गार्टनरको चार्ट प्राविधिक उद्योगका लागि उच्च फेसन शो जस्तै हो। यसलाई हेरेर, तपाइँ पहिले नै पत्ता लगाउन सक्नुहुन्छ कि कुन शब्दहरू यस सिजनमा सबैभन्दा बढी प्रचारित छन् र तपाइँ सबै आगामी सम्मेलनहरूमा के सुन्नुहुनेछ।

हामीले यस ग्राफमा सुन्दर शब्दहरू पछाडि के छ भनेर बुझेका छौं ताकि तपाईं भाषा पनि बोल्न सक्नुहुन्छ।

सुरु गर्न को लागी, यो कस्तो प्रकार को ग्राफ को बारे मा केहि शब्दहरु। प्रत्येक वर्ष अगस्टमा, परामर्श एजेन्सी गार्टनरले एउटा रिपोर्ट जारी गर्छ - गार्टनर हाइप कर्भ। रूसीमा, यो "हाइप वक्र" वा, अझ सरल रूपमा, हाइप हो। 30 वर्ष पहिले, सार्वजनिक शत्रु समूहका र्यापरहरूले गाए: "हाइपलाई विश्वास नगर्नुहोस्।" विश्वास गर्नुहोस् वा नगर्नुहोस्, यो एक व्यक्तिगत प्रश्न हो, तर यदि तपाइँ टेक्नोलोजी क्षेत्रमा काम गर्नुहुन्छ र विश्वव्यापी प्रचलनहरू जान्न चाहनुहुन्छ भने कम्तिमा यी कुञ्जी शब्दहरू जान्न लायक छ।

यो एउटा विशेष प्रविधिबाट सार्वजनिक अपेक्षाहरूको ग्राफ हो। गार्टनरका अनुसार, आदर्श रूपमा, प्रविधिले 5 चरणहरू पार गर्दछ: प्रविधिको प्रक्षेपण, बढेको अपेक्षाहरूको शिखर, निराशाको घाटी, ज्ञानको ढलान, उत्पादकताको पठार। तर यो पनि हुन्छ कि यो "निराशाको उपत्यका" मा डुब्छ - तपाईले उदाहरणहरू सजिलै सम्झन सक्नुहुन्छ, उही बिटकोइनहरू लिनुहोस्: प्रारम्भमा "भविष्यको पैसा" को रूपमा शिखरमा हिर्काउँदै, प्रविधिको कमजोरीहरू हुँदा तिनीहरू तुरुन्तै तल झर्छन्। स्पष्ट भयो, लेनदेनको संख्यामा सबै प्रतिबन्धहरू र बिटकोइनहरू (जसले पहिले नै वातावरणीय समस्याहरू समावेश गर्दछ) उत्पन्न गर्न आवश्यक पर्ने बिजुलीको ठूलो मात्रामा। र निस्सन्देह, हामीले यो बिर्सनु हुँदैन कि गार्टनरको चार्ट केवल एक भविष्यवाणी हो: यहाँ, उदाहरणका लागि, तपाइँ विस्तृत पढ्न सक्नुहुन्छ। लेख, जहाँ सबैभन्दा उल्लेखनीय अपूर्ण भविष्यवाणीहरू क्रमबद्ध छन्।

त्यसोभए, नयाँ गार्टनर चार्टमा जाऔं। प्रविधिहरू 5 ठूला विषयगत समूहहरूमा विभाजित छन्:

1. उन्नत एआई र एनालिटिक्स
2. पोस्टक्लासिकल कम्प्युट र कम्स
3. सेन्सिङ र गतिशीलता
4. संवर्धित मानव
5. डिजिटल इकोसिस्टम

1. उन्नत एआई र एनालिटिक्स

विगत १० वर्षमा हामीले गहिरो शिक्षाको उत्कृष्ट घडी देखेका छौं। यी नेटवर्कहरू तिनीहरूको कार्यहरूको दायराको लागि साँच्चै प्रभावकारी छन्। 10 मा, Yann LeCun, Geoffrey Hinton र Yoshua Bengio ले आफ्नो आविष्कारका लागि ट्युरिङ पुरस्कार प्राप्त गरे - सबैभन्दा प्रतिष्ठित पुरस्कार, कम्प्युटर विज्ञानको नोबेल पुरस्कारसँग मिल्दोजुल्दो। त्यसोभए, यस क्षेत्रमा मुख्य प्रवृत्तिहरू, जुन चार्टमा देखाइएको छ:

१.१। स्थानान्तरण शिक्षा

तपाइँ स्क्र्याचबाट एक न्यूरल नेटवर्कलाई तालिम दिनुहुन्न, तर पहिले नै प्रशिक्षित एक लिनुहोस् र यसलाई फरक लक्ष्य प्रदान गर्नुहोस्। कहिलेकाहीँ यो नेटवर्कको भाग पुन: प्रशिक्षित गर्न आवश्यक छ, तर सम्पूर्ण नेटवर्क होइन, जुन धेरै छिटो छ। उदाहरणका लागि, ImageNet50 डेटासेटमा प्रशिक्षित रेडिमेड न्यूरल नेटवर्क ResNet1000 लिएर, तपाईंले एउटा एल्गोरिदम पाउनुहुनेछ जसले छविमा धेरै फरक वस्तुहरूलाई धेरै गहिरो स्तरमा वर्गीकृत गर्न सक्छ (न्यूरलका 1000 तहहरूद्वारा उत्पन्न सुविधाहरूमा आधारित 50 कक्षाहरू। नेटवर्क)। तर तपाईले त्यो सम्पूर्ण नेटवर्कलाई तालिम दिनु पर्दैन, जसमा महिनौं लाग्नेछ।

В अनलाइन पाठ्यक्रम सैमसंग "न्यूरल नेटवर्क र कम्प्युटर दृष्टि", उदाहरणका लागि, फाइनलमा कागल कार्य प्लेटहरूलाई सफा र फोहोरमा वर्गीकरण गरेर, माथि वर्णन गरिएको वास्तुकला अनुसार बनाइएको, सफा र फोहोर प्लेटहरू छुट्याउन सक्षम गहिरो न्यूरल नेटवर्क तपाईंको डिस्पोजलमा 5 मिनेटमा दिन्छ भन्ने दृष्टिकोण प्रदर्शन गरिएको छ। मूल नेटवर्कलाई थाहा थिएन कि प्लेटहरू के हुन्, यसले केवल कुकुरहरूबाट चराहरू छुट्याउन सिकेको छ (हेर्नुहोस् ImageNet)।

स्रोत: अनलाइन पाठ्यक्रम सैमसंग "न्यूरल नेटवर्क र कम्प्युटर दृष्टि"

ट्रान्सफर लर्निङका लागि तपाईंले कुन दृष्टिकोणले काम गर्छ र कुन आधारभूत वास्तुकलाहरू उपलब्ध छन् भनेर जान्न आवश्यक छ। समग्रमा, यसले मेसिन लर्निङको व्यावहारिक अनुप्रयोगहरूको उदयलाई धेरै गति दिन्छ।

१.२। जेनेरेटिभ एडभर्सरियल नेटवर्क (GAN)

यो ती अवस्थाहरूको लागि हो जब हामीलाई सिकाउने लक्ष्य बनाउन धेरै गाह्रो हुन्छ। कार्य वास्तविक जीवनको जति नजिक छ, यो हाम्रो लागि अधिक बुझ्ने छ ("बेडसाइड टेबल ल्याउनुहोस्"), तर यसलाई प्राविधिक कार्यको रूपमा तयार गर्न अझ गाह्रो छ। GAN हामीलाई यो समस्याबाट बचाउने प्रयास मात्र हो।

