Grafiku i Gartner për ata që punojnë në teknologji është si një ekspozitë e modës së lartë. Duke e shikuar atë, mund të kuptoni paraprakisht se cilat janë fjalët më tendencë këtë sezon dhe çfarë do të dëgjoni në të gjitha konferencat e ardhshme.
Ne kemi dekoduar se çfarë fshihet pas fjalëve të bukura në këtë grafik, në mënyrë që edhe ju të mund t’i flisni në këtë gjuhë.
Për të filluar, le të themi disa fjalë se çfarë është ky grafik. Çdo vit në gusht, agjencia konsulente Gartner publikon një raport – Gartner Hype Curve. Në shqip, kjo do të thotë „kodra e entuziazmit“, ose, thjesht, – hype. 30 vjet më parë, reperët e grupit Public Enemy kënduan: „Mos e besoni entuziazmin“. Të besosh apo jo, është një çështje personale, por të paktën merita e të diturit këto fjalë kyçe është e nevojshme, nëse punoni në fushën e teknologjisë dhe dëshironi të dini trendet globale.
Ky është një grafik i pritjeve publike nga një teknologji të caktuar. Sipas Gartner, në një rast ideal, teknologjia kalon ndjekur 5 faza: nisja e teknologjisë, maja e pritjeve të ekzagjeruara, zona e zhgënjimit, skaji i ndriçimit, dhe platoa e produktivitetit. Por ndodhin raste kur ajo fundoset në „zonën e zhgënjimit“ – shembujt mund t’i kujtoni lehtësisht, për shembull, bitcoinët: fillimisht arritën majën si „para të ardhshme“, por shpejt u zhvendosën poshtë kur u bë e qartë se kishte të meta në teknologji, kryesisht ndalimet mbi numrin e transaksioneve dhe sasinë e madhe të energjisë elektrike që kërkohet për të prodhuar bitcoinë (diçka që sjell probleme me ekologjinë). Natyrisht, nuk duhet harruar se grafiku i Gartner është thjesht një parashikim: këtu, për shembull, mund të lexoni më në detaj , ku diskutohen parashikimet më të ndritshme që nuk janë realizuar.
Pra, le të kalojmë në grafikun e ri të Gartner. Teknologjitë janë ndarë në 5 grupe të mëdha tematike:
- Inteligjenca Artificiale e Avancuar dhe Analitika (Advanced AI and Analytics)
- Kompjuterët dhe Komunikimet Postklasike (Postclassical Compute and Comms)
- Sensing dhe Mobilitet (Sensing and Mobility)
- Njeriu i „Shtuar“ (Augmented Human)
- Ekosistemat Dixhitale (Digital Ecosystems)
1. Inteligjenca Artificiale e Avancuar dhe Analitika (Advanced AI and Analytics)
Gjatë 10 viteve të fundit, jemi dëshmitarë të një ore të shkëlqyer të mësimit të thellë (Deep Learning). Këto rrjete janë vërtet efektive për grupin e tyre të detyrave. Në vitin 2018, Yann LeCun, Geoffrey Hinton dhe Yoshua Bengio morën çmimin Turing për zbulimet e tyre në këtë fushë – çmimi më prestigjioz, ekuivalent me „Nobel“ në informatikë. Pra, tendencat kryesore në këtë fushë, të cilat janë paraqitur në grafik:
1.1. Transferimi i Mësimit (Transfer Learning)
Nuk e mësoni një rrjet nervor nga e para, por merrni një që është mësuar tashmë dhe i caktoni një qëllim tjetër. Nd sometimes kënë, për këtë duhet të ri-mësoni një pjesë të rrjetit, por jo të gjithë rrjetin, gjë që është shumë më e shpejtë. Për shembull, duke marrë një rrjet nervor të gatshëm ResNet50, të mësuar në dataset-in ImageNet1000, do të merrni një algoritëm që është në gjendje të klasifikojë shumë objekte të ndryshme në një nivel shumë të thellë (1000 klasa sipas veçorive të nxjerra nga 50 shtresa të rrjetit nervor). Por nuk është e nevojshme të mësoni të gjithë këtë rrjet në tërësi, që do të merrte muaj.
Në Samsung „Rrjetet nervore dhe pamja kompjuterike”, për një shembull, në detyrën finale me klasifikimin e pjata mbi të pastra dhe të pista, demonstrohet një qasje që brenda 5 minutash ju jep në dispozitë një rrjet nervor të thellë, i cili është në gjendje të dallojë pjata të pista nga të pastra, i ndërtuar sipas arkitektures së përshkruar më lart. Rrjeti fillestar nuk dinte se çfarë ishin platat, ai thjesht mësoi të dallonte zogjtë nga qentë (shih ImageNet).
Burimi: Samsung „Rrjetet nervore dhe pamja kompjuterike”
Për Transfer Learning është e nevojshme të dini se cilat qasje funksionojnë, cilat janë arkitekturat themelore të gatshme. Në përgjithësi, kjo e përshpejton shumë paraqitjen e aplikacioneve praktike të mësimit të makinerive.
1.2. Rrjetet Generative Adversarial (Generative Adversarial Networks, GAN)
Ky është për raste kur na është e vështirë të formulojmë qëllimin e mësimit. Sa më afër të jetë detyra me jetën reale, aq më e qartë është për ne ("sillni tavolinën"), por aq më e vështirë është ta formulojmë si një detyrë teknike. GAN është përpjekja për të na shpëtuar nga kjo problematikë.
