De grafiek van Gartner is als een high fashion show voor mensen in de technische industrie. Door ernaar te kijken, kun je vooraf ontdekken welke woorden dit seizoen het meest gehyped zijn en wat je op alle komende conferenties zult horen.
We hebben ontcijferd wat er achter de mooie woorden in deze grafiek zit, zodat jij de taal ook kunt spreken.
Om te beginnen een paar woorden over wat voor soort grafiek dit is. Elk jaar in augustus brengt adviesbureau Gartner een rapport uit: Gartner Hype Curve. In het Russisch is dit een ‘hypecurve’, of eenvoudiger gezegd: een hype. 30 jaar geleden zongen rappers van de groep Public Enemy: “Don't believe the hype.” Geloof het of niet, het is een persoonlijke vraag, maar het is in ieder geval de moeite waard om deze trefwoorden te kennen als je in de technologiesector werkt en mondiale trends wilt kennen.
Dit is een grafiek van de publieke verwachtingen van een bepaalde technologie. Volgens Gartner doorloopt technologie idealiter vijf fasen: de lancering van de technologie, de piek van opgeblazen verwachtingen, de vallei van de teleurstelling, de helling van de verlichting, het plateau van de productiviteit. Maar het komt ook voor dat het verdrinkt in de “vallei van teleurstelling” - je kunt zelf heel gemakkelijk voorbeelden onthouden, neem dezelfde bitcoins: aanvankelijk bereikten ze de piek als “geld van de toekomst”, ze gleden snel naar beneden toen de tekortkomingen van de technologie duidelijk werden, allereerst beperkingen op het aantal transacties en de enorme hoeveelheid elektriciteit die nodig is om bitcoins te genereren (wat nu al milieuproblemen met zich meebrengt). En we mogen natuurlijk niet vergeten dat de grafiek van Gartner slechts een voorspelling is: hier kun je bijvoorbeeld een gedetailleerd overzicht lezen , waar de meest opvallende onvervulde voorspellingen worden uitgezocht.
Laten we dus de nieuwe Gartner-grafiek eens bekijken. Technologieën zijn onderverdeeld in 5 grote thematische groepen:
- Geavanceerde AI en analyses
- Postklassiek computergebruik en communicatie
- Sensing en mobiliteit
- Verbeterde mens
- Digitale ecosystemen
1. Geavanceerde AI en analyses
De afgelopen tien jaar hebben we het beste uur van diepgaand leren gezien. Deze netwerken zijn werkelijk effectief voor hun takenpakket. In 10 ontvingen Yann LeCun, Geoffrey Hinton en Yoshua Bengio de Turing Award voor hun ontdekkingen - de meest prestigieuze prijs, analoog aan de Nobelprijs voor computerwetenschappen. Dus de belangrijkste trends op dit gebied, die in de grafiek worden weergegeven:
1.1. Breng leren over
Je traint een neuraal netwerk niet helemaal opnieuw, maar neemt een reeds getraind netwerk en geeft het een ander doel. Soms vereist dit het hertrainen van een deel van het netwerk, maar niet het hele netwerk, wat veel sneller is. Als u bijvoorbeeld een kant-en-klaar neuraal netwerk ResNet50 neemt, getraind op de ImageNet1000-dataset, krijgt u een algoritme dat veel verschillende objecten in een afbeelding op een zeer diep niveau kan classificeren (1000 klassen gebaseerd op kenmerken gegenereerd door 50 lagen van het neurale netwerk). netwerk). Maar je hoeft niet dat hele netwerk te trainen, wat maanden zou duren.
В Samsung ‘Neural Networks and Computer Vision’ bijvoorbeeld in de finale met de classificatie van platen in schoon en vuil wordt een aanpak gedemonstreerd die u in 5 minuten een diep neuraal netwerk tot uw beschikking geeft dat vuile platen van schone kan onderscheiden, gebouwd volgens de hierboven beschreven architectuur. Het oorspronkelijke netwerk wist helemaal niet wat platen waren, het leerde alleen vogels van honden te onderscheiden (zie ImageNet).
Bron: Samsung "Neurale netwerken en computervisie"
Voor Transfer Learning moet je weten welke benaderingen werken en welke kant-en-klare basisarchitecturen beschikbaar zijn. Over het geheel genomen versnelt dit de opkomst van praktische toepassingen van machinaal leren aanzienlijk.
1.2. Generatieve vijandige netwerken (GAN)
Dit is voor die gevallen waarin het voor ons erg moeilijk is om het leerdoel te formuleren. Hoe dichter de taak bij het echte leven ligt, hoe begrijpelijker deze voor ons is (“breng het nachtkastje mee”), maar hoe moeilijker het is om deze als een technische taak te formuleren. GAN is slechts een poging om ons van dit probleem te redden.
