Pre tých, ktorí pracujú v oblasti technológií, je rebríček Gartnera ako prehliadka haute couture. Už len pohľadom naň si môžete pozrieť najhorúcejšie slová sezóny a to, čo budete počuť na všetkých nadchádzajúcich konferenciách.

Rozlúštili sme, čo sa skrýva za krásnymi slovami v tejto tabuľke, aby ste aj vy mohli hovoriť týmto jazykom.

Najprv pár slov o tom, čo tento graf vlastne je. Každý august vydáva konzultačná firma Gartner správu s názvom Gartner Hype Curve. V ruštine sa to nazýva „hype curve“ alebo jednoduchšie „hype curve“. Pred tridsiatimi rokmi rapperi z Public Enemy spievali „Neverte humbuku“. Či tomu veríte alebo nie, je osobná vec, ale ak pracujete v oblasti technológií a chcete byť informovaní o globálnych trendoch, oplatí sa poznať aspoň tieto kľúčové slová.

Toto je graf verejných očakávaní týkajúcich sa danej technológie. Podľa spoločnosti Gartner by technológia mala v ideálnom prípade prechádzať piatimi fázami: uvedenie technológie na trh, vrchol nafúknutých očakávaní, údolie sklamania, svah osvietenia a plató produktivity. Niekedy sa však prepadne do „údolia sklamania“ – príklady si ľahko spomeniete sami, ako napríklad Bitcoin: spočiatku vrcholil ako „peniaze budúcnosti“, no rýchlo upadol, keď sa ukázali nedostatky technológie, predovšetkým obmedzenia počtu transakcií a obrovské množstvo elektriny potrebnej na generovanie Bitcoinu (čo vedie k environmentálnym problémom). A samozrejme nesmieme zabúdať, že graf spoločnosti Gartner je len predpoveď: tu si napríklad môžete prečítať podrobný popis. статью, kde sa analyzujú najvýraznejšie nenaplnené predpovede.

Pozrime sa teda rýchlo na nový graf spoločnosti Gartner. Technológie sú rozdelené do piatich hlavných tematických skupín:

1. Pokročilá umelá inteligencia a analytika
2. Postklasické výpočty a komunikácie
3. Snímanie a mobilita
4. Rozšírený človek
5. Digitálne ekosystémy

1. Pokročilá umelá inteligencia a analytika

V posledných 10 rokoch dosiahlo hlboké učenie svoj vrchol. Tieto siete sú skutočne efektívne pre svoju škálu úloh. V roku 2018 Yann LeCun, Geoffrey Hinton a Yoshua Bengio získali Turingovu cenu – najprestížnejšie ocenenie, ekvivalent Nobelovej ceny za informatiku – za svoje objavy v týchto sieťach. Tu sú kľúčové trendy v tejto oblasti, zhrnuté v grafe:

1.1 Transfer učenia

Neurónová sieť sa netrénuje od nuly; vezme sa už trénovaná sieť a priradí sa jej iný cieľ. Niekedy to vyžaduje pretrénovanie časti siete, ale nie celej siete, čo je oveľa rýchlejšie. Napríklad, ak vezmeme vopred vybudovanú neurónovú sieť ResNet50 trénovanú na dátovom súbore ImageNet1000, získame algoritmus schopný klasifikovať širokú škálu objektov z obrázka na veľmi hlbokej úrovni (1 000 tried na základe prvkov generovaných 50 vrstvami neurónovej siete). Nemusíte však trénovať celú sieť, čo by trvalo mesiace.

В online kurz Napríklad Samsung „Neurónové siete a počítačové videnie“ vo finále Úloha Kaggle V tomto príklade klasifikácie tanierov na čisté a špinavé demonštrujeme prístup, ktorý vám za púhych 5 minút poskytne hlbokú neurónovú sieť schopnú rozlíšiť špinavé taniere od čistých, vybudovanú pomocou vyššie opísanej architektúry. Pôvodná sieť nevedela, čo sú taniere; učila sa iba rozlišovať vtáky od psov (pozri ImageNet).

Zdroj: online kurz Samsung „Neurónové siete a počítačové videnie“

Transferové učenie si vyžaduje znalosť toho, ktoré prístupy fungujú a aké existujúce základné architektúry. Celkovo to výrazne urýchľuje vznik praktických aplikácií strojového učenia.

1.2. Generatívne adverzárne siete (GAN)

Toto je pre tie prípady, keď máme naozaj problém s formulovaním cieľa učenia. Čím je úloha bližšie k reálnemu životu, tým je pre nás jasnejšia („prineste nočný stolík“), ale tým ťažšie je ju formulovať ako technickú úlohu. GAN je pokusom o vyriešenie tohto problému.

