Rebríček spoločnosti Gartner je ako špičková módna prehliadka pre ľudí v technologickom priemysle. Jeho prezretím môžete vopred zistiť, ktoré slová sú v tejto sezóne najviac medializované a čo budete počuť na všetkých nadchádzajúcich konferenciách.

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

Na začiatok len pár slov o tom, o aký graf ide. Každý rok v auguste vydáva poradenská agentúra Gartner správu – Gartner Hype Curve. V ruštine je to „krivka humbuku“ alebo, jednoduchšie povedané, humbuk. Pred 30 rokmi rapperi zo skupiny Public Enemy spievali: „Don't believe the hype.“ Verte alebo nie, je to osobná otázka, ale oplatí sa poznať aspoň tieto kľúčové slová, ak pracujete v oblasti technológií a chcete poznať svetové trendy.

Toto je graf očakávaní verejnosti od konkrétnej technológie. Podľa Gartnera v ideálnom prípade technológia prechádza 5 fázami: spustenie technológie, vrchol nafúknutých očakávaní, údolie sklamania, sklon osvietenia, plošina produktivity. Stáva sa však aj to, že sa utopí v „údolí sklamania“ - príklady si môžete veľmi ľahko zapamätať, vezmite si rovnaké bitcoiny: spočiatku dosiahli vrchol ako „peniaze budúcnosti“, rýchlo skĺzli, keď sa objavili nedostatky technológie. sa stali zrejmými predovšetkým obmedzenia počtu transakcií a obrovského množstva elektriny potrebnej na generovanie bitcoinov (čo už so sebou prináša environmentálne problémy). A samozrejme nesmieme zabúdať, že graf Gartneru je len predpoveďou: tu si napríklad môžete prečítať podrobný статью, kde sú vytriedené najmarkantnejšie nenaplnené predpovede.

Poďme si teda prejsť nový graf Gartner. Technológie sú rozdelené do 5 veľkých tematických skupín:

1. Pokročilá AI a Analytics
2. Postklasické výpočty a komunikácia
3. Snímanie a mobilita
4. Rozšírený človek
5. Digitálne ekosystémy

1. Pokročilá AI a Analytics

Za posledných 10 rokov sme videli najlepšiu hodinu hlbokého učenia. Tieto siete sú skutočne efektívne pre ich rozsah úloh. V roku 2018 získali Yann LeCun, Geoffrey Hinton a Yoshua Bengio za svoje objavy Turingovu cenu – najprestížnejšie ocenenie, ktoré je obdobou Nobelovej ceny za informatiku. Takže hlavné trendy v tejto oblasti, ktoré sú znázornené na grafe:

1.1. Transfer Learning

Neurónovú sieť netrénujete od začiatku, ale zoberiete už natrénovanú a určíte jej iný cieľ. Niekedy to vyžaduje preškolenie časti siete, ale nie celej siete, čo je oveľa rýchlejšie. Napríklad pomocou hotovej neurónovej siete ResNet50, natrénovanej na súbore údajov ImageNet1000, získate algoritmus, ktorý dokáže klasifikovať mnoho rôznych objektov v obraze na veľmi hlbokej úrovni (1000 tried založených na vlastnostiach generovaných 50 vrstvami neurónového sieť). Ale nemusíte trénovať celú túto sieť, čo by trvalo mesiace.

В online kurz Samsung „Neurónové siete a počítačové videnie“ napríklad vo finále Kaggle úloha s klasifikáciou platní na čisté a špinavé je demonštrovaný prístup, ktorý vám za 5 minút dá k dispozícii hlbokú neurónovú sieť schopnú rozlíšiť špinavé platne od čistých, postavenú podľa architektúry opísanej vyššie. Pôvodná sieť vôbec nevedela, čo sú to platne, len sa naučila rozoznávať vtáky od psov (viď ImageNet).

Zdroj: online kurz Samsung "Neurónové siete a počítačové videnie"

Pre Transfer Learning potrebujete vedieť, ktoré prístupy fungujú a aké hotové základné architektúry sú dostupné. Celkovo to výrazne urýchľuje vznik praktických aplikácií strojového učenia.

1.2. Generative Adversarial Networks (GAN)

To je pre tie prípady, keď je pre nás veľmi ťažké sformulovať učebný cieľ. Čím je úloha bližšie k reálnemu životu, tým je pre nás zrozumiteľnejšia („prines nočný stolík“), no o to ťažšie je sformulovať ju ako technickú úlohu. GAN je len pokus zachrániť nás pred týmto problémom.

Pracujú tu dve siete: jedna je generátor (generatívna), druhá je diskriminátor (adversarial). Jedna sieť sa učí robiť užitočnú prácu (triediť obrázky, rozpoznávať zvuky, kresliť karikatúry). A ďalšia sieť sa učí túto sieť učiť: má skutočné príklady a učí sa nájsť predtým neznámy zložitý vzorec na porovnávanie produktov generatívnej časti siete s objektmi reálneho sveta (tréningová súprava) na základe skutočne dôležitých hlbokých charakteristík. : počet očí, blízkosť Miyazakiho štýlu, správna anglická výslovnosť.

