O gráfico do Gartner é como um desfile de alta moda para quem atua na indústria de tecnologia. Olhando para ele, você poderá descobrir com antecedência quais palavras são mais badaladas nesta temporada e o que ouvirá em todas as próximas conferências.

Deciframos o que está por trás das belas palavras deste gráfico para que você também possa falar o idioma.

Para começar, apenas algumas palavras sobre que tipo de gráfico é esse. Todos os anos, em agosto, a consultoria Gartner divulga um relatório - Gartner Hype Curve. Em russo, esta é uma “curva de hype” ou, mais simplesmente, hype. Há 30 anos, rappers do grupo Public Enemy cantavam: “Não acredite no hype”. Acredite ou não, é uma questão pessoal, mas vale pelo menos conhecer essas palavras-chave se você trabalha na área de tecnologia e quer conhecer as tendências globais.

Este é um gráfico das expectativas do público em relação a uma tecnologia específica. Segundo o Gartner, idealmente, a tecnologia passa por 5 estágios: lançamento da tecnologia, pico de expectativas inflacionadas, vale da decepção, inclinação da iluminação, platô da produtividade. Mas também acontece que ele se afoga no “vale da decepção” - você mesmo pode se lembrar de exemplos com muita facilidade, pegar os mesmos bitcoins: inicialmente atingindo o pico como “dinheiro do futuro”, eles rapidamente caíram quando as deficiências da tecnologia tornou-se óbvia, em primeiro lugar, as restrições ao número de transações e a enorme quantidade de eletricidade necessária para gerar bitcoins (o que já acarreta problemas ambientais). E claro, não devemos esquecer que o gráfico do Gartner é apenas uma previsão: aqui, por exemplo, você pode ler um relatório detalhado статью, onde as previsões não cumpridas mais impressionantes são resolvidas.

Então, vamos examinar o novo gráfico do Gartner. As tecnologias estão divididas em 5 grandes grupos temáticos:

1. IA e análises avançadas
2. Computação e comunicações pós-clássicas
3. Sensoriamento e Mobilidade
4. Humano Aumentado
5. Ecossistemas Digitais

1. IA e análises avançadas

Nos últimos 10 anos, vimos o melhor momento do aprendizado profundo. Estas redes são verdadeiramente eficazes para a sua gama de tarefas. Em 2018, Yann LeCun, Geoffrey Hinton e Yoshua Bengio receberam o Prémio Turing pelas suas descobertas – o prémio de maior prestígio, análogo ao Prémio Nobel da Ciência da Computação. Assim, as principais tendências nesta área, que estão apresentadas no gráfico:

1.1. Transferência de aprendizagem

Você não treina uma rede neural do zero, mas pega uma rede já treinada e atribui a ela um objetivo diferente. Às vezes, isso requer o retreinamento de parte da rede, mas não de toda a rede, que é muito mais rápida. Por exemplo, pegando uma rede neural ResNet50 pronta, treinada no conjunto de dados ImageNet1000, você obterá um algoritmo que pode classificar muitos objetos diferentes em uma imagem em um nível muito profundo (1000 classes baseadas em recursos gerados por 50 camadas do neural rede). Mas você não precisa treinar toda a rede, o que levaria meses.

В curso online Samsung “Redes Neurais e Visão Computacional”, por exemplo, na final Tarefa Kaggle com a classificação das placas em limpas e sujas, é demonstrada uma abordagem que em 5 minutos coloca à sua disposição uma rede neural profunda capaz de distinguir placas sujas de limpas, construída de acordo com a arquitetura descrita acima. A rede original não sabia o que eram placas, apenas aprendeu a distinguir pássaros de cães (ver ImageNet).

Fonte: curso online Samsung "Redes Neurais e Visão Computacional"

Para o Transfer Learning, você precisa saber quais abordagens funcionam e quais arquiteturas básicas prontas estão disponíveis. No geral, isto acelera enormemente o surgimento de aplicações práticas de aprendizado de máquina.

1.2. Redes Adversariais Gerativas (GAN)

Isto é para aqueles casos em que é muito difícil formular o objetivo de aprendizagem. Quanto mais próxima a tarefa estiver da vida real, mais compreensível ela será para nós (“traga a mesinha de cabeceira”), mas mais difícil será formulá-la como uma tarefa técnica. GAN é apenas uma tentativa de nos salvar desse problema.

