O gráfico da Gartner para quem trabalha na área de tecnologia é como uma exposição de alta moda. Ao observá-lo, você pode antecipar quais palavras são as mais em alta nesta temporada e o que ouvirá em todas as próximas conferências.
Deciframos o que se esconde por trás das belas palavras desse gráfico, para que você também possa falar essa língua.
Para começar, algumas palavras sobre o que é esse gráfico. Todo ano, em agosto, a empresa de consultoria Gartner publica o relatório – Gartner Hype Curve. Em português, isso se traduz como 'curva de hype', ou, simplificadamente, apenas hype. Há 30 anos, os rappers do grupo Public Enemy cantavam: 'Não acredite no hype'. Acreditar ou não, é uma questão pessoal, mas pelo menos conhecer essas palavras-chave é importante se você trabalha na área de tecnologia e deseja saber sobre as tendências globais.
Este gráfico mostra as expectativas públicas em relação a uma determinada tecnologia. Segundo a Gartner, idealmente, a tecnologia passa por 5 estágios: lançamento da tecnologia, pico de expectativas exageradas, vale do desapontamento, inclinação de esclarecimento, platô de produtividade. Mas pode acontecer também que ela afunde no 'vale do desapontamento' - você pode facilmente se lembrar de exemplos, como as próprias criptomoedas: inicialmente vistas no pico como 'dinheiro do futuro', rapidamente desmoronaram quando as limitações da tecnologia se tornaram evidentes, principalmente as restrições no número de transações e a imensa quantidade de energia necessária para a produção de bitcoins (o que já gera problemas ambientais). E claro, não podemos esquecer que o gráfico da Gartner é apenas uma previsão: aqui, por exemplo, você pode ler detalhes , onde são discutidas as previsões mais marcantes que não se concretizaram.
Então, vamos dar uma olhada no novo gráfico da Gartner. As tecnologias estão divididas em 5 grandes grupos temáticos:
- Inteligência Artificial Avançada e Análise (Advanced AI and Analytics)
- Computação e Comunicações Pós-Clássicas (Postclassical Compute and Comms)
- Sensores e Mobilidade (Sensing and Mobility)
- Humano 'Aumentado' (Augmented Human)
- Ecossistemas Digitais (Digital Ecosystems)
1. Inteligência Artificial Avançada e Análise (Advanced AI and Analytics)
Nos últimos 10 anos, temos testemunhado a ascensão do aprendizado profundo (Deep Learning). Essas redes são realmente eficazes para seu conjunto de tarefas. Em 2018, Yann LeCun, Geoffrey Hinton e Yoshua Bengio receberam o prêmio Turing por suas descobertas nesta área — o prêmio mais prestigioso, equivalente ao "Nobel" da informática. Assim, as principais tendências nesta área que aparecem no gráfico:
1.1. Aprendizado por transferência (Transfer Learning)
Você não treina uma rede neural do zero, mas utiliza uma já treinada, designando-a para um novo objetivo. Às vezes, é necessário re-treinar parte da rede, mas não a rede inteira, o que é muito mais rápido. Por exemplo, usando uma rede neural pronta como a ResNet50, treinada no conjunto de dados ImageNet1000, você obterá um algoritmo capaz de classificar uma grande variedade de objetos em um nível muito profundo (1000 classes com base em características extraídas por 50 camadas da rede neural). Mas você não precisa treinar toda essa rede do zero, o que levaria meses.
Em Samsung "Redes Neurais e Visão Computacional", por exemplo, na tarefa final do com a classificação de pratos limpos e sujos, demonstra uma abordagem que em 5 minutos oferece uma rede neural profunda, capaz de distinguir pratos sujos de pratos limpos, construída com a arquitetura descrita acima. A rede original não sabia o que eram pratos, ela apenas aprendia a diferenciar pássaros de cachorros (veja ImageNet).
Fonte: Samsung "Redes Neurais e Visão Computacional"
Para o Aprendizado por Transferência, é preciso saber quais abordagens funcionam e quais arquiteturas básicas estão disponíveis. Em geral, isso acelera bastante a emergência de aplicações práticas de aprendizado de máquina.
1.2. Redes Generativas Adversariais (Generative Adversarial Networks, GAN)
Isso é para aqueles casos em que é muito difícil formular o objetivo de aprendizado. Quanto mais próxima a tarefa da vida real, mais clara ela nos parece ("traga a mesinha"), mas é mais difícil formu-lá como um requisito técnico. GAN é justamente uma tentativa de nos livrar desse problema.
