Wykres Gartnera jest jak pokaz mody dla osób z branży technologicznej. Przyglądając się temu, możesz z wyprzedzeniem dowiedzieć się, które słowa cieszą się największym zainteresowaniem w tym sezonie i co usłyszysz na wszystkich nadchodzących konferencjach.
Odszyfrowaliśmy, co kryje się za pięknymi słowami na tym wykresie, abyś Ty także mógł mówić w tym języku.
Na początek kilka słów o tym, jakiego rodzaju jest to wykres. Co roku w sierpniu agencja doradcza Gartner publikuje raport – Gartner Hype Curve. W języku rosyjskim jest to „krzywa szumu” lub, prościej, szum. 30 lat temu raperzy z grupy Public Enemy śpiewali: „Nie wierz temu szumowi”. Wierzcie lub nie, ale to osobiste pytanie, ale warto chociaż znać te słowa kluczowe, jeśli pracujecie w branży technologicznej i chcecie poznać światowe trendy.
To jest wykres oczekiwań społeczeństwa wobec konkretnej technologii. Według Gartnera w idealnym przypadku technologia przechodzi przez 5 etapów: uruchomienie technologii, szczyt zawyżonych oczekiwań, dolina rozczarowania, szczyt oświecenia, plateau produktywności. Ale zdarza się też, że tonie w „dolinie rozczarowań” - sam możesz bardzo łatwo zapamiętać przykłady, weź te same bitcoiny: początkowo osiągając szczyt jako „pieniądze przyszłości”, szybko zsunęły się w dół, gdy pojawiły się niedociągnięcia technologiczne oczywiste stały się przede wszystkim ograniczenia liczby transakcji oraz ogromna ilość energii elektrycznej potrzebnej do wygenerowania bitcoinów (co już wiąże się z problemami środowiskowymi). I oczywiście nie możemy zapominać, że wykres Gartnera to tylko prognoza: tutaj można na przykład przeczytać szczegółowy , gdzie sortowane są najbardziej uderzające, niespełnione przewidywania.
Przyjrzyjmy się więc nowemu wykresowi Gartnera. Technologie podzielone są na 5 dużych grup tematycznych:
- Zaawansowana sztuczna inteligencja i analityka
- Postklasyczne obliczenia i komunikacja
- Wyczuwanie i mobilność
- Ulepszony Człowiek
- Ekosystemy cyfrowe
1. Zaawansowana sztuczna inteligencja i analityka
W ciągu ostatnich 10 lat przeżyliśmy najwspanialszą godzinę głębokiego uczenia się. Sieci te są naprawdę skuteczne w zakresie swoich zadań. W 2018 roku Yann LeCun, Geoffrey Hinton i Yoshua Bengio otrzymali za swoje odkrycia Nagrodę Turinga – najbardziej prestiżową nagrodę, analogiczną do Nagrody Nobla w dziedzinie informatyki. Zatem główne trendy w tym obszarze, które pokazano na wykresie:
1.1. Nauczanie transferowe
Nie trenujesz sieci neuronowej od zera, ale bierzesz już wyszkoloną i wyznaczasz jej inny cel. Czasami wymaga to przeszkolenia części sieci, ale nie całej sieci, co jest znacznie szybsze. Przykładowo, biorąc gotową sieć neuronową ResNet50, wyszkoloną na zbiorze danych ImageNet1000, otrzymasz algorytm, który może klasyfikować wiele różnych obiektów na obrazie na bardzo głębokim poziomie (1000 klas opartych na cechach generowanych przez 50 warstw sieci neuronowej sieć). Ale nie musisz szkolić całej sieci, co zajęłoby miesiące.
В Na przykład Samsung „Sieci neuronowe i wizja komputerowa” w finale przy klasyfikacji płyt na czyste i brudne wykazano podejście, które w 5 minut oddaje do Twojej dyspozycji głęboką sieć neuronową zdolną do odróżnienia płyt brudnych od czystych, zbudowaną zgodnie z opisaną powyżej architekturą. Oryginalna sieć w ogóle nie wiedziała, czym są płyty, nauczyła się jedynie odróżniać ptaki od psów (patrz ImageNet).
Źródło: Samsung „Sieci neuronowe i wizja komputerowa”
W przypadku Transfer Learning musisz wiedzieć, które podejścia się sprawdzają i jakie gotowe podstawowe architektury są dostępne. Ogólnie rzecz biorąc, znacznie przyspiesza to pojawienie się praktycznych zastosowań uczenia maszynowego.
1.2. Generacyjne sieci przeciwstawne (GAN)
Dzieje się tak w przypadkach, gdy bardzo trudno jest nam sformułować cel uczenia się. Im zadanie jest bliższe realnemu życiu, tym jest dla nas bardziej zrozumiałe („przynieś stolik nocny”), ale trudniej jest je sformułować jako zadanie techniczne. GAN jest tylko próbą uratowania nas od tego problemu.