यहाँ दुईवटा नेटवर्कहरू काम गरिरहेका छन्: एउटा जनरेटर (उत्पादक), अर्को भेदभाव गर्ने (विपक्षी)। एउटा नेटवर्कले उपयोगी काम गर्न सिक्छ (तस्बिरहरू वर्गीकृत गर्नुहोस्, आवाजहरू पहिचान गर्नुहोस्, कार्टुनहरू कोर्नुहोस्)। र अर्को नेटवर्कले त्यो सञ्जाललाई सिकाउन सिक्छ: यसमा वास्तविक उदाहरणहरू छन्, र यसले वास्तवमै महत्त्वपूर्ण गहिरो विशेषताहरूमा आधारित वास्तविक-विश्व वस्तुहरू (प्रशिक्षण सेट) सँग सञ्जालको उत्पन्न भागका उत्पादनहरू तुलना गर्नको लागि पहिलेको अज्ञात जटिल सूत्र फेला पार्न सिक्छ। : आँखाको संख्या, मियाजाकीको शैलीको निकटता, सही अंग्रेजी उच्चारण।

एनिमे क्यारेक्टरहरू उत्पन्न गर्नको लागि नेटवर्कको नतिजाको उदाहरण। स्रोत

तर, अवश्य पनि, त्यहाँ वास्तुकला निर्माण गर्न गाह्रो छ। न्युरोन्स मात्रै फ्याँकेर मात्र पुग्दैन, तयार हुनुपर्छ । र तपाईंले हप्ताको लागि अध्ययन गर्नुपर्छ। Samsung आर्टिफिसियल इन्टेलिजेन्स सेन्टरका मेरा सहकर्मीहरू GAN विषयमा काम गरिरहेका छन्; यो उनीहरूको प्रमुख अनुसन्धान प्रश्नहरू मध्ये एक हो। उदाहरण को लागी, यो जस्तै विकास: चर पोज भएका व्यक्तिहरूको यथार्थपरक तस्बिरहरू संश्लेषण गर्न जेनेरेटिभ नेटवर्कहरू प्रयोग गर्दै - उदाहरणका लागि, भर्चुअल फिटिंग कोठा सिर्जना गर्न, वा अनुहार संश्लेषण गर्न, जसले उच्च गुणस्तरको भिडियो सुनिश्चित गर्न भण्डारण वा प्रसारण गर्न आवश्यक जानकारीको मात्रा घटाउन सक्छ। संचार, प्रसारण वा व्यक्तिगत डेटा सुरक्षा।

स्रोत

१.३। व्याख्यायोग्य AI

केही दुर्लभ कार्यहरूका लागि, गहिरो वास्तुकलाहरूमा भएको प्रगतिले अचानक गहिरो न्यूरल नेटवर्कहरूको क्षमताहरूलाई मानव क्षमताको नजिक ल्याएको छ। अहिले यस्ता कार्यको दायरा बढाउने लडाइँ भइरहेको छ । उदाहरणका लागि, रोबोट भ्याकुम क्लिनरले हेड-अन बैठकमा कुकुरबाट बिरालोलाई सजिलै छुट्याउन सक्छ। तर धेरैजसो जीवन परिस्थितिहरूमा, उसले लिनेन वा फर्निचरको बीचमा सुतिरहेको बिरालो भेट्टाउन सक्दैन (यद्यपि, हामी जस्तै, प्रायजसो अवस्थामा ...)।

गहिरो न्यूरल नेटवर्क को सफलता को कारण के हो? तिनीहरूले "नाङ्गो आँखामा देखिने" (फोटो पिक्सेल, ध्वनि भोल्युममा परिवर्तनहरू ...) जानकारीको आधारमा नभई न्यूरल नेटवर्कको सयौं तहहरूद्वारा यस जानकारीलाई पूर्वप्रक्रिया गरेपछि प्राप्त सुविधाहरूमा आधारित समस्याको प्रतिनिधित्व विकास गर्छन्। दुर्भाग्यवश, यी सम्बन्धहरू अर्थहीन, असंगत, वा मूल डेटा सेटमा त्रुटिहरूको ट्रेसहरू बोक्न सक्छन्। उदाहरणका लागि, भर्तीमा AI को अविवेकी प्रयोगले के निम्त्याउन सक्छ भन्ने बारेमा एउटा सानो कम्प्युटर गेम छ सर्वाइभल अफ द बेस्ट फिट.

छवि ट्यागिङ प्रणालीले खाना पकाउने व्यक्तिलाई महिलाको रूपमा लेबल गर्यो, यद्यपि चित्रमा व्यक्ति वास्तवमा एक पुरुष हो (स्रोत)। यो सुचित भर्जिनिया संस्थान मा।

जटिल र गहिरो सम्बन्धहरूको विश्लेषण गर्न जुन हामी प्रायः आफैंले बनाउन सक्दैनौं, व्याख्या गर्न सकिने एआई विधिहरू आवश्यक छ। तिनीहरूले गहिरो न्यूरल नेटवर्कका सुविधाहरू व्यवस्थित गर्छन् ताकि प्रशिक्षण पछि, हामी नेटवर्कले सिकेको आन्तरिक प्रतिनिधित्वको विश्लेषण गर्न सक्छौं, यसको निर्णयमा भर पर्नुको सट्टा।

१.४। एज एनालिटिक्स / एआई

एज शब्दको साथमा सबै कुराको शाब्दिक अर्थ निम्न हो: क्लाउड/सर्भरबाट अन्तिम यन्त्र/गेटवे स्तरमा एल्गोरिदमको अंश स्थानान्तरण। यस्तो एल्गोरिथ्मले छिटो काम गर्नेछ र यसको सञ्चालनको लागि केन्द्रीय सर्भरमा जडान आवश्यक पर्दैन। यदि तपाइँ "पातलो ग्राहक" को अमूर्ततासँग परिचित हुनुहुन्छ भने, हामी यहाँ यो ग्राहकलाई अलि बाक्लो बनाउँदैछौं।
कुराको इन्टरनेटको लागि यो महत्त्वपूर्ण हुन सक्छ। उदाहरणका लागि, यदि मेसिन अति तताइएको छ र चिसो गर्न आवश्यक छ भने, यो तुरुन्तै, प्लान्ट स्तरमा, डाटा क्लाउडमा र त्यहाँबाट शिफ्ट फोरम्यानमा जानको लागि पर्खाइ नगरिकन यो संकेत गर्नु अर्थपूर्ण हुन्छ। वा अर्को उदाहरण: सेल्फ-ड्राइभिङ कारहरूले केन्द्रीय सर्भरलाई सम्पर्क नगरी ट्राफिक अवस्था आफैं पत्ता लगाउन सक्छन्।

स्रोत

वा सुरक्षा दृष्टिकोणबाट यो किन महत्त्वपूर्ण छ भन्ने अर्को उदाहरण: जब तपाइँ तपाइँको फोनमा पाठहरू टाइप गर्नुहुन्छ, यसले तपाइँको लागि सामान्य शब्दहरू सम्झन्छ, ताकि पछि फोन किबोर्डले तपाइँलाई तिनीहरूसँग सहज रूपमा प्रम्प्ट गर्न सक्छ - यसलाई भविष्यवाणी भनिन्छ। पाठ इनपुट। तपाईंले आफ्नो किबोर्डमा टाइप गर्नुहुने सबै कुरा डाटा सेन्टरमा पठाउनु भनेको तपाईंको गोपनीयताको उल्लङ्घन र केवल असुरक्षित हुनेछ। तसर्थ, किबोर्ड तालिम तपाईको यन्त्र भित्र मात्रै हुन्छ।

१.५ सेवाको रूपमा एआई प्लेटफर्म (एआई पास)

PaaS - Platform-as-a-Service एउटा व्यापारिक मोडेल हो जसमा हामीले क्लाउड-आधारित डेटा भण्डारण र तयार प्रक्रियाहरू सहित एक एकीकृत प्लेटफर्ममा पहुँच पाउँछौं। यसरी, हामी आफैंलाई पूर्वाधार कार्यहरूबाट मुक्त गर्न सक्छौं र केही उपयोगी उत्पादनमा पूर्ण रूपमा ध्यान केन्द्रित गर्न सक्छौं। AI कार्यहरूका लागि PaaS प्लेटफर्महरूको उदाहरण: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI प्लेटफर्म।

१.६। एडप्टिभ मेसिन लर्निङ (अनुकूलक एमएल)