Pracujú tu dve siete: jedna je generátorová (generatívna), druhá diskriminačná (adverzárna). Jedna sieť sa učí vykonávať užitočnú prácu (klasifikovať obrázky, rozpoznávať zvuky, kresliť kreslené filmy). A druhá sieť sa učí túto sieť učiť: dostáva príklady z reálneho sveta a učí sa nájsť predtým neznámy komplexný vzorec na porovnanie výstupu generatívnej časti siete s objektmi z reálneho sveta (trénovacia množina) na základe skutočne dôležitých hlbokých vlastností: počet očí, blízkosť Miyazakiho štýlu, správnosť anglickej výslovnosti.

Príklad výstupu siete na generovanie anime postáv. Zdroj

Samozrejme, je ťažké tam vybudovať architektúru. Nestačí im len hádzať neuróny; treba ich trénovať. A trénovanie trvá týždne. Moji kolegovia v Samsung AI Center pracujú na GAN; je to jedna z ich kľúčových výskumných otázok. Napríklad táto rozvojVyužitie generatívnych sietí na syntézu realistických fotografií ľudí s rôznymi pózami – napríklad na vytvorenie virtuálnej skúšobne alebo na syntézu tváre, čo by mohlo znížiť množstvo informácií, ktoré je potrebné uložiť alebo preniesť na zabezpečenie vysokokvalitnej video komunikácie, vysielania alebo ochrany súkromia.

Zdroj

1.3. Vysvetliteľná umelá inteligencia

V niektorých zriedkavých úlohách pokroky v hlbokých architektúrach náhle priblížili schopnosti hlbokých neurónových sietí k ľudskej úrovni. Teraz prebieha boj o rozšírenie rozsahu takýchto úloh. Napríklad robotický vysávač by mohol ľahko rozlíšiť mačku od psa, keď sa stretnú čelne. Vo väčšine reálnych situácií by však nebol schopný nájsť mačku spiacu medzi bielizňou alebo nábytkom (rovnako ako my vo väčšine prípadov...).

Čo stojí za úspechom hlbokých neurónových sietí? Generujú reprezentáciu úlohy nie na základe informácií „viditeľných voľným okom“ (pixely fotografií, kolísanie hlasitosti zvuku atď.), ale na základe vlastností získaných po predspracovaní týchto informácií prostredníctvom niekoľkých stoviek vrstiev neurónovej siete. Tieto vzťahy však môžu byť, žiaľ, aj bezvýznamné, nekonzistentné alebo odrážať nedokonalosti v pôvodnom súbore údajov. Napríklad malá počítačová hra skúma potenciálne dôsledky bezduchého použitia umelej inteligencie pri nábore. Prežitie najlepšieho zhodného.

Systém označovania obrázkov označil variacu osobu ako ženu, hoci obrázok v skutočnosti zobrazuje muža (Zdroj). Toto všimol si vo Virgínskom inštitúte.

Na analýzu zložitých a hlbokých vzťahov, ktoré si často sami nedokážeme sformulovať, sú potrebné metódy vysvetliteľnej umelej inteligencie. Tie organizujú vlastnosti hlbokých neurónových sietí tak, aby sme po trénovaní mohli analyzovať naučenú vnútornú reprezentáciu siete, a nie sa jednoducho spoliehať na jej rozhodnutia.

1.4. Edge Analytics / AI

Čokoľvek, čo obsahuje slovo „Edge“, doslova znamená nasledovné: presun niektorých algoritmov z cloudu/servera na úroveň koncových bodov/brány. Tento algoritmus bude bežať rýchlejšie a na svoju prevádzku nebude vyžadovať pripojenie k centrálnemu serveru. Ak poznáte koncept „tenkého klienta“, tu ho trochu spresňujeme.
Toto by mohlo byť dôležité pre internet vecí. Napríklad, ak sa stroj prehrial a potrebuje chladenie, má zmysel okamžite poslať signál na úrovni továrne, bez čakania na to, kým sa dáta dostanú do cloudu a odtiaľ k vedúcemu zmeny. Ďalší príklad: autonómne autá by mohli nezávisle monitorovať dopravnú situáciu bez prístupu k centrálnemu serveru.

Zdroj

Tu je ďalší príklad, prečo je to dôležité z hľadiska bezpečnosti: keď píšete na telefóne, naučí sa vaše typické slová, aby vám ich klávesnica telefónu mohla pohodlne navrhovať – toto sa nazýva prediktívny text. Odosielanie všetkého, čo napíšete, do dátového centra by bolo porušením vášho súkromia a jednoducho nebezpečné. Učenie klávesnice preto prebieha iba vo vašom zariadení.

1.5. Platforma AI ako služba (AI PaaS)

PaaS (Platform as a Service) je obchodný model, ktorý poskytuje prístup k integrovanej platforme vrátane jej cloudového úložiska dát a hotových procesov. To nás oslobodzuje od úloh súvisiacich s infraštruktúrou a umožňuje nám sústrediť sa výlučne na tvorbu niečoho užitočného. Medzi príklady platforiem PaaS pre umelú inteligenciu patria IBM Cloud, Microsoft Azure, Amazon Machine Learning a Google AI Platform.