Pracują tu dwie sieci: jedna jest generatorem (Generative), druga jest dyskryminatorem (Adversarial). Jedna sieć uczy się wykonywać pożyteczną pracę (klasyfikować obrazy, rozpoznawać dźwięki, rysować kreskówki). A inna sieć uczy się tej sieci: ma prawdziwe przykłady i uczy się znajdować nieznany wcześniej złożony wzór na porównywanie produktów części generatywnej sieci z obiektami ze świata rzeczywistego (zestawem treningowym) w oparciu o naprawdę ważne głębokie cechy : liczba oczu, bliskość stylu Miyazakiego, poprawna wymowa angielska.
Przykład wyniku sieci do generowania postaci z anime.
Ale oczywiście trudno jest tam budować architekturę. Nie wystarczy po prostu rzucić neuronami, trzeba je przygotować. I trzeba się uczyć tygodniami. Moi koledzy z Samsung Artificial Intelligence Center pracują nad tematem GAN; jest to jedno z ich kluczowych pytań badawczych. Na przykład tak : wykorzystanie sieci generatywnych do syntezy realistycznych zdjęć osób o różnych pozach – na przykład do stworzenia wirtualnej przymierzalni lub do syntezy twarzy, co może zmniejszyć ilość informacji, które należy przechowywać lub przesyłać, aby zapewnić wysoką jakość wideo komunikacji, nadawania lub ochrony danych osobowych.
1.3. Wyjaśnialna sztuczna inteligencja
W przypadku niektórych rzadkich zadań postęp w głębokich architekturach nagle zbliżył możliwości głębokich sieci neuronowych do możliwości człowieka. Teraz toczy się walka o zwiększenie zakresu tego typu zadań. Na przykład robot sprzątający może z łatwością odróżnić kota od psa podczas bezpośredniego spotkania. Jednak w większości sytuacji życiowych nie uda mu się znaleźć kota śpiącego wśród pościeli czy mebli (choć tak jak my, w większości przypadków...).
Jaki jest powód sukcesu głębokich sieci neuronowych? Tworzą reprezentację problemu w oparciu nie o informacje „widoczne gołym okiem” (fotopiksele, zmiany głośności dźwięku…), ale o cechy uzyskane po wstępnym przetworzeniu tych informacji przez kilkaset warstw sieci neuronowej. Niestety, zależności te mogą być również pozbawione znaczenia, niespójne lub nieść ślady niedoskonałości pierwotnego zbioru danych. Na przykład istnieje mała gra komputerowa o tym, do czego może doprowadzić bezmyślne wykorzystanie sztucznej inteligencji w rekrutacji .
System oznaczania obrazów oznaczył osobę gotującą jako kobietę, mimo że osoba na zdjęciu jest w rzeczywistości mężczyzną (). to w Instytucie Wirginii.
Aby analizować złożone i głębokie relacje, których często nie jesteśmy w stanie sami sformułować, potrzebne są wyjaśnialne metody AI. Organizują cechy głębokich sieci neuronowych, dzięki czemu po szkoleniu możemy analizować wewnętrzną reprezentację, której nauczyła się sieć, zamiast po prostu polegać na jej decyzjach.
1.4. Analityka brzegowa / sztuczna inteligencja
Wszystko ze słowem Edge dosłownie oznacza: przeniesienie części algorytmów z chmury/serwera na poziom urządzenia końcowego/bramy. Taki algorytm będzie działał szybciej i nie będzie wymagał do swojego działania połączenia z serwerem centralnym. Jeśli znasz abstrakcję „cienkiego klienta”, tutaj sprawimy, że ten klient będzie nieco grubszy.
Może to mieć znaczenie dla Internetu rzeczy. Na przykład, jeśli maszyna się przegrzeje i będzie wymagać chłodzenia, warto zasygnalizować to natychmiast, na poziomie zakładu, bez czekania, aż dane trafią do chmury, a stamtąd do kierownika zmiany. Albo inny przykład: samochody autonomiczne mogą samodzielnie określić sytuację na drogach, bez konieczności kontaktowania się z centralnym serwerem.
Albo inny przykład, dlaczego jest to ważne z punktu widzenia bezpieczeństwa: kiedy piszesz SMS-y na telefonie, zapamiętuje on typowe dla Ciebie słowa, aby później klawiatura telefonu mogła Ci je wygodnie podpowiedzieć – nazywa się to przewidywaniem Wprowadzanie tekstu. Wysyłanie wszystkiego, co wpisujesz na klawiaturze, do gdzieś centrum danych byłoby naruszeniem Twojej prywatności i po prostu niebezpieczne. Dlatego nauka klawiatury odbywa się tylko w obrębie samego urządzenia.
1.5. Platforma AI jako usługa (AI PaaS)
PaaS – Platform-as-a-Service to model biznesowy, w którym otrzymujemy dostęp do zintegrowanej platformy, obejmującej jej przechowywanie danych w chmurze i gotowe procedury. W ten sposób możemy uwolnić się od zadań infrastrukturalnych i w pełni skoncentrować się na stworzeniu czegoś pożytecznego. Przykład platform PaaS do zadań AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Adaptacyjne uczenie maszynowe (adaptacyjne ML)
A co by było, gdybyśmy pozwolili sztucznej inteligencji się przystosować... Pytacie - czyli jak?.. Czy ona już nie przystosowuje się do zadania? Problem jest następujący: skrupulatnie projektujemy każdy taki problem, zanim zbudujemy algorytm sztucznej inteligencji, który go rozwiąże. Odpowiedzą ci - okazuje się, że ten łańcuch można uprościć.