Këtu punojnë dy rrjete: një gjenerues (Generative), dhe tjetra diskiminator (Adversarial). Një rrjet mëson të bëjë punë të dobishme (të klasifikojë imazhe, të njohë tinguj, të vizatojë karikatura). Ndërsa rrjeti tjetër mëson të mësojë atë rrjet: ai ka mostra reale, dhe mëson të gjejë një formulë komplekse që nuk ishte e njohur më parë për të krahasuar prodhimet e pjesës gjenerative të rrjetit me objektet e botës reale (grupin mësimor) për tipare të thella të rëndësishme: numrin e syve, afërsinë me stilin e Miyazaki, saktësinë e shqiptes anglisht.
Një shembull të rezultatit të punës së rrjetit për prodhimin e personazheve anime.
Por sigurisht, është e vështirë të ndërtohet një arkitekturë. Nuk mjafton thjesht të hidhen neurone, ato duhet të trajtohen. Dhe shpesh mësohen për javë të tëra. Tema GAN është një nga pyetjet kyçe që kolegët e mi në Qendrën e Inteligjencës Artificiale të Samsung po e shqyrtojnë. Për shembull, kjo : përdorimi i rrjeteve gjeneruese për sintezën e fotografive realiste të njerëzve me pozita të ndryshueshme — për shembull, për të krijuar një dhomë provimi virtuale, ose për sintezën e fytyrës, që mund të lehtësojë sasinë e informacionit që duhet ruajtur ose transmision për të siguruar video cilësore, transmetim ose mbrojtje të të dhënave personale.
1.3. AI i Shpjegueshëm (Explainable AI)
Në disa raste të rralla, përparimi në arkitekturën e thellë ka afruar papritur mundësitë e rrjeteve nervore të thella me ato njerëzore. Tani beteja është për të zgjeruar këtë gamë të detyrave. Për shembull, një robot pastrues do të ishte në gjendje të dallonte lehtësisht një mace nga një qen në një takim ballë për ballë. Por në shumicën e situatave të jetës, ai do të jetë i paaftë të gjejë një mace që po fle mes rrobave apo mobilieve (siç ndodh me ne, në shumicën e rasteve ...).
Cila është shkaku i sukseseve të rrjeteve nervore të thella? Ato zhvillojnë një përfaqësim të detyrës, i bazuar jo në informacionin "e dukshëm me sy më të lirë" (piksele të fotografisë, ndërrimin e intensitetit të zërit ...), por në karakteristika që janë nxjerrë pas përpunimit të këtij informacioni përmes shumë qindra shtresash të një rrjeti nervor. Fatkeqësisht, këto lidhje gjithashtu mund të jenë pa kuptim, të kontradiktorë ose të përmbajnë gjurmë të papërsosmërisë së grumbullit të të dhënave fillestare. Për shembull, mbi atë që mund të sjellë përdorimi i paarsyeshëm i AI në rekrutimin, ka një lojë të vogël kompjuterike .
Sistemi për etiketimin e imazheve e quajti një njeri që po gatuan, grua, edhe pse në fotografinë në të vërtetë ishte një burrë (). Kjo në Institutin e Virgjinisë.
Për të analizuar lidhjet komplekse dhe të thella, të cilat shpesh ne nuk mundemi t'i formulonim vetë, janë të nevojshme metodat e AI të Shpjegueshëm. Ato organizojnë karakteristikat e rrjeteve nervore të thella në mënyrë që pas trajnimit të mund të analizojmë përfaqësimin e brendshëm të mësuar nga rrjeti, e jo thjesht të mbështetemi në zgjidhjen e saj.
1.4. Analitika / AI në Skaj (Edge Analytics / AI)
Çdo gjë që ka fjalën Edge, do të thotë në mënyrë të drejtpërdrejtë: transferimi i një pjese të algoritmeve nga reja/serveri në nivel të pajisjes përfundimtare/gatishmërisë. Një algoritëm i tillë do të veprojë më shpejt dhe nuk do të ketë nevojë të lidhet me serverin qendror për të funksionuar. Nëse ju njohin abstraktin "klienti i hollë", këtu e bëjmë këtë klient pak më të trashë.
Kjo mund të jetë e rëndësishme për Internetin e Gjërave. Për shembull, nëse një makinë është tepruar dhe ka nevojë për ftohje, ka kuptim të dërgohet një sinjal menjëherë, në nivelin e fabrikës, pa pritur që të dhënat të kalojnë në re dhe pastaj te specialisti i turnit. Ose një tjetër shembull: automjetet pa shofer mund të kuptojnë situatën e trafikut vetë, pa u drejtuar te serveri qendror.
Ose një tjetër shembull, pse kjo është e rëndësishme nga këndvështrimi i sigurisë: kur ju shkruani tekste në telefonin tuaj, ai e ruan fjalët tipike për ju, që më pas tastiera e telefonit t'ju sugjerojë ato në mënyrë të përshtatshme – kjo quhet hyrje parashikuese e tekstit. Dërgimi i gjithçkaje që shkruani në qendër të të dhënave do të ishte një shkelje e privatësisë suaj dhe thjesht e pasigurt. Prandaj, trajnimi i tastierës ndodh vetëm në kuadër të pajisjes suaj.