Er werken hier twee netwerken: het ene is een generator (generatief), het andere is een discriminator (adversarieel). Eén netwerk leert nuttig werk te doen (foto's classificeren, geluiden herkennen, cartoons tekenen). En een ander netwerk leert dat netwerk te onderwijzen: het heeft echte voorbeelden, en het leert een voorheen onbekende complexe formule te vinden voor het vergelijken van de producten van het generatieve deel van het netwerk met objecten uit de echte wereld (trainingsset) op basis van echt belangrijke diepgaande kenmerken. : het aantal ogen, nabijheid van Miyazaki's stijl, correcte Engelse uitspraak.
Een voorbeeld van het resultaat van een netwerk voor het genereren van anime-personages.
Maar het is natuurlijk moeilijk om daar architectuur te bouwen. Het is niet genoeg om alleen maar neuronen te gooien, ze moeten voorbereid zijn. En je moet wekenlang studeren. Mijn collega's van het Samsung Artificial Intelligence Center werken aan het GAN-onderwerp; dit is een van hun belangrijkste onderzoeksvragen. Bijvoorbeeld zoals dit : het gebruik van generatieve netwerken om realistische foto's van mensen met variabele poses te synthetiseren - bijvoorbeeld om een virtuele paskamer te creëren of om een gezicht te synthetiseren, waardoor de hoeveelheid informatie die moet worden opgeslagen of verzonden om video van hoge kwaliteit te garanderen, kan worden verminderd communicatie, uitzending of bescherming van persoonsgegevens.
1.3. Verklaarbare AI
Voor sommige zeldzame taken heeft de vooruitgang in diepe architecturen de capaciteiten van diepe neurale netwerken plotseling dichter bij de menselijke capaciteiten gebracht. Nu is de strijd gaande om het bereik van dergelijke taken te vergroten. Een robotstofzuiger kan bijvoorbeeld gemakkelijk een kat van een hond onderscheiden tijdens een frontale ontmoeting. Maar in de meeste levenssituaties zal hij geen kat kunnen vinden die slaapt tussen linnengoed of meubels (maar net als wij, in de meeste gevallen...).
Wat is de reden voor het succes van diepe neurale netwerken? Ze ontwikkelen een representatie van het probleem, niet op basis van informatie die “zichtbaar is voor het blote oog” (fotopixels, veranderingen in het geluidsvolume...), maar op kenmerken die zijn verkregen na voorverwerking van deze informatie door honderden lagen van een neuraal netwerk. Helaas kunnen deze relaties ook zinloos of inconsistent zijn, of sporen van onvolkomenheden in de oorspronkelijke dataset bevatten. Zo bestaat er bijvoorbeeld een klein computerspelletje over waar het gedachteloos gebruik van AI bij rekrutering toe kan leiden .
Het systeem voor het taggen van afbeeldingen bestempelde de persoon die aan het koken was als een vrouw, ook al is de persoon op de foto in werkelijkheid een man (). het bij het Virginia Instituut.
Om complexe en diepgaande relaties te analyseren die we vaak niet zelf kunnen formuleren, zijn uitlegbare AI-methoden nodig. Ze organiseren de kenmerken van diepe neurale netwerken zodat we na de training de interne representatie die het netwerk heeft geleerd kunnen analyseren, in plaats van simpelweg te vertrouwen op zijn beslissing.
1.4. Edge-analyse/AI
Alles met het woord Edge betekent letterlijk het volgende: het overbrengen van een deel van de algoritmen van de cloud/server naar het eindapparaat/gatewayniveau. Een dergelijk algoritme zal sneller werken en vereist voor de werking ervan geen verbinding met een centrale server. Als u bekend bent met de abstractie van een ‘thin client’, dan maken we deze client hier een beetje dikker.
Dit kan van belang zijn voor het Internet of Things. Als een machine bijvoorbeeld oververhit raakt en koeling nodig heeft, is het zinvol om dit direct op fabrieksniveau te signaleren, zonder te wachten tot de gegevens naar de cloud gaan en van daaruit naar de ploegbaas. Of nog een voorbeeld: zelfrijdende auto’s kunnen zelfstandig de verkeerssituatie in kaart brengen, zonder contact te maken met een centrale server.
Of nog een voorbeeld van waarom dit vanuit veiligheidsoogpunt belangrijk is: wanneer u teksten op uw telefoon typt, onthoudt deze de woorden die typisch voor u zijn, zodat het telefoontoetsenbord u er later gemakkelijk om kan vragen - dit heet voorspellend tekst invoer. Alles wat u op uw toetsenbord typt ergens naar een datacenter sturen, zou een schending van uw privacy zijn en simpelweg onveilig. Daarom vindt toetsenbordtraining alleen plaats op uw apparaat zelf.
1.5. AI Platform as a Service (AI PaaS)
PaaS - Platform-as-a-Service is een bedrijfsmodel waarin we toegang krijgen tot een geïntegreerd platform, inclusief de cloudgebaseerde dataopslag en kant-en-klare procedures. Op deze manier kunnen we onszelf bevrijden van infrastructuurtaken en ons volledig concentreren op het produceren van iets nuttigs. Voorbeeld van PaaS-platforms voor AI-taken: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Adaptief machinaal leren (Adaptieve ML)
Wat als we de kunstmatige intelligentie zich laten aanpassen... Je vraagt je af - dat wil zeggen: hoe?... Past het zich niet al aan de taak aan? Het probleem is dit: we ontwerpen elk probleem nauwgezet voordat we een algoritme voor kunstmatige intelligentie bouwen om het op te lossen. Ze zullen je antwoorden - het blijkt dat deze keten vereenvoudigd kan worden.