Konwencjonalne uczenie maszynowe działa na zasadzie otwartej pętli: przygotowujesz dane, wymyślasz sieć neuronową (lub cokolwiek innego), trenujesz, następnie patrzysz na kilka wskaźników i jeśli wszystko Ci się podoba, możesz wysłać sieć neuronową na smartfony - rozwiązywać problemy użytkowników. Jednak w zastosowaniach, w których danych jest dużo i ich charakter stopniowo się zmienia, potrzebne są inne metody. Takie systemy, które same się dostosowują i uczą, zorganizowane są w zamknięte, samouczące się pętle (pętla zamknięta) i muszą działać sprawnie.
Aplikacje – może to być analityka strumieniowa (Stream Analytics), na podstawie której wielu przedsiębiorców podejmuje decyzje, czy adaptacyjne zarządzanie produkcją. W skali obecnych zastosowań i biorąc pod uwagę lepiej poznane ryzyko dla ludzi, wszystkie techniki stanowiące rozwiązanie tego problemu są zebrane pod wspólnym terminem Adaptacyjna sztuczna inteligencja.
Patrząc na to zdjęcie, trudno pozbyć się uczucia, że futurolodzy nie karmią chleba – niech nauczą robota oddychać…
Postklasyczne obliczenia i komunikacja
2.1. Komunikacja mobilna piątej generacji (5G)
Jest to na tyle ciekawy temat, że od razu odsyłamy Was do naszego . Cóż, oto krótkie podsumowanie. 5G, zwiększając częstotliwość transmisji danych, sprawi, że prędkość Internetu będzie nierealistycznie duża. Falom krótkim trudniej jest przedostać się przez przeszkody, dlatego konstrukcja sieci będzie zupełnie inna: potrzeba 500 razy więcej stacji bazowych.
Wraz z szybkością otrzymamy nowe zjawiska: gry czasu rzeczywistego z rozszerzoną rzeczywistością, wykonywanie skomplikowanych zadań (np. operacji) poprzez teleobecność, zapobieganie wypadkom i trudnym sytuacjom na drogach poprzez komunikację pomiędzy maszynami. Mówiąc bardziej prozaicznie: Internet mobilny wreszcie przestanie spadać podczas imprez masowych, takich jak mecz na stadionie.
Źródło obrazu – Reuters, Niantic
2.2. Pamięć nowej generacji
Mówimy tutaj o piątej generacji pamięci RAM – DDR5. Samsung ogłosił, że produkty oparte na pamięci DDR2019 będą dostępne pod koniec 5 roku. Oczekuje się, że nowa pamięć będzie dwukrotnie szybsza i dwukrotnie pojemniejsza przy zachowaniu tej samej formy, czyli do naszego komputera będziemy mogli dostać pendrive'y o pojemności do 32 GB. W przyszłości będzie to szczególnie istotne w przypadku smartfonów (nowa pamięć będzie w wersji o niskim poborze mocy) i laptopów (gdzie liczba gniazd DIMM jest ograniczona). Uczenie maszynowe wymaga również dużej ilości pamięci RAM.
2.3. Systemy satelitarne na niskiej orbicie okołoziemskiej
Pomysł zastąpienia ciężkich, drogich i potężnych satelitów rojem małych i tanich nie jest nowy i pojawił się jeszcze w latach 90-tych. O czym Teraz tylko leniwi nie słyszeli. Najbardziej znaną tutaj firmą jest Iridium, która zbankrutowała pod koniec lat 90., ale została uratowana kosztem Departamentu Obrony USA (nie mylić z iRidium, rosyjskim systemem inteligentnego domu). Projekt Elona Muska (Starlink) nie jest jedyny - w wyścigu satelitarnym biorą udział Richard Branson (OneWeb - 1440 proponowanych satelitów), Boeing (3000 satelitów), Samsung (4600 satelitów) i inni.
Jak się sprawy mają w tej dziedzinie, jak wygląda tam gospodarka - czytajcie . I czekamy na pierwsze testy tych systemów przez pierwszych użytkowników, które powinny odbyć się w przyszłym roku.
2.4. Druk 3D w nanoskali
Druk 3D, choć nie wkroczył w życie każdego człowieka (w formie obiecanej przez indywidualną domową fabrykę plastiku), to jednak już dawno opuścił niszę technologiczną dla maniaków. Można sądzić po tym, że każdy uczeń wie o istnieniu przynajmniej długopisów rzeźbionych w 3D, a wielu marzy o zakupie pudełka z prowadnicami i wytłaczarką za… „tak po prostu” (lub już je kupiło).
