Bagan Gartner sapertos acara busana anu luhur pikeun anu aya dina industri téknologi. Ku ningali éta, anjeun tiasa terang sateuacanna kecap-kecap anu paling hyped musim ieu sareng naon anu anjeun bakal nguping dina sadaya konperénsi anu bakal datang.

Kami parantos ngartos naon anu aya di balik kecap-kecap anu saé dina grafik ieu ku kituna anjeun ogé tiasa nyarios basa éta.

Pikeun mimitian, ngan sababaraha kecap ngeunaan naon jenis grafik ieu. Unggal taun dina bulan Agustus, agénsi konsultan Gartner ngaluarkeun laporan - Gartner Hype Curve. Dina basa Rusia, ieu mangrupikeun "kurva hype," atanapi, langkung sederhana, hype. 30 taun ka pengker, rappers ti grup Public Enemy nyanyi: "Tong percaya kana hype." Percanten atanapi henteu, éta patarosan pribadi, tapi éta patut sahenteuna terang kecap konci ieu upami anjeun damel dina widang téknologi sareng hoyong terang tren global.

Ieu mangrupikeun grafik ekspektasi masarakat tina téknologi khusus. Numutkeun Gartner, idéal, téhnologi ngaliwatan 5 tahap: peluncuran téhnologi, puncak ekspektasi inflated, lebak kuciwa, lamping pencerahan, dataran produktivitas. Tapi éta ogé kajadian yén éta drowns dina "lebak kuciwa" - anjeun tiasa nginget conto sorangan pisan gampang, nyandak bitcoins sarua: mimitina pencét puncak salaku "duit tina mangsa nu bakal datang", aranjeunna gancang slid handap nalika shortcomings tina téhnologi. janten atra, mimiti sagala larangan dina jumlah transaksi jeung jumlah loba pisan listrik diperlukeun pikeun ngahasilkeun bitcoins (anu geus entails masalah lingkungan). Sareng tangtosna, urang henteu kedah hilap yén bagan Gartner ngan ukur ramalan: di dieu, contona, anjeun tiasa maca detil. tulisan, dimana prediksi unfulfilled paling keuna diurutkeun kaluar.

Janten, hayu urang ngaliwat bagan Gartner énggal. Téknologi dibagi kana 5 grup tematik ageung:

1. Advanced AI sareng Analytics
2. Postclassical Compute jeung Comms
3. Sensing jeung Mobilitas
4. Manusa Augmented
5. Ékosistem Digital

1. Advanced AI jeung Analytics

Sapanjang 10 taun katukang urang parantos ningali jam anu pangsaéna pikeun diajar jero. Jaringan ieu leres-leres mujarab pikeun tugasna. Taun 2018, Yann LeCun, Geoffrey Hinton sareng Yoshua Bengio nampi Penghargaan Turing pikeun pamanggihanna - pangajén anu paling bergengsi, sami sareng Hadiah Nobel dina élmu komputer. Janten, tren utama di daérah ieu, anu dipidangkeun dina bagan:

1.1. Transfer Learning

Anjeun henteu ngalatih jaringan saraf ti mimiti, tapi nyandak anu parantos dilatih sareng napelkeun tujuan anu béda. Kadang-kadang ieu merlukeun latihan ulang bagian tina jaringan, tapi teu sakabeh jaringan, nu leuwih gancang. Contona, nyokot jaringan saraf siap-dijieun ResNet50, dilatih dina dataset ImageNet1000, anjeun bakal meunang hiji algoritma nu bisa mengklasifikasikan loba objék béda dina hiji gambar dina tingkat pisan jero (1000 kelas dumasar kana fitur dihasilkeun ku 50 lapisan neural). jaringan). Tapi anjeun henteu kedah ngalatih éta sadayana jaringan, anu peryogi sababaraha bulan.

В kursus online Samsung "jaringan saraf jeung visi komputer", contona, dina final Tugas calik Kalayan klasifikasi pelat kana bersih sareng kotor, pendekatan nunjukkeun yén dina 5 menit masihan anjeun dina pembuangan anjeun jaringan saraf anu jero anu tiasa ngabédakeun piring anu kotor tina anu bersih, diwangun dumasar kana arsitéktur anu dijelaskeun di luhur. Jaringan aslina henteu terang naon piring éta, éta ngan ukur diajar ngabédakeun manuk tina anjing (tingali ImageNet).

sumber: kursus online Samsung "Jaringan saraf sareng visi komputer"

Pikeun Transfer Learning anjeun kedah terang pendekatan mana anu dianggo sareng naon arsitéktur dasar anu sayogi. Gemblengna, ieu pisan ngagancangkeun mecenghulna aplikasi praktis pembelajaran mesin.

1.2. Generative Adversarial Networks (GAN)

Ieu kanggo kasus-kasus nalika hésé pisan pikeun urang ngarumuskeun tujuan diajar. Beuki deukeut tugas kana kahirupan nyata, beuki kaharti ku urang ("mawa tabel bedside"), tapi leuwih hese ngarumuskeun salaku tugas teknis. GAN ngan ukur usaha pikeun nyalametkeun urang tina masalah ieu.