1.5. Platforma e AI si shërbim (AI PaaS)
PaaS – Platforma-si-shërbim – është një model biznesi, ku ne kemi qasje në një platformë të integruar, përfshirë ruajtjen e saj cloud dhe procedurat e gatshme. Në këtë mënyrë, ne mund të çlirohemi nga detyrat infrastrukturore, dhe të përqendrohemi krejtësisht në prodhimin e diçkaje të dobishme. Disa nga platforma PaaS për detyra AI janë: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Mësimi adaptiv i makinerisë (Adaptive ML)
Çfarë ndodh nëse ne lejojmë inteligjencën artificiale të përshtatet ... Ju do të pyesni – si? ... A nuk përshtatet ajo tashmë me detyrën? Problemi është ky: çdo detyrë të tillë ne e përpilojmë me kujdes para se të ndërtojmë algoritmin për zgjidhjen e saj nga inteligjenca artificiale. Ju do të përgjigjen – duket se është e mundur ta thjeshtojmë këtë zinxhir.
Mësimi tradicional i makinës punon sipas parimit të sistemit të hapur (open-loop): ju përgatitni të dhënat, shpikni një rrjet neuromotor (apo çfarëdo tjetër), e trajni, pastaj shikoni disa tregues dhe nëse ju pëlqen, mund ta dërgoni rrjetin neuromotor në smartphone – për të zgjidhur problemet e përdoruesve. Por në aplikime ku ka shumë të dhëna dhe karakteri i tyre ndryshon gradualisht, nevojiten metoda të tjera. Këto sisteme, që adaptohen dhe mësojnë vetë, organizohen në cikle të mbyllura, të vetë-mësuara (closed-loop), dhe ato duhet të funksionojnë pa ndërprerje.
Aplikimet – mund të jenë analiza e rrjedhave (Stream Analytics), mbi të cilat shumë biznesmenë marrin vendime, ose menaxhimi adaptiv i produksionit. Në masën e aplikimeve të sotme dhe duke marrë parasysh rreziqet më të kuptueshme për njerëzit, metodat që përbëjnë zgjidhjen e këtij problemi, të gjitha këto metoda grumbullohen nën emrin e përgjithshëm AI Adaptiv.
Duke parë këtë imazh, është e vështirë të largohemi nga ndjenja se futuristët s’kanë për të ngrënë – vetëm jepini mësim një roboti se si të marrë frymë...
Kompjuterët dhe Komunikimet Postklasike (Postclassical Compute and Comms)
2.1. Rrjeti celular i gjeneratës së pestë (5G)
Kjo është një temë aq interesante, saqë menjëherë ju dërgojmë te . E këtu është një përmbledhje e shkurtër. 5G, për shkak të rritjes së frekuencës së transmetimit të të dhënave, do ta bëjë shpejtësinë e Internetit jashtëzakonisht të shpejtë. Valët e shkurtra kanë vështirësi për t'u kaluar përmes pengesave, kështu që struktura e rrjeteve do të jetë krejtësisht ndryshe: do të nevojiten 500 herë më shumë stacione bazë.
Së bashku me shpejtësinë, do të kemi shfaqje të reja: lojra në kohë reale me realitet të shtuar, përfundimin e detyrave të komplikuara (si kirurgjia) përmes tele-pranishmërisë, parandalimin e aksidenteve dhe situatave të komplikuara në rrugë përmes komunikimit midis automjeteve. Nga një perspektivë më praktike: përfundimisht do të ndalojë rënia e Internetit celular gjatë ngjarjeve masive, siç janë ndeshjet në stadium.
Burimi i imazhit – Reuters, Niantic
2.2. Memoria e gjeneratës së ardhshme (Next-Generation Memory)
Këtu bëhet fjalë për gjeneratën e pestë të memories operativë – DDR5. Samsung ka njoftuar se deri në fund të vitit 2019 do të shfaqen produkte mbi bazën e DDR5. Pritet që memoria e re të jetë dy herë më e shpejtë dhe dy herë më kapacitet e madhe duke ruajtur formën e saj, domethënë ne do të mund të marrim për kompjuterin tonë modulet e memories me kapacitet deri në 32GB. Në të ardhmen, kjo do të jetë veçanërisht e rëndësishme për smartphone-t (memoria e re do të jetë në versionin me konsum të ulët të energjisë) dhe për laptopët (ku numri i slot-ëve DIMM është i kufizuar). Gjithashtu, mësimi i makinës kërkon sasi të mëdha memories operativë.
2.3. Sistemet satelitore në orbitë të ulët (Low-Earth-Orbit Satellite Systems)
Ideja e zëvendësimit të satelitëve të rëndë, të shtrenjtë dhe të fuqishëm me një grumbull të vogël dhe të lirë nuk është aspak e re dhe ka lindur qysh në vitet '90. Për atë që nuk ka dëgjuar tani, ka vetëm lenient. Këtu kompania më e njohur është Iridium, e cila shpalli falimentimin në fund të viteve '90, por u shpëtua nga Ministria e Mbrojtjes së SHBA (mos e ngatërro me iRidium – sistemin rus të shtëpisë inteligjente). Projekti i Elon Musk (Starlink) nuk është i vetmi – në garën satelitore marrin pjesë Richard Branson (OneWeb – 1440 satelitë të supozuar), Boeing (3000 satelitë), Samsung (4600 satelitë), dhe tjerë.
Si është situata në këtë fushë, si duket ekonomia – lexoni në . Dhe ne presim provat e para të këtyre sistemeve nga përdoruesit e parë, të cilat duhet të ndodhin vitin tjetër.
2.4. Printimi 3D në nanoskalë (Nanoscale 3D Printing)
Printimi 3D, ndonëse nuk ka hyrë në jetë të çdo personi (në formën që premtonte fabrika plastike shtëpiake individuale), megjithatë ka dalë prej kohësh nga niša e teknologjive për geek. Mund të gjykohet nga fakti se ekziston njohuri të paktën për stilolapsat 3D nga çdo nxënës, dhe shumë prej tyre ëndërrojnë të blejnë një kuti me gjurmë dhe ekstruzator për… «thjesht kështu» (ose tashmë e kanë blerë).