यदि हामीले कृत्रिम बुद्धिमत्तालाई अनुकूलन गर्न दियौं भने के हुन्छ... तपाईले सोध्नुहुन्छ - त्यो हो, कसरी?... के यसले पहिले नै कार्यमा अनुकूलन गर्दैन? समस्या यो हो: हामी यसलाई समाधान गर्न कृत्रिम बुद्धिमत्ता एल्गोरिथ्म निर्माण गर्नु अघि प्रत्येक यस्तो समस्यालाई परिश्रमपूर्वक डिजाइन गर्छौं। तिनीहरूले तपाईंलाई जवाफ दिनेछन् - यो बाहिर जान्छ कि यो श्रृंखला सरल बनाउन सकिन्छ।

परम्परागत मेसिन लर्निङले ओपन-लूपको सिद्धान्तमा काम गर्छ: तपाईंले डाटा तयार गर्नुहुन्छ, न्यूरल नेटवर्क (वा कुनै पनि कुरा) लिएर आउनुहोस्, ट्रेन गर्नुहोस्, त्यसपछि धेरै सूचकहरू हेर्नुहोस्, र यदि तपाईंलाई सबै कुरा मनपर्छ भने, तपाईंले स्मार्टफोनहरूमा न्यूरल नेटवर्क पठाउन सक्नुहुन्छ। - प्रयोगकर्ता समस्या समाधान। तर अनुप्रयोगहरूमा जहाँ धेरै डाटा छ र यसको प्रकृति बिस्तारै परिवर्तन हुन्छ, अन्य विधिहरू आवश्यक पर्दछ। त्यस्ता प्रणालीहरू, जसले आफैलाई अनुकूलन र सिकाउँछन्, बन्द, आत्म-शिक्षा लूपहरू (क्लोज-लूप) मा व्यवस्थित हुन्छन्, र तिनीहरूले सहज रूपमा काम गर्नुपर्छ।

अनुप्रयोगहरू - यो स्ट्रिम एनालिटिक्स (स्ट्रिम एनालिटिक्स) हुन सक्छ, जसको आधारमा धेरै व्यवसायीहरूले निर्णयहरू लिन्छन्, वा अनुकूलन उत्पादन व्यवस्थापन। हालको अनुप्रयोगहरूको मापनमा र मानिसहरूलाई राम्रोसँग बुझिएको जोखिमहरूलाई दिईयो, यस समस्याको समाधान गर्ने प्रविधिहरू सबैलाई छाता शब्द Adaptive AI अन्तर्गत संकलन गरिन्छ।

स्रोत

यो तस्बिर हेर्दा, भविष्यविज्ञानीहरूलाई रोटी नखाने भावनाबाट छुटकारा पाउन गाह्रो छ - उनीहरूलाई रोबोटलाई सास फेर्न सिकाउन दिनुहोस् ...

पोस्टक्लासिकल कम्प्युट र कम्स

२.१। पाँचौं पुस्ताको मोबाइल संचार (2.1G)

यो यस्तो चाखलाग्दो विषय हो कि हामी तुरुन्तै तपाइँलाई हाम्रो सन्दर्भ गर्दछौं लेख। खैर, यहाँ एक छोटो सारांश छ। 5G ले डाटा ट्रान्समिसनको फ्रिक्वेन्सी बढाएर इन्टरनेटको गतिलाई अवास्तविक रूपमा छिटो बनाउनेछ। छोटो छालहरूको लागि अवरोधहरू पार गर्न अझ गाह्रो छ, त्यसैले नेटवर्कहरूको डिजाइन पूर्ण रूपमा फरक हुनेछ: 500 गुणा बढी बेस स्टेशनहरू आवश्यक छ।

गतिको साथमा, हामीले नयाँ घटनाहरू प्राप्त गर्नेछौं: संवर्धित वास्तविकताका साथ वास्तविक-समय खेलहरू, जटिल कार्यहरू (जस्तै शल्यक्रिया) टेलिप्रेसेन्स मार्फत प्रदर्शन गर्ने, दुर्घटनाहरू रोक्न र मेसिनहरू बीचको सञ्चार मार्फत सडकमा कठिन परिस्थितिहरू। थप प्रोसाइक नोटमा: मोबाइल इन्टरनेट अन्ततः सामूहिक कार्यक्रमहरू, जस्तै स्टेडियममा खेलको समयमा छोडिनेछ।

छवि स्रोत - रोयटर्स, Niantic

२.२। अर्को पुस्ताको मेमोरी

यहाँ हामी RAM को पाँचौं पुस्ताको बारेमा कुरा गर्दैछौं - DDR5। सैमसंगले घोषणा गर्यो कि DDR2019- आधारित उत्पादनहरू 5 को अन्त्य सम्म उपलब्ध हुनेछ। उही फारम कारक कायम गर्दै नयाँ मेमोरी दोब्बर छिटो र दोब्बर क्षमताको हुने अपेक्षा गरिएको छ, अर्थात् हामीले हाम्रो कम्प्युटरको लागि ३२ जीबीसम्मको क्षमताको मेमोरी स्टिकहरू प्राप्त गर्न सक्नेछौं। भविष्यमा, यो विशेष गरी स्मार्टफोनहरूका लागि सान्दर्भिक हुनेछ (नयाँ मेमोरी कम-शक्ति संस्करणमा हुनेछ) र ल्यापटपहरूको लागि (जहाँ DIMM स्लटहरूको संख्या सीमित छ)। र मेसिन लर्निङलाई पनि ठूलो मात्रामा RAM चाहिन्छ।

२.३ कम-पृथ्वी-कक्षा उपग्रह प्रणाली

भारी, महँगो, शक्तिशाली उपग्रहहरूलाई साना र सस्तोहरूको झुण्डले प्रतिस्थापन गर्ने विचार नयाँ र 90 को दशकमा देखा पर्यो। के को बारेमा "इलोन मस्कले छिट्टै उपग्रहबाट सबैलाई इन्टरनेट वितरण गर्नेछन्" अब अल्छीले मात्र सुनेको छैन। यहाँको सबैभन्दा प्रसिद्ध कम्पनी इरिडियम हो, जुन 90 को दशकको अन्तमा दिवालिया भयो, तर अमेरिकी रक्षा विभागको खर्चमा बचाइएको थियो (iRidium, रूसी स्मार्ट घर प्रणालीसँग भ्रमित नगर्नुहोस्)। एलोन मस्कको परियोजना (स्टारलिंक) एक मात्रबाट टाढा छ - रिचर्ड ब्रान्सन (वनवेब - 1440 प्रस्तावित उपग्रहहरू), बोइङ (3000 उपग्रहहरू), सैमसंग (4600 उपग्रहहरू), र अन्यहरू उपग्रह दौडमा भाग लिइरहेका छन्।

यस क्षेत्रमा चीजहरू कसरी खडा छन्, त्यहाँको अर्थव्यवस्था कस्तो देखिन्छ - पढ्नुहोस् समीक्षा। र हामी पहिलो प्रयोगकर्ताहरू द्वारा यी प्रणालीहरूको पहिलो परीक्षणको लागि पर्खिरहेका छौं, जुन अर्को वर्ष हुनुपर्दछ।

२.४ नानोस्केल थ्रीडी प्रिन्टिङ

थ्रीडी प्रिन्टिङ, यद्यपि यसले प्रत्येक व्यक्तिको जीवनमा प्रवेश गरेको छैन (व्यक्तिगत घरको प्लास्टिक कारखानाद्वारा प्रतिज्ञा गरिएको रूपमा), यद्यपि यसले लामो समय पहिले गीकहरूको लागि टेक्नोलोजी स्थान छोडेको छ। तपाईले यस तथ्यबाट न्याय गर्न सक्नुहुन्छ कि प्रत्येक विद्यालयका बालबालिकालाई कम्तिमा 3D मूर्तिकला कलमको अस्तित्वको बारेमा थाहा छ, र धेरैले धावकहरू र एक्स्ट्रुडरको लागि एउटा बक्स किन्ने सपना देख्छन्... "त्यस्तै" (वा पहिले नै खरिद गरिसकेका छन्)।