Aqui trabalham duas redes: uma geradora (Generativa) e outra discriminadora (Adversarial). Uma rede aprende a realizar tarefas úteis (classificar imagens, reconhecer sons, criar desenhos animados). E a outra rede aprende a ensinar essa rede: ela tem exemplos reais e aprende a encontrar uma fórmula complexa desconhecida para comparar as criações da parte generativa da rede com objetos do mundo real (conjunto de treinamento) com base em características profundas realmente importantes: número de olhos, proximidade com o estilo de Miyazaki, correção na pronúncia do inglês.
Exemplo do resultado do trabalho da rede para gerar personagens de anime.
Mas lá, claro, é difícil construir a arquitetura. Não é suficiente apenas jogar neurônios, é preciso prepará-los. E o treinamento leva semanas. O tema de GAN é estudado pelos meus colegas no Centro de Inteligência Artificial da Samsung, onde é uma das questões de pesquisa chave. Por exemplo, algo assim : uso de redes generativas para síntese de fotografias realistas de pessoas com pose variável — por exemplo, para criar um provador virtual, ou para a síntese de um rosto, o que pode permitir reduzir a quantidade de informações que precisam ser armazenadas ou transmitidas para garantir uma videoconferência de qualidade, transmissão ou proteção de dados pessoais.
1.3. IA Explicável (Explainable AI)
Em algumas tarefas raras, o progresso em arquiteturas profundas trouxe as capacidades das redes neurais profundas surpreendentemente próximas das humanas. Agora, a batalha é para expandir o escopo dessas tarefas. Por exemplo, um robô aspirador poderia facilmente diferenciar um gato de um cão em um encontro frontal. Mas na maioria das situações da vida, ele será incapaz de encontrar um gato dormindo entre roupas ou móveis (embora, como nós, na maioria dos casos...).
Qual é a razão para o sucesso das redes neurais profundas? Elas desenvolvem uma representação da tarefa que se baseia não em informações "visíveis a olho nu" (pixels de uma foto, variações no volume de som, etc.), mas em características obtidas após o pré-processamento dessas informações através de várias centenas de camadas de redes neurais. Infelizmente, essas inter-relações podem ser também sem sentido, contraditórias ou refletir imperfeições no conjunto de dados original. Por exemplo, existe um pequeno jogo de computador sobre as possíveis consequências de uma aplicação descuidada da IA no recrutamento. .
O sistema de marcação de imagens identificou uma pessoa cozinhando como uma mulher, embora na imagem na verdade fosse um homem (). Isso no Instituto da Virgínia.
Para analisar relações complexas e profundas que muitas vezes não conseguimos formular sozinhos, são necessários métodos de IA Explicável. Eles organizam as características das redes neurais profundas de modo que, após o treinamento, possamos analisar a representação interna aprendida pela rede e não apenas confiar em sua decisão.
1.4. Análise / IA de Borda (Edge Analytics / AI)
Tudo que tem a palavra Edge significa literalmente o seguinte: transferir parte dos algoritmos da nuvem / servidor para o nível do dispositivo final / gateway. Esse algoritmo funcionará mais rapidamente e não precisará de uma conexão com o servidor central para sua operação. Se você está familiarizado com a abstração "cliente leve", aqui nós estamos tornando esse cliente um pouco mais robusto.
Isso pode ser importante para a Internet das Coisas. Por exemplo, se uma máquina superaqueceu e necessita de refrigeração, faz sentido enviar um sinal sobre isso imediatamente, no nível da fábrica, sem esperar que os dados cheguem à nuvem e depois ao supervisor de turno. Ou outro exemplo: carros autônomos podem entender a situação do tráfego de forma independente, sem consultar o servidor central.
Ou outro exemplo de por que isso é importante do ponto de vista da segurança: quando você digita textos no seu telefone, ele memoriza palavras típicas para sugeri-las de maneira conveniente futuramente – isso é chamado de entrada preditiva de texto. Enviar para um data center tudo o que você digita no teclado seria uma violação da sua privacidade e simplesmente inseguro. Portanto, o aprendizado do teclado acontece apenas no próprio dispositivo.