Stereolitografia (laserowe drukarki 3D) umożliwia drukowanie pojedynczymi fotonami: badane są nowe polimery, które do zestalenia wymagają tylko dwóch fotonów. Pozwoli to w nielaboratoryjnych warunkach stworzyć zupełnie nowe filtry, mocowania, sprężyny, kapilary, soczewki i... Wasze opcje w komentarzach! I tutaj nie jest daleko od fotopolimeryzacji - tylko ta technologia pozwala nam „drukować” procesory i obwody obliczeniowe. Poza tym nie jest to pierwszy taki rok , ale bez radykalnego rozwoju.
3. Wyczuwanie i mobilność
3.1. Poziom jazdy autonomicznej 4 i 5
Aby nie pomylić się w terminologii, warto zrozumieć, jakie poziomy autonomii wyróżnia się (wzięte ze szczegółowego , do którego odsyłamy wszystkich zainteresowanych):
Poziom 1: Tempomat: pomaga kierowcy w bardzo ograniczonych sytuacjach (na przykład utrzymanie samochodu przy określonej prędkości po tym, jak kierowca zdejmie nogę z pedału)
Poziom 2: Ograniczone wspomaganie kierowania i hamowania. Kierowca musi być gotowy do niemal natychmiastowego przejęcia kontroli. Jego ręce są na kierownicy, jego wzrok jest skierowany na drogę. To coś, co Tesla i General Motors już mają.
Poziom 3: Kierowca nie musi już stale obserwować drogi. Musi jednak zachować czujność i być gotowym do przejęcia kontroli. Jest to coś, czego nie mają jeszcze samochody dostępne na rynku. Wszystkie obecnie istniejące są na poziomie 1-2.
Poziom 4: Prawdziwy autopilot, ale z ograniczeniami: tylko podróże po znanym obszarze, który jest dokładnie mapowany i ogólnie znany systemowi, i pod pewnymi warunkami: na przykład przy braku śniegu. Waymo i General Motors mają takie prototypy i planują wypuścić je w kilku miastach i przetestować w rzeczywistych warunkach. Yandex posiada strefy testowe dla bezzałogowych taksówek w Skołkowie i Innopolis: podróż odbywa się pod okiem inżyniera siedzącego na miejscu pasażera; do końca roku firma planuje powiększyć swoją flotę do 100 pojazdów bezzałogowych.
Poziom 5: W pełni automatyczna jazda, całkowita wymiana żywego kierowcy. Takich systemów nie ma i raczej nie pojawią się w nadchodzących latach.
Na ile realistyczne jest zobaczenie tego wszystkiego w dającej się przewidzieć przyszłości? W tym miejscu chciałbym przekierować czytelnika do artykułu . Częściowo wynika to z braku łączności 5G: dostępne prędkości 4G nie są wystarczające. Częściowo ze względu na bardzo wysoki koszt samochodów autonomicznych: nie są one jeszcze opłacalne, model biznesowy jest niejasny. Jednym słowem „wszystko jest tu skomplikowane” i nieprzypadkowo Gartner pisze, że prognoza masowego wdrożenia poziomów 4 i 5 jest nie wcześniejsza niż za 10 lat.
3.2. Kamery wykrywające 3D
Osiem lat temu kontroler gier Kinect firmy Microsoft zrobił furorę, oferując dostępne i stosunkowo niedrogie rozwiązanie do widzenia 3D. Od tego czasu gry wychowania fizycznego i gry taneczne wykorzystujące technologię Kinect przeżywały krótki wzrost i upadek, ale kamery 3D zaczęto stosować w robotach przemysłowych, pojazdach bezzałogowych i telefonach komórkowych do identyfikacji twarzy. Technologia stała się tańsza, bardziej kompaktowa i bardziej dostępna.
Telefon Samsung S10 jest wyposażony w kamerę Time-of-Flight, która mierzy odległość do obiektu, aby ułatwić ustawienie ostrości.
Jeżeli zainteresował Cię ten temat to przekierujemy Cię do bardzo dobrej szczegółowej recenzji kamer głębinowych: , .
3.3. Drony do dostarczania małych ładunków (Drony dostawcze lekkich ładunków)
W tym roku Amazon zrobił furorę, pokazując na targach nowego latającego drona, który może przenosić małe ładunki o masie do 2 kg. Dla miasta z korkami wydaje się to idealnym rozwiązaniem. Zobaczymy, jak te drony będą działać w najbliższej przyszłości. Być może warto zachować tutaj ostrożny sceptycyzm: problemów jest wiele, począwszy od możliwości łatwej kradzieży drona, a skończywszy na ograniczeniach prawnych dotyczących UAV. Amazon Prime Air istnieje już od sześciu lat, ale wciąż znajduje się w fazie testów.
Nowy dron Amazona zaprezentowany wiosną tego roku. Jest w nim coś z Gwiezdnych Wojen.
Oprócz Amazona na tym rynku działają inni gracze (jest tam szczegółowy opis ), ale ani jednego gotowego produktu: wszystko jest na etapie testów i kampanii marketingowych. Osobno warto zwrócić uwagę na dość interesującą wysokospecjalistyczną medycynę w Afryce: dostawa oddanej krwi do Ghany (14 000 dostaw, firma Zipline) i Rwandy (firma Matternet).