Aya dua jaringan anu dianggo di dieu: anu hiji nyaéta generator (Generatif), anu sanésna nyaéta diskriminator (Adversarial). Hiji jaringan diajar ngalakukeun pagawean anu mangpaat (mengklasifikasikan gambar, mikawanoh sora, ngagambar kartun). Sareng jaringan anu sanés diajar ngajar jaringan éta: éta gaduh conto nyata, sareng diajar mendakan rumus kompleks anu teu dipikanyaho sateuacana pikeun ngabandingkeun produk bagian generatif jaringan sareng objék dunya nyata (set latihan) dumasar kana ciri jero anu penting pisan. : jumlah panon, deukeut jeung gaya Miyazaki, ngucapkeun Inggris bener.

Conto hasil jaringan pikeun ngahasilkeun karakter anime. sumber

Tapi, tangtosna, sesah ngawangun arsitektur di dinya. Henteu cukup ngan ukur ngalungkeun neuron, aranjeunna kedah disiapkeun. Sareng anjeun kedah diajar sababaraha minggu. Babaturan kuring di Samsung Artificial Intelligence Center nuju ngerjakeun topik GAN; ieu mangrupikeun salah sahiji patarosan panalungtikan konci na. Contona, kawas kieu pamekaran: ngagunakeun jaringan generatif pikeun nyintésis poto realistis jalma kalawan pose variabel - contona, nyieun kamar pas virtual, atawa nyintésis beungeut, nu bisa ngurangan jumlah informasi nu kudu disimpen atawa dikirimkeun pikeun mastikeun video kualitas luhur. komunikasi, siaran atawa panyalindungan data pribadi.

sumber

1.3. AI anu tiasa dijelaskeun

Kanggo sababaraha tugas anu jarang, kamajuan dina arsitéktur jero ngadadak ngadeukeutkeun kamampuan jaringan saraf jero kana kamampuan manusa. Ayeuna perangna pikeun ningkatkeun jangkauan tugas sapertos kitu. Contona, hiji robot vacuum cleaner bisa kalayan gampang ngabedakeun ucing ti anjing dina rapat sirah-on. Tapi dina kalolobaan kaayaan hirup, anjeunna moal bisa manggihan ucing saré diantara linen atawa jati (tapi, kawas urang, di hal nu ilahar ...).

Naon alesan pikeun kasuksésan jaringan saraf jero? Aranjeunna ngamekarkeun ngagambarkeun masalah teu dumasar kana informasi "katingali ku mata taranjang" (piksel poto, parobahan volume sora ...), tapi dina fitur diala sanggeus preprocessing informasi ieu ku sababaraha ratus lapisan jaringan neural. Hanjakal, hubungan ieu ogé bisa jadi euweuh hartina, inconsistent, atawa mawa ngambah imperfections dina susunan data aslina. Salaku conto, aya kaulinan komputer leutik ngeunaan naon anu tiasa nyababkeun panggunaan AI dina rekrutmen Salamet Of The Best Fit.

Sistem méré tag gambar ngalabélan jalma anu masak salaku awéwé, sanajan jalma dina gambar sabenerna lalaki (sumber). ieu perhatoskeun di Virginia Institute.

Pikeun nganalisis hubungan anu rumit sareng jero anu sering urang teu tiasa ngarumuskeun diri, peryogi metode AI anu tiasa dijelaskeun. Aranjeunna ngatur fitur jaringan neural jero supados saatos latihan, urang tiasa nganalisis perwakilan internal anu diajar jaringan, tinimbang ngan ukur ngandelkeun kaputusanna.

1.4. Edge Analytics / AI

Sadayana kecap Edge sacara harfiah hartosna kieu: mindahkeun bagian tina algoritma tina méga / server ka tingkat alat / gateway tungtung. Algoritma sapertos kitu bakal tiasa dianggo langkung gancang sareng henteu ngabutuhkeun sambungan ka server sentral pikeun operasina. Upami anjeun wawuh sareng abstraksi "klien ipis," maka di dieu kami ngajantenkeun klien ieu langkung kandel.
Ieu bisa jadi penting pikeun Internet of Things. Contona, upami mesin a overheated sarta perlu cooling, ngajadikeun rasa sinyal ieu langsung, dina tingkat pabrik, tanpa ngantosan data pikeun pindah ka awan tur ti dinya ka mandor shift. Atawa conto sejen: mobil timer nyetir bisa nangtukeun kaayaan lalulintas sorangan, tanpa ngahubungan server sentral.

sumber

Atanapi conto sanés naha ieu penting tina sudut pandang kaamanan: nalika anjeun ngetik téks dina telepon anjeun, éta émut kecap-kecap anu khas pikeun anjeun, ku kituna engké keyboard telepon tiasa ngadorong anjeun kalayan gampang - ieu disebut prediktif. input téks. Ngirimkeun sadaya anu anjeun ketik dina keyboard anjeun ka pusat data dimana waé bakal ngalanggar privasi anjeun sareng ngan saukur teu aman. Ku alatan éta, latihan keyboard ngan lumangsung dina alat Anjeun sorangan.

1.5. Platform AI salaku Layanan (AI PaaS)

PaaS - Platform-as-a-Service mangrupikeun modél bisnis dimana urang kéngingkeun aksés kana platform terpadu, kalebet panyimpen data dumasar-awan sareng prosedur anu siap-siap. Ku cara ieu, urang tiasa ngabebaskeun diri tina tugas-tugas infrastruktur sareng konsentrasi pinuh pikeun ngahasilkeun anu mangpaat. Conto platform PaaS pikeun tugas AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Pembelajaran Mesin Adaptif (ML Adaptif)

Kumaha lamun urang ngantep kecerdasan jieunan adaptasi ... Anjeun nanya - nyaeta, kumaha?.. Teu eta geus adaptasi jeung tugas? Masalahna nyaéta kieu: urang ngadesain sacara ati-ati unggal masalah sapertos sateuacan ngawangun algoritma intelijen buatan pikeun ngabéréskeunana. Aranjeunna baris ngajawab anjeun - tétéla yén ranté ieu bisa disederhanakeun.