1.6. Adaptívne strojové učenie (Adaptívne ML)

Čo ak dovolíme umelej inteligencii prispôsobiť sa... Pýtate sa – čo tým myslíte? Neprispôsobuje sa už úlohe? Problém je tento: každú takúto úlohu starostlivo formulujeme predtým, ako vytvoríme algoritmus umelej inteligencie na jej riešenie. Povedia vám – ukazuje sa, že aj tento reťazec sa dá zjednodušiť.

Konvenčné strojové učenie funguje na princípe otvorenej slučky: pripravíte dáta, navrhnete neurónovú sieť (alebo čokoľvek chcete), natrénujete ju, potom sa pozriete na niekoľko metrík a ak ste s výsledkom spokojní, môžete neurónovú sieť nasadiť do smartfónov na riešenie problémov používateľov. Ale v aplikáciách, kde sú dáta rozsiahle a ich povaha sa postupne mení, sú potrebné iné metódy. Takéto systémy, ktoré sa prispôsobujú a učia samy, sú organizované do uzavretých, samoučiacich sa obvodov (uzavretých slučiek) a musia fungovať hladko.

Aplikácie siahajú od analýzy prúdov, ktorá informuje o obchodných rozhodnutiach, až po adaptívne riadenie výroby. Vzhľadom na rozsah moderných aplikácií a lepšie pochopenie ľudských rizík sú metódy, ktoré riešia tento problém, súhrnne známe ako adaptívna umelá inteligencia.

Zdroj

Pri pohľade na tento obrázok je ťažké zbaviť sa pocitu, že futurológovia by nevadilo naučiť robota dýchať...

Postklasické výpočty a komunikácie

2.1. Mobilné komunikácie piatej generácie (5G)

Toto je taká zaujímavá téma, že vás okamžite odkazujeme na našu článokTu je stručné zhrnutie. 5G neuveriteľne zrýchli internetové rýchlosti zvýšením frekvencie prenosu dát. Krátke vlny majú problém prekonať prekážky, takže návrh siete bude úplne iný: bude potrebných 500-krát viac základňových staníc.

Spolu s rýchlosťou uvidíme nové fenomény: hry v reálnom čase s rozšírenou realitou, zložité úlohy (ako napríklad chirurgické zákroky) vykonávané prostredníctvom teleprítomnosti a prevenciu nehôd a dopravných nehôd prostredníctvom komunikácie medzi vozidlami. Prozaickejšie je, že mobilný internet konečne prestane vypadať počas masových podujatí, ako sú napríklad zápasy na štadiónoch.

Zdroj obrázka: Reuters, Niantic

2.2. Pamäť novej generácie

Hovoríme o piatej generácii pamäte RAM – DDR5. Spoločnosť Samsung oznámila, že produkty založené na DDR5 budú dostupné do konca roka 2019. Očakáva sa, že nová pamäť bude dvakrát rýchlejšia a dvakrát kapacitnejšia, pričom si zachová rovnaký tvarový faktor, čo znamená, že pre naše počítače budeme môcť získať pamäťové moduly s kapacitou až 32 GB. Toto bude obzvlášť dôležité pre smartfóny (nová pamäť bude dostupná v nízkoenergetickej verzii) a notebooky (kde je počet slotov DIMM obmedzený). Strojové učenie si tiež vyžaduje veľké množstvo pamäte RAM.

2.3. Satelitné systémy na nízkej obežnej dráhe Zeme

Myšlienka nahradiť ťažké, drahé a výkonné satelity rojom malých a lacných nie je ani zďaleka nová a pochádza z 90. rokov 20. storočia. O tom, že Elon Musk bude čoskoro distribuovať internet všetkým cez satelit. Zatiaľ o tom nepočuli len leniví ľudia. Najznámejšou spoločnosťou je Iridium, ktorá koncom 90. rokov skrachovala, ale zachránilo ju americké ministerstvo obrany (nezamieňať s iRidium, ruským systémom inteligentných domácností). Projekt Starlink Elona Muska nie je ani zďaleka sám – do satelitných pretekov sa zapájajú aj Richard Branson (OneWeb – 1 440 navrhovaných satelitov), ​​Boeing (3 000 satelitov), ​​Samsung (4 600 satelitov) a ďalší.

Aká je situácia v tejto oblasti, aká je tam ekonomika – čítajte ďalej preskúmanieTešíme sa na prvé testy týchto systémov prvými používateľmi, ktoré by sa mali uskutočniť budúci rok.

2.4 3D tlač v nanorozmeroch

3D tlač, hoci ešte nie je súčasťou života každého človeka (v podobe sľubovanej individuálnej domácej továrne na plasty), už dávno prekročila hranice geekovských technológií. Vidno to aj z faktu, že každý školák pozná aspoň 3D sochárske perá a mnohí snívajú o kúpe krabice s koľajničkami a extrudérom pre... „len tak“ (alebo si ju už kúpili).