Existem duas redes funcionando aqui: uma é geradora (Generativa), a outra é discriminadora (Adversarial). Uma rede aprende a fazer trabalhos úteis (classificar imagens, reconhecer sons, desenhar desenhos animados). E outra rede aprende a ensinar essa rede: tem exemplos reais e aprende a encontrar uma fórmula complexa até então desconhecida para comparar os produtos da parte generativa da rede com objetos do mundo real (conjunto de treinamento) com base em características profundas realmente importantes. : o número de olhos, proximidade com o estilo de Miyazaki, pronúncia correta do inglês.

Um exemplo de resultado de uma rede de geração de personagens de anime. Fonte

Mas, claro, é difícil construir arquitetura ali. Não basta apenas lançar neurônios, eles precisam estar preparados. E você tem que estudar por semanas. Meus colegas do Centro de Inteligência Artificial da Samsung estão trabalhando no tópico GAN; esta é uma das principais questões de pesquisa. Por exemplo, assim desenvolvimento: usar redes generativas para sintetizar fotos realistas de pessoas com poses variáveis ​​- por exemplo, para criar um provador virtual ou para sintetizar um rosto, o que pode reduzir a quantidade de informações que precisam ser armazenadas ou transmitidas para garantir vídeo de alta qualidade comunicação, radiodifusão ou protecção de dados pessoais.

Fonte

1.3. IA explicável

Para algumas tarefas raras, os avanços nas arquiteturas profundas aproximaram repentinamente as capacidades das redes neurais profundas das capacidades humanas. Agora começou a batalha para aumentar o alcance dessas tarefas. Por exemplo, um aspirador robô poderia facilmente distinguir um gato de um cachorro em uma reunião frontal. Mas na maioria das situações da vida, ele não conseguirá encontrar um gato dormindo entre lençóis ou móveis (porém, como nós, na maioria dos casos...).

Qual é a razão do sucesso das redes neurais profundas? Eles desenvolvem uma representação do problema baseada não em informações “visíveis a olho nu” (pixels fotográficos, mudanças no volume do som...), mas em características obtidas após o pré-processamento dessas informações por várias centenas de camadas de uma rede neural. Infelizmente, essas relações também podem ser sem sentido, inconsistentes ou conter vestígios de imperfeições no conjunto de dados original. Por exemplo, há um pequeno jogo de computador sobre o que o uso impensado da IA ​​no recrutamento pode levar Sobrevivência do melhor ajuste.

O sistema de marcação de imagens rotulou a pessoa que cozinhava como mulher, embora a pessoa na foto seja na verdade um homem (Fonte) isto notado no Instituto da Virgínia.

Para analisar relacionamentos complexos e profundos que muitas vezes não conseguimos formular, são necessários métodos de IA explicáveis. Eles organizam os recursos das redes neurais profundas para que, após o treinamento, possamos analisar a representação interna que a rede aprendeu, em vez de simplesmente confiar na sua decisão.

1.4. Análise de borda/IA

Tudo com a palavra Edge significa literalmente o seguinte: transferir parte dos algoritmos da nuvem/servidor para o nível do dispositivo final/gateway. Tal algoritmo funcionará mais rápido e não exigirá conexão a um servidor central para seu funcionamento. Se você está familiarizado com a abstração de um “thin client”, então aqui estamos tornando esse cliente um pouco mais espesso.
Isso pode ser importante para a Internet das Coisas. Por exemplo, se uma máquina está superaquecida e precisa de resfriamento, faz sentido sinalizar isso imediatamente, no nível da fábrica, sem esperar que os dados vão para a nuvem e de lá para o encarregado de turno. Ou outro exemplo: carros autônomos podem descobrir a situação do trânsito por conta própria, sem entrar em contato com um servidor central.

Fonte

Ou outro exemplo de por que isso é importante do ponto de vista da segurança: quando você digita textos em seu telefone, ele lembra palavras que são típicas para você, para que o teclado do telefone possa avisá-las de maneira conveniente - isso é chamado de entrada de texto preditiva . Enviar tudo o que você digita no teclado para um data center em algum lugar seria uma violação da sua privacidade e simplesmente inseguro. Portanto, o treinamento do teclado ocorre apenas dentro do próprio dispositivo.