Pembelajaran mesin konvensional berpungsi dina prinsip loop kabuka: anjeun nyiapkeun data, ngadamel jaringan saraf (atanapi naon waé), ngalatih, teras tingali sababaraha indikator, sareng upami anjeun resep sadayana, anjeun tiasa ngirim jaringan neural ka smartphone. - ngajawab masalah pamaké. Tapi dina aplikasi dimana aya seueur data sareng sifatna laun-laun robih, peryogi metode anu sanés. Sistem sapertos kitu, anu adaptasi sareng ngajar sorangan, dikelompokeun kana loop tertutup, diajar mandiri (loop tertutup), sareng aranjeunna kedah jalanna lancar.

Aplikasi - ieu bisa jadi stream analytics (Stream Analytics), dina dasar nu loba pangusaha nyieun kaputusan, atawa manajemén produksi adaptif. Dina skala aplikasi anu ayeuna sareng nunjukkeun résiko anu langkung kahartos pikeun manusa, téknik anu janten solusi pikeun masalah ieu sadayana dikumpulkeun dina istilah payung Adaptive AI.

sumber

Ningali gambar ieu, sesah ngaleungitkeun parasaan anu henteu masihan roti para ahli futuristik - hayu aranjeunna ngajar robot pikeun ngambekan ...

Postclassical Compute jeung Comms

2.1. Komunikasi mobile generasi kalima (5G)

Ieu mangrupikeun topik anu pikaresepeun anu kami langsung ngarujuk anjeun ka kami artikel. Muhun, ieu kasimpulan pondok. 5G, ku cara ningkatkeun frékuénsi pangiriman data, bakal ngajantenkeun kacepetan Internét henteu réalistis gancang. Éta langkung hese pikeun gelombang pondok ngalangkungan halangan, janten desain jaringan bakal béda-béda: 500 kali langkung stasiun pangkalan diperyogikeun.

Marengan speed, urang bakal meunang fenomena anyar: kaulinan real-time kalawan kanyataanana augmented, ngajalankeun tugas kompléks (saperti bedah) ngaliwatan telepresence, nyegah kacilakaan sarta kaayaan susah di jalan ngaliwatan komunikasi antara mesin. Dina catetan anu langkung prosaic: Internét sélulér tungtungna bakal ngeureunkeun turun nalika acara massal, sapertos pertandingan di stadion.

Sumber gambar - Reuters, Niantic

2.2. Mémori Generasi salajengna

Di dieu urang ngobrol ngeunaan generasi kalima RAM - DDR5. Samsung ngumumkeun yén produk basis DDR2019 bakal sayogi dina ahir taun 5. Diperkirakeun yén mémori anyar bakal dua kali gancang sareng dua kali langkung ageung bari ngajaga faktor bentuk anu sami, nyaéta, urang bakal tiasa kéngingkeun mémori anu kapasitasna dugi ka 32GB pikeun komputer urang. Dina mangsa nu bakal datang, ieu bakal utamana relevan pikeun smartphone (memori anyar bakal dina versi low-kakuatan) jeung laptop (dimana jumlah slot DIMM diwatesan). Jeung learning mesin ogé merlukeun jumlah badag RAM.

2.3. Low-Bumi-Orbit Satelit Systems

Gagasan pikeun ngagentos satelit anu beurat, mahal, kuat sareng sajumlah leutik sareng murah jauh ti anu énggal sareng muncul deui dina taun 90an. Tentang naon "Elon Musk enggal bakal nyebarkeun Internét ka sadayana tina satelit" Ayeuna ngan nu puguh geus teu ngadéngé. Perusahaan anu paling kasohor di dieu nyaéta Iridium, anu bangkrut dina ahir taun 90an, tapi disimpen kalayan biaya Departemen Pertahanan AS (teu aya patalina sareng iRidium, sistem bumi pinter Rusia). Proyék Elon Musk (Starlink) jauh tina hiji-hijina - Richard Branson (OneWeb - 1440 usulan satelit), Boeing (3000 satelit), Samsung (4600 satelit), sareng anu sanésna milu dina lomba satelit.

Kumaha kaayaan di daérah ieu, kumaha kaayaan ékonomi di dinya - baca di ulasan. Sareng urang ngantosan tes munggaran sistem ieu ku pangguna munggaran, anu kedah dilaksanakeun taun payun.

2.4. Percetakan 3D skala nano

Percetakan 3D, sanaos henteu lebet kana kahirupan unggal jalma (dina bentuk anu dijanjikeun ku pabrik palastik bumi individu), tapi parantos lami ngantunkeun niche téknologi pikeun geeks. Anjeun tiasa nangtoskeun kanyataan yén unggal budak sakola terang ngeunaan ayana sahenteuna 3D sculpted pens, sareng seueur impian mésér kotak kalayan runners sareng extruder pikeun ... "sapertos kitu" (atanapi parantos ngagaleuh).