3.4. Latające pojazdy autonomiczne
Trudno tu powiedzieć coś konkretnego. Według Gartnera stanie się to nie wcześniej niż za 10 lat. Generalnie są tu wszystkie te same problemy, co w samochodach autonomicznych, tyle że nabierają one nowego wymiaru – pionowego. Porsche, Boeing i Uber ogłosiły swoje ambicje zbudowania latającej taksówki.
3.5. Chmura rzeczywistości rozszerzonej (chmura AR)
Trwała cyfrowa kopia świata rzeczywistego, pozwalająca na stworzenie nowej warstwy rzeczywistości wspólnej dla wszystkich użytkowników. Mówiąc bardziej technicznie, mówimy o stworzeniu otwartej platformy chmurowej, z którą programiści mogliby integrować swoje aplikacje AR. Model monetyzacji jest jasny, jest to swego rodzaju analogia do Steama. Pomysł tak się zakorzenił, że niektórzy uważają, że AR bez chmury jest po prostu bezużyteczna.
Jak to może wyglądać w przyszłości, pokazuje krótki film. Wygląda jak kolejny odcinek Black Mirror:
Można także przeczytać na
4. Ulepszony człowiek
4.1. Sztuczna inteligencja emocji
Jak mierzyć, symulować i reagować na ludzkie emocje? Niektórzy z naszych klientów to firmy produkujące asystentów głosowych, takie jak Amazon Alexa. Mogą naprawdę przyzwyczaić się do domów, jeśli nauczą się rozpoznawać nastrój: zrozumieć przyczynę niezadowolenia użytkownika i spróbować naprawić sytuację. Ogólnie rzecz biorąc, w kontekście znajduje się znacznie więcej informacji niż w samej wiadomości. Kontekst to wyraz twarzy, intonacja i zachowanie niewerbalne.
Inne zastosowania praktyczne: analiza emocji podczas rozmowy kwalifikacyjnej (na podstawie wywiadów wideo), ocena reakcji na reklamę lub inny przekaz wideo (uśmiech, śmiech), pomoc w nauce (np. do samodzielnej praktyki w sztuce wystąpień publicznych).
Trudno wypowiadać się na ten temat lepiej niż autor 6-minutowego filmu krótkometrażowego . Dowcipny i stylowy filmik pokazuje, jak w celach marketingowych można zmierzyć nasze emocje, a z chwilowych reakcji Twojej twarzy dowiedzieć się, czy lubisz pizzę, psy, Kanye Westa, a nawet jaki masz poziom dochodów i przybliżony IQ. Odwiedzając stronę filmu korzystając z powyższego linku, stajesz się uczestnikiem interaktywnego wideo za pomocą wbudowanej kamery w swoim laptopie. Film był już pokazywany na kilku festiwalach filmowych.
Istnieje nawet takie interesujące badanie: jak rozpoznać sarkazm w tekście. Wzięliśmy tweety z hashtagiem #sarcasm i stworzyliśmy zestaw szkoleniowy składający się z 25 000 tweetów z sarkazmem i 100 000 zwykłych tweetów o wszystkim pod słońcem. Skorzystaliśmy z biblioteki TensorFlow, przeszkoliliśmy system i oto efekt:
Dlatego teraz, jeśli nie jesteś pewien co do swojego kolegi lub przyjaciela – powiedział Ci coś na serio lub sarkastycznie, możesz już skorzystać !
4.2. Rozszerzona inteligencja
Automatyzacja pracy intelektualnej z wykorzystaniem metod uczenia maszynowego. Wydawałoby się, że to nic nowego? Ale samo sformułowanie jest tutaj ważne, zwłaszcza że pokrywa się w skrócie ze sztuczną inteligencją. To prowadzi nas z powrotem do debaty na temat „silnej” i „słabej” sztucznej inteligencji.
Silna sztuczna inteligencja to ta sama sztuczna inteligencja z filmów science fiction, która jest w pełni równoważna ludzkiemu umysłowi i jest świadoma siebie jako jednostki. Tego jeszcze nie ma i nie wiadomo, czy w ogóle będzie.
Słaba sztuczna inteligencja nie jest niezależną osobą, ale ludzkim asystentem. Nie twierdzi, że myśli po ludzku, ale po prostu wie, jak rozwiązać problemy informacyjne, na przykład ustalić, co jest pokazane na obrazku lub przetłumaczyć tekst.
W tym sensie Rozszerzona Inteligencja jest „słabą sztuczną inteligencją” w najczystszej postaci, a sformułowanie wydaje się udane, gdyż nie wprowadza zamieszania i pokusy zobaczenia tutaj tej samej „silnej sztucznej inteligencji”, o której każdy marzy (lub się boi, jeśli weźmiemy pod uwagę przypominam sobie liczne dyskusje na temat „samochodów rebeliantów”). Używając określenia Inteligencja Rozszerzona, od razu stajemy się bohaterami kolejnego filmu: od science fiction (jak „Ja, Robot” Asimova) trafiamy do cyberpunku („ulepszenia” w tym gatunku to wszelkiego rodzaju implanty rozszerzające ludzkie możliwości).
jak Erik Brynjolfsson i Andrew McAffee: „To właśnie się stanie w ciągu najbliższych 10 lat. Sztuczna inteligencja nie zastąpi menedżerów, ale menedżerowie, którzy korzystają ze sztucznej inteligencji, zastąpią tych, którzy jeszcze tego nie zrobili.