स्टेरियोलिथोग्राफी (लेजर थ्रीडी प्रिन्टरहरू) ले व्यक्तिगत फोटोनहरूसँग मुद्रण गर्न अनुमति दिन्छ: नयाँ पोलिमरहरू अन्वेषण गरिँदै छन् जसलाई ठोस बनाउन केवल दुई फोटोनहरू चाहिन्छ। यसले, गैर-प्रयोगशाला अवस्थाहरूमा, पूर्ण रूपमा नयाँ फिल्टरहरू, माउन्टहरू, स्प्रिंगहरू, केशिकाहरू, लेन्सहरू र... टिप्पणीहरूमा तपाईंको विकल्पहरू सिर्जना गर्न अनुमति दिन्छ! र यहाँ यो photopolymerization देखि टाढा छैन - केवल यो प्रविधिले हामीलाई "प्रिन्ट" प्रोसेसर र कम्प्युटिङ सर्किट गर्न अनुमति दिन्छ। थप रूपमा, यो त्यहाँ भएको पहिलो वर्ष होइन graphene 500 nm त्रि-आयामी संरचना मुद्रण गर्न प्रविधितर कट्टरपन्थी विकास बिना।

स्रोत

3. सेन्सिङ र गतिशीलता

३.१। स्वायत्त ड्राइभिङ स्तर 3.1 र 4

शब्दावलीमा भ्रममा नपर्नको लागि, यो बुझ्न लायक छ कि स्वायत्तताको कुन स्तरहरू फरक छन् (विस्तृतबाट लिइएको छ। लेख, जसमा हामी सबै चासो राख्छौं):

स्तर 1: क्रूज नियन्त्रण: धेरै सीमित परिस्थितिहरूमा चालकलाई मद्दत गर्दछ (उदाहरणका लागि, चालकले पेडलबाट आफ्नो खुट्टा निकालेपछि दिइएको गतिमा कार समातेर)
स्तर 2: सीमित स्टीयरिङ र ब्रेकिङ सहायता। चालक लगभग तुरुन्तै नियन्त्रण लिन तयार हुनुपर्छ। उनका हातहरू स्टेयरिङ ह्वीलमा छन्, उनको आँखा सडकमा निर्देशित छन्। यो केहि चीज हो जुन टेस्ला र जनरल मोटर्स पहिले नै छ।
स्तर 3: चालकले अब लगातार सडक हेरिरहनु पर्दैन। तर ऊ सतर्क रहनुपर्छ र नियन्त्रण लिन तयार हुनुपर्छ। यो त्यस्तो चीज हो जुन व्यावसायिक रूपमा उपलब्ध कारहरूमा अझै छैन। सबै हाल अवस्थित स्तर 1-2 मा छन्।
स्तर 4: साँचो अटोपायलट, तर प्रतिबन्धहरू: केवल एक ज्ञात क्षेत्रमा यात्राहरू जुन सावधानीपूर्वक म्याप गरिएको छ र सामान्यतया प्रणालीलाई थाहा छ, र निश्चित परिस्थितिहरूमा: उदाहरणका लागि, हिउँको अनुपस्थितिमा। Waymo र जनरल मोटर्ससँग त्यस्ता प्रोटोटाइपहरू छन्, र तिनीहरूले तिनीहरूलाई धेरै शहरहरूमा लन्च गर्ने र वास्तविक वातावरणमा परीक्षण गर्ने योजना बनाएका छन्। Yandex सँग Skolkovo र Innopolis मा मानवरहित ट्याक्सीहरूको लागि परीक्षण क्षेत्रहरू छन्: यात्रा यात्रुको सिटमा बस्ने इन्जिनियरको निरीक्षणमा हुन्छ; वर्षको अन्त्यसम्ममा, कम्पनीले आफ्नो फ्लीटलाई 100 मानवरहित सवारीसाधनमा विस्तार गर्ने योजना बनाएको छ।
स्तर ५: पूर्ण स्वचालित ड्राइभिङ, प्रत्यक्ष चालकको पूर्ण प्रतिस्थापन। त्यस्ता प्रणालीहरू अवस्थित छैनन्, र तिनीहरू आगामी वर्षहरूमा देखा पर्ने सम्भावना छैन।

निकट भविष्यमा यी सबै देख्नु कत्तिको यथार्थवादी छ? यहाँ म पाठकलाई लेखमा पुन: निर्देशित गर्न चाहन्छु "टेस्लाको वाचा अनुसार २०२० सम्ममा रोबोटट्याक्सी सुरु गर्न किन असम्भव छ"। यो आंशिक रूपमा 5G जडानको कमीको कारण हो: उपलब्ध 4G गति पर्याप्त छैन। आंशिक रूपमा स्वायत्त कारहरूको धेरै उच्च लागतको कारण: तिनीहरू अझै लाभदायक छैनन्, व्यापार मोडेल अस्पष्ट छ। एक शब्दमा, "सबै कुरा जटिल छ" यहाँ, र यो कुनै संयोग होइन कि गार्टनरले लेख्छन् कि स्तर 4 र 5 को व्यापक कार्यान्वयनको लागि पूर्वानुमान 10 वर्ष भन्दा पहिलेको छैन।

३.२। 3.2D सेन्सिङ क्यामेराहरू

आठ वर्षअघि, माइक्रोसफ्टको किनेक्ट गेमिङ कन्ट्रोलरले थ्रीडी भिजनमा पहुँचयोग्य र अपेक्षाकृत सस्तो समाधान प्रदान गरेर तरंगहरू बनाएको थियो। त्यसबेलादेखि, किनेक्टसँग शारीरिक शिक्षा र नृत्य खेलहरूले उनीहरूको छोटो वृद्धि र गिरावटको अनुभव गरेको छ, तर थ्रीडी क्यामेराहरू औद्योगिक रोबोटहरू, मानवरहित सवारी साधनहरू, र अनुहार पहिचानका लागि मोबाइल फोनहरूमा प्रयोग गर्न थाले। प्रविधि सस्तो, थप कम्प्याक्ट र अधिक पहुँचयोग्य भएको छ।

Samsung S10 फोनमा टाइम-अफ-फ्लाइट क्यामेरा छ जसले फोकस गर्न सजिलो बनाउन वस्तुको दूरी नाप्छ। स्रोत

यदि तपाइँ यस विषयमा रुचि राख्नुहुन्छ भने, हामी तपाइँलाई गहिराई क्यामेराहरूको धेरै राम्रो विस्तृत समीक्षामा पुन: निर्देशित गर्नेछौं: भाग 1, भाग 2.

३.३। सानो कार्गो डेलिभरीका लागि ड्रोनहरू (हल्का कार्गो डेलिभरी ड्रोनहरू)

यस वर्ष, अमेजनले शोमा नयाँ उडान ड्रोन देखाउँदा छालहरू मच्चायो जसले 2 किलोग्रामसम्मको सानो भार बोक्न सक्छ। यसको ट्राफिक जाम भएको शहरको लागि, यो एक आदर्श समाधान जस्तो देखिन्छ। यी ड्रोनहरूले निकट भविष्यमा कसरी प्रदर्शन गर्छ हेरौं। हुनसक्छ यो यहाँ सावधानीपूर्वक शंकास्पद हुनु लायक छ: त्यहाँ धेरै समस्याहरू छन्, ड्रोनको सजिलो चोरीको सम्भावनाबाट सुरु हुँदै, र UAVs मा कानुनी प्रतिबन्धहरूसँग समाप्त हुन्छ। Amazon प्राइम एयर लगभग छ वर्ष भइसक्यो तर अझै परीक्षण चरणमा छ।

अमेजनको नयाँ ड्रोन, यो वसन्त देखाइएको छ। त्यहाँ उनको बारेमा स्टार वार्स केहि छ। स्रोत