Stereolithography (printer laser 3D) ngamungkinkeun percetakan jeung foton individu: polimér anyar keur digali nu ngan merlukeun dua foton pikeun solidify. Ieu bakal ngidinan, dina kaayaan non-laboratorium, nyieun saringan lengkep anyar, mounts, cinyusu, kapiler, lénsa jeung ... pilihan anjeun dina komentar! Sareng di dieu teu jauh ti photopolymerization - ngan téknologi ieu ngamungkinkeun urang pikeun "nyitak" prosesor sareng sirkuit komputasi. Salaku tambahan, ieu sanés taun munggaran anu aya téhnologi pikeun percetakan graphene 500 nm struktur tilu diménsi, Tapi tanpa ngembangkeun radikal.

sumber

3. Sensing jeung Mobilitas

3.1. Nyetir Otonom Tingkat 4 & 5

Dina raraga teu meunang bingung dina terminologi, éta sia ngartos naon tingkat otonomi dibédakeun (dicokot tina rinci tulisan, anu kami rujuk sadayana kabetot):

Tingkat 1: Kontrol pesiar: ngabantosan supir dina kaayaan anu terbatas (contona, nahan mobil dina laju anu ditangtukeun saatos supir nyandak sukuna tina pedal)
Tingkat 2: bantosan setir sareng ngerem terbatas. Supir kedah siap nyandak kadali ampir instan. Leungeunna kana setir, panonna diarahkeun ka jalan. Ieu mangrupikeun hal anu Tesla sareng General Motors parantos gaduh.
Tingkat 3: Supir henteu kedah terus-terusan ngawas jalan. Tapi anjeunna kedah tetep waspada sareng siap nyandak kadali. Ieu hal anu mobil sadia komersil teu acan gaduh. Sadaya anu ayeuna aya dina tingkat 1-2.
Tingkat 4: Autopilot leres, tapi kalayan larangan: ngan ukur perjalanan di daérah anu dipikanyaho anu sacara saksama dipetakeun sareng umumna dipikanyaho ku sistem, sareng dina kaayaan anu tangtu: contona, dina henteuna salju. Waymo sareng General Motors gaduh prototipe sapertos kitu, sareng aranjeunna ngarencanakeun ngaluncurkeunana di sababaraha kota sareng nguji aranjeunna dina lingkungan nyata. Yandex boga zona test pikeun taksi unmanned di Skolkovo na Innopolis: perjalanan lumangsung dina pangawasan insinyur linggih dina korsi panumpang urang; Dina ahir taun, pausahaan ngarencanakeun rék dilegakeun armada na ka 100 kandaraan unmanned.
tingkat 5: nyetir otomatis pinuh, ngagantian lengkep supir hirup. Sistem sapertos kitu henteu aya, sareng aranjeunna henteu mungkin muncul dina taun-taun anu bakal datang.

Kumaha realistis ningali sadayana ieu dina masa depan anu tiasa diramalkeun? Di dieu abdi hoyong alihan nu maca kana artikel "Naha mustahil pikeun ngaluncurkeun robotaxi ku 2020, sakumaha janji Tesla". Ieu sabagean kusabab kurangna konektipitas 5G: laju 4G anu sayogi henteu cekap. Sabagean alatan biaya pisan tinggi mobil otonom: aranjeunna henteu acan nguntungkeun, model bisnis teu jelas. Dina kecap, "sagala pajeulit" di dieu, sarta teu kabeneran nu Gartner nyerat nu ramalan keur palaksanaan massa Tingkat 4 jeung 5 teu saméméhna ti 10 taun.

3.2. Kaméra Sensing 3D

Dalapan taun ka tukang, Microsoft's Kinect controller kaulinan nyieun gelombang ku nawarkeun solusi diaksés jeung rélatif murah pikeun visi 3D. Saprak harita, atikan jasmani jeung kaulinan tari jeung Kinect ngalaman naékna pondok tur turunna maranéhanana, tapi kaméra 3D mimiti dipaké dina robot industri, kandaraan unmanned, sarta handphone pikeun idéntifikasi raray. Téknologi parantos langkung mirah, langkung kompak sareng langkung gampang diaksés.

Telepon Samsung S10 gaduh kaméra Time-of-Flight anu ngukur jarak ka hiji obyék pikeun ngagampangkeun pokus. sumber

Upami anjeun resep kana topik ieu, maka kami bakal alihan anjeun ka ulasan rinci ngeunaan kaméra jero: bagian 1, bagian 2.

3.3. Drones pikeun nganteurkeun kargo leutik (Light Cargo Delivery Drones)

Taun ieu, Amazon ngadamel gelombang nalika éta nunjukkeun drone ngalayang anyar dina acara anu tiasa nyandak beban leutik dugi ka 2 kg. Pikeun kota anu macét, ieu sigana solusi anu idéal. Hayu urang tingali kumaha drones ieu dilaksanakeun dina waktos anu caket pisan. Sugan éta patut keur cautiously skeptis dieu: aya loba masalah, dimimitian ku kamungkinan maling gampang drone a, sarta ditungtungan make larangan légal dina UAVs. Amazon Prime Air parantos sakitar genep taun tapi masih dina fase tés.