Przykłady:
- Medycyna: Opracowano Uniwersytet Stanforda , który radzi sobie z zadaniem rozpoznawania patologii na prześwietleniach klatki piersiowej średnio tak skutecznie, jak większość lekarzy
- Edukacja: pomoc uczniom i nauczycielom, analiza reakcji uczniów na materiały, konstruowanie indywidualnej ścieżki uczenia się.
- Analityka biznesowa: wstępne przetwarzanie danych według statystyk zajmuje 80% czasu badacza i tylko 20% samego eksperymentu
4.3. Biochipy
To ulubiony motyw wszystkich cyberpunkowych filmów i książek. Ogólnie rzecz biorąc, wszczepianie chipów zwierzętom nie jest nową praktyką. Ale teraz te chipy zaczęto wszczepiać ludziom.
W tym przypadku szum kojarzony jest najprawdopodobniej z sensacyjną sprawą amerykańskiej firmy Three Square Market. Tam pracodawca zaczął oferować wszczepianie chipów pod skórę w zamian za wynagrodzenie. Chip pozwala na otwieranie drzwi, logowanie się do komputerów, kupowanie przekąsek z automatu – czyli taka uniwersalna karta pracownicza. Co więcej, taki chip pełni właśnie funkcję karty identyfikacyjnej, nie posiada modułu GPS, więc nie da się namierzyć nikogo, kto go używa. A jeśli ktoś chce usunąć chip z ramienia, zajmuje to 5 minut przy pomocy lekarza.
Chipy wszczepia się zwykle pomiędzy kciukiem a palcem wskazującym.
Czytaj więcej o stanie rzeczy z chipowaniem na świecie.
4.4. Wciągający obszar roboczy
„Wciągający” to kolejne nowe słowo, przed którym po prostu nie ma ucieczki. To jest wszędzie. Wciągający teatr, wystawa, kino. Co masz na myśli? Immersja to wytworzenie efektu immersji, kiedy zatraca się granica pomiędzy autorem a widzem, światem wirtualnym i realnym. W miejscu pracy prawdopodobnie oznacza to zatarcie granicy między wykonawcą a inicjatorem i zachęcanie pracowników do zajęcia bardziej aktywnej pozycji poprzez przeformułowanie swojego otoczenia.
Ponieważ wszędzie panuje zwinność, elastyczność i ścisła współpraca, miejsca pracy powinny być możliwie najłatwiej konfigurowalne i powinny zachęcać do pracy grupowej. Gospodarka dyktuje swoje warunki: jest więcej pracowników tymczasowych, rosną koszty wynajmu powierzchni biurowej, a na konkurencyjnym rynku pracy firmy IT starają się zwiększyć satysfakcję pracowników z pracy, tworząc strefy rekreacyjne i inne benefity. A wszystko to znajduje odzwierciedlenie w projektowaniu miejsc pracy.
Z Pagórek
4.5. Uosobienie
Czym jest personalizacja w reklamie wie każdy. Dzieje się tak wtedy, gdy dzisiaj rozmawiasz z kolegą, że powietrze w pomieszczeniu jest trochę suche i powinieneś kupić nawilżacz do biura, a następnego dnia na swoim portalu społecznościowym widzisz ogłoszenie „kup nawilżacz” (a prawdziwe wydarzenie, które mi się przytrafiło).
Personalizacja w rozumieniu Gartnera jest odpowiedzią na rosnące obawy użytkowników dotyczące wykorzystania ich danych osobowych w celach reklamowych. Celem jest opracowanie takiego podejścia, w ramach którego będą nam wyświetlane reklamy istotne dla kontekstu, w którym się znajdujemy, a nie dla nas osobiście. Przykładowo nasza lokalizacja, rodzaj urządzenia, pora dnia, warunki pogodowe – to coś, co nie narusza naszych danych osobowych, a my nie odczuwamy nieprzyjemnego poczucia bycia „nadzorowanymi”.
Przeczytaj o różnicy między tymi dwoma pojęciami Andrew Frank bloguje na stronie internetowej Gartnera. Jest tak subtelna różnica i takie podobne słowa, że nie znając różnicy, ryzykujesz długą kłótnią ze swoim rozmówcą, nie podejrzewając, że ogólnie rzecz biorąc, obaj mają rację (i jest to również prawdziwy incydent, który przydarzył się autor).
4.6. Biotechnologia – tkanka hodowana lub sztuczna
To przede wszystkim pomysł uprawy sztucznego mięsa. Jednocześnie kilka zespołów na całym świecie pracuje nad laboratorium „Mięso 2.0” – oczekuje się, że stanie się ono tańsze niż zwykle, a fast foody, a potem supermarkety przejdą na nie. Inwestorami w tę technologię są Bill Gates, Sergey Brin, Richard Branson i inni.
