Graficul Gartner pentru cei care lucrează în domeniul tehnologiilor este ca o expoziție de modă de înaltă clasă. Privind la el, poți anticipa care cuvinte sunt cele mai la modă în acest sezon și ce vei auzi la toate conferințele viitoare.
Am descifrat ce se ascunde în spatele frumoaselor cuvinte de pe acest grafic, astfel încât să poți vorbi și tu această limbă.
Pentru început, câteva cuvinte despre ce este acest grafic. În fiecare an, în luna august, agenția de consultanță Gartner publică raportul – Gartner Hype Curve. În română, acesta se traduce prin „curba hype-ului” sau, pe scurt, hype. Cu 30 de ani în urmă, rapperii grupului Public Enemy cântau: „Nu crede hype-ul”. Credința sau nu, e o chestiune personală, dar merită să cunoști aceste cuvinte cheie dacă lucrezi în domeniul tehnologiilor și vrei să fii la curent cu tendințele globale.
Acesta este un grafic al așteptărilor publice de la o tehnologie sau alta. Potrivit lui Gartner, în condiții ideale, tehnologia trece succesiv prin 5 etape: lansarea tehnologiei, vârful așteptărilor exagerate, valea dezamăgirii, panta iluminării, platoul productivității. Dar sunt și cazuri când aceasta se află în „vale de dezamăgire” – exemplele le poți aduce foarte ușor în minte, gândindu-te la bitcoin: inițial ajungând la vârf ca „banii viitorului”, aceștia au scăzut rapid când au devenit evidente limitările tehnologiei, în primul rând restricțiile asupra numărului de tranzacții și cantitatea enormă de energie electrică necesară generării bitcoin-ilor (ceea ce generează deja probleme ecologice). Și, desigur, nu trebuie uitat că graficul Gartner este doar o prognoză: aici, de exemplu, poți citi detalii , unde sunt analizate cele mai proeminente predicții nerealizate.
Așadar, să trecem în revistă noul grafic Gartner. Tehnologiile sunt împărțite în 5 grupuri mari tematice:
- Inteligenta Artificială Avansată și Analitica (Advanced AI and Analytics)
- Calcul și comunicații postclasice (Postclassical Compute and Comms)
- Senzoristică și mobilitate (Sensing and Mobility)
- Omul „augmentat” (Augmented Human)
- Ecosisteme Digitale (Digital Ecosystems)
1. Inteligenta Artificială Avansată și Analitica (Advanced AI and Analytics)
În ultimii 10 ani, am asistat la un moment de apogeu al învățării profunde (Deep Learning). Aceste rețele sunt cu adevărat eficiente pentru tipul lor de sarcini. În 2018, Yann LeCun, Geoffrey Hinton și Yoshua Bengio au primit premiul Turing pentru descoperirile lor în acest domeniu – cea mai prestigioasă distincție, echivalentă cu premiul Nobel în informatică. Așadar, principalele tendințe din acest domeniu, care sunt prezentate în grafic:
1.1. Transferul învățării (Transfer Learning)
Nu antrenezi o rețea neuronală de la zero, ci folosești una deja antrenată și îi setezi un alt scop. Uneori, este necesar să reantrenezi o parte din rețea, dar nu întreaga rețea, ceea ce este mult mai rapid. De exemplu, luând o rețea neuronală gata realizată, ResNet50, antrenată pe setul de date ImageNet1000, obții un algoritm capabil să classifice o mulțime de obiecte diferite pe o bază foarte profundă (1000 de clase bazate pe caracteristici generate de 50 de straturi ale rețelei neuronale). Dar nu trebuie să antrenezi întreaga rețea, ceea ce ar dura luni.
În Samsung «Rețele neuronale și viziune computerizată», de exemplu, în sarcina finală cu privire la clasificarea farfuriilor în curate și murdare, este demonstrat un approach care îți oferă, în 5 minute, o rețea neuronală profundă, capabilă să distingă farfuriile murdare de cele curate, construită conform arhitecturii descrise mai sus. Rețeaua de bază nu știa ce sunt farfuriile, a învățat doar să distingă păsările de câini (vezi ImageNet).
Sursa: Samsung «Rețele neuronale și viziune computerizată»
Pentru Transfer Learning, trebuie să cunoști ce metode funcționează, ce arhitecturi de bază sunt disponibile. În general, acest lucru accelerează foarte mult apariția aplicațiilor practice ale învățării automate.
1.2. Rețele generative adversariale (Generative Adversarial Networks, GAN)
Acest lucru se aplică în cazurile în care ne este foarte dificil să formulăm o țintă de învățare. Cu cât sarcina este mai aproape de viața reală, cu atât este mai clară pentru noi („adu-mi noptiera”), dar cu atât mai greu este de formulat ca un caiet de sarcini tehnic. GAN este, de fapt, o încercare de a ne scuti de această problemă.