1.5. Plataforma de IA como serviço (AI PaaS)

PaaS – Platform-as-a-Service é um modelo de negócio no qual temos acesso a uma plataforma integrada, incluindo armazenamento de dados baseado em nuvem e procedimentos prontos. Desta forma, podemos libertar-nos das tarefas de infraestrutura e concentrar-nos totalmente em produzir algo útil. Exemplo de plataformas PaaS para tarefas de IA: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Aprendizado de máquina adaptativo (ML adaptativo)

E se deixarmos a inteligência artificial se adaptar... Você pergunta - isto é, como?.. Ela já não se adapta à tarefa? O problema é este: projetamos meticulosamente cada problema antes de construir um algoritmo de inteligência artificial para resolvê-lo. Eles responderão a você - acontece que essa cadeia pode ser simplificada.

O aprendizado de máquina convencional funciona com base no princípio de circuito aberto: você prepara dados, cria uma rede neural (ou qualquer coisa), treina, depois olha vários indicadores e, se gostar de tudo, pode enviar a rede neural para smartphones - resolver problemas do usuário. Mas em aplicações onde há muitos dados e sua natureza muda gradualmente, outros métodos são necessários. Tais sistemas, que se adaptam e ensinam sozinhos, são organizados em ciclos fechados de autoaprendizagem (circuito fechado) e devem funcionar sem problemas.

Aplicações - pode ser análise de fluxo (Stream Analytics), com base na qual muitos empresários tomam decisões, ou gerenciamento adaptativo de produção. À escala das aplicações atuais e dados os riscos mais bem compreendidos para os seres humanos, as técnicas que constituem uma solução para este problema são todas reunidas sob o termo abrangente IA Adaptativa.

Fonte

Olhando para esta foto, é difícil se livrar da sensação de que não se deve alimentar os futurologistas com pão - deixá-los ensinar um robô a respirar...

Computação e comunicações pós-clássicas

2.1. Comunicações móveis de quinta geração (5G)

Este é um tópico tão interessante que imediatamente encaminhamos você para o nosso статье. Bem, aqui está um breve resumo. O 5G, ao aumentar a frequência de transmissão de dados, tornará a velocidade da Internet incrivelmente rápida. É mais difícil para as ondas curtas passarem por obstáculos, por isso o desenho das redes será completamente diferente: são necessárias 500 vezes mais estações base.

Junto com a velocidade, teremos novos fenômenos: jogos em tempo real com realidade aumentada, realização de tarefas complexas (como cirurgias) através da telepresença, prevenção de acidentes e situações difíceis nas estradas através da comunicação entre máquinas. Numa nota mais prosaica: a Internet móvel finalmente deixará de cair durante eventos de massa, como um jogo num estádio.

Fonte da imagem - Reuters, Niantic

2.2. Memória de próxima geração

Aqui estamos falando da quinta geração de RAM – DDR5. A Samsung anunciou que os produtos baseados em DDR2019 estarão disponíveis até o final de 5. Espera-se que a nova memória seja duas vezes mais rápida e duas vezes mais espaçosa, mantendo o mesmo formato, ou seja, poderemos obter cartões de memória com capacidade de até 32 GB para o nosso computador. No futuro, isto será especialmente relevante para smartphones (a nova memória estará numa versão de baixo consumo de energia) e para portáteis (onde o número de slots DIMM é limitado). E o aprendizado de máquina também requer grandes quantidades de RAM.

2.3. Sistemas de satélite de órbita terrestre baixa

A ideia de substituir satélites pesados, caros e poderosos por um enxame de satélites pequenos e baratos está longe de ser nova e surgiu na década de 90. Sobre o que “Elon Musk em breve distribuirá a Internet para todos via satélite” Agora só os preguiçosos não ouviram. A empresa mais famosa aqui é a Iridium, que faliu no final dos anos 90, mas foi salva às custas do Departamento de Defesa dos EUA (não confundir com o iRidium, o sistema doméstico inteligente russo). O projeto de Elon Musk (Starlink) está longe de ser o único - Richard Branson (OneWeb - 1440 satélites propostos), Boeing (3000 satélites), Samsung (4600 satélites) e outros estão participando da corrida dos satélites.

Como estão as coisas nesta área, como é a economia lá - leia em revisão. E estamos aguardando os primeiros testes desses sistemas pelos primeiros usuários, que devem acontecer no próximo ano.

2.4. Impressão 3D em nanoescala

A impressão 3D, embora não tenha entrado na vida de todas as pessoas (na forma prometida por uma fábrica individual de plástico doméstico), ainda assim há muito deixou o nicho tecnológico para os geeks. Você pode julgar pelo fato de que todo aluno sabe da existência de pelo menos canetas esculpidas em 3D, e muitos sonham em comprar uma caixa com corrediças e uma extrusora para... “assim mesmo” (ou já comprou).