Drone anyar Amazon, dipidangkeun musim semi ieu. Aya hal Star Wars ngeunaan anjeunna. sumber

Salian Amazon, aya pamaén séjén di pasar ieu (aya rinci ulasan), tapi teu hiji produk rengse tunggal: sagalana geus dina tahap nguji sarta kampanye pamasaran. Kapisah, eta sia noting rada metot médis kacida husus proyék di Afrika: pangiriman getih disumbangkeun di Ghana (14 pangiriman, parusahaan Zipline) jeung Rwanda (perusahaan Matternet).

3.4. Ngalayang Kandaraan Otonom

Hésé nyarios naon waé anu pasti di dieu. Numutkeun ka Gartner, ieu bakal muncul henteu langkung awal ti 10 taun. Sacara umum, aya sagala masalah anu sarua di dieu sakumaha dina mobil timer nyetir, ngan maranéhanana acquire dimensi anyar - nangtung. Porsche, Boeing, jeung Uber geus ngumumkeun ambisi maranéhna pikeun ngawangun taksi ngalayang.

3.5. Augmented Reality Cloud (AR Cloud)

Salinan digital permanén tina dunya nyata, ngamungkinkeun anjeun nyiptakeun lapisan realitas anyar anu umum pikeun sadaya pangguna. Dina istilah anu langkung téknis, urang nyarioskeun ngeunaan ngadamel platform awan kabuka dimana pamekar tiasa ngahijikeun aplikasi AR na. Modél monetisasi jelas; éta mangrupikeun analog tina Steam. Ide geus jadi entrenched yén sababaraha ayeuna yakin yén AR tanpa awan téh saukur gunana.

Kumaha ieu sigana di hareup dipidangkeun dina video pondok. Sigana mah episode sejen tina Black Mirror:

Anjeun oge bisa maca dina artikel review.

4. Manusa Augmented

4.1. Émosi AI

Kumaha ngukur, simulasi sareng ngabales émosi manusa? Sababaraha klien di dieu nyaéta perusahaan anu ngadamel asisten sora sapertos Amazon Alexa. Aranjeunna leres-leres tiasa biasa ka bumi upami aranjeunna diajar mikawanoh wanda: ngartos alesan sugema pangguna, sareng nyobian ngabenerkeun kaayaan. Sacara umum, aya langkung seueur inpormasi dina kontéks tibatan dina pesen éta sorangan. Jeung kontéks nyaéta ekspresi raray, intonasi, jeung paripolah non-verbal.

Aplikasi praktis séjén: analisis émosi salila wawancara pakasaban (dumasar kana wawancara video), assessing réaksi pikeun commercials atawa eusi video séjén (seuri, seuri), bantuan dina diajar (contona, pikeun latihan mandiri dina seni public speaking).

Hésé nyarios langkung saé dina topik ieu tibatan panulis pilem pondok 6 menit Maling Rarasaan Ur. Pidéo anu lucu sareng bergaya nunjukkeun kumaha anjeun tiasa ngukur émosi urang pikeun tujuan pamasaran, sareng tina réaksi sakedapan ramo anjeun, panggihan naha anjeun resep pizza, anjing, Kanye West, bahkan naon tingkat panghasilan anjeun sareng perkiraan IQ. Ku ngadatangan halaman wéb film nganggo tautan di luhur, anjeun janten pamilon dina pidéo interaktif nganggo kaméra anu dipasang dina laptop anjeun. Pilem ieu parantos dipidangkeun dina sababaraha festival pilem.

sumber

Malah aya hiji ulikan metot: kumaha ngakuan sindiran dina téks. Kami nyandak tweets sareng hashtag #sarcasm sareng ngadamel set latihan 25 tweets sareng sindiran sareng 000 tweets biasa ngeunaan sadayana di handapeun panonpoé. Kami nganggo perpustakaan TensorFlow, ngalatih sistem, sareng ieu hasilna:

sumber

Ku alatan éta, ayeuna, upami anjeun teu yakin ngeunaan batur sapagawean anjeun atanapi sobat - ceuk hiji hal ka anjeun serius atanapi sarcastically, anjeun geus bisa ngagunakeun jaringan saraf dilatih!

4.2. Augmented AKAL

Otomatisasi karya intelektual nganggo metode pembelajaran mesin. Ieu bakal sigana kawas nanaon anyar? Tapi kecap-kecapna sorangan penting di dieu, khususna saprak éta coincides dina singketan sareng Artificial Intelligence. Ieu brings kami deui ka perdebatan ngeunaan "kuat" jeung "lemah" AI.
AI anu kuat nyaéta intelijen buatan anu sami tina film fiksi ilmiah anu sarimbag sareng pikiran manusa sareng sadar dirina salaku individu. Ieu henteu acan aya sareng henteu écés naha éta bakal aya.

AI lemah sanés jalma mandiri, tapi asistén manusa. Anjeunna teu ngaku boga pamikiran kawas manusa, tapi ngan weruh kumaha carana ngajawab masalah informasi, contona, nangtukeun naon ditémbongkeun dina gambar atawa narjamahkeun téks.

sumber

Dina hal ieu, Augmented Intelligence mangrupikeun "AI lemah" dina bentuk anu paling murni, sareng rumusanna sigana suksés, sabab éta henteu ngenalkeun kabingungan sareng godaan pikeun ningali di dieu "AI kuat" anu sami anu diimpikeun ku sadayana (atanapi sieun, upami urang ngelingan seueur diskusi ngeunaan "mobil pemberontakan"). Nganggo éksprési Augmented Intelligence, urang langsung janten pahlawan pilem sanés: tina fiksi ilmiah (sapertos Asimov "I, Robot") urang mendakan diri di cyberpunk ("augmentations" dina genre ieu mangrupikeun sagala jinis implant anu dilegakeun kamampuan manusa).