Aici funcționează două rețele: una generatoare (Generative), cealaltă discriminatorie (Adversarial). O rețea învață să facă lucruri utile (să clasifice imagini, să recunoască sunete, să deseneze desene animate). Iar cealaltă rețea învață să își instruiască pe cea din urmă: are exemple reale și învață să identifice o formulă complexă, necunoscută anterior, pentru a compara produsele părții generatoare a rețelei cu obiectele din lumea reală (setul de date de antrenament) pe baza unor trăsături profunde cu adevărat importante: numărul de ochi, apropierea de stilul lui Miyazaki, corectitudinea pronunției în engleză.
Un exemplu de rezultat al activității rețelei pentru generarea de personaje anime.
Dar acolo, desigur, este complicat să construiești arhitectura. Nu este suficient doar să arunci neuronii, trebuie să îi pregătești. Iar învățarea poate dura săptămâni. Tema GAN este studiată de colegii mei de la Centrul de Inteligență Artificială Samsung, este una dintre întrebările lor de cercetare cheie. De exemplu, așa ceva : utilizarea rețelelor generatoare pentru sinteza fotografiilor realiste cu oameni în poziții variabile — de exemplu, pentru a crea o cameră virtuală de probă, sau pentru sinteza feței, ceea ce poate permite reducerea cantității de informație care trebuie stocată sau transmisă pentru a asigura o calitate bună a comunicării video, a emisiunilor sau a protecției datelor personale.
1.3. IA explicabilă (Explainable AI)
În anumite sarcini rare, progresul în arhitecturile profunde a apropiat brusc capacitățile rețelelor neuronale profunde de cele umane. Acum bătălia se duce pentru a extinde acest cerc de sarcini. De exemplu, un aspirator robotizat ar putea distinge cu ușurință o pisică de un câine în întâlnire directă. Dar în majoritatea situațiilor din viață, acesta va fi incapabil să găsească o pisică care doarme printre rufe sau mobilier (însă, ca și noi, în majoritatea cazurilor...).
Care este cauza succesului rețelelor neuronale profunde? Acestea dezvoltă o reprezentare a problemei, bazată nu pe informațiile „vizibile cu ochiul liber” (pixeli dintr-o fotografie, variații ale volumului sonor…), ci pe trăsături obținute după prelucrarea acestor informații prin sute de straturi ale rețelei neuronale. Din păcate, aceste corelații pot fi, de asemenea, lipsite de sens, contradictorii sau pot purta urme ale imperfecțiunii setului de date inițial. De exemplu, despre ce poate duce aplicarea fără discernământ a Inteligenței Artificiale în recrutare, există un mic joc pe calculator. .
Sistemul de etichetare a imaginilor a numit un bărbat care gătește, femeie, deși în imagine este de fapt un bărbat (). Aceasta la Institutul Virginii.
Pentru a analiza relațiile complexe și profunde, pe care adesea nu putem să le formulăm noi înșine, sunt necesare metodele de Inteligență Artificială Explicabilă. Acestea organizează trăsăturile rețelelor neuronale profunde astfel încât, după antrenament, să putem analiza reprezentarea internă învățată de rețea, și nu doar să ne bazăm pe soluția sa.
1.4. Analiza de la margine / AI (Edge Analytics / AI)
Tot ce conține cuvântul Edge înseamnă literalmente următoarele: mutarea unei părți a algoritmilor din cloud / server la nivelul dispozitivului final / gateway. Un astfel de algoritm va reacționa mai repede și nu va necesita o conexiune la serverul central pentru a funcționa. Dacă sunteți familiarizați cu conceptul de „client subțire”, aici facem acel client puțin mai gros.
Acest lucru poate fi important pentru Internetul Lucrurilor. De exemplu, dacă o mașină-uneltă s-a supraîncins și are nevoie de răcire, are sens să se semnaleze acest lucru imediat, la nivelul fabricii, fără a aștepta ca datele să ajungă în cloud și de acolo la supraveghetorul de schimb. Sau un alt exemplu: automobilele autonome pot înțelege situația de trafic pe cont propriu, fără a apela la serverul central.
Sau un alt exemplu de ce este important din perspectiva securității: atunci când scrii mesaje pe telefonul tău, acesta îți reține cuvintele tipice pentru a-ți sugera confortabil următoarele pe tastatură - acest proces se numește introducere predictivă a textului. Atrimite toate datele pe care le introduci pe tastatură către un centru de date ar fi o încălcare a confidențialității tale și pur și simplu nesigur. Prin urmare, învățarea tastaturii se face doar în cadrul dispozitivului tău.