Stereolitografia (printuesit 3D me lazer) lejojnë të printohet me foton e veçantë: janë duke u hetuar polimerë të rinj, për ngurtësimin e të cilëve mjaftojnë dy fotona. Kjo do të lejojë që në kushte jo-laboratorike të krijohen filtra të rinj, mbështetje, springe, kapilare, lente dhe… propozimet tuaja në komente! Dhe këtu nuk është larg nga fotopolimerizimi – vetëm kjo teknologji lejon të «printohet» procesorë dhe skema llogaritëse. Për më tepër, nuk ka kaluar vit që ekziston , por pa zhvillim radikal.
3. Sensorika dhe mobiliteti (Sensing and Mobility)
3.1. Automjetet autonome, niveli 4 dhe 5 (Autonomous Driving Level 4 & 5)
Për të mos u ngatërruar në terminologji, është e dobishme të kuptohet se cilat nivele autonomi dallohen (marrë nga detajet , të cilën e dërgojmë për të gjithë ata që janë të interesuar):
Niveli 1: Kontrolli i kruizit: ndihmë për shoferin në situata shumë të kufizuara (për shembull – mbajtja e automjetit me një shpejtësi të caktuar pasi shoferi ka hequr këmbën nga pedali)
Niveli 2: Ndihmë e kufizuar me drejtimin dhe frenimin. Shoferi duhet të jetë i gatshëm të marrë kontrollin menjëherë. Duar në timon, shikimi i orientuar në rrugë. Kjo është ajo që tashmë ekziston në Tesla dhe General Motors.
Niveli 3: Shoferi nuk ka nevojë të ndjekë vazhdimisht rrugën. Por ai duhet të jetë në gatishmëri dhe të jetë i gatshëm të rimarrë kontrollin. Kjo është ajo që nuk ekziston ende në automjetet e disponueshme për shitje. Të gjitha automjetet aktuale janë në nivelet 1-2.
Niveli 4: Autopilot i vërtetë, por me kufizime: vetëm udhëtime në zona të njohura, të cilat janë kartografuar me kujdes dhe në përgjithësi janë të njohura për sistemin, dhe në kushte të caktuara: për shembull, në mungesë të borës. Ka prototipa nga Waymo dhe General Motors, dhe ata planifikojnë t’i lancojnë në disa qytete dhe t’i testojnë në një mjedis real. «Yandex» ka zona testimi për taksi pa shofer në Skolkovo dhe Innopolis: udhëtimi ndodh nën mbikëqyrjen e një inxhinieri që ndodhet në vendin e pasagjerit; deri në fund të vitit, kompania planifikon të zgjedhë flotën në 100 automjete pa shofer.
Niveli 5: Drejtim të plotë automatik, zëvendësim të plotë të shoferit të gjallë. Sistemet e tilla nuk janë ekzistuese, dhe është e dyshimtë se do të shfaqen në vitet e ardhshme.
Sa realiste është të shohim gjithçka këtë në një të ardhme të afërt? Këtu do të doja t’i rekomandoja lexuesit artikullin . Kjo është pjesërisht për shkak të mungesës së lidhjes 5G: shpejtësitë e disponueshme 4G nuk janë të mjaftueshme. Pjesërisht për shkak të kostos shumë të lartë të automjeteve autonome: ato për momentin nuk janë rentabël, dhe model biznesi është i paqartë. Në një fjalë, «gjithçka është e komplikuar», dhe nuk është rastësi që Gartner shkruan se parashikimi i përdorimit masiv të Nivelit 4 dhe 5 është jo më herët se pas 10 vitesh.
3.2. Kamerat me shikim 3D (3D Sensing Cameras)
Trafiku nga kontrolluesi i lojërave Microsoft Kinect bëri zhurmë tetë vjet më parë, duke ofruar një zgjidhje të përballueshme dhe relativisht të lirë për shikimin 3D. Që nga ajo kohë, lojërat sportive dhe vallëzuese me Kinect kanë pasur një ngritje dhe rënien e tyre të shpejtë, por kamerat 3D janë përdorur në robotët industrialë, automjetet pa shofer, telefona mobilë për identifikim përmes fytyrës. Të dhënat teknologjike janë bërë më të lira, kompakte dhe më të aksesueshme.
Në telefonin Samsung S10 ka një kamerë me kohën e fluturimit (Time-of-Flight), e cila mat distancën deri te objekti – për të lehtësuar fokusimin.
Nëse jeni të interesuar për këtë temë, ju rekomandojmë një përmbledhje të shkëlqyer të kamerave të thellësisë: , .
3.3. Dronët për dërgimin e ngarkesave të vogla (Light Cargo Delivery Drones)
Këtë vit, Amazon bëri zhurmë kur tregoi në një ekspozitë dronin e ri fluturues, që mund të transportojë ngarkesa të vogla deri në 2 kg peshë. Për qytetin, me trafikun e tij, kjo duket si zgjidhja ideale. Le të shohim si do të performojnë këto dronë në të ardhmen e afërt. Besoj se është e rëndësishme të përfshihet një skepticizëm i kujdesshëm: ka shumë probleme, duke filluar nga mundësia e vjedhjes së lehtë të dronit, e deri te kufizimet ligjore mbi BPLAs. Amazon Prime Air ekziston për gjashtë vjet, por ende është në fazën e testimit.
Droni i ri Amazon, i paraqitur këtë pranverë. Ka diçka prej ‘Yllësive të Luftës’ në të.