1.5. Plataforma de IA como serviço (AI PaaS)
PaaS – Plataforma como Serviço – é um modelo de negócios onde temos acesso a uma plataforma integrada, incluindo seu armazenamento em nuvem e procedimentos prontos. Dessa forma, podemos nos livrar das tarefas de infraestrutura e concentrar totalmente na produção de algo útil. Exemplos de plataformas PaaS para tarefas de IA: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Aprendizado de máquina adaptativo (Adaptive ML)
E se permitirmos que a inteligência artificial se adapte... Você pode perguntar – como assim?.. Não é que ela já se adapta à tarefa? O problema é o seguinte: cada uma dessas tarefas é minuciosamente elaborada antes de construirmos um algoritmo de inteligência artificial para resolvê-la. A resposta é que, na verdade, é possível simplificar essa cadeia.
O aprendizado de máquina convencional opera segundo o princípio de sistema aberto (open-loop): você prepara os dados, cria uma rede neural (ou o que for), treina, depois observa alguns indicadores, e se tudo estiver ao seu gosto, pode enviar a rede neural para os smartphones – para resolver as tarefas dos usuários. Mas em aplicações onde há muitos dados e seu caráter muda gradualmente, métodos diferentes são necessários. Sistemas que se adaptam e se auto-treinam organizam-se em contornos fechados e auto-aprendizantes (closed-loop), e eles devem funcionar sem interrupções.
Aplicações – isto pode ser análise de streaming (Stream Analytics), com base na qual muitos empresários tomam decisões, ou gestão de produção adaptativa. No âmbito das aplicações modernas e considerando os riscos melhor compreendidos para as pessoas, os métodos que compõem a solução desse problema são todos reunidos sob o nome geral de AI Adaptativa.
Olhando para esta imagem, é difícil escapar da sensação de que os futurólogos não precisam de pão – só querem ensinar um robô a respirar…
Computação e Comunicações Pós-Clássicas (Postclassical Compute and Comms)
2.1. Comunicação móvel de quinta geração (5G)
Este é um tema tão interessante que já recomendamos nossa . Aqui está um resumo. O 5G, devido ao aumento da frequência de transmissão de dados, tornará a velocidade da Internet incrivelmente rápida. Ondas curtas têm mais dificuldade em passar por obstáculos, portanto, a estrutura da rede será completamente diferente: precisaremos de 500 vezes mais estações base.
Com a velocidade, teremos novos fenômenos: jogos em tempo real com realidade aumentada, realização de tarefas complexas (como cirurgia) por meio de telepresença, e prevenção de acidentes e situações perigosas nas estradas através da comunicação entre veículos. Do ponto de vista mais prosaico: finalmente, a Internet móvel deixará de cair durante eventos de massa, como um jogo em um estádio.
Fonte da imagem – Reuters, Niantic
2.2. Memória de próxima geração (Next-Generation Memory)
Aqui falamos da quinta geração de memória RAM – DDR5. A Samsung anunciou que até o final de 2019 estarão disponíveis produtos baseados em DDR5. Espera-se que a nova memória seja duas vezes mais rápida e com o dobro da capacidade, mantendo o mesmo formato, ou seja, poderemos obter módulos de memória de até 32GB para nossos computadores. No futuro, isso será especialmente relevante para smartphones (a nova memória terá uma versão de baixo consumo de energia) e para laptops (onde o número de slots DIMM é limitado). Além disso, o aprendizado de máquina exige grandes volumes de memória RAM.
2.3. Sistemas de satélites de órbita baixa (Low-Earth-Orbit Satellite Systems)
A ideia de substituir satélites pesados, caros e potentes por um enxame de pequenos e baratos não é nova e surgiu ainda na década de 90. Sobre isso, não há como não ter ouvido, a menos que você seja preguiçoso. A empresa mais conhecida nesse campo é a Iridium, que faliu no final dos anos 90, mas foi salva pelo Departamento de Defesa dos EUA (não confunda com iRidium – o sistema russo de casa inteligente). O projeto de Elon Musk (Starlink) não é o único – na corrida espacial participam Richard Branson (OneWeb – 1440 satélites previstos), Boeing (3000 satélites), Samsung (4600 satélites) e outros.
Como está a situação nesse campo, como funciona a economia – leia em . Estamos aguardando os primeiros testes desses sistemas por usuários pioneiros, que devem ocorrer já no próximo ano.
2.4. Impressão 3D em nanoescala (Nanoscale 3D Printing)
A impressão 3D, embora não tenha se tornado parte da vida de cada pessoa (na forma de uma prometida fábrica de plásticos caseira), há muito saiu do nicho das tecnologias para entusiastas. Isso pode ser comprovado pelo fato de que até mesmo os estudantes conhecem a existência de canetas 3D, e muitos sonham em adquirir uma caixa com trilhos e um extrusor para... "simplesmente" (ou já adquiriram).