1.5. Platforma AI ca serviciu (AI PaaS)
PaaS – Platforma ca Serviciu – este un model de afaceri prin care avem acces la o platformă integrată, inclusiv stocare de date în cloud și proceduri predefinite. Astfel, ne putem elibera de sarcinile de infrastructură și ne putem concentra complet pe crearea a ceva util. Exemple de platforme PaaS pentru sarcinile AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Învățare automată adaptivă (Adaptive ML)
Ce s-ar întâmpla dacă am permite inteligenței artificiale să se adapteze… Vei întreba – adică cum?.. Nu se adaptează deja la sarcină? Problema este că fiecare astfel de sarcină trebuie să fie atent formulată înainte de a construi un algoritm de inteligență artificială pentru a o rezolva. Îți vor răspunde – se pare că și această succesiune poate fi simplificată.
Învățarea automată obișnuită funcționează pe principiul unei sisteme deschise (open-loop): pregătești datele, concepi o rețea neuronală (sau orice altceva), o antrenezi, apoi te uiți la câteva indicatori, și dacă totul îți place, poți trimite rețeaua neurală pe smartphone-uri – pentru a rezolva sarcinile utilizatorilor. Dar în aplicațiile unde există foarte multe date și natura acestora se schimbă treptat, sunt necesare metode diferite. Aceste sisteme, care se adaptează și se auto-antrenează, se organizează în bucle închise, auto-antrenante (closed-loop), și ele trebuie să funcționeze fără întrerupere.
Aplicațiile – pot fi analiza de flux (Stream Analytics), pe baza căreia mulți antreprenori iau decizii, sau management adaptiv al producției. La nivelul aplicațiilor moderne și având în vedere riscurile mai bine înțelese pentru oameni, metodele care constituie rezolvarea acestei probleme sunt toate adunate sub denumirea comună de AI adaptiv.
Privind această imagine, este greu să scapi de senzația că futurologii n-ar trebui să fie hrăniți, ci să învețe un robot să respire...
Calcul și comunicații postclasice (Postclassical Compute and Comms)
2.1. Comunicații mobile de generație a cincea (5G)
Este un subiect atât de interesant, încât imediat te trimitem la . Dar aici este un rezumat pe scurt. 5G, datorită creșterii frecvenței de transmitere a datelor, va face viteza Internetului ireal de rapidă. Undele scurte sunt mai greu de trecut prin obstacole, astfel încât structura rețelei va fi complet diferită: vor fi necesare de 500 de ori mai multe stații de bază.
Împreună cu viteza, vom obține noi fenomene: jocuri în timp real cu realitate augmentată, îndeplinirea sarcinilor complexe (cum ar fi chirurgia) prin teleprezență, prevenirea accidentelor și a situațiilor dificile pe drumuri prin comunicarea între mașini. Dintr-o perspectivă mai prozaică: în sfârșit, internetul mobil nu va mai cădea în timpul evenimentelor masive, cum ar fi un meci pe stadion.
Sursa imaginii - Reuters, Niantic
2.2. Memoria de generație următoare (Next-Generation Memory)
Aici este vorba despre a cincea generație de memorie RAM – DDR5. Samsung a anunțat că până la sfârșitul anului 2019 vor apărea produse bazate pe DDR5. Se așteaptă ca noua memorie să fie de două ori mai rapidă și de două ori mai densă, păstrând forma factorului, astfel încât vom putea obține module de memorie de 32GB pentru computerul nostru. În viitor, acest lucru va fi deosebit de relevant pentru smartphone-uri (noua memorie va fi disponibilă într-o versiune cu consum redus de energie) și pentru laptopuri (unde numărul de sloturi DIMM este limitat). De asemenea, învățarea automată necesită volume mari de memorie RAM.
2.3. Sisteme satelitare în orbite joase (Low-Earth-Orbit Satellite Systems)
Ideea de a înlocui sateliții grei, scumpi și puternici cu un roi de sateliți mici și ieftini nu este deloc nouă, apărând încă din anii '90. Despre faptul că acum nu a auzit deja doar leneșul. Aici, cea mai cunoscută companie este Iridium, care a dat faliment la sfârșitul anilor '90, dar a fost salvată de Ministerul Apărării al Statelor Unite (nu confundați cu iRidium - sistemul rus de casă inteligentă). Proiectul lui Elon Musk (Starlink) nu este singurul - în cursa pentru sateliți sunt Richard Branson (OneWeb - 1440 de sateliți preconizați), Boeing (3000 de sateliți), Samsung (4600 de sateliți) și altele.
Cum stau lucrurile în acest domeniu, cum arată economia - citiți în Așteptăm primele teste ale acestor sisteme de la primii utilizatori, care ar urma să aibă loc deja anul viitor.
2.4. Printare 3D la nanoscale (Nanoscale 3D Printing)
Printarea 3D, deși nu a intrat în viața fiecărei persoane (în forma unei fabrici plastice de acasă promise individual), a ieșit demult din nișa tehnologiilor pentru pasionați. Se poate judeca după faptul că există cel puțin pixuri 3D sculpturale cunoscute de orice elev, iar mulți visează să își achiziționeze o cutie cu șine și extruder pentru... «așa, pur și simplu» (sau deja au cumpărat).
