Het Gartner Diagram voor degenen die in de technologiesector werken, is als een modebewuste tentoonstelling. Door ernaar te kijken, kunt u van tevoren ontdekken welke woorden deze seizoen populair zijn en wat u op alle komende conferenties zult horen.
We hebben uit de doeken gedaan wat er schuilgaat achter de mooie woorden op deze grafiek, zodat u ook in deze taal kunt spreken.
Laten we beginnen met een paar woorden over wat deze grafiek precies is. Elk jaar in augustus publiceert het adviesbureau Gartner een rapport – de Gartner Hype Curve. In het Nederlands betekent dit "hypecurve" of eenvoudigweg – hype. 30 jaar geleden zongen de rappers van Public Enemy: "Don’t believe the hype". Geloven of niet is een persoonlijke keuze, maar het is handig om deze sleutelwoorden te kennen als u in de technologiesector werkt en wereldwijde trends wilt begrijpen.
Deze grafiek toont de publieke verwachtingen van een bepaalde technologie. Volgens Gartner doorloopt een technologie in een ideaal geval 5 fasen: de lancering van de technologie, de piek van overmatige verwachtingen, de vallei van teleurstelling, de helling van verlichting en het plateau van productiviteit. Maar het kan ook zijn dat het vastloopt in de "vallei van teleurstelling" – voorbeelden hiervan zijn gemakkelijk te herinneren, zoals bitcoin: aanvankelijk op de piek als "de toekomst van geld", gingen ze snel naar beneden toen de tekortkomingen van de technologie duidelijk werden, vooral de beperkingen op het aantal transacties en de enorme hoeveelheid energie die nodig is voor het minen van bitcoins (wat al milieuproblemen met zich meebrengt). En natuurlijk mag niet vergeten worden dat het Gartner Diagram slechts een voorspelling is: hier kunt u bijvoorbeeld een gedetailleerd lezen waarin de meest opvallende niet-vervulde voorspellingen worden besproken.
Laten we nu een blik werpen op het nieuwe Gartner Diagram. Technologieën zijn verdeeld in 5 grote thematische groepen:
- Geavanceerde AI en analytics (Advanced AI and Analytics)
- Postclassiale berekeningen en communicatie (Postclassical Compute and Comms)
- Sensorica en mobiliteit (Sensing and Mobility)
- "Versterkt" mens (Augmented Human)
- Digitale ecosystemen (Digital Ecosystems)
1. Geavanceerde AI en analytics (Advanced AI and Analytics)
Al sinds de afgelopen 10 jaar zien we een sterrenmoment voor deep learning. Deze netwerken zijn echt effectief voor hun specifieke taken. In 2018 ontvingen Yann LeCun, Geoffrey Hinton en Yoshua Bengio de Turing Award voor hun ontdekkingen, de meest prestigieuze prijs, vergelijkbaar met de Nobelprijs in de informatica. Dus, de belangrijkste trends in dit gebied die op de grafiek zijn gezet:
1.1. Transfer Learning
Je traint een neuraal netwerk niet vanaf nul, maar neemt een al getraind netwerk en stelt een ander doel in. Soms moet je een deel van het netwerk opnieuw trainen, maar niet het hele netwerk, wat veel sneller gaat. Bijvoorbeeld, door een bestaand neuraal netwerk zoals ResNet50, dat is getraind op de ImageNet1000-dataset, te gebruiken, krijg je een algoritme dat in staat is om een zeer groot aantal verschillende objecten op een diep niveau te classificeren (1000 klassen op basis van kenmerken ontwikkeld door 50 lagen van het neuraal netwerk). Maar je hoeft dit hele netwerk niet opnieuw te trainen, wat maanden zou duren.
In Samsung ‘Neurale netwerken en computer vision’, als voorbeeld, in de finale met de classificatie van borden in schoon en vuil, wordt een aanpak gedemonstreerd die binnen 5 minuten een diep neuraal netwerk beschikbaar stelt, in staat om vuile borden van schone te onderscheiden, opgebouwd volgens de hierboven beschreven architectuur. Het oorspronkelijke netwerk wist helemaal niet wat borden waren; het leerde alleen om vogels van honden te onderscheiden (zie ImageNet).
Bron: Samsung ‘Neurale netwerken en computer vision’
Voor Transfer Learning moet je weten welke benaderingen werken en welke basisarchitecturen er zijn. Over het algemeen versnelt dit de realisatie van praktische toepassingen van machine learning enorm.
1.2. Generative Adversarial Networks (GAN)
Dit is voor die gevallen waarin het heel moeilijk is om het leerdoel te formuleren. Hoe dichter de taak bij het echte leven staat, hoe duidelijker het voor ons is (‘breng de tafel’), maar hoe moeilijker het is om het als technische specificatie te formuleren. GAN is juist een poging om ons van dit probleem te bevrijden.