kumaha ceuk Erik Brynjolfsson sareng Andrew McAffee: "Sapanjang 10 taun ka hareup, ieu anu bakal kajadian. AI moal ngagentos manajer, tapi manajer anu nganggo AI bakal ngagentos jalma anu henteu acan damel.

conto:

• Kedokteran: Universitas Stanford dimekarkeun algoritma, anu copes jeung tugas recognizing pathologies on dada X-ray rata-rata salaku hasil salaku paling dokter.
• Atikan: bantosan ka murid sareng guru, analisa réspon murid kana bahan, pangwangunan lintasan diajar individu.
• Analytics bisnis: preprocessing data, nurutkeun statistik, nyokot 80% waktu panalungtik urang, sarta ngan 20% tina percobaan sorangan.

4.3. Biochip

Ieu mangrupikeun téma karesep sadaya pilem sareng buku cyberpunk. Sacara umum, piaraan microchipping sanés prakték énggal. Tapi ayeuna chip ieu geus mimiti implanted kana jalma.

Dina hal ieu, hype paling dipikaresep pakait sareng kasus sensasional dina parusahaan Amérika Three Square Market. Di dinya, dunungan mimiti nawiskeun pikeun implan chip handapeun kulit di tukeran pikeun fee. Chip ngidinan Anjeun pikeun muka panto, asup kana komputer, meuli snacks ti mesin vending - nyaeta, kartu pagawe universal. Sumawona, chip sapertos anu leres-leres janten kartu idéntifikasi; éta henteu gaduh modul GPS, janten teu mungkin pikeun ngalacak saha waé anu ngagunakeunana. Sareng upami hiji jalma hoyong nyabut chip tina pananganna, peryogi 5 menit kalayan bantosan dokter.

The chip biasana dipelak antara jempol jeung ramo indéks. sumber

Maca deui tulisan ngeunaan kaayaan urusan jeung chipping di dunya.

4.4. Immersive Workspace

"Immersive" mangrupakeun kecap anyar sejen nu saukur teu kabur. Aya dimana-mana. Téater immersive, pameran, bioskop. Naon maksad anjeun? Immersion nyaéta nyiptakeun éfék immersive, nalika wates antara pangarang sareng panuduh, dunya maya sareng nyata leungit. Di tempat kerja, sigana, ieu hartosna ngaburkeun garis antara migawé sareng inisiator sareng nyorong karyawan pikeun nyandak posisi anu langkung aktip ku cara ngarobih deui lingkunganana.

Kusabab urang ayeuna gaduh Agile, kalenturan, sareng kolaborasi caket dimana-mana, tempat kerja kedah gampang dikonfigurasi sabisa-gancang sareng kedah nyorong damel kelompok. Ékonomi dictates istilah na: aya leuwih karyawan samentara, biaya renting spasi kantor naek, sarta dina pasar tenaga kerja kalapa, pausahaan IT narékahan pikeun ngaronjatkeun kapuasan pagawe ti karya ku nyieun wewengkon rekreasi sarta kauntungan sejenna. Sareng sadaya ieu ditingali dina desain tempat kerja.

ti laporan knoll

4.5. Personifikasi

Sadayana terang naon personalisasi dina pariwara. Ieu nalika dinten ayeuna anjeun ngabahas sareng batur sapagawean yén hawa di rohangan rada garing, sareng anjeun kedah mésér humidifier pikeun kantor, sareng énjing-énjing anjeun ningali iklan dina jaringan sosial anjeun - "mésér humidifier" (a kajadian nyata anu lumangsung ka kuring).

sumber

Personalisasi, sakumaha didefinisikeun ku Gartner, mangrupakeun respon kana tumuwuhna perhatian pamaké ngeunaan pamakéan data pribadi maranéhanana pikeun tujuan iklan. Tujuanana nya éta pikeun ngamekarkeun pendekatan nu urang ditémbongkeun iklan nu relevan jeung konteks nu urang manggihan diri urang sorangan, teu keur urang pribadi. Salaku conto, lokasi urang, jinis alat, waktos beurang, kaayaan cuaca - ieu mangrupikeun hal anu henteu ngalanggar data pribadi urang, sareng urang henteu ngaraosan rarasaan anu teu pikaresepeun pikeun "dijaga".

Baca ngeunaan bédana antara dua konsép ieu Catetan Andrew Frank blog dina ramatloka Gartner urang. Aya bédana anu halus sareng kecap-kecap anu sami sapertos anjeun, henteu terang bédana, résiko arguing pikeun waktos anu lami sareng interlocutor anjeun, henteu nyangka yén, sacara umum, duanana leres (sareng ieu ogé kajadian nyata anu kajantenan ka pangarang).