Përveç Amazonit, ka edhe lojtarë të tjerë në këtë treg (ka një përmbledhje të detajuar ), por asnjë produkt në dispozicion: gjithçka është në fazën e testimit dhe aktiviteteve marketingu. Veçanërisht interesante për të theksuar janë dronët e specializuar mjekësorë në Afrikë: dërgimi i gjakut të dhuruar në Gana (14,000 dërgesa, kompania Zipline) dhe Ruanda (kompania Matternet).
3.4. Transporti autonom fluturues (Flying Autonomous Vehicles)
Këtu është e vështirë të thuash diçka të saktë. Sipas Gartner, kjo do të shfaqet më herët se pas 10 vitesh. Në përgjithësi, këtu janë të njëjtat probleme si me automjetet pa shofer, por ato marrin një dimension të ri — vertikal. Cilat janë ambiciet për ndërtimin e taksive fluturuese deklarojnë Porsche, Boeing, Uber.
3.5. Në re e realitetit të pasur (AR Cloud)
Një kopje digjitale e përhershme e botës reale, që lejon krijimin e një shtrese të re realiteti, të përbashkët për të gjithë përdoruesit. Nëse flasim me një gjuhë më teknike, bëhet fjalë për krijimin e një platforme të hapur cloud, në të cilën zhvilluesit mund të integrojnë aplikacionet e tyre AR. Modeli i monetizimit është i qartë, është një analog i Steam. Ideja është aq e thellë, sa tashmë disa besojnë se AR pa cloud është thjesht e pavlerë.
Si mundi të duket në të ardhmen, është ilustruar në një video të shkurtër. Duket si një tjetër episod i 'Mirrors' të Zeza:
Mund të lexoni gjithashtu në
4. Njeriu 'i Shtuar' (Augmented Human)
4.1. AI për emocionet (Emotion AI)
Si të masim, simulojmë dhe reagojmë ndaj emocioneve njerëzore? Disa nga klientët këtu janë kompanitë që prodhojnë asistentë me zë si Amazon Alexa. Ata do të mund të integrosen në shtëpitë tona nëse mësojnë të identifikojnë disponimin: të kuptojnë shkakun e pakënaqësisë së përdoruesit dhe të provojnë të korrigjojnë situatën. Në të vërtetë, në kontekst ka shumë më tepër informacion sesa në mesazhin vetë. Dhe konteksti – është shprehja e fytyrës, intonacioni dhe sjellja jo-verbale.
Nga aplikimet e tjera praktike: analiza e emocioneve gjatë intervistave për punë (nëpërmjet video-intervistave), vlerësimi i reagimit ndaj reklama ose përmbajtjeve të tjera video (buzëqeshje, qeshje), ndihma në mësim (për shembull, për praktikat e vetme në artin e fjalimeve publike).
Për këtë temë është e vështirë të shprehim mendimin më mirë se autori i filmid të shkurtër 6-minutësh . Në një video të bërë me shkathtësi dhe stil, shikohet se si mund të matësh emocionet tona për qëllime marketingu, dhe nga reagimet momentale të fytyrës tuaj mund të kuptoni: nëse e doni picën, qenët, Kanye West, dhe madje cila është niveli juaj i të ardhurave dhe IQ i përllogaritur. Kur të kaloni në faqen e filmit për lidhjen e sipërme, bëheni pjesëmarrës në një video interaktive duke përdorur kamerën e integruar të kompjuterit tuaj. Filmi është shfaqur në disa festivale filmi.
Ka madje një studim interesante: si të njihni ironinë në tekst. Ata morën twitët me hashtag #sarcasm dhe krijuan një mostër mësimore nga 25,000 twitë me ironinë dhe 100,000 twitë të zakonshëm për çdo gjë. Ata përdorën bibliotekën TensorFlow, e trajnuan sistemin, ja rezultati:
Prandaj tani, nëse nuk jeni të sigurt për një koleg apo mik – a ju tha diçka seriozisht apo me ironi, – mund të përdorni tashmë !
4.2. Inteligjenca e Shtuar (Augmented Intelligence)
Automatizimi i punës intelektuale përmes metodave të mësimit të makinës. Mund të duket si diçka e zakonshme? Por këtu rëndësi ka formulimi, për më tepër, që përputhet me akronimin e Inteligjencës Artificiale. Kjo na referon në polemikat mbi 'inteligjencën e fuqishme' dhe 'inteligjencën e dobët'.
Inteligjenca e fuqishme – është ajo inteligjencë artificiale nga filmat fantastiko-shkencorë, e cila është plotësisht ekuivalente me mendimin njerëzor dhe e kupton veten si një individ. Kjo ende nuk ekziston dhe nuk dihet nëse do të ekzistojë ndonjëherë.
Inteligjenca e dobët – nuk është një individ autonom, por asistent i njeriut. Ai nuk pretendon të ketë një mendim si njeriu, thjesht di të zgjidhë probleme informacioni, për shembull, të identifikojë çfarë është në një foto ose të përkthejë një tekst.
Në këtë kuptim, Inteligjenca e Shtuar është një 'inteligjencë e dobët' e pastër, dhe formulimi duket i suksesshëm, pasi nuk krijon konfuzion dhe joshje për të parë këtu atë 'inteligjencën e fuqishme', për të cilën të gjithë ëndërrojnë (apo frikësohen, nëse kujtojmë diskutimet e shumta mbi 'rebellionin e makinave'). Duke përdorur shprehjen Inteligjenca e Shtuar, ne menjëherë si të jemi personazhe të një filmi tjetër: nga fantastika shkencore (si 'Unë, robot' i Asimovit) kalojmë në cyberpunk ('aumentimet' në këtë zhanër quhen të gjitha implantat që zgjerjnë mundësitë e njeriut).