Er zijn twee netwerken actief: een generator (Generative) en een discriminator (Adversarial). Het ene netwerk leert nuttige taken uit te voeren (afbeeldingen classificeren, geluiden herkennen, tekenfilms maken). Het andere netwerk leert dat netwerk te onderwijzen: het heeft echte voorbeelden en leert een voorheen onbekende complexe formule te vinden om de creaties van het generatieve deel van het netwerk te vergelijken met objecten uit de echte wereld (de trainingsset) op echt belangrijke diepe kenmerken: het aantal ogen, de nabijheid van de stijl van Miyazaki, de correctheid van de Engelse uitspraak.
Een voorbeeld van het resultaat van het netwerk voor de generatie van anime-personages.
Maar het is natuurlijk moeilijk om een architectuur op te bouwen. Het is niet voldoende om zomaar neuronen te gooien, ze moeten zorgvuldig voorbereid worden. En het leren duurt weken. Mijn collega's in het Samsung Artificial Intelligence Center werken aan het onderwerp GAN, dit is een van hun sleutelonderzoeksvragen. Bijvoorbeeld, zoiets als deze : het gebruik van generatieve netwerken voor het synthetiseren van realistische foto's van mensen met een aanpasbare houding — bijvoorbeeld om een virtuele paskamer te creëren, of voor het synthetiseren van gezichten, wat kan helpen om de hoeveelheid informatie te verlagen die opgeslagen of verzonden moet worden voor kwalitatieve videocommunicatie, uitzending of bescherming van persoonlijke gegevens.
1.3. Uitlegbaar AI (Explainable AI)
In enkele zeldzame taken heeft de vooruitgang in diepe architecturen plotseling de mogelijkheden van diepe neurale netwerken dichter bij de menselijke capaciteiten gebracht. Nu is de strijd om de reikwijdte van dergelijke taken te vergroten. Een robotstofzuiger zou bijvoorbeeld gemakkelijk een kat van een hond kunnen onderscheiden bij een rechtstreekse confrontatie. Maar in de meeste levenssituaties zal hij niet in staat zijn om een kat te vinden die ligt te slapen tussen de was of meubels (net zoals wij, in de meeste gevallen...).
Wat is de reden voor het succes van diepe neurale netwerken? Ze ontwikkelen een probleemrepresentatie die niet gebaseerd is op informatie die 'niet met het blote oog zichtbaar' is (de pixels van een foto, fluctuaties in geluidsvolume...), maar op kenmerken die zijn verkregen na de preprocessatie van deze informatie door honderden lagen van een neuraal netwerk. Helaas kunnen deze verbanden ook zinloos, tegenstrijdig of sporen van imperfectie van de oorspronkelijke dataset bevatten. Bijvoorbeeld, er is een kleine computergame die laat zien wat er kan gebeuren bij het ondoordacht toepassen van AI in het wervingsproces. .
Het systeem voor beeldannotatie benoemde een kok als vrouw, terwijl er in werkelijkheid een man op de afbeelding stond (). Dit aan het Virginia Institute.
Om complexe en diepgaande verbanden te analyseren die we vaak zelf niet kunnen formuleren, zijn er methoden voor Explainable AI nodig. Ze organiseren de kenmerken van diepe neurale netwerken zodat we na training de interne representatie die het netwerk heeft geleerd kunnen analyseren, in plaats van alleen maar op zijn beslissing te vertrouwen.
1.4. Randanalyse / AI (Edge Analytics / AI)
Alles wat het woord Edge bevat, betekent letterlijk het volgende: een deel van de algoritmes wordt van de cloud/server naar het niveau van het eindapparaat/gateway verplaatst. Zo'n algoritme zal sneller werken en heeft geen verbinding met de centrale server nodig voor zijn werking. Als je bekend bent met de abstractie 'dunne cliënt', dan maken we deze cliënt hier iets dikker.
Dit kan belangrijk zijn voor het Internet der Dingen. Bijvoorbeeld, als een machine oververhit is en gekoeld moet worden, is het logisch om daar onmiddellijk een signaal over af te geven, op het niveau van de fabriek, zonder te wachten tot de gegevens in de cloud komen en vervolgens naar de ploegchef worden verzonden. Of een ander voorbeeld: autonome voertuigen kunnen zelf de verkeerssituatie inschatten, zonder contact op te nemen met de centrale server.
Of een ander voorbeeld waarom dit belangrijk is vanuit een beveiligingsperspectief: wanneer je op je telefoon teksten typt, onthoudt het typische woorden voor jou, zodat het toetsenbord je handig kan helpen met suggesties – dit wordt voorspellende tekstinvoer genoemd. Alles wat je typt naar een datacenter sturen, zou een schending van jouw privacy zijn en simpelweg onveilig. Daarom gebeurt de training van het toetsenbord alleen op jouw eigen apparaat.
1.5. AI-platform als dienst (AI PaaS)
PaaS – Platform-as-a-Service – is een bedrijfsmodel waarbij we toegang krijgen tot een geïntegreerd platform, inclusief cloudopslag en kant-en-klare procedures. Op deze manier kunnen we ons ontlasten van infrastructuurtaken en ons volledig richten op het ontwikkelen van nuttige producten. Voorbeelden van PaaS-platforms voor AI-taken zijn: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Adaptief machine learning (Adaptive ML)
Wat als we kunstmatige intelligentie zouden toestaan om zich aan te passen… Je vraagt je misschien af – hoe dan? Past het zich niet al aan de taak aan? Het probleem is als volgt: voor elke taak formuleren we zorgvuldig de specificaties voordat we een algoritme voor kunstmatige intelligentie opstellen om deze op te lossen. Men zal antwoorden dat het mogelijk is om deze keten ook te vereenvoudigen.