Stereolitografia (imprimantele 3D cu laser) permit printarea cu fotoni individuali: se investighează noi polimeri pentru care este suficientă doar o expunere la două fotoni pentru a se întări. Aceasta va permite crearea unor filtre, prinderi, arcuri, capilare, lentile complet noi și… sugestiile voastre în comentarii! Și aici este aproape de fotopolimerizare – doar această tehnologie permite «a imprima» procesoare și circuite de calcul. În plus, există de mai mulți ani , dar fără o dezvoltare radicală.
3. Senzoristică și mobilitate (Sensing and Mobility)
3.1. Automobile fără șofer, nivel 4 și 5 (Autonomous Driving Level 4 & 5)
Pentru a nu ne pierde în termeni, ar fi bine să clarificăm ce niveluri de autonomie sunt distinse (preluat dintr-o detaliere , la care trimitem pe toți cei interesați):
Nivelul 1: Controlul automat de viteză: asistență pentru șofer în situații foarte limitate (de exemplu – menținerea vehiculului la o viteză setată după ce șoferul și-a ridicat piciorul de pe pedala de accelerație)
Nivelul 2: Asistență limitată la direcție și frânare. Șoferul trebuie să fie pregătit să preia controlul aproape instantaneu. Mâinile sale sunt pe volan, privirea îndreptată spre drum. Acesta este ceea ce există deja în Tesla și General Motors.
Nivelul 3: Șoferul nu mai trebuie să monitorizeze constant drumul. Dar trebuie să rămână vigilent și pregătit să preia controlul. Acesta este un aspect pe care nu îl au încă automobilele disponibile pe piață. Toate cele existente în prezent sunt la nivelul 1-2.
Nivelul 4: Autopilot real, dar cu restricții: doar călătorii în zone cunoscute, care sunt cartografiate cu atenție și sunt în general cunoscute de sistem, și în anumite condiții: de exemplu, în absența zăpezii. Astfel de prototipuri există la Waymo și General Motors, iar acestea planifică să le lanseze în mai multe orașe și să le testeze în condiții reale. Yandex are zone de testare pentru taxiuri autonome în Skolkovo și Innopolis: călătoria are loc sub supravegherea unui inginer care stă în locul pasagerului; până la sfârșitul anului, compania intenționează să extindă flota la 100 de mașini autonome.
Nivelul 5: Conducere complet automată, înlocuirea totală a șoferului uman. Astfel de sisteme nu există și este puțin probabil să apară în următorii ani.
Cât de realist este să vedem toate acestea în viitorul apropiat? Aici aș dori să direcționez cititorul către articolul . Acest lucru se datorează parțial lipsei de conectivitate 5G: vitezele 4G existente nu sunt suficiente. Parțial se datorează costului foarte ridicat al mașinilor autonome: acestea sunt în prezent nerentabile, iar modelul de business nu este clar. Cu alte cuvinte, aici „totul este complicat” și nu este întâmplător că Gartner scrie că prognoza pentru implementarea pe scară largă a Nivelului 4 și 5 nu este mai devreme de 10 ani.
3.2. Camere cu vedere 3D (3D Sensing Cameras)
Acum opt ani, controlerul de jocuri Microsoft Kinect a făcut valuri, oferind o soluție accesibilă și relativ ieftină pentru vedere 3D. De atunci, jocurile fizice de dans cu Kinect au avut o ascensiune și o cădere rapidă, dar camerele 3D au început să fie utilizate în roboții industriali, automobile autonome, telefoane mobile pentru identificare facială. Tehnologia a devenit mai ieftină, mai compactă și mai accesibilă.
În telefonul Samsung S10 este instalată o cameră de tip Time-of-Flight, care măsoară distanța până la obiect – pentru a simplifica focalizarea.
Dacă te-a interesat acest subiect, te redirecționăm către o foarte bună recenzie detaliată a camerelor de adâncime: , .
3.3. Drone pentru livrarea unor încărcături mici (Light Cargo Delivery Drones)
Anul acesta, Amazon a făcut mult zgomot când a prezentat la expoziție un nou drone zburător, capabil să transporte sarcini mici de până la 2 kg. Într-un oraș, cu traficul său, aceasta pare a fi o soluție perfectă. Să vedem cum se vor descurca aceste drone în viitorul apropiat. Probabil că aici merită să includem un scepticism prudent: există multe probleme, începând cu posibilitatea furtului ușor al dronei și terminând cu restricțiile legislative asupra UAV-urilor. Amazon Prime Air există deja de șase ani, dar încă se află în stadiul de testare.
Noua dronă Amazon, prezentată în primăvara aceasta. Are ceva din «Războiul Stelelor».