Príklad výsledku siete na generovanie anime postáv. Zdroj

Ale, samozrejme, ťažko sa tam buduje architektúra. Neuróny nestačí len hádzať, treba sa na ne pripraviť. A musíte sa učiť celé týždne. Moji kolegovia v Samsung Artificial Intelligence Center pracujú na téme GAN; toto je jedna z ich kľúčových výskumných otázok. Napríklad takto rozvoj: použitie generatívnych sietí na syntetizovanie realistických fotografií ľudí s variabilnými pózami – napríklad na vytvorenie virtuálnej montážnej miestnosti alebo na syntetizovanie tváre, čo môže znížiť množstvo informácií, ktoré je potrebné uložiť alebo preniesť, aby sa zabezpečila vysoká kvalita videa komunikácie, vysielania či ochrany osobných údajov.

Zdroj

1.3. Vysvetliteľná AI

Pre niektoré zriedkavé úlohy pokroky v hlbokých architektúrach náhle priblížili schopnosti hlbokých neurónových sietí ľudským schopnostiam. Teraz prebieha boj o zvýšenie rozsahu takýchto úloh. Napríklad robotický vysávač dokáže pri čelnom stretnutí ľahko rozlíšiť mačku od psa. Ale vo väčšine životných situácií nebude môcť nájsť mačku spiacu medzi bielizňou alebo nábytkom (avšak ako my vo väčšine prípadov...).

Aký je dôvod úspechu hlbokých neurónových sietí? Vyvíjajú reprezentáciu problému založenú nie na informáciách „viditeľných voľným okom“ (foto pixely, zmeny hlasitosti zvuku...), ale na vlastnostiach získaných po predspracovaní týchto informácií niekoľkými stovkami vrstiev neurónovej siete. Bohužiaľ, tieto vzťahy môžu byť tiež nezmyselné, nekonzistentné alebo môžu niesť stopy nedokonalostí v pôvodnom súbore údajov. Existuje napríklad malá počítačová hra o tom, k čomu môže viesť bezmyšlienkové používanie AI pri nábore Prežitie najlepších fit.

Systém označovania obrázkov označil osobu, ktorá varí, ako ženu, aj keď osoba na obrázku je v skutočnosti muž (Zdroj). Toto všimol si vo Virgínskom inštitúte.

Na analýzu zložitých a hlbokých vzťahov, ktoré často sami nedokážeme sformulovať, sú potrebné metódy vysvetliteľnej AI. Organizujú vlastnosti hlbokých neurónových sietí, takže po tréningu môžeme analyzovať internú reprezentáciu, ktorú sa sieť naučila, a nie sa spoliehať len na jej rozhodnutie.

1.4. Edge Analytics / AI

Všetko so slovom Edge doslova znamená nasledovné: prenos časti algoritmov z cloudu/servera na úroveň koncového zariadenia/brány. Takýto algoritmus bude pracovať rýchlejšie a pre svoju činnosť nebude vyžadovať pripojenie k centrálnemu serveru. Ak ste oboznámení s abstrakciou „tenkého klienta“, potom tohto klienta trochu zhustíme.
To by mohlo byť dôležité pre internet vecí. Napríklad, ak je stroj prehriaty a potrebuje chladenie, má zmysel to signalizovať okamžite, na úrovni závodu, bez čakania, kým dáta prejdú do cloudu a odtiaľ zmenovému predákovi. Alebo iný príklad: samojazdiace autá dokážu zistiť dopravnú situáciu samy bez toho, aby kontaktovali centrálny server.

Zdroj

Alebo ďalší príklad toho, prečo je to dôležité z bezpečnostného hľadiska: telefón si pri písaní textov zapamätá slová, ktoré sú pre vás typické, takže vás na ne môže klávesnica telefónu pohodlne vyzvať – nazýva sa to prediktívne zadávanie textu . Odoslanie všetkého, čo napíšete na klávesnici, niekam do dátového centra, by bolo porušením vášho súkromia a jednoducho nebezpečné. Preto trénovanie klávesnice prebieha iba v samotnom zariadení.

1.5. Platforma AI ako služba (AI PaaS)

PaaS – Platform-as-a-Service je obchodný model, v ktorom získavame prístup k integrovanej platforme vrátane jej cloudového ukladania dát a hotových postupov. Takto sa môžeme oslobodiť od infraštruktúrnych úloh a plne sa sústrediť na výrobu niečoho užitočného. Príklad platforiem PaaS pre úlohy AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Adaptívne strojové učenie (Adaptívne ML)

Čo keby sme nechali umelú inteligenciu prispôsobiť sa... Pýtate sa – teda ako?.. Neprispôsobuje sa už úlohe? Problém je tento: každý takýto problém starostlivo navrhujeme pred vytvorením algoritmu umelej inteligencie, ktorý ho vyrieši. Odpovedia vám - ukazuje sa, že tento reťazec sa dá zjednodušiť.

