှိုင်းယှဉ်ရန်အတွက် ယခင်ကမသိရှိသော ရှုပ်ထွေးသောဖော်မြူလာကို ရှာဖွေလေ့လာသည်။ : မျက်လုံးအရေအတွက်၊ Miyazaki စတိုင်နှင့် နီးစပ်မှု၊ အင်္ဂလိပ်အသံထွက်အမှန်။

anime ဇာတ်ကောင်များဖန်တီးရန်အတွက် ကွန်ရက်တစ်ခု၏ရလဒ်၏ ဥပမာတစ်ခု။ အရင်းအမြစ်

ဒါပေမယ့် အဲဒီနေရာမှာ ဗိသုကာပညာကို ဆောက်ဖို့က ခက်တယ်။ နျူရွန်တွေကို ပစ်ချရုံနဲ့ မလုံလောက်ဘူး၊ ပြင်ဆင်ထားဖို့ လိုပါတယ်။ ပြီးတော့ ရက်သတ္တပတ်ကြာအောင် လေ့လာရမယ်။ Samsung Artificial Intelligence Center မှ ကျွန်ုပ်၏ လုပ်ဖော်ကိုင်ဖက်များသည် GAN ခေါင်းစဉ်ဖြင့် လုပ်ဆောင်နေကြသည်၊ ၎င်းသည် ၎င်းတို့၏ အဓိက သုတေသနမေးခွန်းများထဲမှ တစ်ခုဖြစ်သည်။ ဥပမာ ဒီလိုပါ။ ဖွံ့ဖြိုးရေး: ကွဲပြားနိုင်သော ကိုယ်ဟန်များရှိသည့် လူများ၏ လက်တွေ့ကျသော ဓာတ်ပုံများကို ပေါင်းစပ်ရန် မျိုးဆက်ပွားကွန်ရက်များကို အသုံးပြုခြင်း - ဥပမာအားဖြင့်၊ အတုအပ တပ်ဆင်ခန်းတစ်ခု ဖန်တီးရန် သို့မဟုတ် အရည်အသွေးမြင့် ဗီဒီယိုကို သေချာစေရန် သိမ်းဆည်းရန် သို့မဟုတ် ပေးပို့လိုသည့် အချက်အလက်ပမာဏကို လျှော့ချနိုင်သည့် မျက်နှာတစ်ခု ဖန်တီးရန်၊ ဆက်သွယ်ရေး၊ ရုပ်သံလွှင့်ခြင်း သို့မဟုတ် ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို အကာအကွယ်ပေးခြင်း။

အရင်းအမြစ်

၁.၃။ ရှင်းပြနိုင်သော AI

ရှားရှားပါးပါး အလုပ်အချို့အတွက်၊ နက်နဲသော ဗိသုကာပညာတွင် တိုးတက်မှုများသည် လူသားစွမ်းရည်များနှင့် နက်ရှိုင်းသော အာရုံကြောကွန်ရက်များ၏ စွမ်းရည်များကို ရုတ်တရက် ယူဆောင်လာခဲ့သည်။ ယခုတွင် ထိုကဲ့သို့သော အလုပ်များကို တိုးမြှင့်ရန် တိုက်ပွဲဖြစ်နေပါသည်။ ဥပမာအားဖြင့်၊ စက်ရုပ်ဖုန်စုပ်စက်သည် အစည်းအဝေးတစ်ခုတွင် ကြောင်တစ်ကောင်နှင့် ခွေးတစ်ကောင်ကို အလွယ်တကူ ခွဲခြားနိုင်သည်။ သို့သော် ဘဝအခြေအနေအများစုတွင် ပိတ်စ သို့မဟုတ် ပရိဘောဂများကြားတွင် အိပ်နေသောကြောင်တစ်ကောင် (သို့သော်၊ ကျွန်ုပ်တို့ကဲ့သို့ပင်)

နက်နဲသော အာရုံကြောကွန်ရက်များ အောင်မြင်ရခြင်း၏ အကြောင်းရင်းကား အဘယ်နည်း။ ၎င်းတို့သည် သတင်းအချက်အလက် “သာမန်မျက်စိဖြင့်မြင်နိုင်သည်” (ဓာတ်ပုံ pixels၊ အသံအတိုးအကျယ်ပြောင်းလဲမှုများ...) ကိုအခြေခံ၍ ပြဿနာကို ကိုယ်စားပြုမှုကို ဖော်ဆောင်ပေးသော်လည်း အာရုံကြောကွန်ရက်၏ အလွှာပေါင်းရာပေါင်းများစွာက ဤအချက်အလက်များကို ကြိုတင်လုပ်ဆောင်ပြီးနောက် ရရှိသော အင်္ဂါရပ်များပေါ်တွင် ဖြစ်သည်။ ကံမကောင်းစွာပဲ၊ ဤဆက်ဆံရေးများသည် အဓိပ္ပါယ်မရှိ၊ ကွဲလွဲနေနိုင်သည်၊ သို့မဟုတ် မူရင်းဒေတာအစုံတွင် မစုံလင်မှုခြေရာများသယ်ဆောင်လာနိုင်သည်။ ဥပမာအားဖြင့်၊ စုဆောင်းရေးတွင် AI ကို အကြံဉာဏ်မဲ့စွာအသုံးပြုခြင်းက ဘာကိုဖြစ်ပေါ်စေနိုင်သည်ကို အကြောင်းပြု၍ ကွန်ပျူတာဂိမ်းငယ်တစ်ခုရှိသည်။ အကောင်းဆုံး Fit ၏ရှင်သန်မှု.

ပုံမှာပါတဲ့လူက တကယ်တော့ ယောက်ျားဖြစ်ပေမဲ့ ဟင်းချက်တဲ့လူကို မိန်းမလို့ တံဆိပ်တပ်ထားတဲ့ ပုံတဂ်စနစ်ကအရင်းအမြစ်) အဲဒါ သတိပြုမိ Virginia Institute မှာ။

ကျွန်ုပ်တို့ကိုယ်တိုင် မဖန်တီးနိုင်သော ရှုပ်ထွေးနက်နဲသောဆက်ဆံရေးများကို ပိုင်းခြားစိတ်ဖြာရန်၊ ရှင်းပြနိုင်သော AI နည်းလမ်းများ လိုအပ်ပါသည်။ သင်တန်းပြီးနောက်၊ ကျွန်ုပ်တို့သည် ၎င်း၏ ဆုံးဖြတ်ချက်ကို ရိုးရှင်းစွာ အားကိုးခြင်းထက် ကွန်ရက်တွင်း ကိုယ်စားပြုမှုအား ပိုင်းခြားစိတ်ဖြာနိုင်စေရန် ၎င်းတို့သည် နက်နဲသော အာရုံကြောကွန်ရက်များ၏ အင်္ဂါရပ်များကို စုစည်းထားသည်။

၁.၄။ Edge Analytics / AI

Edge ဟူသော စကားလုံးဖြင့် အရာအားလုံးသည် အောက်ပါတို့ကို ဆိုလိုသည်- algorithms အစိတ်အပိုင်းများကို cloud/server မှ end device/gateway အဆင့်သို့ လွှဲပြောင်းခြင်း။ ထိုသို့သော အယ်လဂိုရီသမ်တစ်ခုသည် ပိုမိုမြန်ဆန်စွာ အလုပ်လုပ်မည်ဖြစ်ပြီး ၎င်း၏လုပ်ဆောင်ချက်အတွက် ဗဟိုဆာဗာသို့ ချိတ်ဆက်မှုမလိုအပ်ပါ။ "ပါးလွှာသော client" ၏ abstraction နှင့်ရင်းနှီးပါက၊ ဤတွင်ကျွန်ုပ်တို့သည်ဤ client ကိုအနည်းငယ်ပိုထူလုပ်နေသည်။
၎င်းသည် Internet of Things အတွက် အရေးကြီးသည်။ ဥပမာအားဖြင့်၊ စက်တစ်ခုသည် အပူလွန်ကဲပြီး အအေးခံရန် လိုအပ်ပါက ဒေတာကို cloud သို့သွားရန် မစောင့်ဆိုင်းဘဲ ထိုနေရာမှ shift foreman သို့ ချက်ချင်း အချက်ပြရန် အဓိပ္ပာယ်ရှိပါသည်။ သို့မဟုတ် အခြားဥပမာ- အလိုအလျောက်မောင်းနှင်သည့်ကားများသည် ဗဟိုဆာဗာကို မဆက်သွယ်ဘဲ ယာဉ်ကြောပိတ်ဆို့မှုအခြေအနေကို ၎င်းတို့ကိုယ်တိုင် အဖြေရှာနိုင်သည်။

အရင်းအမြစ်

သို့မဟုတ် လုံခြုံရေးရှုထောင့်မှ အဘယ်ကြောင့် ဤအရာသည် အရေးကြီးသနည်း ဟူသော အခြားဥပမာ- သင့်ဖုန်းပေါ်တွင် စာများရိုက်သောအခါ၊ ၎င်းသည် သင့်အတွက် ပုံမှန်စကားလုံးများကို မှတ်မိစေသည်၊ သို့မှသာ နောက်ပိုင်းတွင် ဖုန်းကီးဘုတ်သည် သင့်အား ၎င်းတို့နှင့် အဆင်ပြေစွာ အကြောင်းကြားနိုင်စေရန် - ၎င်းကို ကြိုတင်ခန့်မှန်းခြင်းဟုခေါ်သည် စာသားထည့်သွင်းခြင်း။ သင့်ကီးဘုတ်ပေါ်တွင် သင်ရိုက်ထည့်သမျှအားလုံးကို ဒေတာစင်တာတစ်နေရာသို့ ပေးပို့ခြင်းသည် သင့်ကိုယ်ရေးကိုယ်တာအား ချိုးဖောက်ရာရောက်ပြီး ရိုးရှင်းစွာမလုံခြုံပါ။ ထို့ကြောင့်၊ ကီးဘုတ်လေ့ကျင့်ခြင်းသည် သင့်စက်အတွင်း၌သာ ဖြစ်ပေါ်ပါသည်။

၁.၅။ ဝန်ဆောင်မှုအဖြစ် AI ပလပ်ဖောင်း (AI PaaS)