Stereolitografia (laserové 3D tlačiarne) umožňuje tlač s jednotlivými fotónmi: skúmajú sa nové polyméry, ktoré na vytvrdnutie potrebujú iba dva fotóny. To umožní vytvorenie úplne nových filtrov, držiakov, pružín, kapilár, šošoviek a... vaše nápady v komentároch, mimo laboratórneho prostredia! A nie je to ďaleko od fotopolymerizácie – len táto technológia umožňuje „tlač“ procesorov a výpočtových obvodov. Navyše, existuje už nejaký čas. technológia na tlač 500 nm grafénu 3D štruktúr, ale bez radikálneho vývoja.

Zdroj

3. Snímanie a mobilita

3.1. Autonómne riadenie úrovne 4 a 5

Aby sa predišlo nejasnostiam v terminológii, je vhodné pochopiť, aké úrovne autonómie sa rozlišujú (prevzaté z podrobného Článok, na ktoré odkazujeme všetky zainteresované strany):

Úroveň 1: Tempomat: pomáha vodičovi vo veľmi obmedzených situáciách (napr. udržiavanie vozidla na nastavenej rýchlosti po tom, čo vodič zloží nohu z pedálu)
Úroveň 2: Obmedzený asistent riadenia a brzdenia. Vodič musí byť pripravený prevziať kontrolu takmer okamžite, s rukami na volante a očami upretými na cestu. Toto už Tesla a General Motors majú.
Úroveň 3: Vodič už nemusí neustále sledovať cestu. Musí však zostať ostražitý a pripravený prevziať kontrolu. Toto je niečo, čo komerčne dostupné vozidlá zatiaľ nemajú. Všetky existujúce vozidlá sú v súčasnosti na úrovniach 1-2.
Úroveň 4: Skutočný autopilot, ale s obmedzeniami: iba jazdy v známej oblasti, ktorá je starostlivo zmapovaná a všeobecne známa systému, a za určitých podmienok, ako je napríklad absencia snehu. Waymo a General Motors majú takéto prototypy a plánujú ich uviesť na trh vo viacerých mestách a otestovať ich v reálnych podmienkach. Yandex má testovacie zóny pre autonómne taxíky v Skolkove a Innopolise: jazda prebieha pod dohľadom technika sediaceho na sedadle spolujazdca; do konca roka spoločnosť plánuje rozšíriť svoju flotilu na 100 autonómnych áut.
Úroveň 5: Plne automatizované riadenie, ktoré úplne nahrádza ľudských vodičov. Takéto systémy neexistujú a je nepravdepodobné, že sa objavia v blízkej budúcnosti.

Aké realistické je, že sa toto všetko stane v dohľadnej budúcnosti? Rád by som čitateľa odkázal na článok Prečo je plán Tesly s robotickými taxíkmi z roku 2020 nemožnýČiastočne je to spôsobené nedostatkom 5G pripojenia: existujúce rýchlosti 4G sú nedostatočné. Je to tiež kvôli veľmi vysokým nákladom na autonómne vozidlá: zatiaľ nie sú ziskové a obchodný model je nejasný. Skrátka, „je to komplikované“ a nie je náhoda, že Gartner predpovedá, že masové prijatie úrovní 4 a 5 nedôjde minimálne o 10 rokov.

3.2. 3D snímacie kamery

Pred ôsmimi rokmi spôsobil herný ovládač Microsoft Kinect rozruch tým, že ponúkol dostupné a relatívne lacné riešenie pre 3D videnie. Odvtedy hry telesnej výchovy a tanca založené na Kinecte zažili krátky vzostup a úpadok, ale 3D kamery si našli cestu do priemyselných robotov, autonómnych áut a mobilných telefónov na rozpoznávanie tváre. Technológia sa stala lacnejšou, kompaktnejšou a dostupnejšou.

Telefón Samsung S10 má fotoaparát s technológiou Time-of-Flight, ktorý meria vzdialenosť k objektu, aby sa uľahčilo zaostrovanie. Zdroj

Ak vás táto téma zaujíma, presmerujeme vás na veľmi dobrý a podrobný prehľad hĺbkových kamier: Časť 1, Časť 2.

3.3. Drony na prepravu ľahkého nákladu

Tento rok Amazon spôsobil rozruch, keď predstavil nový lietajúci dron schopný prevážať malé náklady s hmotnosťou do 2 kg. Pre mestskú premávku sa to javí ako ideálne riešenie. Uvidíme, ako sa tieto drony budú správať v blízkej budúcnosti. Možno je na mieste opatrný skepticizmus: existuje množstvo obáv, od ľahkej krádeže dronu až po právne obmedzenia bezpilotných lietadiel. Amazon Prime Air existuje už šesť rokov, ale stále je vo fáze testovania.

Nový dron od Amazonu, predstavený túto jar, má trochu nádych Hviezdnych vojen. Zdroj

Okrem Amazonu sú na tomto trhu aj ďalší hráči (existuje podrobný Prehľad), ale ani jeden hotový produkt: všetko je vo fáze testovania a marketingu. Za zmienku stojí pomerne zaujímavá, vysoko špecializovaná medicínska Projekty V Afrike: doručovanie krvi do Ghany (14 000 doručení, Zipline) a Rwandy (Matternet).