Conventioneel machinaal leren werkt volgens het principe van een open-loop: je bereidt gegevens voor, bedenkt een neuraal netwerk (of zoiets), traint, bekijkt vervolgens verschillende indicatoren en als je alles leuk vindt, kun je het neurale netwerk naar smartphones sturen - gebruikersproblemen oplossen. Maar in toepassingen waar er veel data zijn en de aard ervan geleidelijk verandert, zijn andere methoden nodig. Dergelijke systemen, die zich aanpassen en zichzelf leren, zijn georganiseerd in gesloten, zelflerende lussen (closed-loop) en moeten soepel werken.
Toepassingen - dit kunnen streamanalyses (Stream Analytics) zijn, op basis waarvan veel zakenmensen beslissingen nemen, of adaptief productiebeheer. Op de schaal van de huidige toepassingen en gezien de beter begrepen risico's voor de mens, worden de technieken die een oplossing voor dit probleem vormen allemaal verzameld onder de overkoepelende term Adaptieve AI.
Als je naar deze foto kijkt, is het moeilijk om van het gevoel af te komen dat futurologen geen brood voedt - laat ze een robot leren ademen...
Postklassiek computergebruik en communicatie
2.1. Mobiele communicatie van de vijfde generatie (5G)
Dit is zo’n interessant onderwerp dat wij u meteen naar onze verwijzen . Nou, hier is een korte samenvatting. 5G zal, door de frequentie van datatransmissie te verhogen, de internetsnelheid onrealistisch snel maken. Voor korte golven is het moeilijker om door obstakels heen te gaan, dus het ontwerp van netwerken zal compleet anders zijn: er zijn 500 keer meer basisstations nodig.
Naast snelheid zullen we nieuwe fenomenen krijgen: real-time games met augmented reality, het uitvoeren van complexe taken (zoals operaties) via telepresence, het voorkomen van ongelukken en moeilijke situaties op de weg door communicatie tussen machines. Nog prozaïscher: mobiel internet zal eindelijk niet meer wegvallen tijdens massa-evenementen, zoals een wedstrijd in een stadion.
Afbeeldingsbron - Reuters, Niantic
2.2. Geheugen van de volgende generatie
Hier hebben we het over de vijfde generatie RAM – DDR5. Samsung heeft aangekondigd dat op DDR2019 gebaseerde producten eind 5 beschikbaar zullen zijn. De verwachting is dat het nieuwe geheugen twee keer zo snel en twee keer zo groot zal zijn met behoud van dezelfde vormfactor, dat wil zeggen dat we geheugensticks met een capaciteit tot 32 GB voor onze computer kunnen krijgen. In de toekomst zal dit vooral relevant zijn voor smartphones (het nieuwe geheugen zal in een energiezuinige versie zijn) en voor laptops (waar het aantal DIMM-slots beperkt is). En machine learning vereist ook grote hoeveelheden RAM.
2.3. Satellietsystemen in een lage baan om de aarde
Het idee om zware, dure, krachtige satellieten te vervangen door een zwerm kleine en goedkope satellieten is verre van nieuw en verscheen al in de jaren negentig. Over wat Nu hebben alleen de lui het nog niet gehoord. Het bekendste bedrijf hier is Iridium, dat eind jaren negentig failliet ging, maar werd gered ten koste van het Amerikaanse ministerie van Defensie (niet te verwarren met iRidium, het Russische slimme thuissysteem). Het project van Elon Musk (Starlink) is verre van het enige: Richard Branson (OneWeb - 90 voorgestelde satellieten), Boeing (1440 satellieten), Samsung (3000 satellieten) en anderen nemen deel aan de satellietrace.
Hoe het er op dit gebied voor staat, hoe de economie er daar uitziet – lees verder . En het wachten is op de eerste tests van deze systemen door de eerste gebruikers, die volgend jaar moeten plaatsvinden.
2.4. 3D-printen op nanoschaal
Hoewel 3D-printen nog niet in het leven van iedereen is binnengedrongen (in de vorm die wordt beloofd door een individuele plasticfabriek thuis), heeft het toch al lang geleden de technologische niche voor nerds verlaten. Je kunt dit beoordelen aan het feit dat elk schoolkind op de hoogte is van het bestaan van minstens 3D-gebeeldhouwde pennen, en velen dromen ervan een doos met lopers en een extruder aan te schaffen voor ... "zomaar" (of hebben deze al gekocht).