4.6. Biotéh - Tissue Kultur atawa jieunan

Ieu, mimiti sagala, pamanggih tumuwuh daging jieunan. Dina waktos anu sami, sababaraha tim di sakumna dunya sibuk ngembangkeun laboratorium "Daging 2.0" - diperkirakeun yén éta bakal langkung mirah tibatan biasa, sareng tuangeun gancang teras pasar supermarkét bakal ngalih ka éta. Investor dina téknologi ieu kalebet Bill Gates, Sergey Brin, Richard Branson sareng anu sanésna.

sumber

Alesan kunaon sadayana resep pisan kana daging buatan:

1. Pemanasan global: émisi métana ti kebon. Ieu 18% tina volume gas global anu mangaruhan iklim.
2. Pertumbuhan populasi. Paménta pikeun daging naék, sareng moal mungkin pikeun nyéépkeun sadayana kalayan daging alami - éta ngan saukur mahal.
3. Kurangna rohangan. 70% leuweung Amazon parantos ditegor pikeun padang rumput hejo.
4. Pertimbangan etika. Aya jalma pikeun saha ieu penting. Organisasi hak sato PETA parantos nawiskeun hadiah $ 1 juta ka élmuwan anu mawa daging hayam buatan ka pasar.

Ngaganti daging nyata jeung kécap mangrupakeun solusi parsial, sabab jalma bisa ngahargaan bédana dina rasa jeung tékstur, sarta saperti teu mirip nyerah steak di ni'mat kécap. Janten anjeun peryogi daging anu tumbuh sacara organik. Ayeuna, hanjakalna, daging jieunan mahal teuing: ti $ 12 per kilogram. Ieu alatan prosés téknis kompléks tumuwuh daging misalna. Baca ngeunaan eta sadayana tulisan.

Upami urang ngobrol ngeunaan kasus jaringan anu sanés - parantos aya dina ubar - maka topik sareng organ jieunan anu pikaresepeun: contona, "patch" pikeun otot jantung, dicitak printer 3D husus. Dipikanyaho sajarah kawas jantung mouse artifisial tumuwuh, tapi sacara umum sagalana masih dina lingkup percobaan klinis. Janten urang henteu sigana ningali Frankenstein dina taun-taun anu bakal datang.

Di dieu Gartner ati-ati pisan dina perkiraan na, katingalina tetep émut kana prediksi 2015 anu gagal yén dina taun 2019, 10% tina populasi di nagara maju bakal ngagaduhan implan alat médis 3D. Ku alatan éta, hartina waktu pikeun ngahontal dataran produktivitas sahenteuna 10 taun.

5. Ékosistem Digital

5.1. Web desentralisasi

Konsep ieu pakait raket jeung ngaran nu manggihan web, juara Turing Award Sir Tim Burners-Lee. Pikeun anjeunna, patarosan ngeunaan étika dina elmu komputer éta salawasna penting jeung hakekat koléktif Internet éta penting: peletakan pondasi hypertext, anjeunna yakin yén jaringan kedah dianggo kawas web, teu kawas hirarki a. Ieu kasus dina tahap awal ngembangkeun jaringan. Nanging, nalika Internét tumbuh, strukturna janten terpusat pikeun sababaraha alesan. Tétéla yén aksés ka jaringan pikeun sakabéh nagara bisa gampang diblokir kalayan bantuan ngan sababaraha panyadia. Sareng data pangguna parantos janten sumber kakuatan sareng panghasilan pikeun perusahaan Internét.

"Internet parantos desentralisasi," saur Burners-Lee. "Masalahna nyaéta hiji mesin pencari, hiji jaringan sosial ageung, hiji platform microblogging ngadominasi. Kami henteu ngagaduhan masalah téknologi, tapi kami ngagaduhan masalah sosial.

Di na surat kabuka Pikeun ulang taun ka-30 World Wide Web, panyipta Wéb ngajelaskeun tilu masalah utama Internét:

1. Sasaran cilaka sapertos hacking anu disponsoran nagara, kajahatan, sareng pelecehan online
2. Desain sistem pisan, anu, anu ngarugikeun pangguna, nyiptakeun dasar pikeun mékanisme sapertos: insentif kauangan pikeun clickbait sareng panyebaran inpormasi palsu.
3. Balukar anu teu dihaja tina desain sistem anu nyababkeun konflik sareng ngirangan kualitas diskusi online

Sareng Tim Berners-Lee parantos ngagaduhan jawaban kana prinsip naon anu tiasa didasarkeun ku "Internet Jalma Sehat", tanpa masalah nomer 2: "Kanggo seueur pangguna, panghasilan iklan tetep hiji-hijina modél pikeun berinteraksi sareng Internét. Malah lamun jalma anu sieun ngeunaan naon kajadian ka data maranéhanana, aranjeunna daék nyieun deal jeung mesin pamasaran pikeun kasempetan pikeun nampa eusi haratis. Bayangkeun dunya dimana mayar barang sareng jasa gampang sareng pikaresepeun pikeun dua pihak. Diantara pilihan pikeun kumaha ieu bisa diatur: musisi bisa ngajual rekaman maranéhanana tanpa perantara dina bentuk iTunes, sarta situs warta bisa ngagunakeun sistem micropayments pikeun maca hiji artikel, tinimbang nyieun duit tina iklan.