A estereolitografia (impressoras 3D a laser) permite imprimir fótons individuais: novos polímeros estão sendo pesquisados, nos quais apenas dois fótons são suficientes para a solidificação. Isso permitirá, em condições não laboratoriais, criar filtros, suportes, molas, capilares, lentes totalmente novos e... suas sugestões nos comentários! E aqui não estamos longe da fotopolimerização – somente essa tecnologia permite "imprimir" processadores e circuitos computacionais. Além disso, a tecnologia mas sem um desenvolvimento radical.
3. Sensores e Mobilidade (Sensing and Mobility)
3.1. Veículos autônomos, níveis 4 e 5 (Autonomous Driving Level 4 & 5)
Para não nos confundirmos na terminologia, é importante entender quais níveis de autonomia existem (retirado de uma descrição detalhada, , a qual encaminhamos todos os interessados):
Nível 1: Controle de cruzeiro: assistência ao motorista em situações muito limitadas (por exemplo – manter o carro a uma velocidade constante após o motorista retirar o pé do pedal).
Nível 2: Assistência limitada na direção e frenagem. O motorista deve estar pronto para assumir o controle quase que imediatamente. Suas mãos estão no volante, e seu olhar está voltado para a estrada. Isso é o que já existe na Tesla e na General Motors.
Nível 3: O motorista não precisa mais acompanhar constantemente a estrada. Mas deve permanecer alerta e pronto para assumir o controle. Isso ainda não está disponível nos carros à venda. Todos os existentes até o momento estão nos níveis 1-2.
Nível 4: Um verdadeiro piloto automático, mas com limitações: apenas viagens em áreas conhecidas, que são cuidadosamente mapeadas e, de modo geral, conhecidas pelo sistema, e sob certas condições: por exemplo, na ausência de neve. Protótipos desse tipo existem na Waymo e na General Motors, que planejam lançá-los em várias cidades e testá-los em situações reais. A 'Yandex' tem zonas de testes para táxis sem motorista em Skolkovo e Innopolis: a viagem ocorre sob a supervisão de um engenheiro sentado no banco do passageiro; no final do ano, a empresa planeja expandir a frota para 100 veículos autônomos.
Nível 5: Condução totalmente automática, substituição completa do motorista humano. Sistemas assim não existem e é improvável que apareçam nos próximos anos.
Quão realista é ver tudo isso num futuro próximo? Aqui, gostaríamos de redirecionar o leitor para o artigo . Isso se deve em parte à falta de conexão 5G: as velocidades da 4G disponíveis são insuficientes. Em parte, à muito alta custo de veículos autônomos: ainda não são rentáveis e o modelo de negócios não está claro. Em resumo, aqui é 'tudo complicado', e não é por acaso que a Gartner escreve que a previsão de adoção em massa dos Níveis 4 e 5 - não será antes de 10 anos.
3.2. Câmeras com visão 3D (3D Sensing Cameras)
Há oito anos, o controle de jogos Microsoft Kinect fez barulho, oferecendo uma solução acessível e relativamente barata para visão 3D. Desde então, os jogos de dança e movimentos com Kinect tiveram sua breve ascensão e queda, mas as câmeras 3D começaram a ser utilizadas em robôs industriais, veículos autônomos e smartphones para identificação facial. A tecnologia se tornou mais barata, compacta e acessível.
No telefone Samsung S10, existe uma câmera de tempo de voo (Time-of-Flight) que mede a distância até o objeto - para facilitar o foco.
Se você se interessou por este tema, recomendamos um excelente e detalhado relatório sobre câmeras de profundidade: , .
3.3. Drones para entrega de pequenas cargas (Light Cargo Delivery Drones)
Neste ano, a Amazon causou alvoroço ao apresentar na feira um novo drone voador capaz de transportar pequenas cargas de até 2 kg. Para uma cidade, com seu tráfego intenso, isso parece ser a solução perfeita. Vamos ver como esses drones se sairão no futuro próximo. É prudente adotar um ceticismo cauteloso: há muitos problemas, desde a possibilidade de roubo fácil do drone até as restrições legais sobre drones. O Amazon Prime Air existe há seis anos, mas ainda está em fase de testes.
O novo drone da Amazon, apresentado nesta primavera. Há algo dele nos "Star Wars".
Além da Amazon, há outros players neste mercado (há detalhes ), mas nenhum produto finalizado: tudo está em fase de teste e promoções de marketing. Vale destacar serviços médicos especializados, na África: entrega de sangue de doadores em Gana (14.000 entregas, empresa Zipline) e Ruanda (empresa Matternet).