Stereolithografie (3D-laserprinters) maakt printen met individuele fotonen mogelijk: er worden nieuwe polymeren onderzocht die slechts twee fotonen nodig hebben om te stollen. Hierdoor kunt u, in niet-laboratoriumomstandigheden, volledig nieuwe filters, houders, veren, capillairen, lenzen en... uw opties in de opmerkingen creëren! En hier is het niet ver van fotopolymerisatie - alleen deze technologie stelt ons in staat processors en computercircuits te "printen". Bovendien is dit niet het eerste jaar dat dit zo is , maar zonder radicale ontwikkeling.
3. Sensing en mobiliteit
3.1. Autonoom rijden niveau 4 & 5
Om niet in de war te raken in de terminologie, is het de moeite waard om te begrijpen welke niveaus van autonomie worden onderscheiden (uit de gedetailleerde versie). , waarnaar we alle geïnteresseerden verwijzen):
Niveau 1: Cruisecontrol: ondersteunt de bestuurder in zeer beperkte situaties (bijvoorbeeld wanneer de auto op een bepaalde snelheid wordt vastgehouden nadat de bestuurder zijn voet van het pedaal heeft gehaald)
Niveau 2: Beperkte stuur- en rembekrachtiging. De bestuurder moet vrijwel onmiddellijk klaar zijn om de controle over te nemen. Zijn handen liggen op het stuur, zijn ogen zijn op de weg gericht. Dit is iets dat Tesla en General Motors al hebben.
Niveau 3: De bestuurder hoeft niet langer voortdurend op de weg te letten. Maar hij moet alert blijven en klaar zijn om de controle over te nemen. Dit is iets dat in de handel verkrijgbare auto's nog niet hebben. Alle momenteel bestaande bevinden zich op niveau 1-2.
Niveau 4: Echte automatische piloot, maar met beperkingen: alleen ritten in een bekend gebied dat zorgvuldig in kaart is gebracht en algemeen bekend is bij het systeem, en onder bepaalde omstandigheden: bijvoorbeeld bij afwezigheid van sneeuw. Waymo en General Motors hebben dergelijke prototypes en zijn van plan deze in verschillende steden te lanceren en in echte omgevingen te testen. Yandex heeft testzones voor onbemande taxi's in Skolkovo en Innopolis: de reis vindt plaats onder toezicht van een ingenieur die op de passagiersstoel zit; tegen het einde van het jaar is het bedrijf van plan zijn vloot uit te breiden naar 100 onbemande voertuigen.
Niveau 5: Volautomatisch rijden, volledige vervanging van een live bestuurder. Dergelijke systemen bestaan niet, en het is onwaarschijnlijk dat ze de komende jaren zullen verschijnen.
Hoe realistisch is het om dit allemaal in de nabije toekomst te zien? Hier wil ik de lezer naar het artikel verwijzen . Dit komt deels door het gebrek aan 5G-connectiviteit: de beschikbare 4G-snelheden zijn niet voldoende. Mede door de zeer hoge kosten van autonome auto’s: die zijn nog niet rendabel, het businessmodel is onduidelijk. Kortom: “alles is ingewikkeld” hier, en het is geen toeval dat Gartner schrijft dat de voorspelling voor de massale implementatie van niveau 4 en 5 niet eerder is dan over tien jaar.
3.2. 3D-detectiecamera's
Acht jaar geleden maakte de Kinect-gamecontroller van Microsoft furore door een toegankelijke en relatief goedkope oplossing voor 3D-visie aan te bieden. Sindsdien hebben lichamelijke opvoeding en dansspellen met Kinect een korte opkomst en ondergang gekend, maar 3D-camera's werden gebruikt in industriële robots, onbemande voertuigen en mobiele telefoons voor gezichtsidentificatie. De technologie is goedkoper, compacter en toegankelijker geworden.
De Samsung S10 telefoon heeft een Time-of-Flight camera die de afstand tot een object meet om het scherpstellen makkelijker te maken.
Als u geïnteresseerd bent in dit onderwerp, verwijzen we u naar een zeer goed gedetailleerd overzicht van dieptecamera's: , .
3.3. Drones voor het bezorgen van kleine vracht (Light Cargo Delivery Drones)
Dit jaar maakte Amazon furore toen het op de beurs een nieuwe vliegende drone liet zien die kleine ladingen tot 2 kg kan vervoeren. Voor een stad met zijn files lijkt dit een ideale oplossing. Laten we eens kijken hoe deze drones in de zeer nabije toekomst presteren. Misschien is het de moeite waard om hier voorzichtig sceptisch te zijn: er zijn veel problemen, te beginnen met de mogelijkheid van gemakkelijke diefstal van een drone, en eindigend met wettelijke beperkingen op UAV's. Amazon Prime Air bestaat al zes jaar, maar bevindt zich nog in de testfase.
De nieuwe drone van Amazon, dit voorjaar getoond. Er is iets Star Wars aan hem.
Naast Amazon zijn er nog andere spelers op deze markt (er is een gedetailleerd overzicht). ), maar geen enkel eindproduct: alles bevindt zich in de fase van test- en marketingcampagnes. Afzonderlijk is het de moeite waard om een heel interessante, zeer gespecialiseerde medische wetenschap op te merken in Afrika: levering van gedoneerd bloed in Ghana (14 leveringen, bedrijf Zipline) en Rwanda (bedrijf Matternet).