A estereolitografia (impressoras 3D a laser) permite a impressão com fótons individuais: estão sendo explorados novos polímeros que requerem apenas dois fótons para solidificar. Isto permitirá, em condições não laboratoriais, criar filtros, montagens, molas, capilares, lentes completamente novos e... suas opções nos comentários! E aqui não está longe da fotopolimerização - só esta tecnologia nos permite “imprimir” processadores e circuitos de computação. Além disso, este não é o primeiro ano em que houve tecnologia para impressão de estruturas tridimensionais de grafeno 500 nm, mas sem desenvolvimento radical.

Fonte

3. Sensoriamento e Mobilidade

3.1. Condução Autônoma Nível 4 e 5

Para não se confundir na terminologia, vale a pena entender quais são os níveis de autonomia que se distinguem (retirados do detalhado artigos, ao qual remetemos todos os interessados):

Nível 1: Cruise control: auxilia o motorista em situações muito limitadas (por exemplo, manter o carro em uma determinada velocidade depois que o motorista tira o pé do pedal)
Nível 2: Assistência limitada de direção e frenagem. O motorista deve estar pronto para assumir o controle quase instantaneamente. Suas mãos estão no volante, seus olhos estão voltados para a estrada. Isso é algo que a Tesla e a General Motors já possuem.
Nível 3: O condutor já não tem de vigiar constantemente a estrada. Mas ele deve permanecer alerta e pronto para assumir o controle. Isso é algo que os carros disponíveis comercialmente ainda não possuem. Todos os existentes atualmente estão no nível 1-2.
Nível 4: Piloto automático verdadeiro, mas com restrições: apenas viagens em uma área conhecida, cuidadosamente mapeada e geralmente conhecida pelo sistema, e sob certas condições: por exemplo, na ausência de neve. Waymo e General Motors possuem esses protótipos e planejam lançá-los em diversas cidades e testá-los em ambientes reais. Yandex possui zonas de teste para táxis não tripulados em Skolkovo e Innopolis: a viagem ocorre sob a supervisão de um engenheiro sentado no banco do passageiro; até o final do ano, a empresa planeja ampliar sua frota para 100 veículos não tripulados.
Nível 5: Condução totalmente automática, substituição completa de um motorista ativo. Tais sistemas não existem e é pouco provável que apareçam nos próximos anos.

Quão realista é ver tudo isso num futuro próximo? Aqui eu gostaria de redirecionar o leitor para o artigo “Por que é impossível lançar um robotáxi até 2020, como Tesla promete”. Isto deve-se em parte à falta de conectividade 5G: as velocidades 4G disponíveis não são suficientes. Em parte devido ao custo muito elevado dos carros autónomos: ainda não são rentáveis, o modelo de negócio não é claro. Em uma palavra, “tudo é complicado” aqui, e não é por acaso que o Gartner escreve que a previsão para a implementação em massa dos Níveis 4 e 5 não é anterior a 10 anos.

3.2. Câmeras de detecção 3D

Oito anos atrás, o controlador de jogos Kinect da Microsoft fez sucesso ao oferecer uma solução acessível e relativamente barata para visão 3D. Desde então, os jogos de educação física e dança com Kinect experimentaram uma breve ascensão e declínio, mas as câmeras 3D começaram a ser usadas em robôs industriais, veículos não tripulados e telefones celulares para identificação facial. A tecnologia tornou-se mais barata, mais compacta e mais acessível.

O telefone Samsung S10 possui uma câmera Time-of-Flight que mede a distância até um objeto para facilitar o foco. Fonte

Se você estiver interessado neste tópico, iremos redirecioná-lo para uma análise detalhada muito boa das câmeras de profundidade: parte 1, parte 2.

3.3. Drones para entrega de pequenas cargas (Light Cargo Delivery Drones)

Este ano, a Amazon fez barulho ao exibir na feira um novo drone voador que pode transportar pequenas cargas de até 2 kg. Para uma cidade com engarrafamentos, esta parece ser a solução ideal. Vamos ver o desempenho desses drones em um futuro muito próximo. Talvez valha a pena ser cautelosamente cético aqui: há muitos problemas, começando com a possibilidade de roubo fácil de um drone e terminando com restrições legais aos UAVs. O Amazon Prime Air existe há seis anos, mas ainda está em fase de testes.