3.4. Transporte autônomo voador (Flying Autonomous Vehicles)
É difícil dizer algo concreto. De acordo com a Gartner, isso não aparecerá antes de 10 anos. De fato, os problemas são os mesmos que os dos carros autônomos, mas agora ganham uma nova dimensão — a vertical. Temos ambições de construir táxis voadores por parte da Porsche, Boeing e Uber.
3.5. Nuvem de Realidade Aumentada (AR Cloud)
Uma cópia digital constante do mundo real, permitindo criar uma nova camada de realidade, comum a todos os usuários. Em termos mais técnicos, trata-se de criar uma plataforma de nuvem aberta na qual desenvolvedores possam integrar seus aplicativos AR. O modelo de monetização é claro, é uma espécie de análogo ao Steam. A ideia se enraizou tanto que agora alguns acreditam que AR sem nuvem é simplesmente inútil.
Como isso pode parecer no futuro é mostrado em um pequeno vídeo. Parece uma nova série de "Black Mirror":
Ainda é possível ler mais em
4. O ser humano "aumentado" (Augmented Human)
4.1. IA para emoções (Emotion AI)
Como medir, simular e reagir às emoções humanas? Alguns dos clientes aqui são empresas que produzem assistentes de voz semelhantes ao Amazon Alexa. Realmente se integrar nas casas só será possível se aprenderem a reconhecer o humor: entender a razão da insatisfação do usuário e tentar corrigir a situação. No geral, há muito mais informação no contexto do que na própria mensagem. E o contexto é a expressão facial, a entonação e o comportamento não verbal.
Outras aplicações práticas incluem: análise de emoções durante entrevistas de trabalho (por meio de entrevistas em vídeo), avaliação da reação a comerciais ou outros conteúdos em vídeo (sorrisos, risadas), e apoio ao aprendizado (por exemplo, para práticas autônomas em arte de apresentações públicas).
É difícil se expressar melhor sobre este assunto do que o autor do curta-metragem de 6 minutos . No vídeo, feito com inteligência e estilo, é mostrado como medir nossas emoções para fins de marketing, e a partir das reações imediatas do seu rosto, descobrir se você ama pizza, cães, Kanye West, e até mesmo qual é seu nível de renda e seu QI aproximado. Ao acessar o site do filme pelo link acima, você se torna parte de um vídeo interativo usando a câmera embutida do seu laptop. O filme já foi exibido em vários festivais de cinema.
Há até uma pesquisa interessante: como reconhecer sarcasmo no texto. Foram coletados tweets com a hashtag #sarcasmo e feita uma amostra de treinamento de 25.000 tweets sarcásticos e 100.000 tweets comuns sobre tudo possível. Usaram a biblioteca TensorFlow, treinaram o sistema e aqui está o resultado:
Portanto, agora, se você não tem certeza sobre seu colega ou amigo — se ele falou com seriedade ou sarcasmo — você pode utilizar uma !
4.2. Inteligência Aumentada (Augmented Intelligence)
Automatização do trabalho intelectual por meio de métodos de aprendizado de máquina. Parece que não há nada de novo? Mas aqui a formulação é importante, especialmente porque coincide com a abreviação de Inteligência Artificial. Isso nos remete ao debate sobre a 'inteligência forte' e 'fraca'.
A inteligência artificial forte é aquela que aparece em filmes de ficção científica, que é completamente equivalente à mente humana e se percebe como uma entidade. Tal coisa ainda não existe e não está claro se algum dia existirá.
A inteligência artificial fraca não é uma entidade autônoma, mas um assistente humano. Ela não busca imitar o pensamento humano, mas simplesmente resolve tarefas informacionais, como identificar o que está na imagem ou traduzir texto.
Nesse sentido, a Inteligência Aumentada é, de fato, uma "inteligência artificial fraca", e a formulação parece acertada, pois não causa confusão nem induz a ver aqui a famosa "inteligência artificial forte" da qual todos sonham (ou temem, lembrando as inúmeras discussões sobre a "revolta das máquinas"). Ao usar a expressão Inteligência Aumentada, de repente nos tornamos os protagonistas de outro filme: da ficção científica (como "Eu, Robô" de Asimov) passamos ao cyberpunk (no qual "aumentações" se referem a diversos implantes que ampliam as capacidades humanas).