Pe lângă Amazon, există și alți jucători pe această piață (există detalii ), dar niciun produs gata: totul este în stadiul de testare și campanii de marketing. Merită menționat faptul că există proiecte medico-sanitare destul de interesante în Africa: livrarea de sânge de la donatori în Ghana (14 000 livrări, compania Zipline) și Ruanda (compania Matternet).
3.4. Transport autonom zburător (Flying Autonomous Vehicles)
Aici este greu de spus ceva concret. Potrivit Gartner, aceasta nu va apărea mai devreme de 10 ani. În general, aceleași probleme se regăsesc ca și în cazul mașinilor autonome, doar că acum devin o dimensiune nouă — verticală. Porsche, Boeing și Uber își declară ambițiile de a construi un taxi zburător.
3.5. Cloudul realității augmentate (AR Cloud)
O copie digitală constantă a lumii reale, care permite crearea unei noi straturi de realitate, comună pentru toți utilizatorii. Vorbind într-un limbaj mai tehnic, se dorește realizarea unei platforme cloud deschise, în care dezvoltatorii să poată integra aplicațiile lor AR. Modelul de monetizare este clar, acesta fiind un fel de echivalent al Steam. Ideea s-a împământenit atât de mult, încât acum unii consideră că AR fără cloud este, pur și simplu, inutil.
Cum ar putea arăta în viitor este schițat într-un mic videoclip. Arată ca un nou episod din «Black Mirror»:
Mai puteți citi în
4. Omul «augmentat» (Augmented Human)
4.1. IA pentru emoții (Emotion AI)
Cum să măsurăm, să simulăm și să reacționăm la emoțiile umane? Unii dintre clienți aici sunt companii care produc asistenți vocali precum Amazon Alexa. Pentru a se integra cu adevărat în case, ei trebuie să învețe să recunoască starea de spirit: să înțeleagă motivul nemulțumirii utilizatorului și să încerce să corecteze situația. În general, contextul oferă mult mai multe informații decât mesajul în sine. Iar contextul include expresia feței, intonația și comportamentul non-verbal.
Printre alte aplicări practice: analiza emoțiilor în timpul interviurilor de angajare (prin interviuri video), evaluarea reacțiilor la reclame sau alte conținuturi video (zâmbete, râsete), asistență în educație (de exemplu, pentru practici auto-dirijate în arta vorbirii în public).
Pe acest subiect este greu de spus mai bine decât autorul scurtmetrajului de 6 minute . Într-un videoclip inteligent și stilat, se demonstrează cum putem măsura emoțiile noastre în scopuri de marketing și, din reacțiile imediate ale feței tale, să aflăm: dacă îți plac pizza, câinii, Kanye West, și chiar care este nivelul tău de venit și IQ-ul aproximativ. Accesând site-ul filmului prin linkul de mai sus, devii participant la un videoclip interactiv folosind camera încorporată a laptopului tău. Filmul a fost deja prezentat la mai multe festivaluri de film.
Există chiar o cercetare interesantă: cum să recunoști sarcasmul în text. Au fost preluate tweeturi cu hashtag-ul #sarcasm și s-a realizat un set de date de învățare din 25.000 de tweeturi cu sarcasm și 100.000 de tweeturi obișnuite despre orice. S-a aplicat biblioteca TensorFlow, s-a instruit sistemul, iată rezultatul:
De aceea, acum, dacă nu ești sigur în legătură cu colegul tău sau cu prietenul – ți-a spus ceva în serios sau cu sarcasm, — poți folosi deja !
4.2. Inteligență Augmentată (Augmented Intelligence)
Automatizarea muncii intelectuale prin metode de învățare automată. Se pare că nu este nimic nou? Dar formularea în sine este importantă, mai ales că se potrivește ca abrevieri cu Inteligența Artificială. Aceasta ne trimite la polemica despre „inteligența artificială puternică” și „inteligența artificială slabă.”
Inteligența artificială avansată este acel tip de inteligență artificială din filmele de science fiction, care este complet echivalentă cu mintea umană și se conștientizează ca o persoană. Un astfel de sistem nu există în prezent și nu este clar dacă va exista vreodată.
Inteligența artificială slabă nu este o entitate autonomă, ci un asistent pentru oameni. Aceasta nu pretinde să aibă un mod de gândire uman, ci doar poate rezolva sarcini informaționale, de exemplu, să determine ce este reprezentat într-o imagine sau să traducă text.
În acest sens, Inteligența Augmentată este pur și simplu un „AI slab”, iar formularea pare să fie adecvată, deoarece nu provoacă confuzie și tentația de a vedea aici acea „inteligență artificială avansată” despre care toți visează (sau se tem, dacă ne amintim de numeroasele discuții despre „răscoala mașinilor”). Folosind expresia Inteligența Augmentată, ne transformăm imediat în eroii unui alt film: din science fiction (asemănător cu „Eu, Robot” al lui Asimov) ajungem în cyberpunk (în acest gen, „augmentările” se referă la tot felul de implanturi care extind capacitățile umane).