Konvenčné strojové učenie funguje na princípe otvorenej slučky: pripravíte dáta, vymyslíte neurónovú sieť (alebo čokoľvek), zatrénujete si, potom sa pozriete na niekoľko indikátorov a ak sa vám všetko páči, môžete neurónovú sieť poslať do smartfónov na riešenie používateľských problémov. Ale v aplikáciách, kde je údajov veľa a ich charakter sa postupne mení, sú potrebné iné metódy. Takéto systémy, ktoré sa sami prispôsobujú a učia, sú organizované do uzavretých, samoučiacich sa cyklov (uzavretá slučka) a musia fungovať hladko.

Aplikácie – to môže byť streamová analytika (Stream Analytics), na základe ktorej sa mnohí biznismeni rozhodujú, alebo adaptívne riadenie výroby. V rozsahu súčasných aplikácií a vzhľadom na lepšie pochopené riziká pre ľudí sú techniky, ktoré predstavujú riešenie tohto problému, všetky zhromaždené pod zastrešujúcim termínom Adaptive AI.

Zdroj

Pri pohľade na tento obrázok je ťažké zbaviť sa pocitu, že futurológov chlieb nekŕmi – nech naučia robota dýchať...

Postklasické výpočty a komunikácia

2.1. Piata generácia mobilnej komunikácie (5G)

Toto je taká zaujímavá téma, že vás okamžite odkazujeme na našu článok. No a tu je krátke zhrnutie. 5G zvýšením frekvencie prenosu dát spôsobí, že rýchlosť internetu bude neskutočne rýchla. Pre krátke vlny je ťažšie prejsť cez prekážky, takže dizajn sietí bude úplne iný: je potrebných 500-krát viac základňových staníc.

Spolu s rýchlosťou dostaneme nové fenomény: hry v reálnom čase s rozšírenou realitou, vykonávanie zložitých úloh (napríklad chirurgia) prostredníctvom telepresencie, predchádzanie nehodám a zložitým situáciám na cestách prostredníctvom komunikácie medzi strojmi. Na prozaickejšiu nôtu: mobilný internet konečne prestane padať počas masových podujatí, ako je zápas na štadióne.

Zdroj obrázkov - Reuters, Niantic

2.2. Pamäť novej generácie

Tu hovoríme o piatej generácii RAM – DDR5. Spoločnosť Samsung oznámila, že produkty založené na DDR2019 budú dostupné do konca roka 5. Očakáva sa, že nová pamäť bude dvakrát rýchlejšia a dvakrát kapacitnejšia pri zachovaní rovnakého tvaru, to znamená, že pre náš počítač budeme môcť získať pamäťové kľúče s kapacitou až 32 GB. V budúcnosti to bude aktuálne najmä pre smartfóny (nová pamäť bude v nízkoenergetickej verzii) a pre notebooky (kde je počet DIMM slotov obmedzený). A strojové učenie 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 objavila sa už v 90-tych rokoch. O čom „Elon Musk bude čoskoro distribuovať internet každému zo satelitu“ Teraz len leniví nepočuli. Najznámejšou spoločnosťou je tu Iridium, ktorá skrachovala koncom 90. rokov, no bola zachránená na náklady amerického ministerstva obrany (nezamieňať s iRidium, ruským systémom inteligentnej domácnosti). Projekt Elona Muska (Starlink) nie je zďaleka jediný - Richard Branson (OneWeb - 1440 navrhovaných satelitov), ​​Boeing (3000 satelitov), ​​Samsung (4600 satelitov) a ďalší sa zúčastňujú pretekov satelitov.

Ako to v tejto oblasti vyzerá, ako tam vyzerá ekonomika – čítajte ďalej preskúmanie. A čakáme na prvé testy týchto systémov prvými používateľmi, ktoré by mali prebehnúť budúci rok.

2.4. 3D tlač v nanometroch

3D tlač, hoci nevstúpila do života každého človeka (v podobe, ktorú sľubuje individuálna domáca továreň na plasty), už dávno opustila technologickú niku pre geekov. Môžete to posúdiť podľa toho, že každý školák vie o existencii aspoň 3D vyrezávaných pier a mnohí snívajú o kúpe škatule s bežcami a extrudérom na... „len tak“ (alebo si ju už zakúpili).