Traditioneel machine learning werkt op basis van een open systeem (open-loop): je bereidt gegevens voor, bedenkt een neuraal netwerk (of wat dan ook), traint dit en bekijkt dan een paar indicatoren; als alles naar wens is, kan het neurale netwerk naar smartphones worden gestuurd om taken van gebruikers op te lossen. Maar in toepassingen waar er veel gegevens zijn en het karakter ervan geleidelijk verandert, zijn andere methoden nodig. Dergelijke systemen, die zich aanpassen en zichzelf trainen, organiseren zich in gesloten, zelflerende lussen (closed-loop), en deze moeten ononderbroken functioneren.
Toepassingen kunnen bijvoorbeeld stream analytics zijn, waarop veel ondernemers hun beslissingen baseren, of adaptief productiebeheer. Gezien de schaal van moderne toepassingen en de beter begrepen risico's voor mensen, worden de methoden die deze problemen oplossen samengebracht onder de gemeenschappelijke noemer Adaptieve AI.
Wanneer je naar deze afbeelding kijkt, is het moeilijk om niet het gevoel te hebben dat futuristen niet met brood moeten worden gevoed – geef ze een robot te leren ademen...
Postclassiale berekeningen en communicatie (Postclassical Compute and Comms)
2.1. De mobiele verbinding van de vijfde generatie (5G)
Het is zo'n interessant onderwerp dat we direct verwijzen naar onze . Hier is een korte samenvatting. 5G zal de snelheid van internet onrealistisch snel maken door verhoogde datasnelheden. Korte golven hebben meer moeite om door obstakels te dringen, waardoor de opzet van netwerken helemaal anders zal zijn: we hebben 500 keer meer basistations nodig.
Naast de snelheid zullen we nieuwe fenomenen krijgen: real-time spellen met augmented reality, het uitvoeren van complexe taken (zoals chirurgie) via telepresence, het voorkomen van ongelukken en gevaarlijke situaties op de weg door communicatie tussen voertuigen. Vanuit een meer alledaags perspectief: eindelijk zal mobiel internet niet meer wegvallen tijdens massale evenementen zoals een wedstrijd in het stadion.
Bron van de afbeelding – Reuters, Niantic
2.2. Geheugen van de volgende generatie (Next-Generation Memory)
Hier gaat het over de vijfde generatie RAM – DDR5. Samsung heeft aangekondigd dat tegen het einde van 2019 producten op basis van DDR5 beschikbaar zullen komen. Verwacht wordt dat het nieuwe geheugen twee keer zo snel en twee keer zo groot zal zijn, met behoud van het formaat, wat betekent dat we geheugenchips van maximaal 32 GB voor onze computers kunnen krijgen. In de toekomst zal dit vooral relevant zijn voor smartphones (het nieuwe geheugen komt in een versie met een laag energieverbruik) en voor laptops (waar het aantal DIMM-sleuven beperkt is). Bovendien vereist machine learning veel RAM.
2.3. Lage-aard-satellietsystemen (Low-Earth-Orbit Satellite Systems)
Het idee om zware, dure, krachtige satellieten te vervangen door een zwerm kleine en goedkope is niet nieuw en dateert al uit de jaren 90. Over het feit dat hoorde momenteel alleen de luie mensen niet. Het bekende bedrijf hier is Iridium, dat aan het einde van de jaren 90 failliet ging, maar werd gered door het Amerikaanse ministerie van Defensie (niet te verwarren met iRidium – het Russische slimme huissysteem). Het project van Elon Musk (Starlink) is zeker niet de enige – in de satellietenrace doen Richard Branson (OneWeb – 1440 verwachte satellieten), Boeing (3000 satellieten), Samsung (4600 satellieten) en anderen mee.
Hoe het ervoor staat in dit gebied, hoe de economie eruitziet – lees het in de . We verwachten de eerste testen van deze systemen door de eerste gebruikers, die al volgend jaar zouden moeten plaatsvinden.
2.4. Nanometerschalen 3D-printen (Nanoscale 3D Printing)
3D-printen, hoewel het nog niet het leven van elke persoon heeft bereikt (in de vorm van de beloofde individuele thuis kunststoffabriek), is echter al lang uit de niche van geektechnologieën gekomen. We kunnen dit oordelen aan het feit dat ongeveer elke scholier bekend is met het bestaan van zelfs 3D-sculptuurpennen, en velen dromen ervan om een doos met glijbanen en een extruder voor… 'gewoon zo' aan te schaffen (of hebben dat al gedaan).