3.4. Lietajúce autonómne vozidlá

Je ťažké povedať niečo definitívne. Podľa spoločnosti Gartner sa tak nestane minimálne 10 rokov. Vo všeobecnosti sú problémy rovnaké ako pri autách bez vodiča, len nadobúdajú nový rozmer – vertikálny. Spoločnosti Porsche, Boeing a Uber deklarovali svoje ambície vybudovať lietajúce taxíky.

3.5. Cloud s rozšírenou realitou (AR Cloud)

Trvalá digitálna kópia reálneho sveta, ktorá vytvára novú vrstvu reality zdieľanú všetkými používateľmi. Technicky povedané, myšlienkou je vytvoriť otvorenú cloudovú platformu, do ktorej by vývojári mohli integrovať svoje AR aplikácie. Model monetizácie je jasný; je podobný Steamu. Táto myšlienka sa stala tak zakorenenou, že niektorí teraz veria, že AR je bez cloudu jednoducho zbytočná.

Krátke video zobrazuje, ako by to mohlo vyzerať v budúcnosti. Vyzerá to ako ďalšia epizóda seriálu Black Mirror:

Môžete si tiež prečítať recenzný článok.

4. Rozšírený človek

4.1. Umelá inteligencia emócií

Ako môžeme merať, simulovať a reagovať na ľudské emócie? Niektorí z našich klientov sú spoločnosti vyrábajúce hlasových asistentov ako Amazon Alexa. Môžu sa skutočne integrovať do domácností, ak sa naučia rozpoznávať nálady: pochopiť dôvod nespokojnosti používateľa a pokúsiť sa situáciu napraviť. Kontext vo všeobecnosti obsahuje oveľa viac informácií ako samotná správa. A kontext zahŕňa výraz tváre, intonáciu a neverbálne správanie.

Medzi ďalšie praktické aplikácie patrí: analýza emócií počas pracovných pohovorov (pomocou video rozhovorov), hodnotenie reakcií na reklamy alebo iný video obsah (úsmevy, smiech) a pomoc pri učení (napríklad pri samostatnom precvičovaní umenia verejného vystupovania).

Je ťažké hovoriť o tejto téme lepšie ako autor 6-minútového krátkeho filmu Krádež tvojho cituToto vtipné a štýlové video demonštruje, ako sa dajú naše emócie merať na marketingové účely a z vašich okamžitých reakcií na tvári sa dá určiť, či máte radi pizzu, psy, Kanyeho Westa, a dokonca aj vašu úroveň príjmu a približné IQ. Kliknutím na odkaz vyššie na webovú stránku filmu sa stanete súčasťou interaktívneho videa pomocou vstavanej kamery vo vašom notebooku. Film už bol premietaný na niekoľkých filmových festivaloch.

Zdroj

Existuje dokonca zaujímavá štúdia o tom, ako rozpoznať sarkazmus v texte. Vzali tweety s hashtagom #sarcasm a vytvorili trénovaciu sadu 25 000 sarkastických tweetov a 100 000 bežných tweetov o všetkom možnom. Použili knižnicu TensorFlow, natrénovali systém a tu sú výsledky:

Zdroj

Takže teraz, ak si nie ste istí svojím kolegom alebo priateľom – či vám niečo povedal vážne alebo sarkasticky – môžete použiť už trénovaný neurónovou sieťou!

4.2. Rozšírená inteligencia

Automatizácia intelektuálnej práce pomocou metód strojového učenia. Zdá sa to ako nič nové? Ale samotné znenie je dôležité, najmä preto, že má spoločnú skratku s umelou inteligenciou. To odkazuje na debatu o „silnej“ a „slabej“ umelej inteligencii.
Silná umelá inteligencia je ten druh umelej inteligencie zo sci-fi filmov, ktorá je úplne rovnocenná ľudskej mysli a je si vedomá seba samého. Niečo také zatiaľ neexistuje a nie je jasné, či niekedy bude.

Slabá umelá inteligencia nie je nezávislá entita, ale skôr ľudský asistent. Netvrdí, že má ľudské myslenie, ale dokáže jednoducho riešiť informačné problémy, ako je identifikácia toho, čo je zobrazené na obrázku, alebo preklad textu.

Zdroj

V tomto zmysle je rozšírená inteligencia čistou „slabou umelou inteligenciou“ a formulácia sa zdá byť výstižná, pretože sa vyhýba zmätku a pokušeniu vnímať ju ako „silnú umelú inteligenciu“, o ktorej každý sníva (alebo sa jej bojí, vzhľadom na početné diskusie o „vzostupe strojov“). Použitím termínu „rozšírená inteligencia“ máme okamžite pocit, akoby sme boli v inom filme: od sci-fi (ako Asimovov „Ja, robot“) až po kyberpunk (v tomto žánri sa „augmentácie“ vzťahujú na všetky druhy implantátov, ktoré vylepšujú ľudské schopnosti).