Stereolitografia (laserové 3D tlačiarne) umožňuje tlač s jednotlivými fotónmi: skúmajú sa nové polyméry, ktoré na stuhnutie vyžadujú len dva fotóny. To umožní v nelaboratórnych podmienkach vytvárať úplne nové filtre, montáže, pružiny, kapiláry, šošovky a... vaše možnosti v komentároch! A tu to nie je ďaleko od fotopolymerizácie - iba táto technológia nám umožňuje „tlačiť“ procesory a výpočtové obvody. Navyše to nie je prvý rok, čo sa tu koná technológia tlače grafénových 500 nm trojrozmerných štruktúr, ale bez radikálneho vývoja.

Zdroj

3. Snímanie a mobilita

3.1. Úroveň autonómneho riadenia 4 a 5

Aby nedošlo k zámene v terminológii, stojí za to pochopiť, aké úrovne autonómie sa rozlišujú (prevzaté z podrobného Článok, na ktorý odkazujeme všetkých zainteresovaných):

Úroveň 1: Tempomat: pomáha vodičovi vo veľmi obmedzených situáciách (napríklad pri udržiavaní vozidla pri danej rýchlosti potom, čo vodič zloží nohu z pedála)
Úroveň 2: Obmedzená podpora riadenia a brzdenia. Vodič musí byť pripravený prevziať kontrolu takmer okamžite. Ruky má na volante, pohľad smeruje na cestu. To je niečo, čo Tesla a General Motors už majú.
Úroveň 3: Vodič už nemusí neustále sledovať cestu. Musí však zostať v strehu a byť pripravený prevziať kontrolu. To je niečo, čo komerčne dostupné autá zatiaľ nemajú. Všetky aktuálne existujúce sú na úrovni 1-2.
Úroveň 4: Skutočný autopilot, ale s obmedzeniami: iba výlety v známej oblasti, ktorá je starostlivo zmapovaná a všeobecne známa systému, a za určitých podmienok: napríklad pri nedostatku snehu. Waymo a General Motors majú takéto prototypy a plánujú ich uviesť na trh vo viacerých mestách a otestovať ich v reálnych prostrediach. Yandex má testovacie zóny pre bezpilotné taxíky v Skolkove a Innopolise: cesta prebieha pod dohľadom inžiniera sediaceho na sedadle spolujazdca; do konca roka plánuje spoločnosť rozšíriť svoj vozový park na 100 bezpilotných vozidiel.
Úroveň 5: Plne automatická jazda, úplná výmena živého vodiča. Takéto systémy neexistujú a je nepravdepodobné, že sa objavia v najbližších rokoch.

Aké reálne je vidieť toto všetko v dohľadnej dobe? Tu by som chcel čitateľa presmerovať na článok „Prečo nie je možné spustiť robotax do roku 2020, ako Tesla sľubuje“. Čiastočne je to spôsobené nedostatkom pripojenia 5G: dostupné rýchlosti 4G nestačia. Čiastočne kvôli veľmi vysokým nákladom na autonómne autá: zatiaľ nie sú ziskové, obchodný model je nejasný. Jedným slovom je tu „všetko komplikované“ a nie je náhoda, že Gartner píše, že prognóza masovej implementácie úrovní 4 a 5 je najskôr o 10 rokov.

3.2. 3D snímacie kamery

Pred ôsmimi rokmi herný ovládač Kinect od spoločnosti Microsoft vyvolal vlnu tým, že ponúkol dostupné a relatívne lacné riešenie pre 3D videnie. Odvtedy telesná výchova a tanečné hry s Kinectom zažili svoj krátky vzostup a pád, no 3D kamery sa začali používať v priemyselných robotoch, bezpilotných vozidlách a mobilných telefónoch na identifikáciu tváre. Technológia sa stala lacnejšou, kompaktnejšou a dostupnejšou.

Telefón Samsung S10 má kameru s časom letu, ktorá meria vzdialenosť k objektu, aby sa uľahčilo zaostrovanie. Zdroj

Ak vás táto téma zaujala, potom vás presmerujeme na veľmi dobrú podrobnú recenziu hĺbkových kamier: Časť 1, Časť 2.

3.3. Drony na doručovanie malého nákladu (Light Cargo Delivery Drones)

Tento rok Amazon urobil vlny, keď na výstave predviedol nový lietajúci dron, ktorý unesie malé náklady do 2 kg. Pre mesto s dopravnými zápchami sa to javí ako ideálne riešenie. Pozrime sa, ako budú tieto drony fungovať vo veľmi blízkej budúcnosti. Možno tu stojí za to byť opatrne skeptický: existuje veľa problémov, počnúc možnosťou ľahkej krádeže dronu a končiac právnymi obmedzeniami pre UAV. Amazon Prime Air existuje už šesť rokov, ale stále je vo fáze testovania.