Stereolithografie (laser 3D-printers) maakt het mogelijk om te printen met afzonderlijke fotonen: er worden nieuwe polymeren onderzocht waarvoor slechts twee fotonen nodig zijn om te verharding. Dit zal het mogelijk maken om in niet-laboratoriumomstandigheden volledig nieuwe filters, bevestigingen, veertjes, capillairen, lenzen en… jullie voorstellen in de comments te maken! En hier is het niet ver van fotopolymerisatie – alleen deze technologie maakt het mogelijk om processors en computerschakelingen te 'printen'. Bovendien bestaat er al meerdere jaren de , maar zonder ingrijpende ontwikkeling.
3. Sensoren en mobiliteit (Sensing and Mobility)
3.1. Autonome voertuigen, niveau 4 en 5 (Autonomous Driving Level 4 & 5)
Om niet verward te raken in de terminologie, is het belangrijk om te begrijpen welke niveau's van autonomie worden onderscheiden (gebaseerd op een gedetailleerde , waar we geïnteresseerden naar verwijzen):
Niveau 1: Cruise control: assistentie aan de bestuurder in zeer beperkte situaties (bijvoorbeeld het behouden van de snelheid nadat de bestuurder zijn voet van het pedaal heeft genomen)
Niveau 2: Beperkte hulp bij stuur en remmen. De bestuurder moet klaar zijn om bijna onmiddellijk de controle over te nemen. Zijn handen zijn aan het stuur en zijn blik is op de weg gericht. Dit is wat er al is in Tesla en General Motors.
Niveau 3: De bestuurder hoeft niet continu op de weg te letten. Maar moet alert blijven en klaar zijn om de controle over te nemen. Dit is wat momenteel nog niet beschikbaar is in de te koop aangeboden voertuigen. Alle bestaande voertuigen zijn momenteel op niveau 1-2.
Niveau 4: Echte autopilot, maar met beperkingen: alleen ritten in een bekend gebied dat zorgvuldig in kaart is gebracht en over het algemeen bekend is bij het systeem, en onder bepaalde voorwaarden: bijvoorbeeld bij afwezigheid van sneeuw. Dergelijke prototypes zijn er van Waymo en General Motors, en zij plannen deze in verschillende steden te lanceren en in de praktijk te testen. Yandex heeft testgebieden voor zelfrijdende taxi's in Skolkovo en Innopolis: de rit vindt plaats onder toezicht van een ingenieur die op de passagiersstoel zit; tegen het einde van het jaar is het bedrijf van plan om het wagenpark uit te breiden tot 100 zelfrijdende auto's.
Niveau 5: Volledig autonoom rijden, volledige vervanging van een menselijke bestuurder. Dergelijke systemen bestaan niet, en het is onwaarschijnlijk dat ze in de komende jaren zullen verschijnen.
Hoe realistisch is het om dit op korte termijn te zien? Hier zouden we de lezer graag willen doorverwijzen naar het artikel . Dit heeft deels te maken met het gebrek aan 5G-connectiviteit: de bestaande 4G-snelheden zijn onvoldoende. En deels met de zeer hoge kosten van autonome voertuigen: ze zijn momenteel niet winstgevend, en het bedrijfsmodel is onduidelijk. Kortom, hier is 'het allemaal ingewikkeld', en het is geen toeval dat Gartner schrijft dat de voorspelling voor de massale adoptie van Niveau 4 en 5 niet eerder dan over 10 jaar zal zijn.
3.2. Camera's met 3D-zicht (3D Sensing Cameras)
Acht jaar geleden veroorzaakte de Microsoft Kinect gamingcontroller veel ophef door een betaalbare en relatief goedkope oplossing voor 3D-zicht aan te bieden. Sindsdien zijn fysieke dansspellen met Kinect in een korte opkomst en ondergang doorgemaakt, maar 3D-camera's worden steeds vaker gebruikt in industriële robots, zelfrijdende voertuigen, en mobiele telefoons voor gezichtsherkenning. De technologie is goedkoper, compacter en toegankelijker geworden.
In de Samsung S10 zit een Time-of-Flight-camera die de afstand tot een object meet - voor het vergemakkelijken van de scherpstelling.
Als je geïnteresseerd bent in dit onderwerp, verwijs ik je graag naar een zeer goede en gedetailleerde beoordeling van dieptecamera's: , .
3.3. Drones voor het bezorgen van kleine vracht (Light Cargo Delivery Drones)
Dit jaar maakte Amazon ophef door op een tentoonstelling een nieuwe vliegende drone te presenteren die kleine ladingen tot 2 kg kan vervoeren. Voor een stad met zijn verkeersdrukte lijkt dit een ideale oplossing. We zullen zien hoe deze drones zich in de nabije toekomst zullen bewijzen. Het is misschien gepast om enige voorzichtige scepsis in te schakelen: er zijn tal van problemen, variërend van de mogelijkheid van eenvoudige diefstal van de drone tot wetgevende beperkingen op UAV's. Amazon Prime Air bestaat al zes jaar, maar is nog steeds in de testfase.
De nieuwe drone van Amazon, die deze lente werd gepresenteerd. Er is iets van 'Star Wars' in te zien.