Si Erik Brynjolfsson dhe Andrew McAfee: 'Në 10 vitet e ardhshme do të ndodhin këto. Jo inteligjenca artificiale do të zëvendësojë menaxherët, por ata menaxherë që përdorin inteligjencën artificiale do të zëvendësojnë ata që nuk e kanë bërë ende'
Shembuj:
- Mjekësi: Universiteti i Stanfordit ka zbuluar , i cili përballon detyrën e identifikimit të patologjive në rëntgenin e gjoksit po aq me sukses sa shumica e mjekëve
- Arsim: ndihma për nxënësin dhe mësuesin, analiza e reagimeve të nxënësve ndaj materialeve, ndërtimi i një rrugë të individualizuar të mësimit.
- Analiza e biznesit: përpunimi i të dhënave, sipas statistikave, zë 80% të kohës së hulumtuesit, dhe vetëm 20% – eksperimenti vetë
4.3. Bioçipat (Biochips)
Kjo është tema e dashur e të gjithë filmave dhe librave cyberpunk. Në përgjithësi, çipimi i kafshëve shtëpiake është një praktikë e njohur. Por tani këto çipa filluan të implantohen edhe te njerëzit.
Në këtë rast, hype-i është shumë të ngjarë i lidhur me rastin e përfolur në kompaninë amerikane Three Square Market. Atje, punëdhënësi filloi të provojë implantimin e çipave nën lëkurë në këmbim të një shpërblimi. Çipi lejon hapjen e dyerve, logimin në kompjuterë dhe blerjen e ushqimeve në automat – pra, një kartë universale për punonjës. Megjithatë, çipi shërben vetëm si kartë identifikimi, nuk ka modulin GPS, kështu që nuk mund të ndihmojë në ndjekjen e askujt. Nëse një person dëshiron të heqë çipin nga dora, kjo zgjat 5 minuta me ndihmën e një doktori.
Çipat zakonisht implantohen midis gishti të madh dhe gishti tregues.
Lexoni detajet rreth gjendjes së çipimit në botë.
4.4. Hapësira e Imersivë (Immersive Workspace)
«Imersiv» është një tjetër fjalë e re nga e cila nuk ka ku të iket. Ajo është kudo. Teatri imersiv, ekspozita, filmi. Çfarë nënkupton kjo? Imersiviteti është krijimi i një efekti zhytjeje, ku humbet kufiri midis autorit dhe shikuesit, botës virtuale dhe asaj reale. Sa i përket vendit të punës, duhet të mendojmë se kjo do të thotë fshirjen e kufijve midis ekzekutorit dhe iniciatorit dhe nxitjen e punonjësve për një qëndrim më aktiv përmes ripërcaktimit të ambientit përreth.
Duke pasur parasysh që tani kemi përhapur kudo Agile, fleksibilitet dhe bashkëpunim të ngushtë – vendet e punës duhet të jenë maksimalisht të lehta për t'u konfiguruar dhe të nxisin punën grupore. Ekonomia u imponon rregullat e saj: numri i punonjësve të përkohshëm po rritet, kostot për qeranë e hapësirave zyrave po rriten, dhe në kushte të një tregu konkurrues të punës, kompanitë IT përpiqen të rrisin kënaqësinë e punonjësve nga puna, duke krijuar zona rekreative dhe përfitime të tjera. Të gjitha këto reflektohen në dizajnin e vendeve të punës.
Nga Knoll
4.5. Personifikimi (Personification)
Të gjithë e dinë se çfarë është personalizimi në reklamë. Kjo është kur ju diskutoni sot me një koleg se në ambient diçka ndjehet e thatë dhe duhet të blini një lagësirës në zyrë, dhe nesër shihni në rrjetet tuaja sociale një reklamë – «blej lagësiras» (rast i vërtetë, që më ka ndodhur).
Personifikimi, sipas definicionit të Gartner, është përgjigja ndaj shqetësimeve në rritje të përdoruesve lidhur me përdorimin e të dhënave të tyre personale për qëllime reklamuese. Qëllimi është të zhvillojmë një qasje në të cilën do të na shfaqet reklama që përputhet me kontekstin, në të cilin ndodhemi, e jo me ne personalisht. P.sh., lokacioni ynë, tipi i pajisjes, koha e ditës, kushtet atmosferike – këto janë aspekte që nuk shkelin të dhënat tona personale dhe nuk na japin atë ndjenjë të pakëndshme të «ndjekjes».
Rreth ndryshimit midis këtyre dy koncepteve, lexoni e Andrew Frank në blogun e faqes së Gartner. Këtu është një dallim shumë i hollë dhe fjalë shumë të ngjashme, saqë nëse nuk e dini ndryshimin, rrezikoni të debatojnë me një bisedues, pa e kuptuar se në fakt, të dy kanë të drejtë (dhe ky është gjithashtu një rast i vërtetë që ka ndodhur me autorin).
4.6. Bioteknologjia – Të Të Rinjtë Artificiale (Biotech – Cultured or Artificial Tissue)
Kjo është, së pari, ideja e kultivimit të mishit artificial. Në të njëjtën kohë, disa ekipe në të gjithë botën janë të angazhuara në zhvillimin e «Mishit 2.0» laboratorik – pritet që ai të bëhet më i lirë se ai natyral, dhe të kalojnë në të fast-food-et dhe më pas në supermarkete. Ndër investitorët në këtë teknologji janë Bill Gates, Sergey Brin, Richard Branson dhe të tjerë.