Salaku prototipe ékspérimén pikeun Internét énggal ieu, Tim Berners-Lee ngaluncurkeun proyék SOLID, hakekatna nyaéta anjeun nyimpen data anjeun dina "pod" - toko inpormasi, sareng tiasa nyayogikeun data ieu ka aplikasi pihak katilu. Tapi prinsipna, anjeun sorangan anu master data anjeun. Sadaya ieu raket patalina sareng konsép jaringan peer-to-peer, nyaéta, komputer anjeun henteu ngan ukur nyuhunkeun jasa, tapi ogé nyayogikeunana, supados henteu ngandelkeun hiji server salaku hiji-hijina saluran.

sumber

5.2. Organisasi Otonom Desentralisasi

Ieu mangrupikeun organisasi anu diatur ku aturan anu ditulis dina bentuk program komputer. kagiatan finansial na dumasar kana blockchain nu. Tujuan nyiptakeun organisasi sapertos kitu nyaéta pikeun ngaleungitkeun nagara tina peran perantara sareng nyiptakeun lingkungan anu dipercaya pikeun mitra, anu henteu dipiboga ku saha waé, tapi milik sadayana babarengan. Hartina, dina tiori, ieu kudu, lamun ide nyokot akar, mupuskeun notaries jeung lembaga verifikasi dawam séjén.

Conto anu paling kasohor dina organisasi sapertos kitu nyaéta DAO anu fokus kana usaha, anu ngangkat $ 2016 juta di 150, dimana $ 50 langsung dipaling ngaliwatan liang hukum dina aturan. Kantun sesah langsung timbul: boh gulung deui sareng ngabalikeun artos, atanapi ngaku yén ditarikna artos sah, sabab éta henteu ngalanggar aturan platform. Hasilna, pikeun ngabalikeun artos ka investor, panyipta kedah ngancurkeun The DAO, nyerat deui blockchain sareng ngalanggar prinsip dasarna - immutability.

Komik ngeunaan Ethereum (kénca) sareng The DAO (katuhu). sumber

Sakabeh carita ieu ngarusak reputasi ide DAO. Proyék éta dijieun dina dasar cryptocurrency Ethereum, versi éter 2.0 diperkirakeun taun hareup - meureun pangarang (kaasup kawentar Vitalik Buterin) bakal tumut kana akun kasalahan sarta nembongkeun hal anyar. Éta meureun naha Gartner nempatkeun DAO on upline nu.

5.3.Data Sintétik

Pikeun ngalatih jaringan saraf, jumlah data anu ageung diperyogikeun. Labeling data sacara manual mangrupikeun tugas anu ageung anu ngan ukur tiasa dilakukeun ku manusa. Ku alatan éta, kasebut nyaéta dimungkinkeun pikeun nyieun susunan data jieunan. Contona, kumpulan sarua beungeut manusa dina loka https://generated.photos. Éta didamel nganggo GAN - algoritma anu parantos disebatkeun di luhur.

Beungeut ieu sanés milik jalma. sumber

Kauntungan gedé tina data sapertos kitu nyaéta teu aya kasusah hukum dina ngagunakeunana: teu aya anu masihan idin pikeun ngolah data pribadi.

5.4. Operasi Digital

Sufiks "Ops" parantos janten modéren saprak DevOps ngakar dina pidato urang. Ayeuna ngeunaan naon DigitalOps - éta ngan generalisasi tina DevOps, DesignOps, MarketingOps ... Dupi anjeun bosen acan? Pondokna, éta mangrupikeun transfer pendekatan DevOps tina daérah parangkat lunak ka sadaya aspék bisnis anu sanés - pamasaran, desain, jsb.

sumber

Gagasan DevOps nyaéta pikeun ngaleungitkeun halangan antara Pangembangan sorangan sareng Operasi (prosés bisnis), ngalangkungan nyiptakeun tim umum, dimana aya programer, tester, spesialis kaamanan, sareng pangurus; palaksanaan prakték tangtu: integrasi kontinyu, infrastruktur salaku kode, réduksi jeung strengthening ranté eupan balik. Tujuanana nyaéta pikeun nyepetkeun waktos produk ka pasar. Upami anjeun panginten ieu sami sareng Agile, anjeun leres. Ayeuna sacara mental mindahkeun pendekatan ieu tina widang pamekaran parangkat lunak ka pamekaran sacara umum - sareng anjeun ngartos naon DigitalOps.

5.5. Grafik pangaweruh

Cara parangkat lunak pikeun modél daérah pangaweruh, kalebet ngagunakeun algoritma pembelajaran mesin. Grafik pangaweruh diwangun dina luhureun basis data anu aya pikeun ngaitkeun sadaya inpormasi: duanana terstruktur (daptar kajadian atanapi jalma) sareng henteu terstruktur (téks artikel).

Conto pangbasajanna nyaéta kartu anu anjeun tiasa tingali dina hasil pamilarian Google. Upami anjeun milarian jalma atanapi lembaga, anjeun bakal ningali kartu di sisi katuhu:


Punten dicatet yén "Acara anu bakal datang" sanés salinan inpormasi tina Google Maps, tapi integrasi jadwal sareng Yandex.Afisha: anjeun tiasa kalayan gampang ningali ieu upami anjeun ngaklik acara. Hartina, nya éta gabungan sababaraha sumber data babarengan.

Upami anjeun naroskeun daptar - contona, "direktur anu kasohor" - anjeun bakal ditingalikeun carousel:

Bonus pikeun jalma anu maca nepi ka ahir

Jeung ayeuna urang geus netelakeun keur diri sorangan harti unggal titik, urang bisa nempo gambar sarua, tapi dina basa Rusia:

Bagikeun sacara bébas dina jaringan sosial!

Tatyana Volkova - Panulis program pelatihan pikeun Internet of Things IT track di Samsung Academy, spesialis dina program tanggung jawab sosial perusahaan di Samsung Research Center


sumber: www.habr.com