Como Erik Brynjolfsson e Andrew McAfee: "Nos próximos 10 anos, isso acontecerá. Não será a IA que substituirá os gestores, mas aqueles gestores que utilizam IA que substituirão aqueles que ainda não se adaptaram."
Exemplos:
- Medicina: A Universidade de Stanford desenvolveu , que realiza a tarefa de reconhecimento de patologias em radiografias de tórax com a mesma eficácia que a maioria dos médicos.
- Educação: auxílio ao aluno e ao professor, análise da resposta dos alunos ao material, construção de trajetórias de aprendizado individuais.
- Análise de negócios: a pré-processamento de dados ocupa, em média, 80% do tempo do pesquisador, e apenas 20% é gasto no experimento em si.
4.3. Biochips
Esse é um tema favorito de todos os filmes e livros de cyberpunk. O microchipamento de animais de estimação não é uma prática nova. Mas agora esses chips também estão sendo implantados em humanos.
Neste caso, o hype está provavelmente relacionado ao famoso episódio na empresa americana Three Square Market. Lá, o empregador começou a oferecer implantar chips sob a pele em troca de uma recompensa. O chip permite abrir portas, fazer login em computadores e comprar lanches em máquinas automáticas – ou seja, é um cartão de identificação universal para funcionários. É importante notar que esse chip serve apenas como um cartão de identificação, não possui módulo GPS, portanto não é possível rastrear ninguém por meio dele. E se a pessoa quiser remover o chip da mão, isso leva apenas 5 minutos com a ajuda de um médico.
Os chips são geralmente implantados entre o polegar e o indicador.
Leia mais sobre o estado das coisas em relação à chipagem no mundo.
4.4. Espaço de trabalho imersivo (Immersive Workspace)
“Imersivo” – mais uma palavra nova da qual não se pode escapar. Está em toda parte. Teatro imersivo, exposições, cinema. O que isso realmente significa? Imersividade é a criação de um efeito de imersão, onde a linha entre autor e espectador, mundo virtual e real, se dissolvem. Aplicado ao ambiente de trabalho, isso provavelmente significa borrar a linha entre o executor e o iniciador e incentivar os funcionários a adotarem uma postura mais ativa por meio da reformatação do ambiente ao seu redor.
Já que agora temos Agile em todo lugar, flexibilidade e colaboração próxima – os locais de trabalho também devem ser facilmente configuráveis, incentivando o trabalho em equipe. A economia impõe suas condições: há um aumento na quantidade de trabalhadores temporários, o custo de aluguel de espaços de escritório está subindo, e em um mercado de trabalho competitivo na área de TI, as empresas buscam aumentar a satisfação dos funcionários, criando zonas de recreação e outras comodidades. Tudo isso reflete no design dos locais de trabalho.
De Knoll
4.5. Personificação (Personification)
Todos sabem o que é personalização na publicidade. É quando você conversa com um colega sobre como o ar no escritório está seco e que seria bom comprar um umidificador, e no dia seguinte vê um anúncio nas redes sociais – "compre um umidificador" (caso real que aconteceu comigo).
A personalização, por definição da Gartner, é uma resposta à crescente preocupação dos usuários sobre o uso de seus dados pessoais para fins publicitários. O objetivo é desenvolver uma abordagem em que nos seja exibida publicidade que corresponda ao contexto em que nos encontramos, e não a nós pessoalmente. Por exemplo, nossa localização, tipo de dispositivo, hora do dia e condições climáticas são fatores que não infringem nossos dados pessoais, e não sentimos a desagradável sensação de "monitoramento".
Sobre a diferença entre esses dois conceitos, leia de Andrew Frank no blog do site da Gartner. A diferença é tão sutil e as palavras são tão semelhantes que, sem conhecer a diferença, você corre o risco de debater longamente com seu interlocutor, sem perceber que ambos estão, na verdade, certos (e este também é um caso real que ocorreu com o autor).
4.6. Biotecnologia – Tecidos Artesanais (Biotech – Cultured or Artificial Tissue)
Essa é, acima de tudo, a ideia de cultivar carne artificial. Várias equipes ao redor do mundo estão simultaneamente desenvolvendo a "Carne 2.0" em laboratório – espera-se que ela se torne mais barata que a carne convencional, e que as redes de fast food e, posteriormente, os supermercados adotem essa alternativa. Entre os investidores nessa tecnologia estão Bill Gates, Sergey Brin, Richard Branson e outros.
Fonte
Razões pelas quais todos estão tão interessados em carne artificial:
- Aquecimento global: emissão de metano das fazendas. Isso representa 18% do total global de gases que afetam o clima.