źródło
Powody, dla których wszyscy tak bardzo interesują się sztucznym mięsem:
- Globalne ocieplenie: emisje metanu z gospodarstw rolnych. Stanowi to 18% światowej objętości gazów wpływających na klimat.
- Wzrost populacji. Zapotrzebowanie na mięso rośnie, a naturalnym mięsem nie da się nakarmić wszystkich – jest ono po prostu drogie.
- Brak miejsca. 70% lasów Amazonii zostało już wyciętych na pastwiska.
- Względy etyczne. Są tacy, dla których to ważne. Organizacja praw zwierząt PETA wyznaczyła już nagrodę w wysokości 1 miliona dolarów naukowcowi, który wprowadza na rynek sztuczne mięso z kurczaka.
Zastąpienie prawdziwego mięsa soją jest częściowym rozwiązaniem, ponieważ ludzie potrafią docenić różnicę w smaku i konsystencji i raczej nie zrezygnują ze steków na rzecz soi. Potrzebujesz więc prawdziwego, organicznego mięsa. Teraz niestety sztuczne mięso jest za drogie: od 12 dolarów za kilogram. Wynika to ze złożonego procesu technicznego uprawy takiego mięsa. Przeczytaj o tym wszystkim .
Jeśli mówimy o innych przypadkach rozrostu tkanek – już w medycynie – to temat ze sztucznymi narządami jest ciekawy: na przykład „łatka” na mięsień sercowy, specjalną drukarkę 3D. Znany jak sztucznie wyhodowane serce myszy, ale w sumie wszystko jest jeszcze w fazie badań klinicznych. Jest więc mało prawdopodobne, że w nadchodzących latach zobaczymy Frankensteina.
W tym przypadku Gartner jest bardzo ostrożny w swoich szacunkach, najwyraźniej mając na uwadze swoją nieudaną prognozę z 2015 r., mówiącą, że w 2019 r. 10% populacji w krajach rozwiniętych będzie miało implant urządzenia medycznego wydrukowanego w 3D. Oznacza to zatem, że czas osiągnięcia plateau produktywności wynosi co najmniej 10 lat.
5. Ekosystemy cyfrowe
5.1. Zdecentralizowana sieć
Koncepcja ta jest ściśle związana z nazwiskiem wynalazcy sieci, zdobywcy nagrody Turinga, Sir Tima Burnersa-Lee. Dla niego zawsze ważne były kwestie etyki w informatyce i ważna była kolektywna istota Internetu: kładąc podwaliny pod hipertekst, był przekonany, że sieć powinna działać jak sieć, a nie jak hierarchia. Podobnie było na wczesnym etapie rozwoju sieci. Jednak wraz z rozwojem Internetu jego struktura stała się scentralizowana z różnych powodów. Okazało się, że dostęp do sieci dla całego kraju można łatwo zablokować za pomocą zaledwie kilku dostawców. Dane użytkowników stały się źródłem władzy i dochodów firm internetowych.
„Internet jest już zdecentralizowany” – mówi Burners-Lee. „Problem polega na tym, że dominuje jedna wyszukiwarka, jedna duża sieć społecznościowa, jedna platforma mikroblogowania. Nie mamy problemów technologicznych, ale mamy problemy społeczne”.
W jego Z okazji 30-lecia sieci WWW twórca sieci nakreślił trzy główne problemy Internetu:
- Ukierunkowane szkody, takie jak sponsorowane przez państwo hakowanie, przestępczość i nękanie w Internecie
- Już sama konstrukcja systemu, która na szkodę użytkownika stwarza podstawę dla takich mechanizmów jak: zachęty finansowe za clickbait i wirusowe rozpowszechnianie fałszywych informacji
- Niezamierzone konsekwencje projektu systemu prowadzące do konfliktów i obniżenia jakości dyskusji online
A Tim Berners-Lee ma już odpowiedź na jakich zasadach mógłby opierać się „Internet zdrowego człowieka”, pozbawiony problemu numer 2: „Dla wielu użytkowników dochód z reklam pozostaje jedynym modelem interakcji z Internetem. Nawet jeśli ludzie boją się tego, co stanie się z ich danymi, są skłonni zawrzeć umowę z machiną marketingową, aby uzyskać możliwość otrzymania treści za darmo. Wyobraź sobie świat, w którym płacenie za towary i usługi jest łatwe i przyjemne dla obu stron. Wśród opcji, jak można to zorganizować: muzycy mogą sprzedawać swoje nagrania bez pośredników w postaci iTunes, a serwisy informacyjne mogą korzystać z systemu mikropłatności za przeczytanie jednego artykułu, zamiast zarabiać na reklamach.
Jako eksperymentalny prototyp tego nowego Internetu Tim Berners-Lee uruchomił projekt SOLID, którego istotą jest to, że przechowujesz dane w „pod” - magazynie informacji i możesz udostępniać te dane aplikacjom stron trzecich. Ale w zasadzie to Ty jesteś panem swoich danych. Wszystko to ściśle wiąże się z koncepcją sieci peer-to-peer, czyli Twój komputer nie tylko żąda usług, ale także je udostępnia, tak aby nie polegać na jednym serwerze jako jedynym kanale.