Nový dron Amazonu, predstavený túto jar. Je na ňom niečo zo Star Wars. Zdroj

Okrem Amazonu sú na tomto trhu ďalší hráči (tam je podrobne Prehľad), ale ani jeden hotový produkt: všetko je v štádiu testovania a marketingových kampaní. Samostatne stojí za zmienku celkom zaujímavé vysoko špecializované lekárske Projekty v Afrike: dodávka darovanej krvi v Ghane (14 000 dodávok, spoločnosť Zipline) a Rwande (spoločnosť Matternet).

3.4. Lietajúce autonómne vozidlá

Tu je ťažké povedať niečo konkrétne. To sa podľa Gartneru objaví najskôr o 10 rokov. Vo všeobecnosti sú tu všetky rovnaké problémy ako v samoriadiacich autách, len získavajú nový rozmer – vertikálny. Porsche, Boeing a Uber oznámili svoje ambície postaviť lietajúci taxík.

3.5. Cloud rozšírenej reality (AR Cloud)

Trvalá digitálna kópia skutočného sveta, ktorá vám umožní vytvoriť novú vrstvu reality spoločnú pre všetkých používateľov. Technickejšie povedané, hovoríme o vytvorení otvorenej cloudovej platformy, do ktorej by vývojári mohli integrovať svoje aplikácie AR. Monetizačný model je jasný, ide o akúsi obdobu Steamu. Myšlienka sa tak zakorenila, že niektorí teraz veria, že AR bez cloudu je jednoducho zbytočná.

Ako by to mohlo vyzerať v budúcnosti, ukazuje krátke video. Vyzerá to na ďalšiu epizódu Black Mirror:

Môžete si prečítať aj na prehľadný článok.

4. Augmented Human

4.1. Emócia AI

Ako merať, simulovať a reagovať na ľudské emócie? Niektorí z klientov sú tu spoločnosti, ktoré vyrábajú hlasových asistentov ako Amazon Alexa. Môžu si skutočne zvyknúť na domov, ak sa naučia rozpoznať náladu: pochopia dôvod nespokojnosti používateľa a pokúsia sa situáciu napraviť. Vo všeobecnosti je oveľa viac informácií v kontexte ako v samotnej správe. A kontext je výraz tváre, intonácia a neverbálne správanie.

Ďalšie praktické aplikácie: analýza emócií počas pracovného pohovoru (na základe videorozhovorov), hodnotenie reakcií na reklamy alebo iný videoobsah (úsmev, smiech), pomoc pri učení (napríklad pre samostatnú prax v umení rečníctva).

Je ťažké hovoriť o tejto téme lepšie ako autor 6-minútového krátkeho filmu Krádež Ur Feeling. Vtipné a štýlové video ukazuje, ako môžete pre marketingové účely zmerať naše emócie a z momentálnych reakcií vašej tváre zistiť, či máte radi pizzu, psov, Kanye Westa a dokonca aj to, aký je váš príjem a približné IQ. Návštevou webovej stránky filmu pomocou vyššie uvedeného odkazu sa stávate účastníkom interaktívneho videa pomocou vstavanej kamery vášho notebooku. Film už bol uvedený na viacerých filmových festivaloch.

Zdroj

Existuje dokonca taká zaujímavá štúdia: ako rozpoznať sarkazmus v texte. Vzali sme tweety s hashtagom #sarkazmus a vytvorili sme tréningovú sadu 25 000 tweetov so sarkazmom a 100 000 bežných tweetov o všetkom pod slnkom. Použili sme knižnicu TensorFlow, natrénovali systém a tu je výsledok:

Zdroj

Preto teraz, ak si nie ste istý svojim kolegom alebo priateľom - povedal vám niečo vážne alebo sarkasticky, môžete už použiť trénovaná neurónová sieť!

4.2. Rozšírená inteligencia

Automatizácia intelektuálnej práce pomocou metód strojového učenia. Zdá sa vám to ako nič nové? Ale samotná formulácia je tu dôležitá, najmä preto, že sa zhoduje v skratke s umelou inteligenciou. To nás privádza späť k diskusii o „silnej“ a „slabej“ AI.
Silná AI je rovnaká umelá inteligencia zo sci-fi filmov, ktorá je úplne ekvivalentná ľudskej mysli a je si vedomá seba ako jednotlivca. Tá zatiaľ neexistuje a nie je jasné, či vôbec bude existovať.

Slabá AI nie je nezávislá osoba, ale ľudský asistent. Netvrdí, že má ľudské myslenie, ale jednoducho vie, ako riešiť informačné problémy, napríklad určiť, čo je zobrazené na obrázku alebo preložiť text.

Zdroj

V tomto zmysle je rozšírená inteligencia „slabá umelá inteligencia“ vo svojej najčistejšej forme a formulácia sa zdá byť úspešná, pretože nespôsobuje zmätok a pokušenie vidieť tu rovnakú „silnú umelú inteligenciu“, o ktorej každý sníva (alebo sa jej obáva, ak pripomenúť početné diskusie o „autách povstania“). Použitím výrazu Augmented Intelligence sa okamžite stávame hrdinami ďalšieho filmu: od sci-fi (ako Asimov „Ja, Robot“) sa ocitáme v kyberpunku („augmentácie“ v tomto žánri sú všetky druhy implantátov, ktoré rozširujú ľudské schopnosti).