3.4. Vliegende autonome voertuigen
Het is moeilijk om hier iets definitiefs over te zeggen. Volgens Gartner zal dit niet eerder dan over tien jaar verschijnen. Over het algemeen zijn hier dezelfde problemen als bij zelfrijdende auto's, alleen krijgen ze een nieuwe dimensie: verticaal. Porsche, Boeing en Uber hebben hun ambities aangekondigd om een vliegende taxi te bouwen.
3.5. Augmented Reality-cloud (AR-cloud)
Een permanente digitale kopie van de echte wereld, waarmee u een nieuwe realiteitslaag kunt creëren die voor alle gebruikers geldt. In meer technische termen hebben we het over het maken van een open cloudplatform waarin ontwikkelaars hun AR-applicaties kunnen integreren. Het model voor het genereren van inkomsten is duidelijk; het is een soort analoog van Steam. Het idee is zo diepgeworteld geraakt dat sommigen nu geloven dat AR zonder de cloud simpelweg nutteloos is.
Hoe dit er in de toekomst uit zou kunnen zien, wordt in een korte video getoond. Lijkt op een nieuwe aflevering van Black Mirror:
Je kunt ook lezen op
4. Verbeterde mens
4.1. Emotie-AI
Hoe menselijke emoties meten, simuleren en erop reageren? Sommige van de klanten hier zijn bedrijven die stemassistenten maken, zoals Amazon Alexa. Ze kunnen echt aan huizen wennen als ze de stemming leren herkennen: de reden voor de ontevredenheid van de gebruiker begrijpen en proberen de situatie te corrigeren. Over het algemeen staat er veel meer informatie in de context dan in het bericht zelf. En context is gezichtsuitdrukking, intonatie en non-verbaal gedrag.
Andere praktische toepassingen: analyse van emoties tijdens een sollicitatiegesprek (op basis van video-interviews), beoordeling van reacties op reclames of andere video-inhoud (glimlachen, lachen), hulp bij het leren (bijvoorbeeld voor het zelfstandig oefenen in de kunst van het spreken in het openbaar).
Het is moeilijk om beter over dit onderwerp te spreken dan de auteur van een korte film van zes minuten . De grappige en stijlvolle video laat zien hoe je onze emoties kunt meten voor marketingdoeleinden, en aan de hand van de kortstondige reacties van je gezicht kunt ontdekken of je van pizza, honden, Kanye West houdt, en zelfs wat je inkomensniveau en geschatte IQ zijn. Door via bovenstaande link de website van de film te bezoeken, wordt u deelnemer aan een interactieve video met behulp van de ingebouwde camera van uw laptop. De film is al op verschillende filmfestivals vertoond.
Er is zelfs zo'n interessant onderzoek: hoe je sarcasme in tekst herkent. We namen tweets met de hashtag #sarcasme en maakten een trainingsset van 25 tweets met sarcasme en 000 reguliere tweets over alles onder de zon. We hebben de TensorFlow-bibliotheek gebruikt, het systeem getraind en hier is het resultaat:
Daarom, als u niet zeker bent van uw collega of vriend - hij heeft iets serieus of sarcastisch tegen u gezegd, kunt u al gebruik maken van !
4.2. Verbeterde intelligentie
Automatisering van intellectueel werk met behulp van machine learning-methoden. Het lijkt niets nieuws? Maar de bewoording zelf is hier belangrijk, vooral omdat deze in afkorting samenvalt met kunstmatige intelligentie. Dit brengt ons terug bij het debat over ‘sterke’ en ‘zwakke’ AI.
Sterke AI is dezelfde kunstmatige intelligentie uit sciencefictionfilms die volledig gelijkwaardig is aan de menselijke geest en zich bewust is van zichzelf als individu. Deze bestaat nog niet en het is onduidelijk of deze überhaupt zal bestaan.
Zwakke AI is geen onafhankelijk persoon, maar een menselijke assistent. Hij beweert niet mensgericht te denken, maar weet eenvoudig informatieproblemen op te lossen, bijvoorbeeld te bepalen wat er op een afbeelding wordt weergegeven of een tekst te vertalen.
In die zin is Augmented Intelligence ‘zwakke AI’ in zijn puurste vorm, en de formulering lijkt succesvol, omdat het geen verwarring en de verleiding introduceert om hier dezelfde ‘sterke AI’ te zien waar iedereen van droomt (of waar iedereen bang voor is, als we denk aan de talrijke discussies over de ‘rebellieauto’s’). Met de uitdrukking Augmented Intelligence worden we meteen de helden van een andere film: van sciencefiction (zoals Asimovs ‘I, Robot’) komen we terecht in cyberpunk (‘augmentaties’ zijn in dit genre allerlei implantaten die de menselijke capaciteiten vergroten).