Ako povedal Erik Brynjolfsson a Andrew McAfee: „Toto sa stane v priebehu nasledujúcich 10 rokov. Umelá inteligencia nenahradí manažérov, ale manažéri, ktorí umelú inteligenciu používajú, nahradia tých, ktorí ju ešte nenahradili.“

Príklady:

• Medicína: Stanfordská univerzita vyvinula algoritmus, ktorý sa s úlohou rozpoznávania patológií na röntgenových snímkach hrudníka vyrovnáva v priemere rovnako úspešne ako väčšina lekárov
• Vzdelávanie: podpora študentov a učiteľov, analýza reakcií študentov na materiály, vývoj individuálnych vzdelávacích ciest.
• Obchodná analytika: Predspracovanie údajov podľa štatistík zaberá výskumníkovi 80 % času a samotný experiment tvorí iba 20 %.

4.3. Biočipy

Je to obľúbená téma všetkých kyberpunkových filmov a kníh. Čipovanie domácich zvierat nie je nová prax. Ale teraz sa tieto čipy implantujú aj ľuďom.

V tomto prípade humbuk pravdepodobne súvisí s medializovaným prípadom v americkej spoločnosti Three Square Market. Tam zamestnávateľ začal ponúkať implantáciu čipov pod kožu výmenou za poplatok. Čip umožňuje otvárať dvere, prihlasovať sa do počítačov a kupovať občerstvenie z automatu – inými slovami, ide o univerzálne identifikačné číslo zamestnanca. Navyše, tento čip slúži iba ako identifikačná karta; neobsahuje GPS modul, takže nie je možné kohokoľvek sledovať. A ak si niekto chce čip z ruky vybrať, s pomocou lekára to trvá iba päť minút.

Čipy sa zvyčajne implantujú medzi palec a ukazovák. Zdroj

Čítať ďalej статью o stave vecí s mikročipovaním vo svete.

4.4 Imerzívny pracovný priestor

„Imerzívny“ je ďalšie nové módne slovo, ktoré je jednoducho neodolateľné. Je všade. Imerzívne divadlo, výstavy, kino. Čo to presne znamená? Imerzívnosť je vytvorenie pohlcujúceho zážitku, kde sa strácajú hranice medzi tvorcom a divákom, virtuálnym a reálnym svetom. Pri aplikácii na pracovisko by sa dalo predpokladať, že to znamená stieranie hranice medzi účinkujúcim a iniciátorom, povzbudzovanie zamestnancov k proaktívnejšiemu prístupu pretváraním svojho prostredia.

Keďže agilnosť, flexibilita a úzka spolupráca sú všadeprítomné, pracoviská musia byť čo najjednoduchšie konfigurovateľné a musia podporovať tímovú prácu. Ekonomika si diktuje vlastné podmienky: dočasných pracovníkov pribúda, náklady na prenájom kancelárskych priestorov rastú a na konkurenčnom trhu práce v oblasti IT sa spoločnosti snažia zlepšiť spokojnosť zamestnancov vytváraním rekreačných zón a iných benefitov. A to všetko sa odráža v dizajne pracoviska.

Z správa pahorok

4.5. Personifikácia

Každý vie, čo je personalizácia v reklame. Je to tak, keď sa jeden deň rozprávate s kolegom o tom, že vzduch v kancelárii je trochu suchý a mali by ste si kúpiť zvlhčovač vzduchu, a na druhý deň vidíte na sociálnych sieťach reklamu s textom „kúpte si zvlhčovač vzduchu“ (príklad zo skutočného života, ktorý sa mi stal).

Zdroj

Personalizácia je podľa spoločnosti Gartner reakciou na rastúce obavy spotrebiteľov týkajúce sa používania ich osobných údajov na reklamné účely. Cieľom je vyvinúť prístup, ktorý nám bude zobrazovať reklamy relevantné pre náš aktuálny kontext, a nie pre nás osobne. Napríklad naša poloha, typ zariadenia, denná doba a poveternostné podmienky – všetky tieto veci neohrozujú naše osobné údaje a nepociťujeme nepríjemný pocit zo sledovania.

Prečítajte si o rozdieloch medzi týmito dvoma pojmami. Poznámka Blogový príspevok Andrewa Franka na webovej stránke spoločnosti Gartner. Rozdiel je taký nenápadný a slová tak podobné, že bez toho, aby ste poznali rozdiel, riskujete, že sa budete s druhou osobou hodiny hádať, pričom si neuvedomujete, že v skutočnosti majú pravdu obaja (a toto je aj skutočná udalosť, ktorá sa autorovi stala).

4.6. Biotechnológia – kultivované alebo umelé tkanivo

V prvom rade ide o myšlienku pestovania umelého mäsa. Niekoľko tímov po celom svete súčasne pracuje na vývoji laboratórne pestovaného „mäsa 2.0“ – očakáva sa, že bude lacnejšie ako konvenčné mäso, čo povedie k tomu, že naň prejdú reťazce rýchleho občerstvenia a potom supermarkety. Medzi investorov do tejto technológie patria Bill Gates, Sergey Brin, Richard Branson a ďalší.