Cum Erik Brynjolfsson și Andrew McAfee: „În următorii 10 ani se va întâmpla următoarele. Nu inteligența artificială va înlocui managerii, ci acei manageri care folosesc inteligența artificială îi vor înlocui pe cei care nu au reușit încă.”
Exemple:
- Medicină: Universitatea Stanford a dezvoltat , care se descurcă cu recunoașterea patologiilor pe radiografiile toracice în medie la fel de bine ca majoritatea medicilor.
- Educație: asistență pentru elevi și profesori, analiza reacțiilor elevilor la materiale, construirea unei traiectorii individuale de învățare.
- Analiza de business: preprocesarea datelor, conform statisticilor, ocupă 80% din timpul cercetătorului, iar doar 20% rămâne pentru experimentul efectiv.
4.3. Biocipuri (Biochips)
Aceasta este tema preferată a tuturor filmelor și cărților cyberpunk. În general, microciparea animalelor de companie nu este o practică nouă. Dar acum aceste cipuri au început să fie implantate și oamenilor.
În acest caz, hype-ul este, cel mai probabil, legat de cazul mediatizat al companiei americane Three Square Market. Acolo, angajatorul a început să ofere implantarea de cipuri sub piele în schimbul unei recompense. Cipul permite deschiderea ușilor, conectarea la computere, cumpărarea de snacks-uri din automate – adică o cartela universală pentru angajați. Totodată, acest cip servește strict ca o carte de identitate, nu are modul GPS, deci nu poate urmări pe nimeni. Iar dacă o persoană dorește să îndepărteze cipul din mână, durează 5 minute cu ajutorul unui medic.
Cipurile sunt de obicei implantate între degetul mare și cel indic.
Citiți detalii despre starea lucrurilor privind ciparea în lume.
4.4. Spațiul de lucru imersiv (Immersive Workspace)
„Imersiv” – un alt cuvânt nou, de care nu putem scăpa. Este peste tot. Teatru imersiv, expoziție, film. Ce înseamnă? Imersivitatea este crearea unui efect de imersiune, când se pierde limita dintre autor și spectator, dintre lumea virtuală și cea reală. Aplicat la locul de muncă, ar trebui să însemne ștergerea graniței dintre executor și inițiator și încurajarea angajaților de a adopta o poziție mai activă prin reformatarea mediului înconjurător.
Deoarece acum avem Agile, flexibilitate, colaborare strânsă – atunci și locurile de muncă trebuie să fie cât mai ușor configurabile, să încurajeze munca de echipă. Economia dictează propriile condiții: numărul angajaților temporari crește, costul închirierii de birouri crește, iar în condițiile unei piețe competitive a muncii, companiile IT încearcă să crească satisfacția angajaților la locul de muncă, creând zone de recreere și alte beneficii. Și toate acestea se reflectă în designul locurilor de muncă.
Din Knoll
4.5. Personificarea (Personification)
Toată lumea știe ce înseamnă personalizarea în publicitate. Este momentul în care discuți cu un coleg că în birou aerul este prea uscat și ar trebui să cumpărăm un umidificator, iar a doua zi vezi pe rețelele sociale reclama – „cumpără un umidificator de aer” (un caz real, care mi s-a întâmplat).
Perosonificarea, conform definiției Gartner, este răspunsul la îngrijorările crescânde ale utilizatorilor cu privire la utilizarea datelor lor personale în scopuri publicitare. Scopul este de a dezvolta o abordare prin care ne va fi afișată publicitate relevantă pentru contextul în care ne aflăm, nu personal. De exemplu, locația noastră, tipul de dispozitiv, ora din zi, condițiile meteorologice – acestea sunt informații care nu încalcă datele noastre personale și nu ne oferă o senzație neplăcută de „supraveghere”.
Despre diferența dintre aceste două concepte, citiți lui Andrew Frank pe blogul de pe site-ul Gartner. Există o distincție atât de subtilă și cuvinte atât de asemănătoare, încât, fără a ști diferența, riști să te cerți mult timp cu interlocutorul tău, fără să suspectezi că, în realitate, amândoi aveți dreptate (și aceasta este o situație reală care s-a întâmplat autorului).
4.6. Biotehnologie – Țesuturi artificiale (Biotech – Cultured or Artificial Tissue)
Aceasta este, în primul rând, ideea de a crește carne artificială. În același timp, mai multe echipe din întreaga lume sunt implicate în dezvoltarea „Cărnii 2.0” de laborator – se așteaptă ca aceasta să devină mai ieftină decât cea obișnuită, iar fast-food-urile și apoi supermarketurile să se orienteze către aceasta. Investitori în această tehnologie includ Bill Gates, Sergey Brin, Richard Branson și alții.