Naast Amazon zijn er andere spelers op deze markt (er is een gedetailleerde ), maar er is nog geen enkel kant-en-klaar product: alles bevindt zich in de test- en marketingfase. Het is vermeldenswaard dat er enkele interessante gespecialiseerd medische in Afrika zijn: de levering van donorbloed in Ghana (14.000 leveringen, bedrijf Zipline) en Rwanda (bedrijf Matternet).
3.4. Vliegend autonoom vervoer (Flying Autonomous Vehicles)
Het is moeilijk om hier iets definitiefs over te zeggen. Volgens Gartner zal dit niet eerder dan over 10 jaar verschijnen. Over het algemeen zijn de problemen die hier spelen dezelfde als bij autonome voertuigen, alleen krijgen ze een nieuwe dimensie — verticaal. Porsche, Boeing en Uber hebben hun ambities uitgesproken om een vliegtaxi te bouwen.
3.5. Cloud van augmented reality (AR Cloud)
Een permanente digitale kopie van de echte wereld die een nieuwe laag van realiteit creëert die gedeeld wordt door alle gebruikers. Om het technischer te zeggen, het gaat om het creëren van een open cloudplatform waarin ontwikkelaars hun AR-applicaties kunnen integreren. Het monetarisatiemodel is duidelijk, het is een soort equivalent van Steam. Het idee is zo ingeburgerd dat sommige mensen nu denken dat AR zonder cloud gewoon nutteloos is.
Hoe dit er in de toekomst uit kan zien, is weergegeven in een kleine video. Het lijkt op een aflevering van 'Black Mirror':
Er is ook meer te lezen in
4. 'Augmented' mens (Augmented Human)
4.1. AI voor emoties (Emotion AI)
Hoe meet, simuleer en reageer je op menselijke emoties? Een van de klanten hier zijn bedrijven die spraakassistenten maken zoals Amazon Alexa. Ze zullen echt in huizen kunnen inleven als ze leren de gemoedstoestand te herkennen: begrijpen waarom de gebruiker ontevreden is en proberen de situatie te verbeteren. In feite is er veel meer informatie in de context dan in het bericht zelf. En de context omvat gezichtsuitdrukkingen, intonatie en non-verbaal gedrag.
Andere praktische toepassingen zijn: emotieanalyse tijdens sollicitatiegesprekken (via video-interviews), het beoordelen van reacties op reclamefilmpjes of ander videomateriaal (glimlachen, lachen), en ondersteuning bij leren (bijvoorbeeld voor zelfstudies in de kunst van presenteren).
Het is moeilijk om het beter te zeggen dan de auteur van de 6 minuten durende korte film . In deze geestige en stijlvol gemaakte video wordt getoond hoe je onze emoties kunt meten voor marketingdoeleinden, en uit de onmiddellijke reacties op je gezicht kun je opmaken: hou je van pizza, honden, Kanye West, en zelfs wat je inkomen en geschatte IQ zijn. Door naar de filmwebsite te gaan via de bovenstaande link, neem je deel aan een interactieve video met behulp van de ingebouwde camera van je laptop. De film is al op verschillende filmfestivals vertoond.
Er is zelfs een interessant onderzoek gedaan: hoe je sarcasme in tekst kunt herkennen. Ze hebben tweets met de hashtag #sarcasm verzameld en een trainingsset gemaakt van 25.000 sarcasme-tweets en 100.000 gewone tweets over van alles en nog wat. Ze hebben de TensorFlow-bibliotheek toegepast en het systeem getraind, dit is het resultaat:
Dus tegenwoordig, als je niet zeker bent over wat je collega of vriend zegt – zei hij iets serieus of was het sarcastisch? – kun je de reeds !
4.2. Augmented Intelligence
Automatisering van intellectueel werk met behulp van machine learning-methoden. Het lijkt misschien niets nieuws? Maar hier is de formulering zelf belangrijk, vooral omdat het dezelfde afkorting heeft als Artificial Intelligence. Dit verwijst naar de discussie over 'sterke' en 'zwakke' AI.
Sterke AI is die kunstmatige intelligentie uit sciencefictionfilms, die volledig gelijkwaardig is aan het menselijke verstand en zichzelf als een persoon erkent. Dit bestaat nog niet en het is onduidelijk of het überhaupt zal bestaan.
Zwakke AI is geen zelfstandige persoonlijkheid, maar een assistent van de mens. Het pretendeert geen mensachtige denkwijze te hebben, maar kan gewoon informatieverwerkingstaken uitvoeren, zoals het bepalen wat er op een afbeelding staat of teksten vertalen.
In dit opzicht is Augmented Intelligence puur 'zwakke AI', en de term lijkt gelukkig te zijn, omdat het verwarring voorkomt en de verleiding om hier die 'sterke AI' in te zien, waar iedereen van droomt (of bang voor is, als we denken aan de talrijke bespiegelingen over een 'opstand van de machines'). Door de term Augmented Intelligence te gebruiken, worden we alsof we helden zijn in een andere film: van sciencefiction (zoals 'I, Robot' van Asimov) belanden we in cyberpunk (in dit genre worden 'augmentaties' aangeduid als allerlei implantaten die de mogelijkheden van de mens uitbreiden).