Als Erik Brynjolfsson en Andrew McAffee: “Dit is wat er de komende tien jaar zal gebeuren. AI zal managers niet vervangen, maar de managers die AI gebruiken zullen degenen vervangen die het nog niet hebben gehaald.”
Voorbeelden:
- Geneeskunde: Stanford University ontwikkeld , die de taak van het herkennen van pathologieën op röntgenfoto's van de borst gemiddeld net zo succesvol op zich neemt als de meeste artsen
- Onderwijs: begeleiding van studenten en docenten, analyse van de reacties van studenten op materialen, opbouw van een individueel leertraject.
- Bedrijfsanalyse: het voorbewerken van gegevens kost volgens de statistieken 80% van de tijd van een onderzoeker, en slechts 20% van het experiment zelf
4.3. Biochips
Dit is het favoriete thema van alle cyberpunkfilms en -boeken. Over het algemeen is het chippen van huisdieren geen nieuwe praktijk. Maar nu worden deze chips in mensen geïmplanteerd.
In dit geval wordt de hype hoogstwaarschijnlijk geassocieerd met de sensationele zaak bij het Amerikaanse bedrijf Three Square Market. Daar begon de werkgever aan te bieden om tegen betaling chips onder de huid te implanteren. Met de chip kun je deuren openen, inloggen op computers, snacks kopen uit een automaat - dat wil zeggen zo'n universele werknemerskaart. Bovendien dient zo’n chip juist als identiteitskaart; hij beschikt niet over een GPS-module, waardoor het onmogelijk is om iemand die hem gebruikt te volgen. En als iemand de chip uit zijn arm wil verwijderen, duurt dat met hulp van een arts 5 minuten.
De chips worden meestal tussen duim en wijsvinger geïmplanteerd.
Lees verder over de stand van zaken met chippen in de wereld.
4.4. Meeslepende werkruimte
‘Meeslepend’ is een ander nieuw woord waar simpelweg niet aan te ontsnappen is. Het is overal. Meeslepend theater, tentoonstelling, bioscoop. Wat bedoel je? Immersie is het creëren van een meeslepend effect, waarbij de grens tussen de auteur en de kijker, de virtuele en de echte wereld, verloren gaat. Op de werkvloer betekent dit vermoedelijk dat de grens tussen doener en initiatiefnemer vervaagt en dat werknemers worden aangemoedigd een actievere positie in te nemen door hun omgeving opnieuw in te richten.
Omdat we nu overal Agile, flexibiliteit en nauwe samenwerking hebben, moeten werkplekken zo eenvoudig mogelijk te configureren zijn en groepswerk aanmoedigen. De economie dicteert de voorwaarden: er zijn meer tijdelijke werknemers, de kosten voor het huren van kantoorruimte stijgen en op een competitieve arbeidsmarkt proberen IT-bedrijven de tevredenheid van hun werknemers te vergroten door recreatieruimtes en andere voordelen te creëren. En dit alles komt tot uiting in het ontwerp van werkplekken.
Van knop
4.5. Verpersoonlijking
Iedereen weet wat personalisatie is in advertenties. Dit is wanneer u vandaag met een collega bespreekt dat de lucht in de kamer enigszins droog is en dat u een luchtbevochtiger voor op kantoor moet kopen, en de volgende dag ziet u een advertentie op uw sociale netwerk - "koop een luchtbevochtiger" (een echt incident dat mij is overkomen).
Personalisatie, zoals gedefinieerd door Gartner, is een reactie op de groeiende bezorgdheid van gebruikers over het gebruik van hun persoonlijke gegevens voor reclamedoeleinden. Het doel is om een aanpak te ontwikkelen waarbij we reclame te zien krijgen die relevant is voor de context waarin we ons bevinden, en niet voor ons persoonlijk. Bijvoorbeeld onze locatie, type apparaat, tijdstip, weersomstandigheden - dit is iets dat onze persoonlijke gegevens niet schendt, en we voelen niet het onaangename gevoel 'bewaakt' te worden.
Lees meer over het verschil tussen deze twee concepten Andrew Frank blogt op de website van Gartner. Er is zo'n subtiel verschil en zulke soortgelijke woorden dat je, als je het verschil niet kent, het risico loopt lange tijd ruzie te maken met je gesprekspartner, zonder te vermoeden dat beide in het algemeen gelijk hebben (en dit is ook een reëel incident dat de auteur).
4.6. Biotech – Gekweekt of kunstmatig weefsel
Dit is in de eerste plaats het idee van het kweken van kunstvlees. Tegelijkertijd zijn verschillende teams over de hele wereld bezig met het ontwikkelen van laboratorium "Meat 2.0" - de verwachting is dat het goedkoper zal worden dan normaal, en dat fastfood en dan supermarkten ernaar zullen overstappen. Investeerders in deze technologie zijn onder meer Bill Gates, Sergey Brin, Richard Branson en anderen.
Bron
Redenen waarom iedereen zo geïnteresseerd is in kunstvlees:
- Opwarming van de aarde: methaanemissies van boerderijen. Dit is 18% van het mondiale volume aan gassen die het klimaat beïnvloeden.