Sursa
Motivele pentru care carne artificială este atât de interesantă sunt:
- Încălzirea globală: emisiile de metan de la ferme. Acestea reprezintă 18% din volumul global de gaze care influențează clima.
- Creșterea populației. Cererea de carne este în creștere, iar hrănirea tuturor cu carne naturală nu va funcționa – este pur și simplu prea scumpă.
- Lipsa de spațiu. 70% din pădurile Amazonului au fost deja defrișate pentru pășuni.
- Considerații etice. Există cei pentru care acest lucru este important. Organizația de protecție a animalelor PETA a oferit deja un premiu de 1 milion de dolari științificului care va lansa pe piață carne de pui artificială.
Înlocuirea cărnii adevărate cu cea din soia este o soluție parțială, deoarece oamenii simt bine diferența de gust și textură și este puțin probabil să renunțe la un steak în favoarea soiei. Prin urmare, este necesară carnea adevărată, anume carne organică crescută. Din păcate, în prezent, carnea artificială costă prea mult: de la 12 dolari pe kilogram. Acest lucru se datorează procesului tehnologic complex de creștere a acestei cărți. Citiți mai multe despre toate acestea. .
Când vine vorba de alte cazuri de cultivare a țesuturilor – deja în medicină – tema organelor artificiale este interesantă: de exemplu, un „pansament” pentru mușchiul cardiac, cu un imprimant 3D specializat. Sunt cunoscute cazuri precum inima de șoarece crescută artificial, dar, în general, totul rămâne deocamdată în cadrul testelor clinice. Așadar, este puțin probabil să vedem un Frankenstein în următorii ani.
Aici, Gartner este foarte precaut în evaluări, ținând evident cont de predicția sa eșuată din 2015 că, în 2019, 10% din populația țărilor dezvoltate va avea un dispozitiv medical implantat imprimat 3D. Prin urmare, el precizează perioada de atingere a unui platou de productivitate – de cel puțin 10 ani.
5. Ecosisteme digitale (Digital Ecosystems)
5.1. Web descentralizat (Decentralized Web)
Această noțiune este strâns legată de numele inventatorului web-ului, laureat al premiului Turing, Sir Tim Berners-Lee. Pentru el, întrebările eticii în informatică au fost întotdeauna importante și de asemenea esența colectivă a Internetului: punând bazele hipertextului, el a fost convins că rețeaua trebuie să funcționeze ca o pânză de păianjen, nu ca o ierarhie. Asta a fost și la începutul dezvoltării rețelei. Totuși, odată cu creșterea Internetului, structura sa a început să se centralizeze dintr-o serie de motive. S-a dovedit că accesul la rețea pentru o întreagă țară poate fi ușor restricționat prin intermediul a doar câțiva furnizori. Iar datele utilizatorilor s-au transformat într-o sursă de putere și venit pentru companiile de internet.
„Internetul este deja descentralizat”, spune Berners-Lee. „Problema este că este dominată de un singur motor de căutare, o mare rețea de socializare, o platformă pentru microblogging. Nu avem probleme tehnologice, ci sociale”.
În scrisoarea sa cu ocazia aniversării de 30 de ani a World Wide Web, creatorul Web-ului a conturat trei probleme fundamentale ale Internetului:
- Cauzarea intenționată de rău, precum atacurile cibernetice sponsorizate de stat, criminalitatea și hărțuirea online
- Însuși dispozitivul sistemului, care, în detrimentul utilizatorului, creează condiții pentru mecanisme precum: stimulente financiare pentru clickbait și distribuirea virală a informațiilor false
- Consecințele neintenționate ale designului sistemului, care conduc la conflicte și la scăderea calității dezbaterii online
Și Tim Berners-Lee are deja un răspuns la ce principii ar putea sta la baza „Internetului sănătoasei persoanei”, lipsit de problema numărul 2: „Pentru mulți utilizatori, singurul model de interacțiune cu webul rămâne venitul din publicitate. Chiar dacă oamenii sunt îngroziți de ce se întâmplă cu datele lor, ei sunt de acord să facă un schimb cu mașina de marketing pentru a putea primi conținut gratuit. Imaginează-ți o lume în care plata pentru bunuri și servicii este ușor de realizat și plăcută pentru ambele părți.” Printre opțiunile de organizare a acestuia: muzicienii ar putea vinde înregistrările lor fără intermediari, ca pe iTunes, iar site-urile de știri ar putea utiliza un sistem de micropayments pentru citirea unui articol, în loc să câștige din publicitate.
Ca un prototip experimental al acestui nou Internet, Tim Berners-Lee a lansat proiectul SOLID, a cărui esență este că îți păstrezi datele într-un „pod” — un depozit de informații, și poți oferi aceste date aplicațiilor externe. În esență, tu ești cel care deține propriile date. Totul este strâns legat de conceptul rețelelor peering, adică computerul tău nu solicită doar servicii, ci le oferă, pentru a nu depinde de un singur server ca canal principal.