Zoals Erik Brynjolfsson en Andrew McAfee: "In de komende 10 jaar zal het volgende gebeuren. Niet de AI vervangt managers, maar die managers die AI gebruiken zullen diegene vervangen die dat nog niet hebben gedaan."
Voorbeelden:
- Geneeskunde: de Stanford Universiteit heeft ontwikkeld , dat de taak van het herkennen van pathologieën op röntgenfoto's van de borstkas gemiddeld net zo succesvol uitvoert als de meeste artsen.
- Onderwijs: ondersteuning van de leerling en de leraar, analyse van de reacties van leerlingen op materialen, opbouw van een individuele leertraject.
- Bedrijfsanalyse: gegevensvoorverwerking neemt statistisch gezien 80% van de tijd van de onderzoeker in beslag, en slechts 20% is voor het experiment zelf.
4.3. Biochips (Biochips)
Dit is het favoriete onderwerp van alle cyberpunkfilms en boeken. Het chippen van huisdieren is in feite geen nieuwe praktijk. Maar nu worden deze chips ook bij mensen geïmplanteerd.
In dit geval is de hype waarschijnlijk gerelateerd aan de veelbesproken zaak van het Amerikaanse bedrijf Three Square Market. Daar begon de werkgever te bieden om chipjes onder de huid in te brengen in ruil voor een beloning. De chip maakt het mogelijk om deuren te openen, in te loggen op computers en snacks uit de automaat te kopen – dus zo'n universele werknemerskaart. Bovendien fungeert deze chip alleen als identificatiekaart, er zit geen GPS-module in, dus je kunt niemand er mee volgen. En als iemand de chip uit zijn hand wil verwijderen, duurt dat slechts 5 minuten met behulp van een dokter.
Chips worden meestal ingebracht tussen de duim en de wijsvinger.
Lees meer over de stand van zaken met chiptechnologie in de wereld.
4.4. Immersieve Werkruimte (Immersive Workspace)
'Immersief' is weer een nieuw woord waar je gewoon niet omheen kunt. Het is overal. Immersief theater, tentoonstellingen, films. Wat bedoelen we daarmee? Immersiviteit is het creëren van een gevoel van onderdompeling, waarbij de grens tussen auteur en publiek, virtuele en realere wereld vervaagt. Toegepast op de werkplek, betekent dit waarschijnlijk het wissen van de grens tussen uitvoerder en initiatiefnemer en het aanmoedigen van medewerkers om actiever deel te nemen door de omgeving waarin ze zich bevinden te hervormen.
Nu we overal Agile, flexibiliteit en nauwe interactie hebben, moeten werkplekken maximaal eenvoudig configureerbaar zijn en groepswerk bevorderen. De economie stelt zijn eisen: er komen meer tijdelijke werknemers, de huurprijzen van kantoorruimtes stijgen, en in de competitieve arbeidsmarkt proberen IT-bedrijven het werkplezier van medewerkers te verhogen door recreatiegebieden en andere voordelen te creëren. Dit alles weerspiegelt zich in het ontwerp van werkplekken.
Uit Knoll
4.5. Personificatie (Personification)
Iedereen weet wat personalisatie in reclame is. Dit is wanneer je vandaag met een collega bespreekt dat de lucht in de ruimte wat droog is, en dat je een luchtbevochtiger voor het kantoor zou moeten kopen, en de volgende dag zie je op je sociale netwerk reclame – 'koop een luchtbevochtiger' (een echte ervaring die mij is overkomen).
Personalisatie, volgens Gartner, is een antwoord op de toenemende bezorgdheid van gebruikers over het gebruik van hun persoonlijke gegevens voor reclame. Het doel is een aanpak te ontwikkelen waarbij ons advertenties worden getoond die passen bij de context waarin we ons bevinden, en niet persoonlijk aan ons zijn gericht. Bijvoorbeeld, onze locatie, type apparaat, tijd van de dag en weersomstandigheden zijn zaken die onze persoonlijke gegevens niet schenden, wat voorkomt dat we ons ongemakkelijk voelen over 'toezicht'.
Lees meer over het verschil tussen deze twee begrippen van Andrew Frank op de Gartner-website. Het is een zo fijn onderscheid, en de woorden zijn zo vergelijkbaar, dat je, als je het verschil niet kent, een langdurige discussie met je gesprekspartner kunt riskeren, niet wetende dat in wezen beiden gelijk hebben (en dit is ook echt gebeurd met de auteur).
4.6. Biotech – Kunstmatige weefsels (Biotech – Cultured or Artificial Tissue)
Dit is in de eerste plaats het idee van het kweken van kunstvlees. Tegelijkertijd werken verschillende teams over de hele wereld aan de ontwikkeling van laboratorium ‘Vlees 2.0’ – het wordt verwacht dat dit goedkoper zal zijn dan normaal vlees, en dat fastfoodrestaurants er al snel naar zullen overschakelen, gevolgd door supermarkten. Onder de investeerders in deze technologie zijn Bill Gates, Sergey Brin, Richard Branson en anderen.