O novo drone da Amazon, exibido nesta primavera. Há algo de Star Wars nele. Fonte

Além da Amazon, existem outros players neste mercado (há um detalhado visão global), mas nem um único produto acabado: tudo está em fase de testes e campanhas de marketing. Separadamente, vale a pena notar um médico altamente especializado bastante interessante Projetos em África: entrega de sangue doado no Gana (14 entregas, empresa Zipline) e no Ruanda (empresa Matternet).

3.4. Veículos autônomos voadores

É difícil dizer algo definitivo aqui. De acordo com o Gartner, isso não aparecerá antes de 10 anos. Em geral, existem aqui os mesmos problemas que nos carros autônomos, só que eles adquirem uma nova dimensão - vertical. Porsche, Boeing e Uber anunciaram suas ambições de construir um táxi voador.

3.5. Nuvem de realidade aumentada (nuvem AR)

Uma cópia digital permanente do mundo real, permitindo criar uma nova camada de realidade comum a todos os utilizadores. Em termos mais técnicos, estamos falando sobre criar uma plataforma de nuvem aberta na qual os desenvolvedores possam integrar seus aplicativos de AR. O modelo de monetização é claro; é uma espécie de análogo do Steam. A ideia tornou-se tão arraigada que alguns agora acreditam que a AR sem a nuvem é simplesmente inútil.

Como isso poderá ser no futuro é mostrado em um pequeno vídeo. Parece mais um episódio de Black Mirror:

Você também pode ler em artigo de revisão.

4. Humano Aumentado

4.1. Emoção IA

Como medir, simular e responder às emoções humanas? Alguns dos clientes aqui são empresas que fabricam assistentes de voz como o Amazon Alexa. Eles podem realmente se acostumar com as casas se aprenderem a reconhecer o clima: entender o motivo da insatisfação do usuário e tentar corrigir a situação. Em 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: análise de emoções durante uma entrevista de emprego (com base em entrevistas em vídeo), avaliação de reações a comerciais ou outros conteúdos de vídeo (sorrisos, risadas), auxílio na aprendizagem (por exemplo, para prática independente na arte de falar em público).

É difícil falar melhor sobre esse assunto do que o autor de um curta de 6 minutos Roubando seu sentimento. O vídeo espirituoso e estiloso mostra como você pode medir nossas emoções para fins de marketing e, a partir das reações momentâneas de seu rosto, descobrir se você gosta de pizza, cachorros, Kanye West e até mesmo qual é seu nível de renda e QI aproximado. Ao visitar o site do filme através do link acima, você se torna participante de um vídeo interativo usando a câmera embutida do seu laptop. O filme já foi exibido em vários festivais de cinema.

Fonte

Existe até um estudo tão interessante: como reconhecer o sarcasmo no texto. Pegamos tweets com a hashtag #sarcasm e fizemos um conjunto de treinamento de 25 tweets com sarcasmo e 000 tweets regulares sobre tudo que existe. Usamos a biblioteca TensorFlow, treinamos o sistema e aqui está o resultado:

Fonte

Portanto, agora, se você não tem certeza sobre seu colega ou amigo - ele disse algo sério ou sarcasticamente para você, você já pode usar rede neural treinada!

4.2. Inteligência Aumentada

Automação do trabalho intelectual usando métodos de aprendizado de máquina. Pareceria nada de novo? Mas o texto em si é importante aqui, especialmente porque coincide abreviadamente com Inteligência Artificial. Isto nos traz de volta ao debate sobre IA “forte” e “fraca”.
A IA forte é a mesma inteligência artificial dos filmes de ficção científica que é completamente equivalente à mente humana e tem consciência de si mesma como indivíduo. Isso ainda não existe e não está claro se existirá.

A IA fraca não é uma pessoa independente, mas um assistente humano. Ele não afirma ter um pensamento humano, mas simplesmente sabe como resolver problemas de informação, por exemplo, determinar o que é mostrado em uma imagem ou traduzir um texto.

Fonte

Neste sentido, a Inteligência Aumentada é “IA fraca” na sua forma mais pura, e a formulação parece bem-sucedida, pois não introduz confusão e a tentação de ver aqui a mesma “IA forte” com que todos sonham (ou temem, se quisermos). lembre-se das inúmeras discussões sobre os “carros da rebelião”). Usando a expressão Inteligência Aumentada, tornamo-nos imediatamente heróis de outro filme: da ficção científica (como “Eu, Robô” de Asimov) nos encontramos no cyberpunk (“aumentos” neste gênero são todos os tipos de implantes que expandem as capacidades humanas).