Burimi
Arsyet pse të gjithë janë kaq të interesuar për mishin artificial:
- Ngrohja globale: ndotja nga fermat. Kjo është 18% e totalit të gazrave që ndikojnë në klimë.
- Rritja e numrit të popullsisë. Nevoja për mish po rritet, dhe nuk është e mundur të ushqen të gjithë me mish natyral – thjesht është shumë i shtrenjtë.
- Mungesa e hapësirës. 70% e pyjeve të Amazonës janë shkatërruar për shkak të kullotës.
- Këto konsiderata etike. Ekzistojnë ata për të cilët kjo është e rëndësishme. Organizata mbrojtëse e kafshëve PETA ka ofruar tashmë një çmim prej 1 milion dollarësh për shkencëtarin që do të sjellë në treg mishin artificial të pulës.
Zëvendësimi i mishit të vërtetë me sojë është një zgjidhje e pjesshme, pasi njerëzit e ndjejnë mirë dallimin në shije dhe teksturë, dhe është e vështirë të heqin dorë nga një steak në favor të sojës. Prandaj, nevojitet mish i vërtetë, që është rritur organikisht. Aktualisht, fatkeqësisht, mishin artificial kushton shumë – nga 12$ për kilogram. Kjo është e lidhur me procesin e ndërlikuar të kultivimit të këtij mishi. Lexoni rreth të gjithave këtyre .
Nëse flasim për raste të tjera të kultivimit të indeve – tashmë në mjekësi — tema interesante është ajo e organeve artificiale: p.sh., «përplasje» për muskulim të zemrës, nga një printer 3D të specializuar. Dihet ngjashëm me zemrën e minjtë të rritur në mënyrë artificiale, por deri tani gjithçka është ende brenda kuadrit të testeve klinike. Pra, nuk do të shohim Frakenstein në vitet në vijim.
Këtu, Gartner është shumë i kujdesshëm në vlerësimet, duket se e mban mend parashikimin e tij të dështuar të vitit 2015, se deri në vitin 2019, 10% e popullsisë në vendet e zhvilluara do të kishte një pajisje mjekësore të printuar me 3D si implant. Prandaj, ai përcakton kohën e kalimit në një platformë produktiviteti – të paktën 10 vjet.
5. Ekosistemet Digitale (Digital Ecosystems)
5.1. Webi i Decentralizuar (Decentralized Web)
Ky koncept është ngushtë i lidhur me emrin e shpikësit të webit, laureatit të çmimit Turing, Sir Tim Berners-Lee. Ai ka vënë gjithmonë në pah pyetjet etike në informatikë dhe rëndësinë e natyrës kolektive të Internetit: duke vendosur bazat e hipertekstualizmit, ai ishte i bindur se rrjeti duhej të funksiononte si një rrjet dhe jo si një hierarki. Kështu ishte në fazën fillestare të zhvillimit të rrjetit. Megjithatë, me rritjen e Internetit, struktura e tij për një numër arsyesh filloi të centralizohej. Të dhënat e përdoruesve u bënë një burim fuqie dhe të ardhurash për kompanitë e internetit.
"Interneti është tashmë i decentralizuar, - thotë Berners-Lee. - Problemi është se dominos një sistem kërkimi, një rrjet social i madh, një platformë për mikrobllogim. Nuk kemi probleme teknologjike, por problema sociale."
Në kanalin tim për 30-vjetorin e World Wide Web, krijuesi i Webit përshkroi tre probleme kryesore të Internetit:
- Dëmi i qëllimshëm, si sulmet kibernetike të sponsorizuara nga shtetet, krimi dhe ngacmimi online
- Vetë struktura e sistemit, e cila dëmton përdoruesin duke krijuar një terren për mekanizma të tillë si: shpërblimi financiar për klikëime dhe përhapja virale e informacionit të rremë
- Pasojat e paqëllimshme të dizajnit të sistemit që shkaktojnë konflikte dhe përkeqësimin e cilësisë së diskutimeve online
Dhe Tim Berners-Lee ka tashmë një përgjigje mbi cilat parime mund të bazohet "Internet i Shëndoshë", pa problemin numër 2: "Për shumë përdorues, modeli i vetëm i bashkëpunimit me webin mbetet e ardhura nga reklamat. Edhe nëse njerëzit janë të frikësuar nga ajo që ndodh me të dhënat e tyre, ata janë të gatshëm të bëjnë një marrëveshje me makinën e marketingut për mundësinë e marrjes së përmbajtjes falas. Imagjinoni një botë ku pagesa për produkte dhe shërbime është e lehtë dhe e këndshme për të dyja palët." Nga opsionet se si mund të organizohet kjo: muzikantët mund të shesin regjistrimet e tyre pa ndërmjetës në formën e iTunes, ndërsa faqet e lajmeve mund të përdorin një sistem mikroshpagash për leximin e një artikulli, në vend që të fitojnë nga reklamat.
Si një prototip eksperimental të këtij Interneti të ri, Tim Berners-Lee nisi projektin SOLID, i cili ka si thelb që ju të ruani të dhënat tuaja në një "pod" - një depo informacioni, dhe mund të ofroni këto të dhëna për aplikacione të jashtme. Por në thelb, ju jeni pronarë të të dhënave tuaja. E gjithë kjo është ngushtë e lidhur me konceptin e rrjeteve peer-to-peer, ku kompjuteri juaj jo vetëm që kërkon shërbime, por gjithashtu i ofron ato, për të mos u mbështetur në një server të vetëm si kanali i vetëm.