अमेजन बाहेक, यस बजारमा अन्य खेलाडीहरू छन् (त्यहाँ विस्तृत छ समीक्षा), तर एकल समाप्त उत्पादन होइन: सबै कुरा परीक्षण र मार्केटिङ अभियानको चरणमा छ। अलग, यो धेरै रोचक अत्यधिक विशेष चिकित्सा ध्यान दिएर लायक छ प्रोजेक्टहरू अफ्रिकामा: घाना (१४,००० डेलिभरी, जिपलाइन कम्पनी) र रुवाण्डा (म्याटरनेट कम्पनी) मा दान गरिएको रगतको डेलिभरी।

३.४। उडान स्वायत्त वाहनहरू

यहाँ निश्चित रूपमा केही भन्न गाह्रो छ। गार्टनरका अनुसार, यो 10 वर्ष भन्दा पहिले देखिने छैन। सामान्यतया, त्यहाँ सबै समान समस्याहरू छन् जस्तै स्व-ड्राइभिङ कारहरूमा, केवल तिनीहरूले नयाँ आयाम प्राप्त गर्छन् - ठाडो। पोर्श, बोइङ र उबरले उडान ट्याक्सी निर्माण गर्ने आफ्नो महत्वाकांक्षा घोषणा गरेका छन् ।

३.५ संवर्धित वास्तविकता क्लाउड (एआर क्लाउड)

वास्तविक संसारको स्थायी डिजिटल प्रतिलिपि, तपाईंलाई सबै प्रयोगकर्ताहरूको लागि साझा वास्तविकताको नयाँ तह सिर्जना गर्न अनुमति दिँदै। थप प्राविधिक सर्तहरूमा, हामी खुला क्लाउड प्लेटफर्म बनाउने बारेमा कुरा गर्दैछौं जसमा विकासकर्ताहरूले आफ्ना एआर अनुप्रयोगहरू एकीकृत गर्न सक्छन्। मुद्रीकरण मोडेल स्पष्ट छ; यो Steam को एक प्रकारको एनालग हो। यो विचार यति प्रबल भएको छ कि अब कोही-कोही विश्वास गर्छन् कि क्लाउड बिना AR केवल बेकार छ।

यो भविष्यमा कस्तो देखिन सक्छ छोटो भिडियोमा देखाइएको छ। ब्ल्याक मिररको अर्को एपिसोड जस्तो देखिन्छ:

मा पनि पढ्न सक्नुहुन्छ समीक्षा लेख।

4. संवर्धित मानव

४.१। भावना एआई

कसरी मापन गर्ने, अनुकरण गर्ने र मानव भावनाहरूलाई प्रतिक्रिया गर्ने? यहाँका केही ग्राहकहरू अमेजन एलेक्सा जस्ता भ्वाइस सहायकहरू बनाउने कम्पनीहरू हुन्। यदि तिनीहरूले मुड चिन्न सिक्छन् भने तिनीहरूले घरहरूमा बानी बसाल्न सक्छन्: प्रयोगकर्ताको असन्तुष्टिको कारण बुझ्नुहोस्, र स्थिति सच्याउन प्रयास गर्नुहोस्। सामान्यतया, सन्देशमा भन्दा सन्दर्भमा धेरै जानकारी छ। र सन्दर्भ भनेको अनुहारको अभिव्यक्ति, स्वर र गैर-मौखिक व्यवहार हो।

अन्य व्यावहारिक अनुप्रयोगहरू: जागिरको अन्तर्वार्ताको क्रममा भावनाहरूको विश्लेषण (भिडियो अन्तर्वार्तामा आधारित), विज्ञापन वा अन्य भिडियो सामग्री (मुस्कान, हाँसो), सिकाइमा सहयोग (उदाहरणका लागि, सार्वजनिक बोल्ने कलामा स्वतन्त्र अभ्यासको लागि) को प्रतिक्रियाहरूको मूल्याङ्कन।

६ मिनेटको छोटो फिल्मका लेखकभन्दा यस विषयमा राम्रोसँग बोल्न गाह्रो छ उर भावना चोर्दै। रमाईलो र स्टाइलिश भिडियोले मार्केटिङ उद्देश्यका लागि तपाईं हाम्रा भावनाहरू कसरी मापन गर्न सक्नुहुन्छ र तपाईंको अनुहारको क्षणिक प्रतिक्रियाहरूबाट, तपाईंलाई पिज्जा, कुकुरहरू, कान्ये वेस्ट, र तपाईंको आय स्तर र अनुमानित IQ के हो भन्ने कुरा पनि मनपर्छ कि भनेर पत्ता लगाउँदछ। माथिको लिङ्क प्रयोग गरेर फिल्मको वेबसाइटमा गएर, तपाइँ तपाइँको ल्यापटपको बिल्ट-इन क्यामेरा प्रयोग गरी अन्तरक्रियात्मक भिडियोमा सहभागी बन्नुहुनेछ। यो फिल्म यसअघि पनि विभिन्न फिल्म फेस्टिभलमा प्रदर्शन भइसकेको छ ।

स्रोत

त्यहाँ पनि यस्तो रोचक अध्ययन छ: पाठ मा व्यंग्य कसरी पहिचान गर्न। हामीले ह्यासट्याग #sarcasm को साथ ट्विटहरू लियौं र 25 ट्विटहरू व्यंग्यका साथ र 000 नियमित ट्विटहरू सूर्यमुनि सबैको बारेमा बनाइयो। हामीले TensorFlow पुस्तकालय प्रयोग गर्यौं, प्रणालीलाई तालिम दियौं, र यहाँ नतिजा छ:

स्रोत

त्यसकारण, अब, यदि तपाईं आफ्नो सहकर्मी वा साथीको बारेमा निश्चित हुनुहुन्न भने - उसले तपाईंलाई गम्भीर वा व्यंग्यात्मक रूपमा केही भन्यो, तपाईंले पहिले नै प्रयोग गर्न सक्नुहुन्छ। प्रशिक्षित तंत्रिका नेटवर्क!

४.२। संवर्धित बुद्धि

मेसिन लर्निङ विधिहरू प्रयोग गरेर बौद्धिक कार्यको स्वचालन। यो कुनै नयाँ जस्तो लाग्दैन? तर यहाँ शब्दहरू आफैंमा महत्त्वपूर्ण छ, विशेष गरी यो कृत्रिम बुद्धिमत्तासँग संक्षिप्त रूपमा मेल खान्छ। यसले हामीलाई "बलियो" र "कमजोर" एआईको बारेमा बहसमा फर्काउँछ।
Strong AI विज्ञान फिक्शन फिल्महरूबाट उही कृत्रिम बुद्धिमत्ता हो जुन मानव दिमागसँग पूर्ण रूपमा बराबर छ र एक व्यक्तिको रूपमा आफैलाई सचेत छ। यो अहिलेसम्म अवस्थित छैन र यो सबै अवस्थित हुनेछ कि छैन स्पष्ट छैन।

कमजोर एआई एक स्वतन्त्र व्यक्ति होइन, तर मानव सहायक हो। उसले मानवजस्तो सोच भएको दाबी गर्दैन, तर केवल जानकारी समस्याहरू कसरी समाधान गर्ने भनेर जान्दछन्, उदाहरणका लागि, चित्रमा देखाइएको कुरा निर्धारण गर्नुहोस् वा पाठ अनुवाद गर्नुहोस्।

स्रोत

यस अर्थमा, संवर्धित बुद्धिमत्ता यसको शुद्ध रूपमा "कमजोर एआई" हो, र यो फर्मुलेशन सफल देखिन्छ, किनकि यसले भ्रम र प्रलोभन यहाँ देखाउँदैन जुन सबैले सपना देख्छन् (वा डराउँछन्, यदि हामी "विद्रोह कारहरू" को बारेमा धेरै छलफलहरू सम्झनुहोस्)। Augmented Intelligence को अभिव्यक्ति प्रयोग गरेर, हामी तुरुन्तै अर्को फिल्मको नायक बन्छौं: विज्ञान कथा (जस्तै असिमोभको "I, रोबोट") बाट हामी आफूलाई साइबरपंकमा भेट्टाउँछौं (यस विधामा "बढाइहरू" मानव क्षमताहरू विस्तार गर्ने सबै प्रकारका प्रत्यारोपणहरू हुन्)।