- Crescimento populacional. A demanda por carne está aumentando, e alimentar a todos com carne natural não será possível – é simplesmente cara.
- Falta de espaço. 70% das florestas da Amazônia já foram desmatadas para pastagens.
- Considerações éticas. Existem aqueles para quem isso é importante. A organização de defesa dos animais PETA já ofereceu um prêmio de 1 milhão de dólares ao cientista que lançar no mercado carne de frango artificial.
Substituir a carne verdadeira por soja é uma solução parcial, uma vez que as pessoas percebem bem a diferença de sabor e textura, e dificilmente abrirão mão de um bife em favor da soja. Portanto, é necessário carne verdadeira, cultivada organicamente. Atualmente, infelizmente, a carne artificial é muito cara: a partir de 12 dólares por quilo. Isso se deve ao complicado processo técnico de cultivo dessa carne. Leia mais sobre tudo isso. .
Se falarmos sobre outros casos de cultivo de tecidos — já na medicina — o tema dos órgãos artificiais é interessante: por exemplo, um "curativo" para o músculo cardíaco, por uma impressora 3D especial. Conhece-se alguma coisa como um coração de rato cultivado artificialmente, mas, no geral, ainda não ultrapassou os limites dos testes clínicos. Portanto, não devemos esperar um Frankenstein nos próximos anos.
Aqui, a Gartner é muito cautelosa em suas avaliações, mantendo em mente sua previsão fracassada de 2015 de que, em 2019, 10% da população dos países desenvolvidos teria um dispositivo médico-implante impresso em 3D. Por isso, ela indica que o tempo até atingir um platô de produtividade — não será inferior a 10 anos.
5. Ecossistemas digitais (Digital Ecosystems)
5.1. Web descentralizada (Decentralized Web)
Este conceito está intimamente ligado ao nome do inventor da web, o laureado do Prêmio Turing, Sir Tim Berners-Lee. Para ele, questões de ética na computação sempre foram importantes, assim como a essência coletiva da Internet: ao estabelecer as bases do hipermídia, ele estava convencido de que a rede deveria funcionar como uma teia, e não como uma hierarquia. E assim foi em seu estágio inicial de desenvolvimento. Contudo, com o crescimento da Internet, sua estrutura começou a se centralizar por uma série de razões. Descobriu-se que o acesso à rede para um país inteiro poderia ser facilmente bloqueado por meio de apenas alguns provedores. E os dados dos usuários se tornaram uma fonte de poder e renda para as empresas de internet.
"A Internet já é descentralizada, diz Berners-Lee. O problema é que uma única motor de busca domina, uma única grande rede social, uma única plataforma de microblogging. Não temos problemas tecnológicos, mas sociais."
Em seu para o 30º aniversário da World Wide Web, o criador da Web delineou três problemas principais da Internet:
- Causar dano intencionalmente, como ataques hackers patrocinados pelo estado, crime e assédio online
- A própria estrutura do sistema, que em detrimento do usuário cria um terreno fértil para mecanismos como: a recompensa financeira por cliques enganosos e a disseminação viral de informações falsas
- Consequências não intencionais do design do sistema, que levam a conflitos e redução da qualidade da discussão online
E Tim Berners-Lee já tem uma resposta sobre os princípios em que poderia se basear a "Internet saudável", livre do problema número 2: "Para muitos usuários, o único modelo de interação com a web continua sendo a receita proveniente da publicidade. Mesmo que as pessoas estejam assustadas com o que acontece com seus dados, elas concordam em fazer um acordo com a máquina de marketing pela oportunidade de acessar conteúdo gratuitamente. Imagine um mundo onde o pagamento por bens e serviços é fácil e agradável para ambas as partes". Entre as opções de como isso poderia ser estruturado: músicos poderiam vender suas gravações sem intermediários como o iTunes, enquanto sites de notícias poderiam utilizar um sistema de micropagamentos para a leitura de um único artigo, em vez de depender da publicidade.
Como um protótipo experimental dessa nova Internet, Tim Berners-Lee lançou o projeto SOLID, cujo princípio é que você armazena seus dados em um "pod" — um repositório de informações, e pode fornecer esses dados para aplicativos de terceiros. Mas, em essência, você é o proprietário de seus dados. Tudo isso está intimamente relacionado ao conceito de redes peer-to-peer, ou seja, seu computador não apenas solicita serviços, mas também os fornece, para não depender de um único servidor como o único canal.