Как disse Erik Brynjolfsson e Andrew McAffee: “Nos próximos 10 anos, é isso que vai acontecer. A IA não substituirá os gestores, mas os gestores que a utilizam substituirão aqueles que ainda não a fizeram.”

Примеры:

• Medicina: Universidade de Stanford desenvolveu o algoritmo, que lida com a tarefa de reconhecer patologias nas radiografias de tórax, em média, com tanto sucesso quanto a maioria dos médicos
• Educação: atendimento a alunos e professores, análise das respostas dos alunos aos materiais, construção de uma trajetória individual de aprendizagem.
• Análise de negócios: o pré-processamento de dados, segundo estatísticas, leva 80% do tempo de um pesquisador e apenas 20% do experimento em si

4.3. Biochips

Este é o tema favorito de todos os filmes e livros cyberpunk. Em geral, microchipar animais de estimação não é uma prática nova. Mas agora esses chips começaram a ser implantados nas pessoas.

Nesse caso, o hype provavelmente está associado ao caso sensacional da empresa americana Three Square Market. Lá, o empregador começou a oferecer implante de chips sob a pele em troca de uma taxa. O chip permite abrir portas, fazer login em computadores, comprar lanches em uma máquina de venda automática - ou seja, um cartão universal de funcionário. Além disso, esse chip serve justamente como cartão de identificação, não possui módulo GPS, sendo impossível rastrear quem o utiliza. E se uma pessoa quiser retirar o chip do braço, leva 5 minutos com a ajuda de um médico.

Os chips são geralmente implantados entre o polegar e o indicador. Fonte

Consulte Mais informação статью sobre a situação do chip no mundo.

4.4. Espaço de trabalho imersivo

“Imersivo” é outra palavra nova que simplesmente não tem escapatória. Está em toda parte. Teatro envolvente, exposição, cinema. O que você quer dizer? A imersão é a criação de um efeito imersivo, quando se perde a fronteira entre o autor e o espectador, o mundo virtual e o real. No local de trabalho, presumivelmente, isto significa confundir a linha entre quem faz e quem inicia e encorajar os funcionários a assumirem uma posição mais activa através da reformatação do seu ambiente.

Como agora temos agilidade, flexibilidade e colaboração estreita em todos os lugares, os locais de trabalho devem ser tão facilmente configuráveis ​​quanto possível e devem incentivar o trabalho em grupo. A economia dita os seus termos: há mais trabalhadores temporários, o custo do aluguer de escritórios está a aumentar e, num mercado de trabalho competitivo, as empresas de TI estão a tentar aumentar a satisfação dos funcionários no trabalho, criando áreas recreativas e outros benefícios. E tudo isso se reflete no design dos locais de trabalho.

De relatório outeiro

4.5. Personificação

Todo mundo sabe o que é personalização em publicidade. É quando hoje você está discutindo com um colega que o ar da sala está um pouco seco, e você deveria comprar um umidificador para o escritório, e no dia seguinte você vê um anúncio na sua rede social - “compre um umidificador” (um incidente real que aconteceu comigo).

Fonte

A personalização, conforme definida pela Gartner, é uma resposta às crescentes preocupações dos utilizadores sobre a utilização dos seus dados pessoais para fins publicitários. O objetivo é desenvolver uma abordagem em que nos seja mostrada publicidade que seja relevante para o contexto em que nos encontramos, e não para nós pessoalmente. Por exemplo, a nossa localização, tipo de dispositivo, hora do dia, condições meteorológicas – isto é algo que não viola os nossos dados pessoais, e não sentimos a sensação desagradável de estarmos “vigilados”.

Leia sobre a diferença entre esses dois conceitos note Andrew Frank tem um blog no site do Gartner. A diferença é tão sutil e as palavras tão parecidas que você, sem saber a diferença, corre o risco de discutir muito com o seu interlocutor, sem desconfiar que, em geral, ambos têm razão (e este também é um incidente real que aconteceu com o autor).

4.6. Biotecnologia – Tecido Cultivado ou Artificial

Esta é, antes de tudo, a ideia de cultivar carne artificial. Ao mesmo tempo, várias equipes ao redor do mundo estão ocupadas desenvolvendo o laboratório “Meat 2.0” - espera-se que se torne mais barato que o normal, e os fast food e depois os supermercados mudarão para ele. Os investidores nesta tecnologia incluem Bill Gates, Sergey Brin, Richard Branson e outros.