- Bevolkingsgroei. De vraag naar vlees groeit en het zal niet mogelijk zijn om iedereen met natuurlijk vlees te voeden - het is gewoon duur.
- Gebrek aan ruimte. 70% van de Amazonebossen is al gekapt voor weiland.
- Ethische overwegingen. Er zijn mensen voor wie dit belangrijk is. Dierenrechtenorganisatie PETA heeft al een prijs van 1 miljoen dollar aangeboden aan de wetenschapper die kunstmatig kippenvlees op de markt brengt.
Het vervangen van echt vlees door soja is een gedeeltelijke oplossing, omdat mensen het verschil in smaak en textuur kunnen waarderen en het onwaarschijnlijk is dat ze biefstuk zullen opgeven ten gunste van soja. Je hebt dus echt, biologisch geteeld vlees nodig. Nu is kunstvlees helaas te duur: vanaf $ 12 per kilogram. Dit komt door het complexe technische proces van het verbouwen van dergelijk vlees. Lees er alles over .
Als we het hebben over andere gevallen van weefselgroei - al in de geneeskunde - dan is het onderwerp met kunstmatige organen interessant: bijvoorbeeld een 'pleister' voor de hartspier, een speciale 3D-printer. Bekend als een kunstmatig gekweekt muizenhart, maar over het algemeen valt alles nog steeds binnen de reikwijdte van klinische onderzoeken. Het is dus onwaarschijnlijk dat we Frankenstein de komende jaren zullen zien.
Op dit punt is Gartner zeer voorzichtig in zijn schattingen, waarbij hij blijkbaar zijn mislukte voorspelling uit 2015 in gedachten houdt dat in 2019 10% van de bevolking in de ontwikkelde landen een 3D-geprint implantaat voor medische hulpmiddelen zou hebben. Het betekent dus dat de tijd om een productiviteitsplateau te bereiken minstens tien jaar bedraagt.
5. Digitale ecosystemen
5.1. Gedecentraliseerd internet
Dit concept is nauw verbonden met de naam van de uitvinder van het web, Turing Award-winnaar Sir Tim Burners-Lee. Voor hem waren ethische kwesties in de informatica altijd belangrijk en de collectieve essentie van internet was belangrijk: toen hij de basis legde voor hypertekst, was hij ervan overtuigd dat het netwerk moest werken als een web, en niet als een hiërarchie. Dit was het geval in de vroege fase van de netwerkontwikkeling. Naarmate het internet groeide, werd de structuur ervan echter om verschillende redenen gecentraliseerd. Het bleek dat de toegang tot het netwerk voor een heel land eenvoudig met behulp van slechts enkele providers kon worden geblokkeerd. En gebruikersgegevens zijn een bron van macht en inkomsten geworden voor internetbedrijven.
“Het internet is al gedecentraliseerd”, zegt Burners-Lee. “Het probleem is dat één zoekmachine, één groot sociaal netwerk en één microblogplatform domineert. We hebben geen technologische problemen, maar wel sociale.”
In zijn Ter gelegenheid van de dertigste verjaardag van het World Wide Web schetste de maker van het web drie hoofdproblemen van internet:
- Gerichte schade, zoals door de staat gesponsorde hacking, misdaad en online intimidatie
- Het ontwerp zelf van het systeem, dat, ten nadele van de gebruiker, de basis schept voor mechanismen als: financiële prikkels voor clickbait en de virale verspreiding van valse informatie
- Onbedoelde gevolgen van systeemontwerp die leiden tot conflicten en verminderde kwaliteit van online discussies
En Tim Berners-Lee heeft al een antwoord op de principes waarop het ‘internet van een gezond persoon’ zou kunnen worden gebaseerd, zonder probleem nummer 2: ‘Voor veel gebruikers blijven advertentie-inkomsten het enige model voor interactie met internet. Zelfs als mensen bang zijn voor wat er met hun gegevens gebeurt, zijn ze bereid een deal te sluiten met de marketingmachine voor de mogelijkheid om gratis content te ontvangen. Stel je een wereld voor waarin het betalen voor goederen en diensten voor beide partijen gemakkelijk en plezierig is.” Een van de mogelijkheden om dit te regelen: muzikanten kunnen hun opnames zonder tussenpersonen verkopen in de vorm van iTunes, en nieuwssites kunnen een systeem van microbetalingen gebruiken voor het lezen van één artikel, in plaats van geld te verdienen met adverteren.
Als experimenteel prototype voor dit nieuwe internet lanceerde Tim Berners-Lee het SOLID-project, waarvan de essentie is dat je je gegevens opslaat in een ‘pod’ – een informatieopslagplaats, en deze gegevens kunt verstrekken aan applicaties van derden. Maar in principe bent u zelf de baas over uw data. Dit alles hangt nauw samen met het concept van peer-to-peer-netwerken, dat wil zeggen dat uw computer niet alleen om services vraagt, maar deze ook levert, om niet afhankelijk te zijn van één server als het enige kanaal.