Ako povedal Erik Brynjolfsson a Andrew McAffee: „V priebehu nasledujúcich 10 rokov sa stane toto. AI nenahradí manažérov, ale tí manažéri, ktorí používajú AI, nahradia tých, ktorí to ešte nedokázali.“

Príklady:

• Medicína: Vyvinutá Stanfordská univerzita algoritmus, ktorý sa s úlohou rozpoznať patológie na RTG hrudníka vyrovná v priemere rovnako úspešne ako väčšina lekárov
• Vzdelávanie: pomoc študentom a učiteľom, analýza reakcií študentov na materiály, zostavenie individuálnej učebnej trajektórie.
• Obchodná analytika: Predspracovanie údajov podľa štatistík zaberie výskumníkovi 80 % času a len 20 % samotného experimentu

4.3. Biočipy

Toto je obľúbená téma všetkých kyberpunkových filmov a kníh. Vo všeobecnosti nie je čipovanie domácich zvierat novou praxou. Teraz sa však tieto čipy začali implantovať do ľudí.

V tomto prípade je humbuk s najväčšou pravdepodobnosťou spojený so senzačným prípadom v americkej spoločnosti Three Square Market. Zamestnávateľ tam začal ponúkať implantáciu čipov pod kožu výmenou za poplatok. Čip umožňuje otvárať dvere, prihlasovať sa do počítačov, nakupovať občerstvenie z automatu – teda takú univerzálnu zamestnaneckú kartu. Navyše takýto čip slúži presne ako identifikačná karta, nemá GPS modul, takže nie je možné pomocou neho nikoho sledovať. A ak si chce človek vybrať čip z ruky, trvá to s pomocou lekára 5 minút.

Čipy sa zvyčajne implantujú medzi palec a ukazovák. Zdroj

Čítaj viac статью o stave čipovania vo svete.

4.4. Pohlcujúci pracovný priestor

„Pohlcujúce“ je ďalšie nové slovo, ktorému jednoducho niet úniku. Je všade. Pohlcujúce divadlo, výstava, kino. Čo tým myslíte? Imerzia je vytvorenie imerzívneho efektu, kedy sa stráca hranica medzi autorom a divákom, virtuálnym a skutočným svetom. Na pracovisku to pravdepodobne znamená zmazať hranicu medzi činiteľom a iniciátorom a povzbudiť zamestnancov, aby zaujali aktívnejšiu pozíciu prostredníctvom preformátovania svojho prostredia.

Keďže teraz všade máme agilnosť, flexibilitu a úzku spoluprácu, pracoviská by mali byť čo najjednoduchšie konfigurovateľné a mali by podporovať skupinovú prácu. Ekonomika si diktuje svoje podmienky: dočasných zamestnancov je viac, náklady na prenájom kancelárskych priestorov rastú a na konkurenčnom trhu práce sa IT firmy snažia zvýšiť spokojnosť zamestnancov z práce vytváraním rekreačných oblastí a inými benefitmi. A to všetko sa odráža v dizajne pracovísk.

Z správa pahorok

4.5. Personifikácia

Každý vie, čo je personalizácia v reklame. To je, keď dnes diskutujete s kolegom o tom, že vzduch v miestnosti je trochu suchý a mali by ste si kúpiť zvlhčovač do kancelárie a na druhý deň uvidíte na svojej sociálnej sieti reklamu – „kúpte si zvlhčovač“ (a skutočný incident, ktorý sa mi stal).

Zdroj

Personalizácia, ako ju definuje Gartner, je odpoveďou na rastúce obavy používateľov z používania ich osobných údajov na reklamné účely. Cieľom je vyvinúť prístup, v ktorom sa nám zobrazuje reklama, ktorá je relevantná pre kontext, v ktorom sa nachádzame, a nie pre nás osobne. Napríklad naša poloha, typ zariadenia, denná doba, poveternostné podmienky – to je niečo, čo neporušuje naše osobné údaje a necítime nepríjemný pocit „sledovania“.

Prečítajte si o rozdieloch medzi týmito dvoma pojmami Poznámka Andrew Frank bloguje na webovej stránke spoločnosti Gartner. Je tu taký jemný rozdiel a také podobné slová, že vy, nepoznáte rozdiel, riskujete, že sa budete dlho hádať so svojím partnerom a nebudete mať podozrenie, že vo všeobecnosti majú obaja pravdu (a toto je tiež skutočný incident, ktorý sa stal autor).