Bron
Redenen waarom kunstmatig vlees zoveel interesse wekt:
- Klimaatverandering: methaanemissies van boerderijen. Dit is 18% van de wereldwijde gasemissies die het klimaat beïnvloeden.
- Bevolkingsgroei. De vraag naar vlees neemt toe, en het is onmogelijk om iedereen van natuurlijk vlees te voorzien – het is gewoon te duur.
- Ruimtegebrek. Al 70% van de Amazonebossen is gekapt voor veeteelt.
- Ethische overwegingen. Voor sommigen is dit belangrijk. De dierenrechtenorganisatie PETA heeft al een prijs van 1 miljoen dollar aangeboden voor die wetenschapper die kunstmatig kippenvlees op de markt brengt.
Het vervangen van echt vlees door soja is een gedeeltelijke oplossing, aangezien mensen het verschil in smaak en textuur goed kunnen voelen, en het is onwaarschijnlijk dat ze hun steak voor soja zullen opgeven. Dus er is echt, organisch gekweekd vlees nodig. Helaas is kunstmatig vlees momenteel nog te duur: vanaf $12 per kilo. Dit komt door het complexe productieproces voor het kweken van dit vlees. Lees hierover meer. .
Als we het hebben over andere cases van weefselkweek – al in de geneeskunde – is het onderwerp van kunstmatige organen interessant: bijvoorbeeld, een 'pleister' voor de hartspier, door een speciale 3D-printer. Bekend zijn zoals het kunstmatig gekweekte muizenhart, maar over het algemeen blijft alles tot nu toe binnen de grenzen van klinische proeven. Dus we zullen Frankenstein de komende jaren waarschijnlijk niet zien.
Hier is Gartner zeer voorzichtig in zijn beoordelingen, kennelijk in gedachten houdend zijn mislukte voorspelling van 2015 dat in 2019 10% van de bevolking van ontwikkelde landen een 3D-geprint medisch implantaat zal hebben. Daarom geeft hij aan dat de tijd tot het bereiken van een productiviteitsplateau – ten minste 10 jaar – zal duren.
5. Digitale ecosystemen (Digital Ecosystems)
5.1. Gedecentraliseerd Web (Decentralized Web)
Dit begrip is nauw verbonden met de naam van de uitvinder van het web, Turingprijswinnaar Sir Tim Berners-Lee. Voor hem waren ethische vragen in de informatica altijd belangrijk en was de collectieve aard van het internet essentieel: bij het leggen van de fundamenten van hypertekst was hij ervan overtuigd dat het netwerk als een web moest functioneren, en niet als een hiërarchie. Dat was ook het geval in de vroege fase van de ontwikkeling van het netwerk. Maar met de groei van het internet begon zijn structuur om verschillende redenen te centraliseren. Het bleek mogelijk om de toegang tot het netwerk voor een heel land gemakkelijk te blokkeren met slechts een paar providers. En de gegevens van gebruikers werden een bron van kracht en inkomen voor internetbedrijven.
‘Het internet is al gedecentraliseerd,’ zegt Berners-Lee. ‘Het probleem is dat er één zoekmachine, één groot sociaal netwerk en één platform voor microblogging domineert. We hebben geen technologische problemen, maar sociale.’
In jouw ter gelegenheid van het 30-jarig bestaan van het World Wide Web schetste de uitvinder van het web drie belangrijke problemen van het internet:
- Opzettelijke schade, zoals door de overheid gesponsorde hackersaanvallen, criminaliteit en online intimidatie
- Het ontwerp van het systeem zelf, dat ten koste van de gebruiker een voedingsbodem creëert voor mechanismen zoals: financiële prikkels voor clickbait en de virale verspreiding van valse informatie
- Onbedoelde gevolgen van het systeemsontwerp, die leiden tot conflicten en afname van de kwaliteit van online discussies
En Tim Berners-Lee heeft al een antwoord op welke principes het 'Internet van de gezonde mens' zou kunnen baseren, vrij van probleem nummer 2: 'Voor veel gebruikers blijft de enige interactiemodel met het web de advertentie-inkomsten. Zelfs als mensen bang zijn voor wat er met hun gegevens gebeurt, zijn ze bereid om een deal te sluiten met de marketingmachine in ruil voor toegang tot gratis inhoud. Stel je een wereld voor waarin de betaling voor goederen en diensten eenvoudig en aangenaam is voor beide partijen.' Een van de manieren waarop dit kan worden ingericht: muzikanten kunnen hun muziek rechtstreeks verkopen zonder tussenpersonen zoals iTunes, en nieuwswebsites kunnen een systeem van microbetalingen voor het lezen van één artikel gebruiken, in plaats van te vertrouwen op reclame-inkomsten.
Als experimenteel prototype van een nieuw type internet lanceerde Tim Berners-Lee het SOLID-project. Het idee is dat je jouw gegevens opslaat in een 'pod' - een informatieopslag - en deze gegevens aan derden kunt verstrekken. In wezen ben je zelf de eigenaar van je gegevens. Dit staat in nauw verband met het concept van peer-to-peer netwerken, wat betekent dat je computer niet alleen diensten opvraagt, maar ook diensten biedt, zodat je niet afhankelijk bent van één enkele server als enige kanaal.