PaaS - Platform-as-a-Service သည် ၎င်း၏ cloud-based ဒေတာသိမ်းဆည်းမှုနှင့် အဆင်သင့်လုပ်ထုံးလုပ်နည်းများ အပါအဝင် ပေါင်းစပ်ပလပ်ဖောင်းတစ်ခုသို့ ကျွန်ုပ်တို့ဝင်ရောက်ခွင့်ရရှိသည့် လုပ်ငန်းပုံစံတစ်ခုဖြစ်သည်။ ဤနည်းအားဖြင့်၊ ကျွန်ုပ်တို့သည် အခြေခံအဆောက်အအုံဆိုင်ရာ လုပ်ငန်းတာဝန်များမှ မိမိကိုယ်ကို လွတ်မြောက်နိုင်ပြီး အသုံးဝင်သောအရာတစ်ခု ထုတ်လုပ်ရန် အပြည့်အဝအာရုံစိုက်နိုင်သည်။ AI လုပ်ဆောင်စရာများအတွက် PaaS ပလပ်ဖောင်း ဥပမာ- IBM Cloud၊ Microsoft Azure၊ Amazon Machine Learning၊ Google AI ပလပ်ဖောင်း။

၁.၆။ လိုက်လျောညီထွေရှိသော စက်သင်ယူခြင်း (Adaptive ML)

ဥာဏ်ရည်တုကို လိုက်လျောညီထွေဖြစ်အောင် လိုက်လုပ်ရင် ဘာဖြစ်မလဲ... လို့မေးရင် ဘယ်လိုလဲ.. အဲဒါက အလုပ်နဲ့ လိုက်လျောညီထွေ မဖြစ်သေးဘူးလား။ ပြဿနာမှာ ဤသို့ဖြစ်သည်- ကျွန်ုပ်တို့သည် ၎င်းကိုဖြေရှင်းရန် ဉာဏ်ရည်တုဆိုင်ရာ အယ်လဂိုရီသမ်တစ်ခုကို မတည်ဆောက်မီ ယင်းပြဿနာတစ်ခုစီကို အာရုံစူးစိုက်စွာ ဒီဇိုင်းဆွဲထားသည်။ သူတို့ကသင့်ကိုအဖြေပေးလိမ့်မယ် - ဒီကွင်းဆက်ကိုရိုးရှင်းစေနိုင်ပါတယ်။

သမားရိုးကျ machine learning သည် open-loop ၏နိယာမပေါ်တွင်အလုပ်လုပ်သည်- သင်ဒေတာကိုပြင်ဆင်ပါ၊ အာရုံကြောကွန်ရက်တစ်ခု (သို့မဟုတ်မည်သည့်အရာကိုမဆို) နှင့်လေ့ကျင့်ပါ၊ ထို့နောက်ညွှန်ကိန်းအများအပြားကိုကြည့်ပါ၊ သင်အရာအားလုံးကိုနှစ်သက်ပါက၊ သင်သည် neural network ကိုစမတ်ဖုန်းများသို့ပေးပို့နိုင်သည်။ အသုံးပြုသူပြဿနာများကိုဖြေရှင်းရန်။ သို့သော် ဒေတာများစွာရှိပြီး ၎င်း၏သဘောသဘာဝသည် တဖြည်းဖြည်းပြောင်းလဲနေသော application များတွင် အခြားနည်းလမ်းများ လိုအပ်ပါသည်။ ၎င်းတို့ကိုယ်တိုင် လိုက်လျောညီထွေဖြစ်အောင် သင်ကြားပေးသော ထိုကဲ့သို့သော စနစ်များကို အပိတ်၊ ကိုယ်တိုင်သင်ယူခြင်းကွင်းများ (closed-loop) အဖြစ် စုစည်းထားပြီး ၎င်းတို့သည် ချောမွေ့စွာ လုပ်ဆောင်ရမည်ဖြစ်သည်။

အပလီကေးရှင်းများ - ၎င်းသည် စီးပွားရေးသမားများစွာ၏ ဆုံးဖြတ်ချက်များချသော အခြေခံ သို့မဟုတ် လိုက်လျောညီထွေရှိသော ထုတ်လုပ်မှုစီမံခန့်ခွဲမှုကို အခြေခံ၍ တိုက်ရိုက်ထုတ်လွှင့်မှု ခွဲခြမ်းစိတ်ဖြာမှု (Stream Analytics) ဖြစ်နိုင်သည်။ လက်ရှိအပလီကေးရှင်းများ၏အတိုင်းအတာနှင့် လူသားများအတွက် ပိုမိုကောင်းမွန်စွာနားလည်နိုင်သောအန္တရာယ်များကိုပေးဆောင်ထားပြီး၊ ဤပြဿနာအတွက်ဖြေရှင်းချက်အတွက်ဖွဲ့စည်းထားသည့်နည်းပညာများကို Adaptive AI ဟူသောဝေါဟာရအောက်တွင်စုစည်းထားသည်။

အရင်းအမြစ်

ဒီပုံကိုကြည့်ရင် အနာဂတ်ပညာရှင်တွေကို မုန့်မကျွေးဘူးဆိုတဲ့ ခံစားချက်ကို ဖယ်ရှားဖို့ ခက်ပါတယ် - စက်ရုပ်ကို အသက်ရှုတတ်အောင် သင်ပေးပါ...

Postclassical Compute နှင့် Comms

၂.၁။ ပဉ္စမမျိုးဆက် မိုဘိုင်းဆက်သွယ်ရေး (2.1G)

ဤသည်မှာ စိတ်ဝင်စားစရာကောင်းသော အကြောင်းအရာတစ်ခုဖြစ်ပြီး ကျွန်ုပ်တို့သည် သင့်အား ကျွန်ုပ်တို့ထံ ချက်ချင်း ညွှန်းဆိုလိုက်ပါသည်။ ဆောင်းပါး. ကောင်းပြီ၊ ဤတွင် အတိုချုံးချုပ်ပါ။ 5G သည် ဒေတာပေးပို့မှုအကြိမ်ရေကို တိုးမြှင့်ခြင်းဖြင့် အင်တာနက်မြန်နှုန်းကို လက်တွေ့မကျဘဲ မြန်ဆန်စေမည်ဖြစ်သည်။ လှိုင်းတိုများသည် အတားအဆီးများကို ဖြတ်ကျော်ရန် ပိုမိုခက်ခဲသောကြောင့် ကွန်ရက်များ၏ ဒီဇိုင်းသည် လုံးဝကွဲပြားလိမ့်မည်- အခြေခံစခန်းများ အဆ 500 ပိုလိုအပ်ပါသည်။

အရှိန်နှင့်အတူ၊ ကျွန်ုပ်တို့သည် ဖြစ်ရပ်ဆန်းသစ်များကို ရရှိပါမည်- အပိုအဖြစ်မှန်များဖြင့် အချိန်နှင့်တစ်ပြေးညီ ဂိမ်းများ၊ တယ်လီဖုံးဆက်ခြင်းမှတစ်ဆင့် ရှုပ်ထွေးသောအလုပ်များ (ခွဲစိတ်မှုကဲ့သို့သော) ကိုလုပ်ဆောင်ခြင်း၊ စက်များကြားတွင် ဆက်သွယ်မှုမှတစ်ဆင့် လမ်းများပေါ်ရှိ မတော်တဆမှုများနှင့် ခက်ခဲသောအခြေအနေများကို ကာကွယ်ပေးခြင်း။ ပိုမိုထူးခြားသောမှတ်စုတစ်ခုအနေဖြင့်- အားကစားကွင်းတစ်ခုတွင် ပွဲစဉ်ကဲ့သို့သော ပွဲများကဲ့သို့ မိုဘိုင်းအင်တာနက်သည် နောက်ဆုံးတွင် ကျဆင်းသွားမည်ဖြစ်သည်။

ဓာတ်ပုံအရင်းအမြစ် - Reuters၊ Niantic

၂.၂။ Next-Generation Memory

ဤတွင်ကျွန်ုပ်တို့သည်ပဉ္စမမြောက် RAM မျိုးဆက် - DDR5 အကြောင်းပြောနေသည်။ Samsung မှ DDR2019 အခြေခံထုတ်ကုန်များကို 5 နှစ်ကုန်ပိုင်းတွင် စတင်ရောင်းချမည်ဖြစ်ကြောင်း ကြေညာခဲ့သည်။ မမ်မိုရီအသစ်သည် တူညီသောပုံစံအချက်တစ်ချက်ကို ထိန်းသိမ်းထားစဉ်တွင် နှစ်ဆပိုမိုမြန်ဆန်ပြီး စွမ်းရည်နှစ်ဆပိုမိုအားကောင်းလာမည်ဟု မျှော်လင့်ရပြီး၊ ဆိုလိုသည်မှာ ကျွန်ုပ်တို့၏ကွန်ပျူတာအတွက် 32GB အထိ ပမာဏရှိသော memory sticks များကို ရနိုင်မည်ဖြစ်သည်။ အနာဂတ်တွင်၊ ၎င်းသည် စမတ်ဖုန်းများအတွက် အထူးသင့်လျော်လိမ့်မည် (မမ်မိုရီအသစ်သည် ပါဝါနည်းသောဗားရှင်းတွင်ရှိလိမ့်မည်) နှင့် (DIMM အပေါက်အရေအတွက်ကန့်သတ်ထားသည့်လက်ပ်တော့များ) အတွက်ဖြစ်သည်။ စက်သင်ယူမှုတွင်လည်း RAM အများအပြား လိုအပ်သည်။

၂.၃။ Low-Earth-Orbit ဂြိုလ်တုစနစ်များ

သေးငယ်၍ ဈေးပေါသော အားကောင်းသည့် ဂြိုလ်တုများ အစားထိုးရန် စိတ်ကူးသည် အသစ်နှင့် ဝေးကွာပြီး 90s များတွင် ပြန်ပေါ်လာသည်။ ဘာအကြောင်းပါလဲ "Elon Musk သည် ဂြိုလ်တုမှလူတိုင်းထံ အင်တာနက်ကို မကြာမီ ဖြန့်ဝေတော့မည်" ယခုတော့ ပျင်းသူများသာ မကြားရတော့ပါ။ ဤနေရာတွင် အကျော်ကြားဆုံးကုမ္ပဏီမှာ 90 နှောင်းပိုင်းတွင် ဒေဝါလီခံခဲ့သော Iridium ဖြစ်ပြီး၊ သို့သော် US ကာကွယ်ရေးဌာန (iRidium၊ ရုရှားစမတ်အိမ်သုံးစနစ်နှင့် မရောထွေးရန်) ကုန်ကျစရိတ်ဖြင့် သိမ်းဆည်းခဲ့သည်။ Elon Musk ၏ ပရောဂျက် (Starlink) သည် Richard Branson (OneWeb - 1440 အဆိုပြုထားသော ဂြိုလ်တုများ)၊ Boeing (3000 ဂြိုလ်တု)၊ Samsung (4600 ဂြိုလ်တု) နှင့် အခြားဂြိုလ်တုပြိုင်ပွဲတွင် ပါဝင်နေပါသည်။