कसरी भने एरिक Brynjolfsson र एन्ड्रयू McAffee: "अर्को 10 वर्ष मा, यो के हुनेछ। AI ले प्रबन्धकहरूलाई प्रतिस्थापन गर्दैन, तर ती प्रबन्धकहरूले AI प्रयोग गर्नेहरूलाई प्रतिस्थापन गर्नेछन् जसले यसलाई अझै बनाएका छैनन्।"

उदाहरण:

• चिकित्सा: स्ट्यानफोर्ड विश्वविद्यालय विकसित एल्गोरिथ्म, जसले छातीको एक्स-रेहरूमा प्याथोलोजीहरू पहिचान गर्ने कार्यलाई औसतमा प्रायः डाक्टरहरू जस्तै सफलतापूर्वक सामना गर्दछ।
• शिक्षा: विद्यार्थी र शिक्षकहरूलाई सहयोग, सामग्रीहरूमा विद्यार्थी प्रतिक्रियाहरूको विश्लेषण, व्यक्तिगत सिकाइ प्रक्षेपणको निर्माण।
• व्यापार विश्लेषण: तथ्याङ्क अनुसार डेटा प्रिप्रोसेसिङ, अनुसन्धानकर्ताको समयको 80% लिन्छ, र प्रयोगको मात्र 20%।

४.३ बायोचिप्स

यो सबै साइबरपंक चलचित्र र पुस्तकहरूको मनपर्ने विषयवस्तु हो। सामान्यतया, घरपालुवा जनावरहरूलाई माइक्रोचिपिङ गर्ने कुनै नयाँ अभ्यास होइन। तर अहिले यी चिप्स मानिसमा प्रत्यारोपण गर्न थालेका छन् ।

यस अवस्थामा, प्रचार प्रायः अमेरिकी कम्पनी थ्री स्क्वायर मार्केटमा सनसनीपूर्ण केससँग सम्बन्धित छ। त्यहाँ, रोजगारदाताले शुल्कको सट्टा छाला मुनि चिप्स प्रत्यारोपण गर्न प्रस्ताव गर्न थाले। चिपले तपाईंलाई ढोका खोल्न, कम्प्युटरमा लग इन गर्न, भेन्डिङ मेसिनबाट खाजा किन्न अनुमति दिन्छ - त्यो यस्तो विश्वव्यापी कर्मचारी कार्ड हो। यसबाहेक, यस्तो चिपले पहिचान कार्डको रूपमा ठीक रूपमा कार्य गर्दछ; यसमा GPS मोड्युल छैन, त्यसैले यसलाई प्रयोग गर्ने कसैलाई ट्र्याक गर्न असम्भव छ। र यदि कसैले आफ्नो हातबाट चिप हटाउन चाहन्छ भने, डाक्टरको सहयोगमा 5 मिनेट लाग्छ।

चिपहरू सामान्यतया औंला र औंलाको बीचमा प्रत्यारोपण गरिन्छ। स्रोत

थप पढ्नुहोस् लेख विश्वमा चिपिंगको साथ मामिलाहरूको अवस्थाको बारेमा।

४.४। इमर्सिभ कार्यक्षेत्र

"इमर्सिभ" अर्को नयाँ शब्द हो जसको कुनै पलायन छैन। यो जताततै छ। इमर्सिभ थिएटर, प्रदर्शनी, सिनेमा। तपाईको मतलब के हो? विसर्जन भनेको इमर्सिभ इफेक्टको सृष्टि हो, जब लेखक र दर्शक, भर्चुअल र वास्तविक संसारको बीचको सीमा हराइन्छ। कार्यस्थलमा, सम्भवतः, यसको मतलब कर्ता र प्रारम्भकर्ता बीचको रेखा धमिलो पार्नु र कर्मचारीहरूलाई उनीहरूको वातावरण पुन: फर्म्याट गरेर थप सक्रिय स्थिति लिन प्रोत्साहित गर्नु हो।

हामीसँग अहिले जताततै फुर्तिलो, लचिलोपन र नजिकको सहकार्य भएको हुनाले, कार्यस्थलहरू सकेसम्म सजिलै कन्फिगरयोग्य हुनुपर्छ र सामूहिक कार्यलाई प्रोत्साहन गर्नुपर्छ। अर्थतन्त्रले यसको सर्तहरू निर्धारण गर्दछ: त्यहाँ धेरै अस्थायी कर्मचारीहरू छन्, कार्यालय ठाउँ भाडाको लागत बढ्दै छ, र प्रतिस्पर्धी श्रम बजारमा, आईटी कम्पनीहरूले मनोरञ्जन क्षेत्रहरू र अन्य फाइदाहरू सिर्जना गरेर कामबाट कर्मचारी सन्तुष्टि बढाउन प्रयास गरिरहेका छन्। र यो सबै कार्यस्थल को डिजाइन मा प्रतिबिम्बित छ।

Из रिपोर्ट नल

४.५ व्यक्तित्व

विज्ञापनमा निजीकरण भनेको के हो सबैलाई थाहा छ। यो हो जब तपाईं आज एक सहकर्मीसँग कोठामा हावा अलि सुक्खा छ भनेर छलफल गर्दै हुनुहुन्छ, र तपाईंले अफिसको लागि एक ह्युमिडिफायर किन्नु पर्छ, र अर्को दिन तपाईंले आफ्नो सामाजिक नेटवर्कमा विज्ञापन देख्नुहुन्छ - "एउमिडिफायर किन्नुहोस्" (a मसँग भएको वास्तविक घटना)।

स्रोत

निजीकरण, गार्टनर द्वारा परिभाषित गरिए अनुसार, विज्ञापन उद्देश्यका लागि उनीहरूको व्यक्तिगत डेटाको प्रयोगको बारेमा प्रयोगकर्ताहरूको बढ्दो चिन्ताको प्रतिक्रिया हो। लक्ष्य एउटा दृष्टिकोण विकास गर्नु हो जसमा हामीलाई विज्ञापन देखाइन्छ जुन हामीले आफूलाई भेट्टाउने सन्दर्भमा सान्दर्भिक छ, र व्यक्तिगत रूपमा हामीलाई होइन। उदाहरणका लागि, हाम्रो स्थान, यन्त्रको प्रकार, दिनको समय, मौसम अवस्था - यो त्यस्तो चीज हो जसले हाम्रो व्यक्तिगत डेटालाई उल्लङ्घन गर्दैन, र हामीले "सर्भेल" भएको अप्रिय अनुभूति महसुस गर्दैनौं।

यी दुई अवधारणाहरू बीचको भिन्नताको बारेमा पढ्नुहोस् नोट एन्ड्रयू फ्रान्क गार्टनरको वेबसाइटमा ब्लगहरू। त्यहाँ यति सूक्ष्म भिन्नता र यस्तै मिल्दोजुल्दो शब्दहरू छन् कि तपाइँ, भिन्नता थाहा नभएको, तपाइँको वार्ताकारसँग लामो समयसम्म बहस गर्ने जोखिम, सामान्यतया, दुबै सही छन् भन्ने शंका नगर्ने (र यो पनि वास्तविक घटना हो जुन घटना हो। लेखक)।

४.६। बायोटेक - सुसंस्कृत वा कृत्रिम ऊतक

यो, सबै भन्दा पहिले, कृत्रिम मासु बढाउने विचार हो। एकै समयमा, विश्वभरका धेरै टोलीहरू प्रयोगशाला "मासु २.०" को विकासमा व्यस्त छन् - यो सामान्य भन्दा सस्तो हुने अपेक्षा गरिएको छ, र फास्ट फूडहरू र त्यसपछि सुपरमार्केटहरू यसमा स्विच हुनेछन्। यस प्रविधिमा लगानीकर्ताहरू बिल गेट्स, सर्गेई ब्रिन, रिचर्ड ब्रान्सन र अन्य समावेश छन्।