4.6. Biotechnológia – kultivované alebo umelé tkanivo

Toto je v prvom rade myšlienka pestovania umelého mäsa. Zároveň je niekoľko tímov po celom svete zaneprázdnených vývojom laboratória „Meat 2.0“ - očakáva sa, že bude lacnejšie ako zvyčajne a prejdú naň rýchle občerstvenie a potom supermarkety. Investormi do tejto technológie sú 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 je 18 % celosvetového objemu plynov, ktoré ovplyvňujú klímu.
2. Rast populácie. Dopyt po mäse rastie a nebude možné kŕmiť každého prírodným mäsom - je to jednoducho drahé.
3. Nedostatok miesta. 70 % amazonských pralesov už bolo vyrúbaných na pastviny.
4. Etické úvahy. Sú takí, pre ktorých je to dôležité. Organizácia za práva zvierat PETA už ponúkla vedcovi, ktorý prináša na trh umelé kuracie mäso, cenu 1 milión dolárov.

Nahradenie skutočného mäsa sójou je čiastočným riešením, pretože ľudia dokážu oceniť rozdiel v chuti a štruktúre a je nepravdepodobné, že sa vzdajú steaku v prospech sóje. Takže potrebujete skutočné, organicky vypestované mäso. Teraz je, žiaľ, umelé mäso príliš drahé: od 12 dolárov za kilogram. Je to spôsobené zložitým technickým procesom pestovania takéhoto mäsa. Prečítajte si o tom všetkom статью.

Ak hovoríme o iných prípadoch rastu tkaniva - už v medicíne - potom je zaujímavá téma s umelými orgánmi: napríklad „náplasť“ na srdcový sval, vytlačené špeciálna 3D tlačiareň. Známy príbehy ako umelo vypestované myšacie srdce, ale vo všeobecnosti je všetko ešte v rámci klinických skúšok. Je teda nepravdepodobné, že Frankensteina v najbližších rokoch uvidíme.

Tu je Gartner vo svojich odhadoch veľmi opatrný, očividne má na pamäti svoju neúspešnú predpoveď z roku 2015, že v roku 2019 bude mať 10 % populácie vo vyspelých krajinách implantovaný 3D tlačený zdravotnícky prístroj. Preto to znamená, že čas na dosiahnutie plató produktivity je najmenej 10 rokov.

5. Digitálne ekosystémy

5.1. Decentralizovaný web

Tento pojem je úzko spojený s menom vynálezcu webu, víťaza Turingovej ceny Sira Tima Burnersa-Leeho. Otázky etiky v informatike boli preňho vždy dôležité a dôležitá bola kolektívna podstata internetu: položením základov hypertextu bol presvedčený, že sieť by mala fungovať ako web, a nie ako hierarchia. Bolo to tak v ranom štádiu vývoja siete. Ako však internet rástol, jeho štruktúra sa z rôznych dôvodov centralizovala. Ukázalo sa, že prístup do siete pre celú krajinu je možné jednoducho zablokovať len s pomocou niekoľkých poskytovateľov. A užívateľské dáta sa stali zdrojom sily 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 mikroblogovacia platforma. Nemáme technologické problémy, ale máme sociálne."

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

1. Cielené poškodzovanie, ako je štátom podporovaný hacking, zločin a online obťažovanie
2. Samotný dizajn systému, ktorý v neprospech používateľa vytvára pôdu pre také mechanizmy ako: finančné stimuly pre clickbait a vírusové šírenie nepravdivých informácií
3. Nezamýšľané dôsledky návrhu systému, ktoré vedú ku konfliktom a zníženiu kvality online diskusie

A Tim Berners-Lee už má odpoveď na to, na akých princípoch by mohol byť založený „internet zdravého človeka“, bez problému číslo 2: „Pre mnohých používateľov zostáva príjem z reklamy jediným modelom interakcie s internetom. Aj keď sa ľudia boja toho, čo sa stane s ich údajmi, sú ochotní dohodnúť sa s marketingovým strojom za možnosť prijímať obsah zadarmo. Predstavte si svet, v ktorom je platenie za tovar a služby jednoduché a príjemné pre obe strany.“ Medzi možnosti, ako by sa to dalo zariadiť: hudobníci môžu predávať svoje nahrávky bez sprostredkovateľov vo forme iTunes a spravodajské weby môžu namiesto zarábania peňazí z reklamy využívať systém mikroplatieb za prečítanie jedného článku.

Ako experimentálny prototyp tohto nového internetu spustil Tim Berners-Lee projekt SOLID, ktorého podstatou je, že svoje dáta ukladáte do „podu“ – informačného skladu a môžete tieto dáta poskytovať aplikáciám tretích strán. Ale v zásade ste pánmi svojich údajov vy. Toto všetko úzko súvisí s konceptom sietí peer-to-peer, to znamená, že váš počítač služby nielen požaduje, ale ich aj poskytuje, aby sa nespoliehal na jeden server ako na jediný kanál.