ဒီနယ်ပယ်မှာ ဘယ်လိုရပ်တည်နေလဲ၊ စီးပွားရေးက ဘယ်လိုပုံစံနဲ့ ရပ်တည်နေလဲဆိုတာ ဖတ်ရှုနိုင်ပါတယ်။ ပြန်လည်သုံးသပ်. ထို့အပြင် လာမည့်နှစ်တွင် ပြုလုပ်မည့် ပထမဆုံးအသုံးပြုသူများအနေဖြင့် အဆိုပါစနစ်များ၏ ပထမဆုံးစမ်းသပ်မှုများကို ကျွန်ုပ်တို့စောင့်ဆိုင်းနေပါသည်။

၂.၄။ နာနိုစကေး 2.4D ပရင့်ထုတ်ခြင်း။

3D ပရင့်ထုတ်ခြင်းသည် လူတိုင်း၏ဘ၀ထဲသို့ (အိမ်တွင်းပလတ်စတစ်စက်ရုံမှ ကတိပြုထားသည့်ပုံစံအတိုင်း) လူတိုင်း၏ဘ၀ထဲသို့ ဝင်ရောက်မလာသေးသော်လည်း၊ မည်သို့ပင်ဆိုစေကာမူ လွန်ခဲ့သည့်အကြာကြီးကတည်းက geeksများအတွက် နည်းပညာနယ်ပယ်မှ ထွက်ခွာသွားခဲ့သည်။ အနည်းဆုံး 3D ဖောင်တိန်များ ရှိနေကြောင်းကို ကျောင်းသူကလေးတိုင်း သိကြပြီး၊ အပြေးသမားများနှင့် extruder ပါသော သေတ္တာတစ်လုံးကို ဝယ်ယူရန် အိပ်မက်များစွာကို ... "ထို့အတူ" (ဒါမှမဟုတ် ဝယ်ပြီးသည်) ဆိုသည့်အချက်ကို ကျောင်းကလေးတိုင်းက ဆုံးဖြတ်နိုင်သည်။

Stereolithography (လေဆာ 3D ပရင်တာများ) သည် ဖိုတွန်တစ်ခုချင်းစီဖြင့် ပုံနှိပ်ခြင်းကို ခွင့်ပြုသည်- ဖိုတွန်နှစ်ခုသာ ခိုင်မာစေရန် လိုအပ်သော ပိုလီမာအသစ်များကို ရှာဖွေနေပါသည်။ ၎င်းသည် ဓာတ်ခွဲခန်းမဟုတ်သော အခြေအနေများတွင် စစ်ထုတ်မှုများ၊ တောင်များ၊ စမ်းချောင်းများ၊ သွေးကြောမျှင်များ၊ မှန်ဘီလူးများနှင့်... သင်၏ရွေးချယ်မှုများကို မှတ်ချက်များတွင် ဖန်တီးနိုင်မည်ဖြစ်သည်။ ဤတွင်၎င်းသည် photopolymerization နှင့်မဝေးပါ - ဤနည်းပညာကသာကျွန်ုပ်တို့အား "ပရင့်ထုတ်ခြင်း" ပရိုဆက်ဆာများနှင့်ကွန်ပျူတာဆားကစ်များကိုခွင့်ပြုသည်။ ထို့အပြင် ဤသည်မှာ ပထမဆုံးနှစ်မဟုတ်ပေ။ graphene 500 nm သုံးဖက်မြင်ဖွဲ့စည်းပုံများပုံနှိပ်ခြင်းနည်းပညာအစွန်းရောက်ဖွံ့ဖြိုးတိုးတက်မှုမရှိဘဲ။

အရင်းအမြစ်

3. အာရုံခံမှုနှင့် ရွေ့လျားနိုင်မှု

၃.၁။ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရ ယာဉ်မောင်းအဆင့် 3.1 နှင့် 4

ဝေါဟာရဗေဒတွင် မရောထွေးစေရန်အတွက်၊ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်အဆင့်များကို ခွဲခြားနားလည်ထားသင့်သည် (အသေးစိတ်ဖော်ပြထားသည်။ ဆောင်းပါးများစိတ်ပါဝင်စားသူအားလုံးကို ရည်ညွှန်းပေးပါသည်။)

အဆင့် 1- Cruise control- အလွန်အကန့်အသတ်ရှိသော အခြေအနေများတွင် ယာဉ်မောင်းကို ကူညီပေးသည် (ဥပမာ၊ ယာဉ်မောင်းသူခြေနင်းမှ နင်းပြီးနောက် သတ်မှတ်အမြန်နှုန်းဖြင့် ကားကို ကိုင်ထားပါ)
အဆင့် 2- စတီယာရင်နှင့် ဘရိတ်အကူအညီ ကန့်သတ်ချက်။ ယာဉ်မောင်းသည် ချက်ချင်းနီးပါး ထိန်းချုပ်ရန် အသင့်ဖြစ်ရမည်။ သူ့လက်တွေက စတီယာရင်ဘီးပေါ်၊ သူ့မျက်လုံးတွေက လမ်းကို ဦးတည်နေတယ်။ ဒါက Tesla နဲ့ General Motors တွေမှာ ရှိပြီးသားအရာပါ။
အဆင့် 3- ယာဉ်မောင်းသည် လမ်းကို အဆက်မပြတ် စောင့်ကြည့်နေစရာ မလိုတော့ပါ။ ဒါပေမယ့် သူသတိရှိရှိနဲ့ ထိန်းချုပ်နိုင်ဖို့ အသင့်ဖြစ်ရပါမယ်။ ဒါက စီးပွားဖြစ် ရနိုင်တဲ့ကားတွေ မရှိသေးတဲ့အရာပါ။ လက်ရှိရှိပြီးသားအားလုံးသည် အဆင့် 1-2 တွင်ရှိသည်။
အဆင့် 4- စစ်မှန်သော autopilot ဖြစ်သော်လည်း ကန့်သတ်ချက်များဖြင့်- စနစ်အတွက် ဂရုတစိုက်ပုံဖော်ထားပြီး ယေဘုယျအားဖြင့် သိရှိထားသည့် ဧရိယာများတွင်သာ ခရီးစဉ်များနှင့် အချို့သောအခြေအနေများအောက်တွင်- ဥပမာ၊ နှင်းများမရှိသည့်အခါ။ Waymo နှင့် General Motors တို့တွင် ထိုကဲ့သို့သော ရှေ့ပြေးပုံစံများ ရှိပြီး ၎င်းတို့ကို မြို့အများအပြားတွင် လွှင့်တင်ကာ လက်တွေ့ပတ်ဝန်းကျင်တွင် စမ်းသပ်ရန် စီစဉ်လျက်ရှိသည်။ Yandex တွင် Skolkovo နှင့် Innopolis တို့တွင် မောင်းသူမဲ့ တက္ကစီများအတွက် စမ်းသပ်ဇုန်များ ရှိသည်- ခရီးစဉ်သည် ခရီးသည်၏ထိုင်ခုံတွင်ထိုင်နေသော အင်ဂျင်နီယာတစ်ဦး၏ ကြီးကြပ်မှုအောက်တွင် ဖြစ်ပွားသည်။ ယခုနှစ်ကုန်တွင် ကုမ္ပဏီသည် ၎င်း၏ မောင်းသူမဲ့ယာဉ် အစီးရေ ၁၀၀ အထိ တိုးချဲ့ရန် စီစဉ်နေသည်။
အဆင့် 5- အလိုအလျောက်မောင်းနှင်မှု၊ တိုက်ရိုက်မောင်းနှင်သူ၏ အစားထိုးမှု အပြည့်အစုံ။ ထိုသို့သောစနစ်များမရှိပါ၊ ၎င်းတို့သည် လာမည့်နှစ်များတွင် ပေါ်လာနိုင်ဖွယ်မရှိပေ။

မကြာမီ အနာဂတ်တွင် ဤအရာအားလုံးကို မြင်ရန် မည်မျှ လက်တွေ့ကျသနည်း။ ဤနေရာတွင် ကျွန်ုပ်သည် စာဖတ်သူကို ဆောင်းပါးဆီသို့ ပြန်ညွှန်းလိုပါသည်။ " Tesla ကတိပေးထားတဲ့အတိုင်း 2020 မှာ စက်ရုပ်တစ်ရုပ်ကို လွှင့်တင်ဖို့ ဘာကြောင့် မဖြစ်နိုင်ရတာလဲ". ၎င်းသည် 5G ချိတ်ဆက်မှု မရှိခြင်းကြောင့် တစ်စိတ်တစ်ပိုင်းဖြစ်သည်- ရရှိနိုင်သော 4G အမြန်နှုန်းများ မလုံလောက်ပါ။ တစ်စိတ်တစ်ပိုင်းအားဖြင့် ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရကားများ၏ အလွန်မြင့်မားသော ကုန်ကျစရိတ်ကြောင့်- ၎င်းတို့သည် အမြတ်အစွန်းမရသေးသောကြောင့်၊ လုပ်ငန်းပုံစံမှာ မရှင်းလင်းပါ။ စကားလုံးတစ်လုံးတွင်၊ ဤနေရာတွင် "အရာရာတိုင်းသည် ရှုပ်ထွေးသည်" ဖြစ်၍ အဆင့် 4 နှင့် 5 ၏ အစုလိုက်အပြုံလိုက်အကောင်အထည်ဖော်မှုအတွက် ခန့်မှန်းချက်သည် 10 နှစ်ထက်စောမည်မဟုတ်ကြောင်း Gartner မှရေးသားခဲ့သည်မှာ တိုက်ဆိုင်မှုမဟုတ်ပါ။

၃.၂။ 3.2D အာရုံခံကင်မရာများ

လွန်ခဲ့သော 3 နှစ်က Microsoft ၏ Kinect ဂိမ်းထိန်းချုပ်ကိရိယာသည် 3D အမြင်အတွက် သုံးစွဲရလွယ်ကူပြီး ဈေးသက်သာသော ဖြေရှင်းချက်တစ်ခုကို ပေးဆောင်ခြင်းဖြင့် လှိုင်းများကို ဖန်တီးခဲ့သည်။ ထိုအချိန်မှစ၍ Kinect နှင့်အတူ ကာယပညာနှင့် အကဂိမ်းများသည် တိုတောင်းလာသည်နှင့်အမျှ ကျဆင်းလာသည်ကို ကြုံတွေ့ခဲ့ရသော်လည်း XNUMXD ကင်မရာများကို စက်မှုစက်ရုပ်များ၊ မောင်းသူမဲ့ယာဉ်များနှင့် မိုဘိုင်းဖုန်းများတွင် မျက်နှာခွဲခြားသတ်မှတ်ရန်အတွက် စတင်အသုံးပြုလာခဲ့သည်။ နည်းပညာသည် စျေးသက်သာပြီး၊ ပိုကျစ်လျစ်ပြီး ပိုမိုသုံးစွဲနိုင်လာသည်။

Samsung S10 ဖုန်းတွင် အာရုံစူးစိုက်မှုပိုမိုလွယ်ကူစေရန် အရာဝတ္ထုတစ်ခုနှင့် အကွာအဝေးကို တိုင်းတာသည့် Time-of-Flight ကင်မရာပါရှိသည်။ အရင်းအမြစ်

ဤအကြောင်းအရာကို သင်စိတ်ဝင်စားပါက၊ နက်ရှိုင်းသောကင်မရာများ၏ အလွန်ကောင်းမွန်သော အသေးစိတ်ပြန်လည်သုံးသပ်ခြင်းဆီသို့ ကျွန်ုပ်တို့ သင့်အား လမ်းညွှန်ပေးပါမည်။ အပိုင်း 1, အပိုင်း 2.