स्रोत

कारणहरू किन सबैलाई कृत्रिम मासुमा रुचि छ:

1. ग्लोबल वार्मिंग: फार्महरूबाट मिथेन उत्सर्जन। यो जलवायुलाई असर गर्ने ग्याँसहरूको विश्वव्यापी मात्राको 18% हो।
2. जनसंख्या वृद्धि। मासुको माग बढ्दै छ, र सबैलाई प्राकृतिक मासु खुवाउन सम्भव छैन - यो महँगो छ।
3. ठाउँको अभाव। अमेजन वनको ७०% चरनका लागि काटिएको छ।
4. नैतिक विचारहरू। त्यहाँ ती व्यक्तिहरू छन् जसको लागि यो महत्त्वपूर्ण छ। पशु अधिकार संस्था पेटाले कृत्रिम कुखुराको मासु बजारमा ल्याउने वैज्ञानिकलाई १० लाख डलर पुरस्कार दिने घोषणा गरेको छ ।

सोयाको साथ वास्तविक मासु प्रतिस्थापन एक आंशिक समाधान हो, किनकि मानिसहरूले स्वाद र बनावटमा भिन्नताको कदर गर्न सक्छन्, र सोयाको पक्षमा स्टेक छोड्ने सम्भावना छैन। त्यसोभए तपाईलाई वास्तविक, जैविक रूपमा बढेको मासु चाहिन्छ। अब, दुर्भाग्यवश, कृत्रिम मासु धेरै महँगो छ: प्रति किलोग्राम $ 12 बाट। यो यस्तो मासु बढ्न को जटिल प्राविधिक प्रक्रिया को कारण हो। यसको बारेमा सबै पढ्नुहोस् लेख.

यदि हामी तन्तु बढ्ने अन्य केसहरूको बारेमा कुरा गर्छौं - पहिले नै औषधिमा - तब कृत्रिम अंगहरूको विषय चाखलाग्दो छ: उदाहरणका लागि, मुटुको मांसपेशीको लागि "प्याच", छापिएको एक विशेष 3D प्रिन्टर। ज्ञात कथाहरू कृत्रिम रूपमा बढेको मुसाको मुटु जस्तै, तर सामान्यतया सबै कुरा अझै पनि क्लिनिकल परीक्षणको दायरा भित्र छ। त्यसैले हामीले आगामी वर्षहरूमा फ्रान्कनस्टाइनलाई देख्ने सम्भावना छैन।

यहाँ गार्टनर आफ्नो अनुमानमा धेरै सतर्क छन्, स्पष्ट रूपमा उनको 2015 को असफल भविष्यवाणीलाई ध्यानमा राख्दै कि 2019 मा विकसित देशहरूमा 10% जनसंख्याले 3D प्रिन्टेड मेडिकल उपकरण प्रत्यारोपण गर्नेछ। त्यसकारण, यसको मतलब उत्पादकता पठारमा पुग्नको लागि कम्तिमा 10 वर्ष हो।

5. डिजिटल इकोसिस्टम

५.१। विकेन्द्रीकृत वेब

यो अवधारणा वेबका आविष्कारक, ट्युरिङ अवार्ड विजेता सर टिम बर्नर्स-लीको नामसँग नजिकबाट जोडिएको छ। उसको लागि, कम्प्युटर विज्ञानमा नैतिकताका प्रश्नहरू सधैं महत्त्वपूर्ण थिए र इन्टरनेटको सामूहिक सार महत्त्वपूर्ण थियो: हाइपरटेक्स्टको जग राख्दै, उहाँ विश्वस्त हुनुहुन्थ्यो कि नेटवर्कले वेब जस्तै काम गर्नुपर्छ, र पदानुक्रम जस्तै होइन। यो नेटवर्क विकास को प्रारम्भिक चरण मा मामला थियो। यद्यपि, इन्टरनेट बढ्दै जाँदा, यसको संरचना विभिन्न कारणहरूले केन्द्रीकृत भयो। यो बाहिर भयो कि सम्पूर्ण देशको लागि नेटवर्कमा पहुँच सजिलै केहि प्रदायकहरूको सहयोगमा ब्लक गर्न सकिन्छ। र प्रयोगकर्ता डाटा इन्टरनेट कम्पनीहरूको लागि शक्ति र आम्दानीको स्रोत भएको छ।

"इन्टरनेट पहिले नै विकेन्द्रीकृत छ," बर्नर्स-ली भन्छन्। "समस्या भनेको एउटा खोज इन्जिन, एउटा ठूलो सामाजिक सञ्जाल, एउटा माइक्रोब्लगिङ प्लेटफर्म हावी छ। हामीसँग प्राविधिक समस्याहरू छैनन्, तर हामीसँग सामाजिक समस्याहरू छन्। ”

उसकोमा खुला पत्र वर्ल्ड वाइड वेबको 30 औं वार्षिकोत्सवको लागि, वेबका निर्माताले इन्टरनेटका तीन मुख्य समस्याहरू उल्लिखित गरे:

1. राज्य-प्रायोजित ह्याकिङ, अपराध, र अनलाइन उत्पीडन जस्ता लक्षित हानि
2. प्रणालीको एकदम डिजाइन, जसले, प्रयोगकर्ताको हानिको लागि, त्यस्ता संयन्त्रहरूको लागि आधार सिर्जना गर्दछ: क्लिकबाइटको लागि वित्तीय प्रोत्साहन र गलत जानकारीको भाइरल प्रसार।
3. प्रणाली डिजाइनको अनपेक्षित परिणामहरू जसले विवाद निम्त्याउँछ र अनलाइन छलफलको गुणस्तर घटाउँछ

र टिम बर्नर्स-लीसँग पहिले नै "स्वस्थ व्यक्तिको इन्टरनेट" कुन सिद्धान्तहरूमा आधारित हुन सक्छ भन्ने प्रश्नको जवाफ छ, समस्या नम्बर 2 रहित: "धेरै प्रयोगकर्ताहरूका लागि, विज्ञापन आय इन्टरनेटसँग अन्तर्क्रियाको लागि मात्र मोडेल रहन्छ। यदि मानिसहरू आफ्नो डेटामा के हुन्छ भनेर डराउँछन् भने, तिनीहरू नि: शुल्क सामग्री प्राप्त गर्ने अवसरको लागि मार्केटिङ मेसिनसँग सम्झौता गर्न इच्छुक छन्। यस्तो संसारको कल्पना गर्नुहोस् जहाँ सामान र सेवाहरूको लागि भुक्तान दुवै पक्षहरूका लागि सजिलो र रमाइलो छ। यसलाई कसरी व्यवस्थित गर्न सकिन्छ भन्ने विकल्पहरू मध्ये: संगीतकारहरूले iTunes को रूपमा बिचौलिया बिना आफ्नो रेकर्डिङहरू बेच्न सक्छन्, र समाचार साइटहरूले विज्ञापनबाट पैसा कमाउनुको सट्टा एउटा लेख पढ्नको लागि माइक्रोपेमेन्टको प्रणाली प्रयोग गर्न सक्छन्।

यस नयाँ इन्टरनेटको लागि प्रयोगात्मक प्रोटोटाइपको रूपमा, टिम बर्नर्स-लीले SOLID परियोजना सुरु गर्नुभयो, जसको सार यो हो कि तपाईंले आफ्नो डाटा "पोड" मा भण्डारण गर्नुहुन्छ - एक सूचना भण्डार, र यो डेटा तेस्रो-पक्ष अनुप्रयोगहरूलाई प्रदान गर्न सक्नुहुन्छ। तर सिद्धान्तमा, तपाईं आफैं आफ्नो डाटाको मालिक हुनुहुन्छ। यी सबै पियर-टु-पियर नेटवर्कहरूको अवधारणासँग नजिकको सम्बन्धमा छन्, त्यो हो, तपाईंको कम्प्युटरले सेवाहरू अनुरोध मात्र गर्दैन, तर तिनीहरूलाई प्रदान गर्दछ, ताकि एक मात्र च्यानलको रूपमा एक सर्भरमा भर नपर्ने।