Zdroj

5.2. Decentralizované autonómne organizácie

Je to organizácia, ktorá sa riadi pravidlami spísanými vo forme počítačového programu. Jeho finančné aktivity sú založené na blockchaine. Účelom vytvárania takýchto organizácií je vylúčenie štátu z úlohy sprostredkovateľa a vytvorenie spoločného dôveryhodného prostredia pre protistrany, ktoré nevlastní nikto jednotlivo, ale vlastnia ho všetci spoločne. To znamená, že teoreticky by to malo, ak sa táto myšlienka zakorení, zrušiť notárov a iné obvyklé overovacie inštitúcie.

Najznámejším príkladom takejto organizácie bola spoločnosť The DAO zameraná na podnikanie, ktorá v roku 2016 vyzbierala 150 miliónov dolárov, z ktorých 50 dolárov bolo okamžite ukradnutých cez právnu dieru v pravidlách. Okamžite nastala ťažká dilema: buď sa vrátiť späť a vrátiť peniaze, alebo priznať, že výber peňazí bol legálny, pretože v žiadnom prípade neporušil pravidlá platformy. V dôsledku toho museli tvorcovia, aby vrátili peniaze investorom, zničiť The DAO, pričom prepísali blockchain a porušili jeho základný princíp – nemennosť.

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

Celý tento príbeh zničil povesť samotnej myšlienky ​​DAO. Ten projekt vznikol na základe kryptomeny Ethereum, verzia Ether 2.0 sa očakáva budúci rok – snáď autori (vrátane slávneho Vitalika Buterina) zohľadnia chyby a ukážu niečo nové. To je pravdepodobne dôvod, prečo Gartner umiestnil DAO na upline.

5.3.Syntetické údaje

Na trénovanie neurónových sietí sú potrebné veľké množstvá dát. Manuálne označovanie údajov je obrovská úloha, ktorú môže vykonať iba človek. Preto je možné vytvárať umelé súbory údajov. Napríklad rovnaké zbierky ľudských tvárí na stránke https://generated.photos. Sú vytvorené pomocou GAN - algoritmov, ktoré už boli spomenuté vyššie.

Tieto tváre nepatria ľuďom. Zdroj

Veľkou výhodou takýchto údajov je, že pri ich používaní nevznikajú žiadne právne ťažkosti: súhlas so spracovaním osobných údajov nemá kto udeliť.

5.4.Digital Ops

Prípona „Ops“ sa stala neuveriteľne módnou, odkedy sa DevOps zakorenila v našej reči. Teraz o tom, čo je DigitalOps – je to len zovšeobecnenie DevOps, DesignOps, MarketingOps... Nudíte sa ešte? V skratke ide o prenos prístupu DevOps zo softvérovej oblasti do všetkých ostatných aspektov biznisu – marketingu, dizajnu atď.

Zdroj

Myšlienkou DevOps bolo odstrániť bariéry medzi samotným vývojom a prevádzkou (obchodné procesy) prostredníctvom vytvorenia spoločných tímov, kde sú programátori, testeri, bezpečnostní špecialisti a správcovia; implementácia určitých praktík: nepretržitá integrácia, infraštruktúra ako kód, redukcia a posilnenie reťazcov spätnej väzby. Cieľom bolo urýchliť uvedenie produktu na trh. Ak ste si mysleli, že je to podobné ako Agile, mali ste pravdu. Teraz mentálne preneste tento prístup z oblasti vývoja softvéru do vývoja všeobecne - a pochopíte, čo je DigitalOps.

5.5. Znalostné grafy

Softvérový spôsob modelovania oblasti vedomostí vrátane použitia algoritmov strojového učenia. Znalostný graf je vybudovaný nad existujúcimi databázami a spája všetky informácie: štruktúrované (zoznam udalostí alebo osôb) aj neštruktúrované (text článku).

Najjednoduchším príkladom je karta, ktorú môžete vidieť vo výsledkoch vyhľadávania Google. Ak hľadáte osobu alebo inštitúciu, vpravo uvidíte kartu:


Upozorňujeme, že „Nadchádzajúce udalosti“ nie sú kópiou informácií z Máp Google, ale integráciou harmonogramu s Yandex.Afisha: ľahko to uvidíte, ak kliknete na udalosti. To znamená, že ide o kombináciu viacerých zdrojov údajov dohromady.

Ak požiadate o zoznam – napríklad „slávni režiséri“ – zobrazí sa vám kolotoč:

Bonus pre tých, ktorí čítajú až do konca

A teraz, keď sme si objasnili význam každého z bodov, môžeme sa pozrieť na rovnaký obrázok, ale v ruštine:

Zdieľajte to voľne na sociálnych sieťach!

Tatyana Volkova - autorka školiaceho programu pre Internet vecí IT track v Samsung Academy, špecialistka na programy spoločenskej zodpovednosti v Samsung Research Center


Zdroj: hab.com