Fonte

Razões pelas quais todos estão tão interessados ​​em carne artificial:

1. Aquecimento global: emissões de metano das explorações agrícolas. Isso representa 18% do volume global de gases que afetam o clima.
2. Crescimento populacional. A demanda por carne está crescendo e não será possível alimentar a todos com carne natural - é simplesmente cara.
3. Falta de espaço. 70% das florestas amazônicas já foram derrubadas para pastagem.
4. Considerações éticas. Há aqueles para quem isso é importante. A organização de direitos dos animais PETA já ofereceu um prêmio de US$ 1 milhão ao cientista que trouxer carne artificial de frango ao mercado.

Substituir a carne verdadeira pela soja é uma solução parcial, porque as pessoas podem apreciar a diferença de sabor e textura e é improvável que abandonem o bife em favor da soja. Então você precisa de carne de verdade, cultivada organicamente. Agora, infelizmente, a carne artificial é muito cara: a partir de US$ 12 o quilo. Isso se deve ao complexo processo técnico de cultivo dessa carne. Leia sobre tudo статью.

Se falarmos de outros casos de crescimento de tecidos - já na medicina - então o tema dos órgãos artificiais é interessante: por exemplo, um “remendo” para o músculo cardíaco, impresso uma impressora 3D especial. Conhecido histórias como um coração de rato cultivado artificialmente, mas em geral tudo ainda está dentro do escopo dos ensaios clínicos. Portanto, é improvável que vejamos Frankenstein nos próximos anos.

Aqui a Gartner é muito cautelosa nas suas estimativas, aparentemente tendo em mente a sua previsão falhada de 2015 de que em 2019, 10% da população nos países desenvolvidos teria um implante de dispositivo médico impresso em 3D. Portanto, significa que o tempo para atingir um patamar de produtividade é de pelo menos 10 anos.

5. Ecossistemas Digitais

5.1. Web descentralizada

Este conceito está intimamente associado ao nome do inventor da web, o vencedor do Prêmio Turing, Sir Tim Burners-Lee. Para ele, as questões de ética na informática sempre foram importantes e a essência coletiva da Internet era importante: lançando as bases do hipertexto, ele estava convencido de que a rede deveria funcionar como uma web, e não como uma hierarquia. Este foi o caso na fase inicial do desenvolvimento da rede. No entanto, à medida que a Internet cresceu, a sua estrutura tornou-se centralizada por vários motivos. Descobriu-se que o acesso à rede de um país inteiro poderia ser facilmente bloqueado com a ajuda de apenas alguns provedores. E os dados dos utilizadores tornaram-se uma fonte de poder e rendimento para as empresas de Internet.

“A Internet já está descentralizada”, diz Burners-Lee. “O problema é que um mecanismo de busca, uma grande rede social, uma plataforma de microblog dominam. Não temos problemas tecnológicos, mas temos problemas sociais.”

Na sua carta aberta Por ocasião do 30º aniversário da World Wide Web, o criador da Web descreveu três problemas principais da Internet:

1. Danos direcionados, como hackers, crimes e assédio online patrocinados pelo Estado
2. O próprio design do sistema, que, em detrimento do usuário, cria a base para mecanismos como: incentivos financeiros ao clickbait e à disseminação viral de informações falsas
3. Consequências não intencionais do design do sistema que levam a conflitos e à redução da qualidade da discussão online

E Tim Berners-Lee já tem uma resposta sobre em que princípios poderia se basear a “Internet de uma Pessoa Saudável”, sem o problema número 2: “Para muitos usuários, a receita publicitária continua sendo o único modelo de interação com a Internet. Mesmo que as pessoas tenham medo do que acontece com seus dados, elas estão dispostas a fazer um acordo com a máquina de marketing pela oportunidade de receber conteúdo gratuitamente. Imagine um mundo onde pagar por bens e serviços seja fácil e agradável para ambas as partes.” Entre as opções de como isso poderia ser feito: os músicos podem vender suas gravações sem intermediários na forma do iTunes, e os sites de notícias podem usar um sistema de micropagamentos para ler um artigo, em vez de ganhar dinheiro com publicidade.

Como protótipo experimental para esta nova Internet, Tim Berners-Lee lançou o projeto SOLID, cuja essência é que você armazena seus dados em um “pod” - um armazenamento de informações, e pode fornecer esses dados para aplicativos de terceiros. Mas, em princípio, você mesmo é o dono dos seus dados. Tudo isto está intimamente relacionado com o conceito de redes peer-to-peer, ou seja, o seu computador não só solicita serviços, mas também os fornece, para não depender de um servidor como único canal.