၃.၃။ သေးငယ်သော ကုန်စည်ပို့ဆောင်ရန် ဒရုန်းများ (Light Cargo Delivery Drones)

ယခုနှစ်တွင် Amazon သည် အလေးချိန် ၂ ကီလိုဂရမ်အထိ တင်ဆောင်နိုင်သည့် ပျံသန်းနိုင်သော ဒရုန်းအသစ်တစ်မျိုးကို ပြသခဲ့ရာတွင် လှိုင်းလုံးများ ဖန်တီးခဲ့သည်။ ယာဉ်ကြောပိတ်ဆို့မှုရှိသောမြို့အတွက်၊ ၎င်းသည် အကောင်းဆုံးဖြေရှင်းချက်တစ်ခုဖြစ်သည်။ မဝေးတော့တဲ့ အနာဂတ်မှာ ဒီဒရုန်းတွေရဲ့ လုပ်ဆောင်ပုံတွေကို ကြည့်လိုက်ရအောင်။ ဤနေရာတွင် သတိထားပြီး သံသယဖြစ်ရန် ထိုက်တန်သည်- ဒရုန်းကို အလွယ်တကူ ခိုးယူနိုင်ခြေမှ စတင်ကာ UAV များကို တရားဝင် ကန့်သတ်ချက်များဖြင့် အဆုံးသတ်သည့် ပြဿနာများစွာရှိပါသည်။ Amazon Prime Air သည် ခြောက်နှစ်ခန့် ကြာမြင့်နေပြီဖြစ်သော်လည်း စမ်းသပ်ဆဲအဆင့်တွင် ရှိနေသေးသည်။

Amazon ၏ ဒရုန်းအသစ်ကို ယခုနှစ်နွေဦးတွင် ပြသခဲ့သည်။ သူ့အကြောင်း Star Wars တစ်ခုခုရှိတယ်။ အရင်းအမြစ်

Amazon အပြင်၊ ဤဈေးကွက်တွင် အခြားသော ကစားသမားများ ရှိပါသည် (အသေးစိတ်ဖော်ပြချက်တစ်ခုရှိပါသည်။ ယေဘုယျအမြင်) ဒါပေမယ့် အချောထည် ထုတ်ကုန်တစ်ခုမှ မဟုတ်ဘဲ၊ အရာအားလုံးဟာ စမ်းသပ်မှုနဲ့ စျေးကွက်ရှာဖွေရေး လှုံ့ဆော်မှု အဆင့်မှာ ရှိနေပါတယ်။ သီးခြားအားဖြင့်၊ အလွန်စိတ်ဝင်စားစရာကောင်းသော အထူးပြုဆေးပညာကို မှတ်သားထိုက်သည်။ စီမံကိန်းများ အာဖရိကတွင်- ဂါနာတွင် လှူဒါန်းသောသွေး (၁၄၀၀၀ ပို့ဆောင်မှု၊ Zipline ကုမ္ပဏီ) နှင့် ရဝမ်ဒါ (Matternet ကုမ္ပဏီ)။

၃.၄။ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရယာဉ်များ

ဒီနေရာမှာ အတိအကျပြောဖို့ခက်တယ်။ Gartner ၏ အဆိုအရ၊ ၎င်းသည် 10 နှစ်ထက်စောမည်မဟုတ်ပေ။ ယေဘူယျအားဖြင့်၊ မောင်းသူမဲ့ကားများကဲ့သို့ ဤနေရာတွင် တူညီသောပြဿနာများ အားလုံးရှိကြပြီး၊ ၎င်းတို့သည် အတိုင်းအတာအသစ် - ဒေါင်လိုက်ကိုသာ ရရှိကြသည်။ Porsche၊ Boeing နှင့် Uber တို့သည် ပျံသန်းနိုင်သော တက္ကစီတစ်စီး တည်ဆောက်ရန် ၎င်းတို့၏ ရည်မှန်းချက်များကို ကြေညာခဲ့သည်။

၃.၅။ Augmented Reality Cloud (AR Cloud)

လက်တွေ့ကမ္ဘာ၏ အမြဲတမ်းဒစ်ဂျစ်တယ်ကော်ပီတစ်ခု၊ သင်အသုံးပြုသူအားလုံးအတွက် တူညီသောအဖြစ်မှန်အလွှာအသစ်တစ်ခုကို ဖန်တီးနိုင်စေမည်ဖြစ်သည်။ နည်းပညာဆိုင်ရာ ဝေါဟာရများအားဖြင့်၊ developer များသည် ၎င်းတို့၏ AR အက်ပ်လီကေးရှင်းများကို ပေါင်းစည်းနိုင်သည့် ပွင့်လင်းသော cloud ပလပ်ဖောင်းတစ်ခု ပြုလုပ်ခြင်းအကြောင်း ပြောဆိုနေပါသည်။ ငွေရှာခြင်းပုံစံသည် ရှင်းလင်းသည်၊ ၎င်းသည် Steam ၏ analogue တစ်မျိုးဖြစ်သည်။ အိုင်ဒီယာသည် အလွန်ခိုင်မာလာပြီး ယခုအခါ အချို့သောသူများက Cloud မရှိသော AR သည် ရိုးရှင်းစွာ အသုံးမဝင်ဟု ယုံကြည်ကြသည်။

၎င်းသည် အနာဂတ်တွင် မည်သို့မည်ပုံ ဖြစ်လာနိုင်သည်ကို ဗီဒီယိုတိုလေးတွင် ပြသထားသည်။ Black Mirror ၏ နောက်ထပ်အပိုင်းကို ကြည့်ရသည်-

တွင် ဖတ်ရှုနိုင်ပါသည်။ သုံးသပ်ချက်ဆောင်းပါး။

4. မြှင့်တင်ထားသော လူသား

၄.၁။ စိတ်ခံစားမှု AI

လူသားတွေရဲ့ စိတ်ခံစားချက်တွေကို ဘယ်လိုတိုင်းတာ၊ ပုံဖော်ပြီး တုံ့ပြန်မလဲ။ ဤနေရာတွင် အချို့သော ဖောက်သည်များသည် Amazon Alexa ကဲ့သို့ အသံအကူများ ပြုလုပ်သည့် ကုမ္ပဏီများဖြစ်သည်။ စိတ်ခံစားချက်ကို သိရှိနားလည်ရန် သင်ယူပါက အိမ်များတွင် အမှန်တကယ် အသုံးပြုနိုင်ပါသည်- သုံးစွဲသူ၏ မကျေနပ်မှုအကြောင်းရင်းကို နားလည်ပြီး အခြေအနေကို ပြုပြင်ရန် ကြိုးစားပါ။ ယေဘူယျအားဖြင့်၊ မက်ဆေ့ချ်ကိုယ်တိုင်ထက် ဆက်စပ်မှုတွင် အချက်အလက်များစွာ ရှိပါသည်။ ဆက်စပ်မှုမှာ မျက်နှာအမူအရာ၊ အသံထွက်နှင့် စကားမဟုတ်သော အမူအရာတို့ ဖြစ်သည်။

အခြားလက်တွေ့အသုံးချနည်းများ- အလုပ်အင်တာဗျူးတစ်ခုအတွင်း စိတ်ခံစားမှုများကို ပိုင်းခြားစိတ်ဖြာခြင်း (ဗီဒီယိုအင်တာဗျူးများပေါ်အခြေခံ၍)၊ ကြော်ငြာများ သို့မဟုတ် အခြားဗီဒီယိုအကြောင်းအရာအပေါ် တုံ့ပြန်မှုများကို အကဲဖြတ်ခြင်း (အပြုံးများ၊ ရယ်မောခြင်း)၊ သင်ယူခြင်းဆိုင်ရာ အကူအညီ (ဥပမာ၊ အများသူငှာပြောဆိုခြင်းအနုပညာတွင် အမှီအခိုကင်းသော အလေ့အကျင့်အတွက်)။

6 မိနစ်စာ ဇာတ်ကားတိုကို ရေးသားသူထက် ဤအကြောင်းအရာကို ပိုမိုကောင်းမွန်စွာ ပြောဆိုရန် ခက်ခဲသည်။ ခံစားချက်ကို ခိုးယူခြင်း။. ပြောင်မြောက်ပြီး စတိုင်ကျသော ဗီဒီယိုသည် စျေးကွက်ရှာဖွေရေး ရည်ရွယ်ချက်အတွက် ကျွန်ုပ်တို့၏ စိတ်ခံစားမှုများကို သင်မည်ကဲ့သို့ တိုင်းတာနိုင်သည်ကို ပြသထားပြီး သင့်မျက်နှာ၏ ခဏတာတုံ့ပြန်မှုများမှ သင်သည် ပီဇာ၊ ခွေးများ၊ Kanye West နှင့် သင့်ဝင်ငွေအဆင့်နှင့် အနီးစပ်ဆုံး IQ ကို နှစ်သက်ခြင်းရှိမရှိကို ရှာဖွေပါ။ အထက်ဖော်ပြပါလင့်ခ်ကို အသုံးပြု၍ ရုပ်ရှင်၏ဝဘ်ဆိုဒ်သို့ ဝင်ရောက်ကြည့်ရှုခြင်းဖြင့်၊ သင်သည် သင့်လက်ပ်တော့၏ တပ်ဆင်ထားသောကင်မရာကို အသုံးပြု၍ အပြန်အလှန်အကျိုးပြုသော ဗီဒီယိုတစ်ခုတွင် ပါဝင်သူဖြစ်လာပါသည်။ ဒီဇာတ်ကားကို ရုပ်ရှင်ပွဲတော်တော်တော်များများမှာ ပြသပြီးပါပြီ။