Zdroj

Dôvody, prečo sa všetci tak zaujímajú o umelé mäso:

1. Globálne otepľovanie: emisie metánu z fariem. To predstavuje 18 % svetových plynov poškodzujúcich klímu.
2. Rast populácie. Dopyt po mäse rastie a kŕmiť všetkých prírodným mäsom je jednoducho príliš drahé.
3. Nedostatok priestoru. 70 % amazonského pralesa už bolo vyrúbaných na pastviny.
4. Etické úvahy. Sú ľudia, pre ktorých je to dôležité. Organizácia pre práva zvierat PETA už ponúkla cenu 1 milión dolárov vedcovi, ktorý uvedie na trh kultivované kuracie mäso.

Nahradenie skutočného mäsa sójou je čiastočným riešením, pretože ľudia si jasne všimnú rozdiel v chuti a textúre a je nepravdepodobné, že by sa vzdali steaku v prospech sóje. Preto je skutočné, organicky pestované mäso nevyhnutné. Bohužiaľ, umelé mäso je v súčasnosti neúnosne drahé: začína na 12 dolároch za kilogram. Je to kvôli zložitému technologickému procesu pestovania takéhoto mäsa. Čítajte ďalej a dozviete sa viac. статью.

Ak hovoríme o iných prípadoch pestovania tkanív – už v medicíne – potom je zaujímavá téma umelých orgánov: napríklad „náplasť“ na srdcový sval, tlačený so špeciálnou 3D tlačiarňou. Sú známe príbehy niečo ako kultivované myšacie srdce, ale celkovo sa ešte nič neposunulo za hranice klinických skúšok. Takže je nepravdepodobné, že by sme Frankensteina v najbližších rokoch videli.

Spoločnosť Gartner je vo svojich odhadoch veľmi opatrná, zrejme má na pamäti svoju neúspešnú predpoveď z roku 2015, že 10 % populácie v rozvinutých krajinách bude mať do roku 2019 lekársky implantát vytlačený 3D tlačou. Preto odhaduje, že čas potrebný na dosiahnutie stagnácie produktivity bude najmenej 10 rokov.

5. Digitálne ekosystémy

5.1. Decentralizovaný web

Tento koncept je úzko spojený s menom vynálezcu webu, držiteľa Turingovej ceny Sira Tima Berners-Leeho. Vždy uprednostňoval otázky etiky v informatike a kolektívnu povahu internetu: pri kladení základov hypertextu veril, že sieť by mala fungovať ako web, nie ako hierarchia. V raných fázach vývoja internetu to tak skutočne bolo. S rastom internetu sa však jeho štruktúra z rôznych dôvodov centralizovala. Ukázalo sa, že prístup k sieti pre celú krajinu sa dal ľahko zablokovať len pomocou niekoľkých poskytovateľov. A používateľské údaje sa stali zdrojom moci a príjmov pre internetové spoločnosti.

„Internet je už decentralizovaný,“ hovorí Burners-Lee. „Problém je v tom, že dominuje jeden vyhľadávač, jedna veľká sociálna sieť, jedna platforma pre mikroblogovanie. Nemáme technologické problémy, ale máme sociálne.“

V jeho otvorený list Pri príležitosti 30. výročia World Wide Webu načrtol tvorca webu tri hlavné problémy internetu:

1. Cielené škody, ako napríklad štátom podporované hackerské útoky, kriminalita a online obťažovanie
2. Samotná štruktúra systému, ktorá na úkor používateľa vytvára pôdu pre také mechanizmy, ako sú: finančné stimuly pre clickbait a virálne šírenie nepravdivých informácií
3. Nezamýšľané dôsledky návrhu systému, ktoré vedú ku konfliktom a zníženej kvalite online diskusie

A Tim Berners-Lee už má odpoveď na princípy, na ktorých by mohol byť založený „zdravý internet“, bez problému číslo dva: „Pre mnohých používateľov zostávajú príjmy z reklamy jediným modelom interakcie s webom. Aj keď sa ľudia desia toho, čo sa stane s ich údajmi, sú ochotní uzavrieť dohodu s marketingovým strojom, aby mali možnosť dostávať obsah zadarmo. Predstavte si svet, v ktorom je platenie za tovary a služby jednoduché a príjemné pre obe strany.“ Niektoré možné spôsoby, ako by sa to dalo štruktúrovať: hudobníci by mohli predávať svoje nahrávky priamo, napríklad cez iTunes, a spravodajské stránky by mohli používať systém mikroplatieb na prečítanie jedného článku namiesto toho, aby sa spoliehali na reklamu ako zdroj príjmu.

Ako experimentálny prototyp takéhoto nového internetu spustil Tim Berners-Lee projekt SOLID. Myšlienka je, že si uložíte svoje dáta do „podu“ – úložiska informácií – a tieto dáta môžete poskytnúť aplikáciám tretích strán. V podstate ste však pánom svojich dát. Toto úzko súvisí s konceptom peer-to-peer sietí, čo znamená, že váš počítač nielen požaduje služby, ale ich aj poskytuje, namiesto toho, aby sa spoliehal na jeden server ako jediný kanál.