5.2. Organizações Autônomas Descentralizadas (Decentralized Autonomous Organizations)
É uma organização que é gerida por regras escritas na forma de um programa de computador. Suas atividades financeiras ocorrem com base na blockchain. O objetivo da criação dessas organizações é eliminar o estado do papel de intermediário e criar um ambiente confiável e compartilhado para as partes contratantes, que não é possuído por ninguém individualmente, mas por todos em conjunto. Ou seja, em teoria, isso deveria, se a ideia se firmar, abolir notários e outros institutos tradicionais de verificação.
O exemplo mais conhecido desse tipo de organização foi a voltada para negócios de risco, The DAO, que em 2016 arrecadou 150 milhões de dólares, dos quais 50 milhões foram imediatamente roubados através de uma "brecha" legal nas regras. Isso gerou um dilema complicado: reverter e devolver o dinheiro, ou reconhecer que a retirada foi legal, já que não violava de forma alguma as regras da plataforma. No final, para devolver o dinheiro aos investidores, os criadores tiveram que destruir o The DAO, reescrevendo a blockchain e infringindo seu princípio fundamental — a imutabilidade.
Quadrinho sobre Ethereum (à esquerda) e The DAO (à direita).
Toda essa história prejudicou a reputação da própria ideia de DAO. O projeto foi construído com base na criptomoeda Ethereum, e no próximo ano espera-se a versão Ether 2.0 — talvez os autores (entre os quais se destaca Vitalik Buterin) considerem os erros e apresentem algo novo. Provavelmente, por isso Gartner colocou os DAOs em uma trajetória ascendente.
5.3.Dados Sintéticos (Synthetics Data)
Para o treinamento de redes neurais são necessários grandes volumes de dados. Anotar dados manualmente é um trabalho imenso, que só pode ser realizado por humanos. Portanto, é possível criar conjuntos de dados artificiais. Por exemplo, as mesmas coleções de rostos humanos no site . Eles são criados usando GAN — algoritmos mencionados anteriormente.
Esses rostos não pertencem a pessoas.
Uma grande vantagem desses dados é que não surgem complicações jurídicas em seu uso: não há ninguém para dar consentimento para o processamento de dados pessoais.
5.4.Operações Digitais (Digital Ops)
O sufixo "Ops" se tornou incrivelmente popular desde que o termo DevOps se estabeleceu na nossa linguagem. Agora, sobre o que são Digital Ops — é simplesmente uma generalização de DevOps, DesignOps, MarketingOps... Você ainda não perdeu o interesse? Em suma, é a transferência da abordagem adotada no DevOps para todas as outras áreas dos negócios — marketing, design, etc.
A ideia por trás do DevOps era eliminar barreiras entre o Desenvolvimento e as Operações, criando equipes integradas onde programadores, testadores, especialistas em segurança e administradores colaboram; implementando práticas específicas: integração contínua, infraestrutura como código, e melhorando as cadeias de feedback. O objetivo era acelerar o lançamento de produtos no mercado. Se você achou que isso se assemelha ao Agile, você acertou. Agora, mentalmente transfira essa abordagem da área de desenvolvimento de software para o desenvolvimento em geral – e você entenderá o que é DigitalOps.
5.5. Grafos de Conhecimento
Uma forma programática de modelar uma área de conhecimento, incluindo – através de algoritmos de aprendizado de máquina. O grafo de conhecimento é construído sobre bancos de dados existentes, para conectar todas as informações: tanto as estruturadas (listas de eventos ou pessoas) quanto as não estruturadas (texto de artigos).
O exemplo mais simples é o cartão que você pode ver nos resultados de busca do Google. Se você procurar por uma pessoa ou instituição, verá um cartão à direita:
Note que 'Eventos Futuros' não é uma cópia das informações do Google Maps, mas a integração de uma agenda com o Yandex.Afisha: você pode facilmente perceber isso ao clicar nos eventos. Ou seja, trata-se de uma fusão de várias fontes de dados.
Se você solicitar uma lista – por exemplo, 'diretores famosos' – você verá uma 'carrossel':
Bônus para quem leu até o final
E agora, quando esclarecemos o significado de cada item, podemos olhar para a mesma imagem, mas agora em português:
Compartilhe livremente em suas redes sociais!
Tatiana Volkova – Autora do programa educacional do curso de Internet das Coisas da IT Academy Samsung, especialista em programas de responsabilidade social corporativa do Centro de Pesquisa Samsung.
Fonte: habr.com