အရင်းအမြစ်

ဒီလိုစိတ်ဝင်စားစရာကောင်းတဲ့ လေ့လာမှုတစ်ခုတောင် ရှိသေးတယ်- စာသားထဲမှာ ပုတ်ခတ်ပြောဆိုမှုကို ဘယ်လိုမှတ်မိမလဲ။ ကျွန်ုပ်တို့သည် hashtag #sarcasm ဖြင့် tweet များကိုယူကာ sarcasm ဖြင့် tweet ပေါင်း 25 နှင့် နေအောက်ရှိ အရာအားလုံးနှင့်ပတ်သက်သော ပုံမှန် tweet ပေါင်း 000 ကို ပြုလုပ်ခဲ့ပါသည်။ ကျွန်ုပ်တို့သည် TensorFlow စာကြည့်တိုက်ကို အသုံးပြုပြီး စနစ်အား လေ့ကျင့်သင်ကြားပေးပြီး ရလဒ်မှာ ဤအရာဖြစ်သည်-

အရင်းအမြစ်

ထို့ကြောင့် ယခု သင့်လုပ်ဖော်ကိုင်ဖက် သို့မဟုတ် သူငယ်ချင်းအကြောင်း မသေချာပါက- သူသည် သင့်အား လေးလေးနက်နက် သို့မဟုတ် ထေ့ငေါ့ခြင်း တစ်ခုခုပြောခဲ့သည်ကို သင်သုံးနိုင်နေပြီဖြစ်သည်။ လေ့ကျင့်ထားသော အာရုံကြောကွန်ရက်!

၄.၂။ ဉာဏ်ရည်ကို မြှင့်တင်ပေးသည်။

စက်သင်ယူမှုနည်းလမ်းများကို အသုံးပြု၍ ဉာဏအလုပ်၏ အလိုအလျောက်လုပ်ဆောင်ခြင်း။ အသစ်အဆန်းလို့ထင်ရမလား။ သို့သော် အထူးသဖြင့် ၎င်းသည် Artificial Intelligence အတိုကောက်နှင့် တိုက်ဆိုင်နေသောကြောင့် စကားလုံးအသုံးအနှုန်းကိုယ်တိုင်က အရေးကြီးပါသည်။ ၎င်းသည် ကျွန်ုပ်တို့အား “ပြင်းထန်သော” နှင့် “အားနည်း” AI ဆိုင်ရာ ငြင်းခုံမှုဆီသို့ ပြန်သွားစေသည်။
Strong AI သည် လူ့စိတ်နှင့် လုံးဝတူညီပြီး တစ်ဦးချင်းအဖြစ် မိမိကိုယ်မိမိ သိရှိထားသည့် သိပ္ပံစိတ်ကူးယဉ်ရုပ်ရှင်များမှ ဉာဏ်ရည်တုတုနှင့် တူညီပါသည်။ ဤအရာသည် မရှိသေးဘဲ တည်ရှိနေမည်လားဆိုသည်ကို ရှင်းရှင်းလင်းလင်း မသိရသေးပါ။

အားနည်းသော AI သည် အမှီအခိုကင်းသော ပုဂ္ဂိုလ်မဟုတ်သော်လည်း လူသားလက်ထောက်ဖြစ်သည်။ သူသည် လူသားနှင့်တူသော တွေးခေါ်မှုရှိသည်ဟု ဆိုခြင်းမရှိသော်လည်း သတင်းအချက်အလက်ပြဿနာများကို မည်သို့ဖြေရှင်းရမည်ကို ရိုးရှင်းစွာသိသည်၊ ဥပမာ၊ ပုံတွင်ပြထားသည့်အရာကို ဆုံးဖြတ်ရန် သို့မဟုတ် စာသားကို ဘာသာပြန်ပါ။

အရင်းအမြစ်

ဤသဘောအရ၊ Augmented Intelligence သည် ၎င်း၏ အသန့်စင်ဆုံးပုံစံတွင် "အားနည်းသော AI" ဖြစ်ပြီး ပေါင်းစပ်ဖွဲ့စည်းမှုမှာ အောင်မြင်ပုံရသည်၊ အဘယ်ကြောင့်ဆိုသော် ၎င်းသည် ရှုပ်ထွေးမှုများနှင့် လူတိုင်းအိပ်မက်မက်သော “ပြင်းထန်သော AI” ကို ဤနေရာတွင် မြင်တွေ့ရန် သွေးဆောင်မှုမပါဝင်သောကြောင့် (သို့မဟုတ် ကျွန်ုပ်တို့ကြောက်ရွံ့နေပါက၊ “ပုန်ကန်သောကားများ” အကြောင်း မြောက်မြားစွာသော ဆွေးနွေးချက်များကို သတိရပါ။) Augmented Intelligence ဟူသောအသုံးအနှုန်းကို အသုံးပြု၍ ကျွန်ုပ်တို့သည် သိပ္ပံစိတ်ကူးယဉ် (Asimov ၏ “I, Robot” ကဲ့သို့) သိပ္ပံစိတ်ကူးယဉ်မှ ကျွန်ုပ်တို့သည် ဆိုက်ဘာပန့်ခ်တွင် ကျွန်ုပ်တို့တွေ့ကြသည် (ဤအမျိုးအစားတွင် “တိုးမြှင့်မှုများ” သည် လူသားစွမ်းရည်များကို ချဲ့ထွင်သည့် အစားထိုးမှု အမျိုးအစားအားလုံးဖြစ်သည်)။

ဘယ်လို ပြောပါတယ် Erik Brynjolfsson နှင့် Andrew McAffee - “လာမယ့် 10 နှစ်မှာ ဒါက ဘာဖြစ်မလဲ။ AI သည် မန်နေဂျာများကို အစားထိုးမည်မဟုတ်သော်လည်း AI ကိုအသုံးပြုသော မန်နေဂျာများသည် ၎င်းကို မပြုလုပ်ရသေးသော မန်နေဂျာများကို အစားထိုးမည်ဖြစ်သည်။”

ဥပမာ:

• ဆေးပညာ- စတန်းဖို့ဒ်တက္ကသိုလ်က ဖွံ့ဖြိုးတယ်။ algorithmဆရာဝန်အများစုကဲ့သို့ ပျမ်းမျှအားဖြင့် ရင်ဘတ်ဓာတ်မှန်ရိုက်ခြင်းဆိုင်ရာ ရောဂါများကို အသိအမှတ်ပြုခြင်းတာဝန်ကို ထမ်းဆောင်နေသူ၊
• ပညာရေး- ကျောင်းသားများနှင့် ဆရာများအား ပံ့ပိုးကူညီမှု၊ ပစ္စည်းများအပေါ် ကျောင်းသားများ၏ တုံ့ပြန်မှုများကို ခွဲခြမ်းစိတ်ဖြာခြင်း၊ တစ်ဦးချင်း သင်ယူမှုလမ်းကြောင်းကို တည်ဆောက်ခြင်း။
• စီးပွားရေးခွဲခြမ်းစိတ်ဖြာချက်- စာရင်းဇယားများအရ ဒေတာကို ကြိုတင်လုပ်ဆောင်ခြင်းသည် သုတေသီတစ်ဦး၏အချိန်၏ 80% နှင့် စမ်းသပ်မှု၏ 20% သာ ကြာသည်

၄.၃။ Biochips များ

၎င်းသည် ဆိုက်ဘာပန့်ခ်ရုပ်ရှင်များနှင့် စာအုပ်အားလုံး၏ အကြိုက်ဆုံးအကြောင်းအရာဖြစ်သည်။ ယေဘုယျအားဖြင့် အိမ်မွေးတိရိစ္ဆာန်များကို microchiping လုပ်ခြင်းသည် အသစ်အဆန်းမဟုတ်ပါ။ ဒါပေမယ့် အခုအချိန်မှာတော့ ဒီချပ်စ်တွေကို လူတွေထဲ သွင်းလာကြတယ်။

ဤကိစ္စတွင်၊ ဖောင်းပွမှုသည် အမေရိကန်ကုမ္ပဏီ Three Square Market ရှိ စိတ်လှုပ်ရှားဖွယ်ဖြစ်ရပ်နှင့် ဆက်စပ်မှုအရှိဆုံးဖြစ်သည်။ အဲဒီမှာ အလုပ်ရှင်က အခကြေးငွေနဲ့ လဲလှယ်ပြီး အရေပြားအောက်မှာ ချစ်ပ်ပြားတွေ ထည့်ဖို့ ကမ်းလှမ်းလာတယ်။ ချစ်ပ်သည် သင့်အား တံခါးဖွင့်ရန်၊ ကွန်ပြူတာထဲသို့ ဝင်ရန်၊ အရောင်းစက်တစ်ခုမှ အဆာပြေများဝယ်နိုင်သည် - ဆိုလိုသည်မှာ universal ဝန်ထမ်းကတ်ဖြစ်သည်။ ထို့အပြင်၊ ထိုချစ်ပ်သည် သက်သေခံကတ်တစ်ခုအဖြစ် တိကျစွာလုပ်ဆောင်ပေးသည်၊ ၎င်းတွင် GPS မော်ဂျူးမပါသောကြောင့် ၎င်းကိုအသုံးပြုနေသူတိုင်းကို ခြေရာခံရန် မဖြစ်နိုင်ပေ။ အကယ်၍ လူတစ်ဦးသည် ၎င်း၏လက်မောင်းမှ ချစ်ပ်ပြားကို ဖယ်ရှားလိုပါက ဆရာဝန်အကူအညီဖြင့် 5 မိနစ်ကြာသည်။