5.2. Gedecentraliseerde autonome organisaties
Het is een organisatie die wordt bestuurd door regels die zijn vastgelegd in de vorm van een computerprogramma. De financiële activiteiten zijn gebaseerd op de blockchain. Het doel van het creëren van dergelijke organisaties is om de staat uit de rol van tussenpersoon te verwijderen en een gemeenschappelijke vertrouwde omgeving voor tegenpartijen te creëren, die niet het eigendom is van iemand individueel, maar van iedereen samen. Dat wil zeggen, in theorie zou dit, als het idee wortel schiet, notarissen en andere gebruikelijke verificatie-instellingen moeten afschaffen.
Het bekendste voorbeeld van zo’n organisatie was de ondernemingsgerichte The DAO, die in 2016 150 miljoen dollar ophaalde, waarvan 50 dollar onmiddellijk werd gestolen via een juridisch gat in de regels. Er ontstond meteen een moeilijk dilemma: óf terugdraaien en het geld teruggeven, óf toegeven dat het opnemen van geld legaal was, omdat het op geen enkele manier in strijd was met de regels van het platform. Als gevolg hiervan moesten de makers, om geld terug te geven aan investeerders, de DAO vernietigen, de blockchain herschrijven en het basisprincipe ervan schenden: onveranderlijkheid.
Stripverhaal over Ethereum (links) en The DAO (rechts).
Dit hele verhaal heeft de reputatie van het idee van DAO verpest. Dat project is gemaakt op basis van de cryptocurrency Ethereum, versie Ether 2.0 wordt volgend jaar verwacht - misschien houden de auteurs (waaronder de beroemde Vitalik Buterin) rekening met de fouten en laten ze iets nieuws zien. Dat is waarschijnlijk de reden waarom Gartner DAO in de upline heeft gezet.
5.3.Synthetische gegevens
Om neurale netwerken te trainen zijn grote hoeveelheden data nodig. Het handmatig labelen van gegevens is een enorme taak die alleen door een mens kan worden uitgevoerd. Daarom is het mogelijk om kunstmatige datasets te creëren. Bijvoorbeeld dezelfde verzameling menselijke gezichten op de site . Ze zijn gemaakt met behulp van GAN - de algoritmen die hierboven al werden genoemd.
Deze gezichten zijn niet van mensen.
Het grote voordeel van dergelijke gegevens is dat er geen juridische problemen zijn bij het gebruik ervan: er is niemand die toestemming geeft voor de verwerking van persoonsgegevens.
5.4. Digitale ops
Het achtervoegsel “Ops” is ongelooflijk in de mode geraakt sinds DevOps wortel schoot in onze toespraak. Nu wat DigitalOps is: het is slechts een generalisatie van DevOps, DesignOps, MarketingOps... Verveel je je al? Kortom, het is een overdracht van de DevOps-aanpak van het softwaregebied naar alle andere aspecten van het bedrijf: marketing, ontwerp, enz.
Het idee van DevOps was om barrières tussen Development zelf en Operations (bedrijfsprocessen) weg te nemen, door het creëren van gemeenschappelijke teams, met programmeurs, testers, beveiligingsspecialisten en beheerders; implementatie van bepaalde praktijken: continue integratie, infrastructuur als code, vermindering en versterking van feedbackketens. Het doel was om de time-to-market van het product te versnellen. Als je dacht dat dit vergelijkbaar was met Agile, had je gelijk. Breng deze aanpak nu mentaal over van het gebied van softwareontwikkeling naar ontwikkeling in het algemeen - en u begrijpt wat DigitalOps is.
5.5. Kennisgrafieken
Een softwarematige manier om een kennisgebied te modelleren, inclusief het gebruik van machine learning-algoritmen. Een kennisgrafiek wordt bovenop bestaande databases gebouwd om alle informatie aan elkaar te koppelen: zowel gestructureerd (lijst met gebeurtenissen of mensen) als ongestructureerd (tekst van een artikel).
Het eenvoudigste voorbeeld is de kaart die je kunt zien in de zoekresultaten van Google. Als u een persoon of instelling zoekt, ziet u rechts een kaartje:
Houd er rekening mee dat “Aankomende evenementen” geen kopie is van informatie uit Google Maps, maar een integratie van het schema met Yandex.Afisha: u kunt dit eenvoudig zien als u op de evenementen klikt. Dat wil zeggen, het is de combinatie van verschillende gegevensbronnen samen.
Als je om een lijst vraagt, bijvoorbeeld 'beroemde regisseurs', krijg je een carrousel te zien:
Bonus voor wie tot het einde leest
En nu we voor onszelf de betekenis van elk van de punten hebben opgehelderd, kunnen we naar hetzelfde beeld kijken, maar dan in het Russisch:
Deel het gratis op sociale netwerken!
Tatyana Volkova - Auteur van het trainingsprogramma voor de Internet of Things IT-track aan de Samsung Academy, specialist in programma's voor maatschappelijk verantwoord ondernemen bij het Samsung Research Center
Bron: www.habr.com