स्रोत

५.२। विकेन्द्रीकृत स्वायत्त संगठनहरू

यो कम्प्यूटर प्रोग्राम को रूप मा लेखिएको नियमहरु द्वारा शासित एक संगठन हो। यसको वित्तीय गतिविधिहरू ब्लकचेनमा आधारित छन्। त्यस्ता संगठनहरू सिर्जना गर्नुको उद्देश्य राज्यलाई मध्यस्थकर्ताको भूमिकाबाट हटाउनु र प्रतिपक्षहरूका लागि साझा विश्वासको वातावरण सिर्जना गर्नु हो, जुन व्यक्तिगत रूपमा कसैको स्वामित्वमा छैन, तर सबैको साझा स्वामित्वमा छ। त्यो हो, सिद्धान्तमा, यो, यदि विचारले जरा लिन्छ भने, नोटरीहरू र अन्य सामान्य प्रमाणिकरण संस्थाहरूलाई खारेज गर्नुपर्छ।

यस्तो संस्थाको सबैभन्दा प्रसिद्ध उदाहरण उद्यम-केन्द्रित DAO थियो, जसले 2016 मा $ 150 मिलियन उठाएको थियो, जसमध्ये $ 50 तुरुन्तै नियमहरूमा कानूनी छेद मार्फत चोरी भएको थियो। एक कठिन दुविधा तुरुन्तै खडा भयो: या त फिर्ता गर्नुहोस् र पैसा फिर्ता गर्नुहोस्, वा स्वीकार गर्नुहोस् कि पैसा फिर्ता लिनु कानूनी थियो, किनकि यसले प्लेटफर्मको नियमहरूको कुनै पनि हिसाबले उल्लङ्घन गरेको छैन। नतिजाको रूपमा, लगानीकर्ताहरूलाई पैसा फिर्ता गर्नको लागि, सिर्जनाकर्ताहरूले DAO नष्ट गर्नुपर्‍यो, ब्लकचेनलाई पुन: लेख्दै र यसको आधारभूत सिद्धान्त - अपरिवर्तनीयता उल्लङ्घन गर्नुपर्‍यो।

Ethereum (बाँया) र DAO (दायाँ) को बारेमा हास्य। स्रोत

यो सम्पूर्ण कथाले DAO को धेरै विचारको प्रतिष्ठालाई बर्बाद गरेको छ। त्यो परियोजना Ethereum cryptocurrency को आधारमा बनाइएको थियो, संस्करण Ether 2.0 अर्को वर्ष अपेक्षित छ - हुनसक्छ लेखकहरूले (प्रसिद्ध Vitalik Buterin सहित) त्रुटिहरूलाई ध्यानमा राख्नेछन् र केहि नयाँ देखाउनेछन्। सायद यही कारणले गर्दा गार्टनरले DAO लाई अपलाइनमा राखे।

5.3.सिंथेटिक्स डाटा

तंत्रिका सञ्जालहरू प्रशिक्षित गर्न, ठूलो मात्रामा डाटा चाहिन्छ। डेटा म्यानुअल रूपमा लेबल गर्ने एउटा ठूलो कार्य हो जुन केवल एक मानव द्वारा गर्न सकिन्छ। तसर्थ, कृत्रिम डाटा सेटहरू सिर्जना गर्न सम्भव छ। उदाहरण को लागी, साइट मा मानव अनुहार को समान संग्रह https://generated.photos। तिनीहरू GAN प्रयोग गरेर सिर्जना गरिएका छन् - एल्गोरिदमहरू जुन माथि उल्लेख गरिएको थियो।

यी अनुहारहरू मानिसहरूसँग सम्बन्धित छैनन्। स्रोत

यस्तो डेटाको ठूलो फाइदा यो हो कि यसलाई प्रयोग गर्न कुनै कानुनी कठिनाइहरू छैनन्: व्यक्तिगत डेटाको प्रशोधन गर्न सहमति दिन कोही छैन।

5.4.डिजिटल अप्स

प्रत्यय "Ops" अविश्वसनीय रूपमा फैशनेबल भएको छ जब देखि DevOps ले हाम्रो भाषणमा जरा गाडेको छ। अब DigitalOps के हो भन्ने बारे - यो DevOps, DesignOps, MarketingOps को सामान्यीकरण मात्र हो... के तपाई अझै बोर हुनुहुन्छ? छोटकरीमा, यो सफ्टवेयर क्षेत्रबाट व्यवसायका अन्य सबै पक्षहरूमा DevOps दृष्टिकोणको स्थानान्तरण हो - मार्केटिंग, डिजाइन, आदि।

स्रोत

DevOps को विचार विकास आफैं र सञ्चालनहरू (व्यापार प्रक्रियाहरू) बीचको अवरोधहरू हटाउने थियो, साझा टोलीहरू सिर्जना गरेर, जहाँ प्रोग्रामरहरू, परीक्षकहरू, सुरक्षा विशेषज्ञहरू, र प्रशासकहरू छन्; निश्चित अभ्यासहरूको कार्यान्वयन: निरन्तर एकीकरण, कोडको रूपमा पूर्वाधार, प्रतिक्रिया श्रृंखलाहरूको कमी र सुदृढीकरण। लक्ष्य उत्पादनको बजारमा समयलाई गति दिनु थियो। यदि तपाइँ सोच्नुहुन्छ कि यो एजाइलसँग मिल्दोजुल्दो छ, तपाइँ सही हुनुहुन्थ्यो। अब मानसिक रूपमा यस दृष्टिकोणलाई सफ्टवेयर विकासको क्षेत्रबाट सामान्य रूपमा विकासमा हस्तान्तरण गर्नुहोस् - र तपाईले बुझ्नुहुन्छ कि DigitalOps के हो।

५.५ ज्ञान ग्राफहरू

मेसिन लर्निङ एल्गोरिदमहरू प्रयोग गरी ज्ञान क्षेत्रलाई मोडेल गर्ने सफ्टवेयर तरिका। एक ज्ञान ग्राफ अवस्थित डाटाबेसको शीर्षमा सबै जानकारी एकसाथ लिङ्क गर्न बनाइएको छ: दुवै संरचित (घटना वा व्यक्तिहरूको सूची) र असंरचित (लेखको पाठ)।

सरल उदाहरण कार्ड हो जुन तपाईंले Google खोज परिणामहरूमा देख्न सक्नुहुन्छ। यदि तपाइँ एक व्यक्ति वा संस्था खोज्दै हुनुहुन्छ भने, तपाइँ दायाँमा एउटा कार्ड देख्नुहुनेछ:


कृपया ध्यान दिनुहोस् कि "आगामी घटनाक्रमहरू" Google नक्साबाट जानकारीको प्रतिलिपि होइन, तर Yandex.Afisha सँग तालिकाको एकीकरण हो: यदि तपाइँ घटनाहरूमा क्लिक गर्नुहुन्छ भने तपाइँ यसलाई सजिलै देख्न सक्नुहुन्छ। अर्थात्, यो धेरै डेटा स्रोतहरूको संयोजन हो।

यदि तपाईंले सूचीको लागि सोध्नुभयो भने - उदाहरणका लागि, "प्रसिद्ध निर्देशकहरू" - तपाईंलाई क्यारोसेल देखाइनेछ:

अन्त्यसम्म पढ्नेहरूका लागि बोनस

र अब जब हामीले प्रत्येक बिन्दुको अर्थ आफैंलाई स्पष्ट पारेका छौं, हामी एउटै तस्वीर हेर्न सक्छौं, तर रूसीमा:

यसलाई सामाजिक सञ्जालहरूमा स्वतन्त्र रूपमा साझेदारी गर्नुहोस्!

तात्याना भोल्कोभा - सामसुङ एकेडेमीमा इन्टरनेट अफ थिंग्स आईटी ट्र्याकका लागि प्रशिक्षण कार्यक्रमका लेखक, सामसुङ अनुसन्धान केन्द्रमा कर्पोरेट सामाजिक उत्तरदायित्व कार्यक्रममा विशेषज्ञ


स्रोत: www.habr.com