ချစ်ပ်များကို များသောအားဖြင့် လက်မနှင့် လက်ညိုးကြားတွင် စိုက်ကြသည်။ အရင်းအမြစ်

ပိုပြီးဖတ်ပါ ဆောင်းပါး ကမ္ဘာပေါ်ရှိ အဖုအထစ်များ နှင့် ပတ်သက်သည့် အခြေအနေများ။

၄.၄။ မြှုပ်နှံထားသော အလုပ်နေရာ

“Immersive” သည် လွတ်ကင်းခြင်းမရှိသော နောက်ထပ်စကားလုံးအသစ်ဖြစ်သည်။ နေရာတိုင်းပါပဲ။ နစ်မြုပ်နေသော ပြဇာတ်၊ ပြပွဲ၊ ရုပ်ရှင်ရုံ။ ဘာကိုဆိုလိုတာလဲ? နှစ်မြှုပ်ခြင်းသည် စာရေးဆရာနှင့် ကြည့်ရှုသူကြား နယ်နိမိတ်မျဉ်းကို ရောက်သွားသောအခါ၊ virtual နှင့် တကယ့်ကမ္ဘာကြီး ဆုံးရှုံးသွားသောအခါတွင် နစ်မြုပ်နေသော အကျိုးသက်ရောက်မှုတစ်ခု ဖန်တီးခြင်းဖြစ်သည်။ လုပ်ငန်းခွင်တွင်၊ ၎င်းသည် လုပ်ဆောင်သူနှင့် အစပြုသူကြားမျဉ်းကို မှုန်ဝါးစေကာ ၎င်းတို့၏ပတ်ဝန်းကျင်ကို ပြုပြင်ပြောင်းလဲခြင်းဖြင့် ပိုမိုတက်ကြွသောရာထူးတစ်ခုရရှိရန် ဝန်ထမ်းများအား အားပေးအားမြှောက်ပြုခြင်းတို့ကို ဆိုလိုသည်။

ယခုအခါ ကျွန်ုပ်တို့သည် နေရာတိုင်းတွင် သွက်လက်၊ လိုက်လျောညီထွေရှိပြီး အနီးကပ်ပူးပေါင်းဆောင်ရွက်မှုများ ရှိလာသောကြောင့်၊ လုပ်ငန်းခွင်များသည် တတ်နိုင်သမျှ လွယ်ကူစွာ စီစဉ်သတ်မှတ်နိုင်သင့်ပြီး အဖွဲ့လိုက်လုပ်ဆောင်ခြင်းကို အားပေးသင့်ပါသည်။ စီးပွားရေးသည် ၎င်း၏စည်းကမ်းချက်များကို ညွှန်ကြားသည်- ယာယီဝန်ထမ်းများ ပိုများလာခြင်း၊ ရုံးခန်းငှားရမ်းခများ မြင့်တက်လာခြင်း၊ ပြိုင်ဆိုင်မှုရှိသော အလုပ်သမားဈေးကွက်တွင် အိုင်တီကုမ္ပဏီများသည် အပန်းဖြေစရာနေရာများနှင့် အခြားအကျိုးခံစားခွင့်များကို ဖန်တီးခြင်းဖြင့် ဝန်ထမ်းများ၏ စိတ်ကျေနပ်မှုကို တိုးမြှင့်ရန် ကြိုးစားနေကြသည်။ ဤအရာအားလုံးသည် အလုပ်ခွင်၏ ဒီဇိုင်းတွင် ထင်ဟပ်နေသည်။

မှ အစီရင်ခံစာ knoll

၄.၅။ ပုဂ္ဂိုလ်စွဲ

ကြော်ငြာတွင် စိတ်ကြိုက်ပြင်ဆင်ခြင်းမှာ လူတိုင်းသိသည်။ ဒီနေ့ အခန်းထဲက လေက နည်းနည်းခြောက်နေတယ်၊ ​​ရုံးအတွက် အစိုဓာတ်ထိန်းစက် ဝယ်သင့်တယ်၊ နောက်နေ့မှာတော့ မင်းရဲ့ လူမှုကွန်ရက်မှာ ကြော်ငြာတစ်ခု တွေ့လိုက်တဲ့အခါ - "အစိုဓာတ်ထိန်းစက် ဝယ်ပါ" (က၊ ဖြစ်ပျက်ခဲ့တဲ့ ဖြစ်ရပ်မှန်)။

အရင်းအမြစ်

Gartner မှသတ်မှတ်ထားသည့်အတိုင်း Personalization သည် ကြော်ငြာရည်ရွယ်ချက်အတွက် ၎င်းတို့၏ကိုယ်ရေးကိုယ်တာဒေတာအသုံးပြုမှုနှင့်ပတ်သက်ပြီး သုံးစွဲသူများ၏ စိုးရိမ်ပူပန်မှုများတိုးပွားလာမှုကို တုံ့ပြန်ခြင်းဖြစ်သည်။ ရည်ရွယ်ချက်မှာ ကျွန်ုပ်တို့ကိုယ်တိုင်ရှာဖွေတွေ့ရှိသည့် ဆက်စပ်အကြောင်းအရာနှင့် သက်ဆိုင်သည့် ကြော်ငြာများကို ပြသထားသည့် ချဉ်းကပ်မှုတစ်ရပ်ကို ဖန်တီးရန်ဖြစ်သည်။ ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့၏တည်နေရာ၊ စက်အမျိုးအစား၊ နေ့အချိန်၊ ရာသီဥတုအခြေအနေများ - ဤအရာသည် ကျွန်ုပ်တို့၏ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို မချိုးဖောက်ဘဲ “စောင့်ကြည့်ခြင်း” ခံရခြင်း၏ မနှစ်မြို့ဖွယ်ခံစားချက်ကို ကျွန်ုပ်တို့ မခံစားရပါ။

ဒီသဘောတရားနှစ်ခုရဲ့ ခြားနားချက်ကို ဖတ်ကြည့်ပါ။ ပြန်လည်သုံးသပ် Andrew Frank သည် Gartner ၏ ဝဘ်ဆိုဒ်တွင် ဘလော့ဂ်များ။ ခြားနားချက် ကို မသိဘဲ သိမ်မွေ့သော ခြားနားချက်မျိုး ရှိသည်၊ ယေဘုယျအားဖြင့် နှစ်ဦးစလုံး မှန်သည် ဟု သံသယ မထားဘဲ သင်၏ အပေါင်းအသင်းနှင့် အချိန်အကြာကြီး ငြင်းခုံရန် စွန့်စား ကာ ယေဘုယျ အားဖြင့် နှစ်မျိုးလုံး မှန်သည် (ဤသည်မှာလည်း တကယ့် အဖြစ်အပျက် တစ်ခုပင် ဖြစ်သည်။ စာရေးသူ)။

၄.၆။ ဇီဝနည်းပညာ - မွေးမြူထားသော သို့မဟုတ် အတုပြုလုပ်ထားသော တစ်ရှူး

ဒါက ပထမဆုံးအနေနဲ့ အသားတုကို စိုက်ပျိုးဖို့ စိတ်ကူးပါ။ တစ်ချိန်တည်းမှာပင်၊ ကမ္ဘာတစ်ဝှမ်းရှိအဖွဲ့အများအပြားသည် "Meat 2.0" ဓာတ်ခွဲခန်းကိုတီထွင်ရန်အလုပ်များနေကြသည် - ၎င်းသည်ပုံမှန်ထက်စျေးသက်သာလာမည်ဟုမျှော်လင့်ရပြီးအမြန်အစားအစာများနှင့်စူပါမားကက်များသည်၎င်းကိုပြောင်းလဲလိမ့်မည်။ ဤနည်းပညာတွင် ရင်းနှီးမြှုပ်နှံသူများသည် Bill Gates၊ Sergey Brin၊ Richard Branson နှင့် အခြားသူများ ပါဝင်သည်။

အရင်းအမြစ်

အသားတုကို လူတိုင်း စိတ်ဝင်စားကြရတဲ့ အကြောင်းရင်းများ

1. ကမ္ဘာကြီးပူနွေးလာမှု- လယ်ယာများမှ မီသိန်းထုတ်လွှတ်မှု။ ဒါဟာ ရာသီဥတုကို ထိခိုက်စေတဲ့ ကမ္ဘာ့ဓာတ်ငွေ့ထုထည်ရဲ့ 18% ဖြစ်ပါတယ်။
2. လူဦးရေတိုး။ အသားဝယ်လိုအားက ကြီးထွားလာပြီး လူတိုင်းကို သဘာဝအသားနဲ့ ကျွေးဖို့ မဖြစ်နိုင်ပါဘူး - စျေးကြီးပါတယ်။
3. နေရာမရှိခြင်း။ အမေဇုန်သစ်တောများ၏ 70% သည် စားကျက်အတွက် ခုတ်လှဲပြီးဖြစ်သည်။
4. ကျင့်ဝတ်ဆိုင်ရာ ထည့်သွင်းစဉ်းစားမှုများ။ ဒါက အရေးကြီးတဲ့သူတွေ ရှိတယ်။ တိရိစ္ဆာန်အခွင့်အရေးအဖွဲ့အစည်း PETA သည် ကြက်သားအတုကို ဈေးကွက်သို့ ပို့ဆောင်ပေးသည့် သိပ္ပံပညာရှင်အား ဒေါ်လာ ၁ သန်းဆု ကမ်းလှမ်းထားပြီးဖြစ်သည်။

အမဲသားအစစ်ကို ပဲပိစပ်ဖြင့် အစားထိုးခြင်းသည် တစ်စိတ်တစ်ပိုင်းဖြေရှင်းချက်ဖြစ်ပြီး၊ အကြောင်းမှာ လူများသည် အရသာနှင့် အသားအရောင်ကွဲပြားမှုကို နှစ်သက်နိုင်ပြီး ပဲပိစပ်ကို အမဲသားဖြင့် စွန့်ပယ်ရန် မဖြစ်နိုင်သောကြောင့်ဖြစ်သည်။ ဒါကြောင့် အစစ်အမှန်၊ အော်ဂဲနစ်နဲ့ စိုက်ပျိုးထားတဲ့ အသားတွေ လိုအပ်ပါတယ်။ ယခု ကံမကောင်းစွာဖြင့်၊ အသားတုသည် တစ်ကီလိုလျှင် ၁၂ ဒေါ်လာမှ ဈေးကြီးသည်။ ထိုသို့သော အသားများကို စိုက်ပျိုးခြင်း၏ ရှုပ်ထွေးသော နည်းပညာ လုပ်ငန်းစဉ်ကြောင့် ဖြစ်သည်။ အားလုံးအကြောင်းဖတ်ပါ။ ဆောင်းပါး.