5.2. Organizații autonome descentralizate (Decentralized Autonomous Organizations)
Aceasta este o organizație care este administrată de reguli scrise sub forma unei programe de calculator. Activitatea sa financiară se desfășoară pe baza blockchain-ului. Scopul creării unor astfel de organizații este de a elimina statul din rolul de intermediar și de a crea un mediu comun de încredere pentru contractanți, care nu este deținut exclusiv de nimeni, ci deținut de toți împreună. Așadar, în teorie, dacă ideea se va răspândi, ar trebui să elimine notarii și alte instituții tradiționale de verificare.
Cel mai cunoscut exemplu al unei astfel de organizații a fost orientată spre capitalul de risc The DAO, care în 2016 a strâns 150 de milioane de dolari, din care 50 au fost furați imediat printr-o „gaură” legală în reguli. A apărut rapid o dilemă complicată: fie să se revină înapoi și să se returneze banii, fie să se recunoască faptul că retragerea banilor a fost legală, deoarece nu a încălcat în niciun fel regulile platformei. În cele din urmă, pentru a returna banii investitorilor, creatorii au fost nevoiți să distrugă The DAO, rescriind blockchain-ul și încălcând principiul său de bază – neschimbabilitatea.
Benzi desenate despre Ethereum (stânga) și The DAO (dreapta).
Toată această poveste a afectat reputația ideii de DAO. Acest proiect a fost construit pe baza criptomonedei Ethereum, iar anul viitor se așteaptă versiunea Ether 2.0 – poate autori (printre care se numără cunoscutul Vitalik Buterin) vor ține cont de greșelile anterioare și vor prezenta ceva nou. Probabil de aceea Gartner a plasat DAO pe o linie ascendentă.
5.3. Date sintetice (Synthetics Data)
Pentru a antrena rețele neuronale, sunt necesare cantități mari de date. Împărțirea datelor manual – este o muncă enormă, care poate fi realizată doar de către oameni. De aceea, pot fi create seturi de date artificiale. De exemplu, aceleași colecții de fețe umane de pe site . Acestea sunt create cu ajutorul GAN – algoritmi despre care s-a discutat anterior.
Aceste fețe nu aparțin oamenilor.
Un mare avantaj al acestor date este că nu apar dificultăți legale în utilizarea lor: nu există nimeni care să ofere consimțământ pentru prelucrarea datelor personale.
5.4. Digital Ops
Sufixul „Ops” a devenit extrem de popular de când termenul DevOps s-a înrădăcinat în limbajul nostru. Acum, ceea ce se numește DigitalOps – este pur și simplu o generalizare a DevOps, DesignOps, MarketingOps… Te-ai plictisit deja? Pe scurt, este transferul abordării adoptate în DevOps din domeniul software-ului către toate celelalte aspecte ale afacerii – marketing, design etc.
Ideea DevOps a fost eliminarea barierelor dintre dezvoltare (Development) și operațiuni (Operations) prin crearea de echipe comune, în care să colaboreze programatori, testeri, specialiști în securitate și administratori; implementarea unor practici specifice: integrare continuă, infrastructură ca și cod, scurtarea și întărirea lanțurilor de feedback. Scopul a fost – accelerarea lansării produsului pe piață. Dacă v-ați gândit că aceasta seamănă cu Agile, ați avut dreptate. Acum imaginați-vă mental această abordare din domeniul dezvoltării software către dezvoltarea în general – și ați înțeles ce este DigitalOps.
5.5. Grafuri de cunoștințe (Knowledge Graphs)
O modalitate software de a modela un domeniu de cunoștințe, inclusiv – prin intermediul algoritmilor de învățare automată. Grafurile de cunoștințe sunt construite pe baza bazelor de date existente pentru a conecta întreaga informație: atât cea structurată (listă de evenimente sau persoane), cât și cea nestructurată (textul unui articol).
Cel mai simplu exemplu este cardul pe care îl puteți vedea în rezultatul căutării Google. Dacă căutați o persoană sau o instituție, veți vedea în dreapta un card:
Rețineți că "Evenimentele viitoare" nu sunt o copie a informațiilor de pe Google Maps, ci o integrare a programului cu Yandex.Afișare: veți observa ușor acest lucru dacă faceți clic pe evenimente. Asta înseamnă că sunt reunite mai multe surse de date într-un singur loc.
Dacă solicitați o listă – de exemplu, "regizori celebri" – vi se va arăta un "carusel":
Bonus pentru cei care au citit până la capăt
Și iată acum, când ne-am clarificat semnificația fiecărui punct, putem privi aceeași imagine, însă deja în limba română:
Partajați-l liber pe rețelele sociale!
Tatiana Volkova — Autor al programului de învățare al traseului Internet of Things la Academia IT Samsung, specialist în programele de responsabilitate socială corporativă a Centrului de Cercetare Samsung
Sursa: habr.com