5.2. Gedecentraliseerde autonome organisaties (Decentralized Autonomous Organizations)
Dit is een organisatie die wordt beheerd door regels die in de vorm van een computerprogramma zijn vastgelegd. De financiële activiteiten vinden plaats op basis van blockchain. Het doel van het creëren van dergelijke organisaties is om de staat uit de rol van tussenpersoon te halen en een gedeelde vertrouwde omgeving voor contractpartners te creëren, die niet door één persoon wordt beheerd, maar gezamenlijk door iedereen. In theorie zou dit, als het idee aanslaat, notarissen en andere gebruikelijke verificatie-instituten overbodig moeten maken.
Een van de bekendste voorbeelden van zo'n organisatie was de op venture capital gerichte The DAO, die in 2016 150 miljoen dollar ophaalde, waarvan 50 onmiddellijk werd gestolen via een legale 'achterdeur' in de regels. Dit leidde tot een complexe dilemma: ofwel terugdraaien en het geld teruggeven, ofwel erkennen dat het onttrekken van de fondsen legaal was, aangezien het op geen enkele manier de regels van het platform schond. Uiteindelijk, om het geld aan de investeerders terug te geven, moesten de ontwikkelaars The DAO vernietigen door de blockchain opnieuw te schrijven en zijn fundamentele principe - onveranderlijkheid - te schenden.
De strip over Ethereum (links) en The DAO (rechts).
Heel dit verhaal heeft de reputatie van het DAO-concept aangetast. Het project was opgebouwd op de basis van de cryptocurrency Ethereum, en volgend jaar wordt versie Ethereum 2.0 verwacht – misschien zullen de auteurs (waaronder de bekende Vitalik Buterin) de fouten in overweging nemen en iets nieuws tonen. Waarschijnlijk daarom heeft Gartner DAO op de opgaande lijn geplaatst.
5.3.Synthetische gegevens (Synthetics Data)
Voor het trainen van neurale netwerken zijn grote hoeveelheden gegevens nodig. Handmatig gegevens labelen is een enorme opgave die alleen door mensen kan worden uitgevoerd. Daarom kunnen kunstmatige datasets worden gemaakt. Bijvoorbeeld, dezelfde collecties van menselijke gezichten op de site . Ze worden gemaakt met behulp van GAN – algoritmes die hierboven al zijn genoemd.
Deze gezichten behoren niet tot mensen.
Een groot voordeel van dergelijke gegevens is dat er geen juridische complicaties zijn bij het gebruik ervan: niemand kan toestemming voor de verwerking van persoonsgegevens geven.
5.4.Digital Ops
De suffix ‘Ops’ is ongelooflijk in trek geworden sinds DevOps in onze taal is ingeburgerd. Nu, wat DigitalOps betreft – het is gewoon een algemene term voor DevOps, DesignOps, MarketingOps… Heb je je nog niet verveeld? Kortom, het is de toepassing van de DevOps-aanpak op alle andere aspecten van het bedrijfsleven – marketing, design, enz.
Het idee van DevOps was om de barrières tussen Development (ontwikkeling) en Operations (bedrijfsprocessen) te verlagen door gemeenschappelijke teams te creëren waarin programmeurs, testers, beveiligingsspecialisten en systeembeheerders samenwerken; door bepaalde praktijken in te voeren: continue integratie, infrastructuur als code, en het verkorten en versterken van feedbackloops. Het doel was om de time-to-market van producten te versnellen. Als je dacht dat dit op Agile lijkt, heb je gelijk. Denk nu mentaal aan deze benadering en pas deze toe buiten softwareontwikkeling – en je begrijpt wat DigitalOps is.
5.5. Kennisgrafieken (Knowledge Graphs)
Een softwarematige manier om een kennisgebied te modelleren, inclusief door gebruik te maken van machine learning-algoritmen. De kennisgrafiek wordt opgebouwd bovenop bestaande databases om alle informatie met elkaar te verbinden: zowel gestructureerde (een lijst van gebeurtenissen of personen) als ongestructureerde (de tekst van een artikel).
Het eenvoudigste voorbeeld is de kaart die je kunt zien in de zoekresultaten van Google. Als je naar een persoon of instelling zoekt, zie je rechts een kaart:
Let op dat 'Aankomende evenementen' geen duplicaat is van informatie van Google Maps, maar een integratie van de agenda met Yandex.Afisha: dit wordt duidelijk als je op de evenementen klikt. Dit is dus de samensmelting van verschillende databronnen.
Als je om een lijst vraagt – bijvoorbeeld 'bekende filmmakers' – krijg je een 'carrousel' te zien:
Bonus voor degenen die tot het einde hebben gelezen
En nu we de betekenis van elk punt hebben verduidelijkt, kunnen we naar hetzelfde plaatje kijken, maar nu in het Nederlands:
Deel het gerust op sociale media!
Tatjana Volkova – Auteur van het lesprogramma voor de Internet of Things-track van de IT Academy van Samsung, specialist in de programma's voor maatschappelijk verantwoord ondernemen van het Samsung Research Center.
Bron: habr.com