အခြားတစ်သျှူးများကြီးထွားလာမှုအကြောင်းပြောလျှင် - ဆေးပညာတွင်ရှိပြီးသားဖြစ်သည် - အတုအင်္ဂါများနှင့်ပတ်သက်သည့်အကြောင်းအရာသည် စိတ်ဝင်စားစရာကောင်းသည်- ဥပမာ၊ နှလုံးကြွက်သားအတွက် "ဖာထေးခြင်း"၊ ပုံနှိပ်သည်။ အထူး 3D ပရင်တာ လူသိများသည်။ ပုံပြင်များ အတုအယောင် ကြီးထွားလာသော ကြွက်နှလုံးကဲ့သို့ ဖြစ်သော်လည်း ယေဘုယျအားဖြင့် အရာအားလုံးသည် လက်တွေ့စမ်းသပ်မှု နယ်ပယ်အတွင်းတွင် ရှိနေသေးသည်။ ဒါကြောင့် လာမယ့်နှစ်တွေမှာ Frankenstein ကို တွေ့ဖို့ မဖြစ်နိုင်ပါဘူး။

ဤတွင် Gartner သည် ၎င်း၏ ခန့်မှန်းချက်တွင် အလွန်သတိထားနေကာ 2015 ခုနှစ်တွင် ဖွံ့ဖြိုးပြီးနိုင်ငံများရှိ လူဦးရေ၏ 2019% တွင် 10D ပုံနှိပ်ဆေးဘက်ဆိုင်ရာ ကိရိယာ အစားထိုးထည့်သွင်းခြင်းခံရမည်ဟု ၎င်း၏ မအောင်မြင်သော 3 ဟောကိန်းကို သတိရနေပုံရသည်။ ထို့ကြောင့် ကုန်ထုတ်စွမ်းအားမြင့်သောကုန်းပြင်သို့ရောက်ရန် အချိန်သည် အနည်းဆုံး ၁၀ နှစ်ဖြစ်သည်။

5. ဒစ်ဂျစ်တယ်ဂေဟစနစ်များ

၅.၁။ ဗဟိုချုပ်ကိုင်မှု လျှော့ချထားသော ဝက်ဘ်ဆိုဒ်

ဤအယူအဆသည် ဝဘ်တီထွင်သူ Turing Award ဆုရှင် Sir Tim Burners-Lee ၏အမည်နှင့် နီးကပ်စွာဆက်စပ်နေသည်။ သူ့အတွက်၊ ကွန်ပြူတာသိပ္ပံတွင် ကျင့်ဝတ်ဆိုင်ရာမေးခွန်းများသည် အမြဲတမ်းအရေးကြီးပြီး အင်တာနက်၏ စုပေါင်းအနှစ်သာရသည် အရေးကြီးသည်- ဟိုက်ပါစာသား၏အုတ်မြစ်ကိုချကာ၊ ကွန်ရက်သည် ဝဘ်ကဲ့သို့လုပ်ဆောင်သင့်သည်၊ အထက်တန်းအဆင့်ကဲ့သို့မဟုတ်ကြောင်း သူယုံကြည်ခဲ့သည်။ ဤသည်မှာ ကွန်ရက်ဖွံ့ဖြိုးတိုးတက်မှု၏ အစောပိုင်းအဆင့်တွင် ဖြစ်ခဲ့သည်။ သို့သော်လည်း အင်တာနက် ကြီးထွားလာသည်နှင့်အမျှ ၎င်း၏ဖွဲ့စည်းပုံသည် အကြောင်းအမျိုးမျိုးကြောင့် ဗဟိုချုပ်ကိုင်လာခဲ့သည်။ ဝန်ဆောင်မှုပေးသူအနည်းငယ်၏အကူအညီဖြင့် နိုင်ငံတစ်ခုလုံးအတွက် ကွန်ရက်သို့ဝင်ရောက်ခွင့်ကို အလွယ်တကူပိတ်ဆို့နိုင်ခဲ့ကြောင်း တွေ့ရှိရသည်။ သုံးစွဲသူဒေတာသည် အင်တာနက်ကုမ္ပဏီများအတွက် ပါဝါနှင့် ၀င်ငွေအရင်းအမြစ်ဖြစ်လာသည်။

“အင်တာနက်ကို ဗဟိုချုပ်ကိုင်မှု လျှော့ချပြီးသားပါ” ဟု Burners-Lee ကဆိုသည်။ “ပြဿနာကတော့ ရှာဖွေရေးအင်ဂျင်တစ်ခု၊ လူမှုကွန်ရက်ကြီးတစ်ခု၊ မိုက်ခရိုဘလော့ဂ်ပလက်ဖောင်းတစ်ခုက လွှမ်းမိုးနေတာပါပဲ။ ကျွန်တော်တို့မှာ နည်းပညာပိုင်းဆိုင်ရာ ပြဿနာမရှိပေမယ့် လူမှုရေးဆိုင်ရာ ပြဿနာတွေလည်း ရှိပါတယ်။”

၌သူ၏ အိတ်ဖွင့်ပေးစာ World Wide Web ၏ နှစ် 30 ပြည့် အခမ်းအနားတွင် ဝဘ်ကို ဖန်တီးသူသည် အင်တာနက်၏ အဓိက ပြဿနာ (၃) ခုကို ဖော်ပြခဲ့သည်။

1. နိုင်ငံပိုင် ဟက်ကာ၊ ရာဇ၀တ်မှုနှင့် အွန်လိုင်း နှောင့်ယှက်မှုများကဲ့သို့သော ပစ်မှတ်ထား ထိခိုက်မှုများ
2. သုံးစွဲသူကို ထိခိုက်နစ်နာစေမည့် စနစ်၏ ဒီဇိုင်းသည်- clickbait အတွက် ငွေကြေးမက်လုံးများ နှင့် မမှန်သတင်းများ ဗိုင်းရပ်စ်ပျံ့နှံ့မှုကဲ့သို့သော ယန္တရားများအတွက် အခြေခံအုတ်မြစ်ကို ဖန်တီးပေးသည်။
3. ပဋိပက္ခဖြစ်စေပြီး အွန်လိုင်းဆွေးနွေးမှုအရည်အသွေးကို လျော့ကျစေသည့် စနစ်ဒီဇိုင်း၏ မလိုလားအပ်သော အကျိုးဆက်များ

ထို့အပြင် Tim Berners-Lee သည် ပြဿနာနံပါတ် 2 မပါရှိဘဲ “ကျန်းမာသောပုဂ္ဂိုလ်၏အင်တာနက်” ကိုအခြေခံနိုင်သည့် မည်သည့်အခြေခံမူများနှင့်ပတ်သက်၍ အဖြေရှိပြီးသားဖြစ်သည်- “အသုံးပြုသူအများအပြားအတွက်၊ ကြော်ငြာဝင်ငွေသည် အင်တာနက်နှင့် အပြန်အလှန်အကျိုးပြုရန်အတွက် တစ်ခုတည်းသောစံနမူနာဖြစ်နေဆဲဖြစ်သည်။ လူတွေက သူတို့ရဲ့ဒေတာတွေ ဘာဖြစ်သွားမလဲဆိုတာကို ကြောက်နေရင်တောင်မှ အကြောင်းအရာတွေကို အခမဲ့လက်ခံခွင့်ရဖို့အတွက် စျေးကွက်ရှာဖွေရေးစက်နဲ့ ညှိနှိုင်းဖို့ ဆန္ဒရှိနေတယ်။ နှစ်ဦးနှစ်ဘက်စလုံးအတွက် ကုန်ပစ္စည်းနှင့် ဝန်ဆောင်မှုများအတွက် လွယ်ကူပြီး ပျော်ရွှင်ဖွယ်ကောင်းသော ကမ္ဘာတစ်ခုကို မြင်ယောင်ကြည့်ပါ။ ၎င်းကိုမည်ကဲ့သို့စီစဉ်နိုင်သည်ဖြစ်စေ ရွေးချယ်စရာများထဲတွင်- ဂီတသမားများသည် iTunes ပုံစံဖြင့် ကြားခံသူများမပါဘဲ ၎င်းတို့၏အသံသွင်းချက်များကို ရောင်းချနိုင်ပြီး၊ သတင်းဆိုက်များသည် ကြော်ငြာမှငွေရှာမည့်အစား ဆောင်းပါးတစ်ပုဒ်ဖတ်ရှုရန်အတွက် မိုက်ခရိုငွေပေးချေမှုစနစ်ကို အသုံးပြုနိုင်သည်။

ဤအင်တာနက်အသစ်အတွက် စမ်းသပ်မှုရှေ့ပြေးပုံစံအနေဖြင့် Tim Berners-Lee သည် SOLID ပရောဂျက်ကို စတင်ခဲ့ပြီး ယင်း၏အနှစ်သာရမှာ သင်၏ဒေတာကို “pod” တွင် သိမ်းဆည်းထားခြင်းဖြစ်သည် - အချက်အလက်သိုလှောင်ရုံဖြစ်ပြီး ဤဒေတာကို ပြင်ပအဖွဲ့အစည်းအက်ပ်လီကေးရှင်းများသို့ ပံ့ပိုးပေးနိုင်သည်။ ဒါပေမယ့် မူအရတော့ သင်ကိုယ်တိုင်က သင့်ဒေတာရဲ့ သခင်ပါ။ ဤအရာအားလုံးသည် peer-to-peer networks သဘောတရားနှင့် အနီးကပ်ဆက်စပ်နေသည်၊ ဆိုလိုသည်မှာ သင့်ကွန်ပျူတာသည် ဝန်ဆောင်မှုများကို တောင်းဆိုရုံသာမက ၎င်းတို့ကို ဆာဗာတစ်ခုအား တစ်ခုတည်းသောချန်နယ်အဖြစ် မမှီခိုစေရန်အတွက် ၎င်းတို့ကို ပံ့ပိုးပေးပါသည်။

အရင်းအမြစ်

၅.၂။ ဗဟိုချုပ်ကိုင်မှုရှိသော ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရအဖွဲ့များ

၎င်းသည် ကွန်ပျူတာပရိုဂရမ်ပုံစံဖြင့် ရေးသားထားသော စည်းမျဉ်းများဖြင့် အုပ်ချုပ်သောအဖွဲ့အစည်းဖြစ်သည်။ ၎င်း၏ဘဏ္ဍာရေးလှုပ်ရှားမှုများသည် blockchain အပေါ်အခြေခံသည်။ ထိုအဖွဲ့အစည်းများကို ဖန်တီးရခြင်း၏ ရည်ရွယ်ချက်မှာ နိုင်ငံတော်အား ကြားခံအခန်းကဏ္ဍမှ ဖယ်ရှားပြီး မည်သူတစ်ဦးတစ်ယောက်မှ မပိုင်ဆိုင်သော်လည်း လူတိုင်းက ပိုင်ဆိုင်သည့် ပြိုင်ဘက်များအတွက် ဘုံယုံကြည်စိတ်ချရသော ပတ်ဝန်းကျင်တစ်ခု ဖန်တီးရန်ဖြစ်သည်။ ဆိုလိုသည်မှာ သီအိုရီအရ၊ အိုင်ဒီယာသည် အမြစ်စွဲပါက၊ notaries နှင့် အခြားသော ပုံမှန်စိစစ်ရေးအဖွဲ့အစည်းများကို ဖျက်သိမ်းမည်ဆိုပါက၊