Zdroj

5.2. Decentralizované autonómne organizácie

Ide o organizáciu riadenú pravidlami napísanými ako počítačový program. Jej finančné operácie sú založené na blockchaine. Cieľom vytvorenia takýchto organizácií je eliminovať štát ako sprostredkovateľa a vytvoriť zdieľané a dôveryhodné prostredie pre protistrany, ktoré by vlastnil len niekto iný, ale všetci. Teoreticky, ak sa táto myšlienka ujme, malo by to eliminovať notárov a iné tradičné overovacie inštitúcie.

Najznámejším príkladom takejto organizácie bola spoločnosť The DAO zameraná na rizikový kapitál, ktorá v roku 2016 získala 150 miliónov dolárov, no kvôli medzere v jej pravidlách jej bolo ukradnutých 50 miliónov dolárov. Okamžite vznikla zložitá dilema: buď zrušiť investíciu a vrátiť peniaze, alebo uznať, že krádež bola legálna a v žiadnom prípade neporušila pravidlá platformy. Aby zakladatelia vrátili peniaze investorom, boli nakoniec nútení zničiť The DAO prepísaním blockchainu a porušením jeho základného princípu – nemennosti.

Komiks o Ethereu (vľavo) a DAO (vpravo). Zdroj

Celý tento príbeh poškodil reputáciu samotnej myšlienky DAO. Tento projekt bol postavený na kryptomene Ethereum a Ethereum 2.0 sa očakáva budúci rok. Možno sa autori (vrátane známeho Vitalika Buterina) poučia zo svojich chýb a prídu s niečím novým. Pravdepodobne preto Gartner zaradil DAO na rastúci trend.

5.3. Syntetické údaje

Trénovanie neurónových sietí vyžaduje veľké množstvo dát. Manuálne označovanie dát je obrovské množstvo práce, ktorú môžu vykonať iba ľudia. Preto je možné vytvárať umelé súbory dát. Napríklad rovnaké kolekcie ľudských tvárí na webovej stránke https://generated.photosSú vytvorené pomocou algoritmov GAN, ktoré už boli spomenuté vyššie.

Tieto tváre nepatria ľuďom. Zdroj

Hlavnou výhodou takýchto údajov je, že s ich používaním neexistujú žiadne právne ťažkosti: nikto nemusí udeliť súhlas so spracovaním osobných údajov.

5.4. Digitálne operácie

Prípona „Ops“ sa stala neuveriteľne trendovou odkedy sa DevOps stal súčasťou našej slovnej zásoby. Teraz si povedzme, čo je DigitalOps – je to jednoducho zovšeobecnenie slov DevOps, DesignOps, MarketingOps… Už vás to nudí? Stručne povedané, ide o prenos prístupu DevOps zo softvéru do všetkých ostatných aspektov podnikania – marketingu, dizajnu atď.

Zdroj

Myšlienkou DevOps bolo odstrániť bariéry medzi vývojom a prevádzkou vytvorením spoločných tímov, ktoré by zahŕňali programátorov, testerov, bezpečnostných špecialistov a administrátorov, a implementáciou špecifických postupov, ako je kontinuálna integrácia, infraštruktúra ako kód a skrátenie a posilnenie spätných väzieb. Cieľom bolo urýchliť čas uvedenia na trh. Ak ste si mysleli, že to znie ako agilný prístup, mali ste pravdu. Teraz aplikujte tento prístup od vývoja softvéru na vývoj vo všeobecnosti a máte predstavu.

5.5. Grafy znalostí

Softvérová metóda na modelovanie oblasti vedomostí vrátane použitia algoritmov strojového učenia. Graf vedomostí sa vytvára na základe existujúcich databáz, aby prepojil všetky informácie: štruktúrované (zoznamy udalostí alebo osôb) aj neštruktúrované (text článku).

Najjednoduchším príkladom je karta, ktorú vidíte vo výsledkoch vyhľadávania Google. Ak hľadáte osobu alebo inštitúciu, zobrazí sa vám karta vpravo:


Upozorňujeme, že „Nadchádzajúce udalosti“ nie sú kópiou informácií z Google Maps, ale integráciou harmonogramu Yandex.Afisha: môžete si to jednoducho pozrieť kliknutím na udalosti. Inými slovami, kombinuje niekoľko zdrojov údajov do jedného.

Ak si vyžiadate zoznam – napríklad „známi režiséri“ – zobrazí sa vám „kolotoč“:

Bonus pre tých, ktorí dočítajú až do konca

A teraz, keď sme si objasnili význam každého bodu, môžeme sa pozrieť na ten istý obrázok, ale v ruštine:

Neváhajte to zdieľať na sociálnych sieťach!

Tatiana Volková je autorkou učebných osnov pre odbor Internet vecí na Samsung IT Academy a špecialistkou na programy spoločenskej zodpovednosti firiem vo výskumnom centre spoločnosti Samsung.


Zdroj: hab.com