Fonte

5.2. Organizações Autônomas Descentralizadas

É uma organização regida por regras escritas na forma de um programa de computador. Suas atividades financeiras são baseadas no blockchain. O objectivo da criação de tais organizações é eliminar o Estado do papel de intermediário e criar um ambiente comum de confiança para as contrapartes, que não seja propriedade de ninguém individualmente, mas sim de todos em conjunto. Ou seja, em teoria, isto deveria, caso a ideia se enraíze, abolir os notários e outras instituições de verificação habituais.

O exemplo mais famoso de tal organização foi a The DAO, focada em capital de risco, que arrecadou 2016 milhões de dólares em 150, dos quais 50 dólares foram imediatamente roubados através de uma falha legal nas regras. Imediatamente surgiu um dilema difícil: ou reverter e devolver o dinheiro, ou admitir que a retirada do dinheiro era legal, porque em nada violava as regras da plataforma. Como resultado, para devolver o dinheiro aos investidores, os criadores tiveram que destruir o DAO, reescrevendo o blockchain e violando seu princípio básico - a imutabilidade.

História em quadrinhos sobre Ethereum (esquerda) e The DAO (direita). Fonte

Toda essa história arruinou a reputação da própria ideia do DAO. Esse projeto foi feito com base na criptomoeda Ethereum, a versão Ether 2.0 está prevista para o próximo ano - talvez os autores (incluindo o famoso Vitalik Buterin) levem em conta os erros e mostrem algo novo. É provavelmente por isso que o Gartner colocou o DAO no upline.

5.3. Dados Sintéticos

Para treinar redes neurais, são necessárias grandes quantidades de dados. Rotular dados manualmente é uma tarefa enorme que só pode ser realizada por um ser humano. Portanto, é possível criar conjuntos de dados artificiais. Por exemplo, as mesmas coleções de rostos humanos no site https://generated.photos. Eles são criados usando GAN - os algoritmos já mencionados acima.

Esses rostos não pertencem às pessoas. Fonte

A grande vantagem destes dados é que não existem dificuldades jurídicas na sua utilização: não há ninguém que dê consentimento para o tratamento dos dados pessoais.

5.4. Operações Digitais

O sufixo “Ops” tornou-se incrivelmente na moda desde que o DevOps se enraizou em nosso discurso. Agora, sobre o que é DigitalOps – é apenas uma generalização de DevOps, DesignOps, MarketingOps... Você já está entediado? Em suma, é uma transferência da abordagem DevOps da área de software para todos os outros aspectos do negócio – marketing, design, etc.

Fonte

A ideia do DevOps era remover barreiras entre o Desenvolvimento em si e as Operações (processos de negócio), através da criação de equipas comuns, onde existem programadores, testadores, especialistas em segurança e administradores; implementação de certas práticas: integração contínua, infraestrutura como código, redução e fortalecimento de cadeias de feedback. O objetivo era acelerar o tempo de lançamento do produto no mercado. Se você pensou que isso era semelhante ao Agile, você estava certo. Agora transfira mentalmente essa abordagem do campo de desenvolvimento de software para o desenvolvimento em geral - e você entenderá o que é DigitalOps.

5.5. Gráficos de conhecimento

Uma forma de software para modelar uma área de conhecimento, incluindo o uso de algoritmos de aprendizado de máquina. Um gráfico de conhecimento é construído sobre bancos de dados existentes para vincular todas as informações: tanto estruturadas (lista de eventos ou pessoas) quanto não estruturadas (texto de um artigo).

O exemplo mais simples é o cartão que você pode ver nos resultados de pesquisa do Google. Se você procura uma pessoa ou instituição, verá um cartão à direita:


Observe que “Próximos Eventos” não é uma cópia das informações do Google Maps, mas uma integração da programação com Yandex.Afisha: você pode ver isso facilmente clicando nos eventos. Ou seja, é a combinação de diversas fontes de dados.

Se você solicitar uma lista - por exemplo, "diretores famosos" - será mostrado um carrossel:

Bônus para quem leu até o fim

E agora que esclarecemos o significado de cada um dos pontos, podemos olhar a mesma imagem, mas em russo:

Compartilhe-o livremente nas redes sociais!

Tatyana Volkova - Autora do programa de treinamento para a área de TI da Internet das Coisas na Samsung Academy, especialista em programas de responsabilidade social corporativa no Samsung Research Center


Fonte: habr.com