ထိုကဲ့သို့သောအဖွဲ့အစည်း၏အကျော်ကြားဆုံးဥပမာမှာ 2016 ခုနှစ်တွင်ဒေါ်လာသန်း 150 စုဆောင်းထားသော DAO သည် 50 ခုနှစ်အတွင်း စည်းမျဥ်းစည်းကမ်းများတွင်တရားဝင်အပေါက်တစ်ခုမှတစ်ဆင့် $XNUMX ချက်ချင်းခိုးယူခံခဲ့ရသည်။ ခက်ခဲသောအကျပ်အတည်းတစ်ခု ချက်ချင်းပေါ်လာသည်- ငွေကိုပြန်လှည့်ကာ ပြန်ပေးသည်ဖြစ်စေ သို့မဟုတ် ပလပ်ဖောင်း၏စည်းမျဉ်းများကို မည်သို့မျှမချိုးဖောက်သောကြောင့် ငွေထုတ်ယူခြင်းသည် တရားဥပဒေကြောင်းအရ ဝန်ခံပါ။ ရလဒ်အနေဖြင့် ရင်းနှီးမြှုပ်နှံသူများထံ ငွေပြန်ပေးရန်၊ ဖန်တီးသူများသည် အဆိုပါ DAO ကို ဖျက်စီးကာ blockchain ကို ပြန်လည်ရေးသားကာ ၎င်း၏ အခြေခံနိယာမ- မပြောင်းလဲနိုင်မှုကို ချိုးဖောက်ရမည်ဖြစ်သည်။

Ethereum (ဘယ်) နှင့် DAO (ညာ) အကြောင်း ဟာသ။ အရင်းအမြစ်

ဤဇာတ်လမ်းတစ်ခုလုံးသည် DAO ၏ စိတ်ကူးကို ပျက်ပြားစေခဲ့သည်။ ထိုပရောဂျက်ကို Ethereum cryptocurrency ၏အခြေခံဖြင့်ပြုလုပ်ခဲ့ခြင်းဖြစ်ပြီး Ether 2.0 ဗားရှင်းကို လာမည့်နှစ်တွင် မျှော်လင့်ထားသည် - စာရေးသူ (နာမည်ကြီး Vitalik Buterin အပါအဝင်) သည် အမှားများကို ထည့်သွင်းစဉ်းစားပြီး အသစ်တစ်ခုကို ပြသနိုင်မည်ဖြစ်သည်။ အဲဒါကြောင့် Gartner က DAO ကို upline မှာ တင်ခဲ့တာဖြစ်နိုင်ပါတယ်။

5.3.Synthetics ဒေတာ

အာရုံကြောကွန်ရက်များကို လေ့ကျင့်ရန်၊ ဒေတာအများအပြား လိုအပ်သည်။ ဒေတာကို ကိုယ်တိုင်တံဆိပ်တပ်ခြင်းသည် လူသားတစ်ဦးသာ လုပ်ဆောင်နိုင်သည့် ကြီးမားသောအလုပ်တစ်ခုဖြစ်သည်။ ထို့ကြောင့်၊ အချက်အလက်အတုများကို ဖန်တီးနိုင်သည်။ ဥပမာအားဖြင့်၊ ဆိုက်ရှိ လူသားမျက်နှာများ စုစည်းမှု https://generated.photos. ၎င်းတို့ကို GAN - အထက်တွင်ဖော်ပြခဲ့ပြီးသော algorithms ကို အသုံးပြု၍ ဖန်တီးထားသည်။

ဒီမျက်နှာတွေက လူတွေနဲ့မဆိုင်ဘူး။ အရင်းအမြစ်

ထိုဒေတာ၏ ကြီးမားသောအားသာချက်မှာ ၎င်းကိုအသုံးပြုရာတွင် တရားဝင်အခက်အခဲမရှိခြင်းကြောင့်ဖြစ်သည်- ကိုယ်ရေးကိုယ်တာအချက်အလက်များကို စီမံဆောင်ရွက်ရာတွင် သဘောတူညီမှုပေးရန် မည်သူမျှမရှိပါ။

5.4.Digital Ops

DevOps သည် ကျွန်ုပ်တို့၏မိန့်ခွန်းတွင် အမြစ်တွယ်လာသောကြောင့် နောက်ဆက်တွဲ “Ops” သည် မယုံနိုင်လောက်အောင် ခေတ်ဆန်လာပါသည်။ ယခု DigitalOps ဆိုသည်မှာ DevOps၊ DesignOps၊ MarketingOps တို့ကို ယေဘုယျဖော်ပြခြင်းမျှသာဖြစ်သည်... ပျင်းနေသေးသလား။ အတိုချုပ်အားဖြင့်၊ ၎င်းသည် ဆော့ဖ်ဝဲလ်ဧရိယာမှ DevOps ချဉ်းကပ်မှုအား လုပ်ငန်း၏ အခြားကဏ္ဍများ - စျေးကွက်ရှာဖွေရေး၊ ဒီဇိုင်းစသည်ဖြင့် လွှဲပြောင်းခြင်းဖြစ်ပါသည်။

အရင်းအမြစ်

DevOps ၏ အယူအဆမှာ Development ကိုယ်တိုင်နှင့် Operations (စီးပွားရေး လုပ်ငန်းစဉ်များ) အကြား အတားအဆီးများကို ဖယ်ရှားရန်ဖြစ်ပြီး ပရိုဂရမ်မာများ၊ စမ်းသပ်သူများ၊ လုံခြုံရေးကျွမ်းကျင်သူများနှင့် စီမံခန့်ခွဲသူများရှိသည့် ဘုံအဖွဲ့များ ဖန်တီးခြင်းဖြင့်၊ အချို့သော အလေ့အကျင့်များကို အကောင်အထည်ဖော်ခြင်း- စဉ်ဆက်မပြတ် ပေါင်းစည်းမှု၊ ကုဒ်အဖြစ် အခြေခံအဆောက်အအုံ၊ တုံ့ပြန်ချက်ကွင်းဆက်များကို လျှော့ချခြင်းနှင့် အားကောင်းစေခြင်း။ ရည်ရွယ်ချက်မှာ ကုန်ပစ္စည်း၏ ဈေးကွက်သို့ အရှိန်မြှင့်ရန်ဖြစ်သည်။ ဒါကို Agile နဲ့ ဆင်တူတယ်လို့ မင်းထင်ရင် မင်းမှန်တယ်။ ယခု ဤချဉ်းကပ်နည်းကို ဆော့ဖ်ဝဲလ်ဖွံ့ဖြိုးတိုးတက်ရေးနယ်ပယ်မှ ယေဘုယျအားဖြင့် ဖွံ့ဖြိုးတိုးတက်မှုသို့ စိတ်ပိုင်းဆိုင်ရာ လွှဲပြောင်းပါ - DigitalOps ဆိုသည်မှာ သင်နားလည်ပါသည်။

၅.၅။ ဗဟုသုတ ဂရပ်ဖစ်များ

စက်သင်ယူမှု အယ်လဂိုရီသမ်များကို အသုံးပြုခြင်းအပါအဝင် အသိပညာနယ်ပယ်တစ်ခုကို နမူနာယူရန် ဆော့ဖ်ဝဲနည်းလမ်း။ အချက်အလက်အားလုံးကို ချိတ်ဆက်ရန် အသိပညာဂရပ်ဖ်တစ်ခုအား တည်ဆဲဒေတာဘေ့စ်များ၏ထိပ်တွင် တည်ဆောက်ထားသည်- ဖွဲ့စည်းတည်ဆောက်ပုံ (ဖြစ်ရပ်များစာရင်း သို့မဟုတ် လူများ) နှင့် ဖွဲ့စည်းမှုမဲ့ (ဆောင်းပါးတစ်ပုဒ်၏စာသား) နှစ်ခုစလုံးကို ချိတ်ဆက်ထားသည်။

အရိုးရှင်းဆုံးဥပမာမှာ Google ရှာဖွေမှုရလဒ်များတွင် သင်တွေ့နိုင်သောကတ်ဖြစ်သည်။ အကယ်၍ သင်သည် လူတစ်ဦး သို့မဟုတ် အဖွဲ့အစည်းတစ်ခုကို ရှာဖွေနေပါက၊ ညာဘက်တွင် ကတ်တစ်ခုကို တွေ့ရလိမ့်မည်-


“နောင်လာမည့်ဖြစ်ရပ်များ” သည် Google Maps မှ အချက်အလက်မိတ္တူမဟုတ်သော်လည်း Yandex.Afisha နှင့် အချိန်ဇယားကို ပေါင်းစပ်ထားခြင်းဖြစ်သည်- အဖြစ်အပျက်များကို နှိပ်ပါက ၎င်းကို အလွယ်တကူ မြင်တွေ့နိုင်သည်။ ဆိုလိုသည်မှာ ၎င်းသည် ဒေတာရင်းမြစ်များစွာကို ပေါင်းစည်းခြင်းပင်ဖြစ်သည်။

စာရင်းတစ်ခုတောင်းပါက ဥပမာ - "နာမည်ကြီး ဒါရိုက်တာများ" - အဝိုင်းလေးကို ပြပါမည်-

အဆုံးထိဖတ်သူများအတွက် ဘောနပ်စ်

ယခုမူ အချက်တစ်ခုစီ၏ အဓိပ္ပါယ်ကို ကျွန်ုပ်တို့ကိုယ်တိုင် ရှင်းရှင်း လင်းလင်းပြလိုက်သောကြောင့် တူညီသောပုံကို ကြည့်နိုင်သော်လည်း ရုရှားဘာသာဖြင့်၊

လူမှုကွန်ရက်များတွင် လွတ်လပ်စွာ မျှဝေပါ။

Tatyana Volkova - Samsung Academy မှ Internet of Things IT လမ်းကြောင်းအတွက် လေ့ကျင့်ရေးပရိုဂရမ်ရေးသားသူ၊ Samsung သုတေသနစင်တာရှိ ကော်ပိုရိတ်လူမှုရေးဆိုင်ရာတာဝန်ယူမှုအစီအစဉ်များတွင်ပါရဂူ


source: www.habr.com