5.2. Organizatat Autonome Decentralizuara (Decentralized Autonomous Organizations)
Kjo është një organizatë që drejtohet nga rregullat e shkruara në formën e një programi kompjuterik. Aktiviteti i saj financiar ndodh mbi bazën e blockchain. Qëllimi i krijimit të këtyre organizatave është të eliminojë shtetin nga roli i ndërmjetësit dhe të krijojë një mjedis të besueshëm për kontraktuesit, të cilin askush nuk e zotëron vetëm, por të gjithë së bashku. Kështu, teorikisht, kjo duhet të eliminojë noterët dhe institucionet e tjera të zakonshme të verifikimit nëse ideja fitohet.
Shembulli më i njohur i një organizate të tillë ishte The DAO, e orientuar në investime të rrezikshme, e cila në vitin 2016 mbledhi 150 milionë dollarë, nga të cilat 50 u vodhën menjëherë përmes një 'vrime' legale në rregulla. Këtu ndodhi një dilemë e komplikuar: ose rikthehej pas dhe të ktheheshin paratë, ose të pranohej se tërheqja e parave ishte legale, sepse nuk shkelte rregullat e platformës. Në fund, për të kthyer paratë investitorëve, krijuesit u detyruan të shkatërrojnë The DAO, duke rishkruar blockchainin dhe duke shkelur parimin e tij bazë - paprekshmërinë.
Komikso për Ethereum (majta) dhe The DAO (djathta).
E gjithë kjo histori e prishi reputacionin e idesë së DAO. Ky projekt është ndërtuar mbi kriptovalutën Ethereum, vitin e ardhshëm pritet versioni Ethereum 2.0 – ndoshta autorët (mes të cilëve edhe Vitalik Buterin) do të marrin parasysh gabimet dhe do të tregojnë diçka të re. Mund të jetë për këtë arsye që Gartner e vendosi DAO në linjën e rritjes.
5.3. Të dhënat sintetike (Synthetics Data)
Për trajnimet e rrjeteve nervore nevojiten volumet të mëdha të të dhënave. Etiketimi manual i të dhënave është një punë e madhe, që mund të kryhet vetëm nga njeriu. Prandaj, mund të krijohen grupe artificiale të të dhënave. Për shembull, ato koleksione të fytyrave njerëzore në faqen . Ato krijohen me anë të GAN – algoritmeve që ishin përmendur më parë.
Këto fytyra nuk i përkasin njerëzve.
Një përfitim i madh i këtyre të dhënave është se nuk lindin vështirësi juridike në përdorimin e tyre: nuk ka askënd që duhet të japë miratimin për trajtimin e të dhënave personale.
5.4. Operacionet Digjitale (Digital Ops)
Sufiksi "Ops" është bërë jashtëzakonisht i njohur që pas ardhjes së DevOps në fjalorin tonë. Tani, kur flasim për DigitalOps – është thjesht një përmbledhje e DevOps, DesignOps, MarketingOps... A keni filluar të mërziteni? Në thelb, kjo është një shndërrim i qasjes, e cila është pranuar në DevOps, nga sfera e softuerit në të gjitha aspektet e tjera të biznesit – marketingu, dizajni dhe kështu me radhë.
Ideja pas DevOps ishte të hiqte barrierat midis zhvillimit (Development) dhe operacioneve (Operations), duke krijuar ekipe të përbashkëta, ku do të ishin programuesit, testuesit, specialistët e sigurisë dhe administratorët; implementimi i praktikave të caktuara: integrimi i vazhdueshëm, infrastruktura si kod, përshpejtimi dhe forcimi i zinxhirëve të reagimit. Qëllimi ishte të shpejtonte lançimin e produktit në treg. Nëse po mendoni se kjo tingëllon si Agile, jeni në rrugën e duhur. Tani, mendoni për këtë qasje javava për zhvillimin e softuerit në zhvillimin në përgjithësi – dhe tani e kuponi se çfarë është DigitalOps.
5.5. Grafet e njohurive (Knowledge Graphs)
Një mënyrë programore për të modeluar një fushë njohurie, përfshirë – me anë të algoritmeve të mësimit të makinerisë. Grafi i njohurive ndërtohet mbi bazat ekzistuese të të dhënave, për të lidhur së bashku të gjitha informacionet: si ato të strukturuara (lista e ngjarjeve ose e personave), ashtu edhe ato të pa-struktuara (tekst artikulli).
Shembulli më i thjeshtë është ajo kartela që mund ta shihni në rezultatet e kërkimit të Google. Nëse kërkoni për një person ose institucion, do të shihni kartelën në anën e djathtë:
Vini re se "Ngjarjet e ardhshme" nuk është një kopje e informacionit nga harta Google, por një integrim i orarit nga Yandex.Afisha: do ta shihni lehtë nëse klikoni në ngjarjet. Pra, është një bashkim i disa burimeve të të dhënave në një.
Nëse kërkoni një listë - për shembull, "direktorë të njohur" - do t'ju shfaqet "karuseli":
Bonus për ata që e lexuan deri në fund
Dhe tani, kur sqaruam kuptimin e secilit pikë, mund të shikojmë të njëjtën vizatim, por tashmë në gjuhën ruse:
Shkoni lirshëm ta ndani atë në rrjetet sociale!
Tatyana Volkova – Autor i programit të mësimit për Internetin e Gjërave në Akademinë IT të Samsung, specialist për programet e përgjegjësisë sociale korporative të Qendrës Kërkimore Samsung.
Burimi: habr.com