5.2. Zdecentralizowane organizacje autonomiczne
Jest to organizacja, która rządzi się zasadami zapisanymi w formie programu komputerowego. Jej działalność finansowa opiera się na blockchainie. Celem tworzenia takich organizacji jest wyeliminowanie państwa z roli pośrednika i stworzenie wspólnego, zaufanego środowiska dla kontrahentów, które nie jest własnością nikogo indywidualnie, ale jest własnością wszystkich razem. Oznacza to, że teoretycznie powinno to, jeśli pomysł się zakorzeni, zlikwidować notariuszy i inne zwykłe instytucje weryfikacyjne.
Najbardziej znanym przykładem takiej organizacji była skupiona na przedsięwzięciu firma The DAO, która w 2016 roku zebrała 150 milionów dolarów, z czego 50 dolarów zostało natychmiast skradzionych przez lukę prawną w przepisach. Od razu powstał trudny dylemat: albo wycofać się i zwrócić pieniądze, albo przyznać, że wypłata pieniędzy była legalna, bo w żaden sposób nie naruszyła regulaminu platformy. W rezultacie, aby zwrócić inwestorom pieniądze, twórcy musieli zniszczyć The DAO, przepisując blockchain i naruszając jego podstawową zasadę – niezmienność.
Komiks o Ethereum (po lewej) i The DAO (po prawej).
Cała ta historia zrujnowała reputację samej idei DAO. Projekt ten powstał w oparciu o kryptowalutę Ethereum, wersja Ether 2.0 spodziewana jest w przyszłym roku – być może autorzy (w tym słynny Vitalik Buterin) wezmą pod uwagę błędy i pokażą coś nowego. Prawdopodobnie dlatego Gartner umieścił DAO na upline.
5.3.Dane syntetyczne
Do uczenia sieci neuronowych potrzebne są duże ilości danych. Ręczne etykietowanie danych to ogromne zadanie, które może wykonać wyłącznie człowiek. Dzięki temu możliwe jest tworzenie sztucznych zbiorów danych. Na przykład te same zbiory ludzkich twarzy w witrynie . Tworzone są przy użyciu GAN – algorytmów, o których była już mowa powyżej.
Te twarze nie należą do ludzi.
Dużą zaletą takich danych jest brak trudności prawnych z ich wykorzystaniem: nie ma nikogo, kto mógłby wyrazić zgodę na przetwarzanie danych osobowych.
5.4.Opcje cyfrowe
Przyrostek „Ops” stał się niezwykle modny, odkąd DevOps zakorzenił się w naszej mowie. A teraz o tym, czym jest DigitalOps – to tylko uogólnienie DevOps, DesignOps, MarketingOps… Nudzisz się już? Krótko mówiąc, jest to przeniesienie podejścia DevOps z obszaru oprogramowania na wszystkie pozostałe aspekty biznesu – marketing, projektowanie itp.
Ideą DevOps było usunięcie barier pomiędzy samym Developmentem a Operations (procesami biznesowymi), poprzez utworzenie wspólnych zespołów, w których znajdują się programiści, testerzy, specjaliści ds. bezpieczeństwa i administratorzy; wdrożenie określonych praktyk: ciągła integracja, infrastruktura jako kod, redukcja i wzmocnienie łańcuchów informacji zwrotnej. Celem było przyspieszenie czasu wprowadzenia produktu na rynek. Jeśli myślałeś, że jest to podobne do Agile, miałeś rację. Teraz przenieś w myślach to podejście z dziedziny tworzenia oprogramowania na rozwój w ogóle - i zrozumiesz, czym jest DigitalOps.
5.5. Grafy wiedzy
Oprogramowanie do modelowania obszaru wiedzy, w tym przy użyciu algorytmów uczenia maszynowego. Wykres wiedzy budowany jest na podstawie istniejących baz danych, aby połączyć ze sobą wszystkie informacje: zarówno ustrukturyzowane (lista wydarzeń lub osób), jak i nieustrukturyzowane (tekst artykułu).
Najprostszym przykładem jest karta, którą możesz zobaczyć w wynikach wyszukiwania Google. Jeśli szukasz osoby lub instytucji, po prawej stronie zobaczysz kartę:
Pamiętaj, że „Nadchodzące wydarzenia” nie są kopią informacji z Map Google, ale integracją harmonogramu z Yandex.Afisha: możesz to łatwo zobaczyć, klikając wydarzenia. Oznacza to, że jest to połączenie kilku źródeł danych w jedną całość.
Jeśli poprosisz o listę – na przykład „znani reżyserzy” – wyświetli się karuzela:
Bonus dla tych, którzy przeczytali do końca
A teraz, gdy wyjaśniliśmy sobie znaczenie każdego z punktów, możemy spojrzeć na ten sam obraz, ale po rosyjsku:
Udostępnij go swobodnie w sieciach społecznościowych!
Tatyana Volkova - Autorka programu szkoleniowego dla ścieżki IT Internetu Rzeczy w Samsung Academy, specjalistka ds. programów społecznej odpowiedzialności biznesu w Centrum Badawczym Samsung
Źródło: www.habr.com