Chati ya Gartner ni kama onyesho la mtindo wa hali ya juu kwa wale walio katika tasnia ya teknolojia. Kwa kuiangalia, unaweza kujua mapema ni maneno gani ambayo yanasisitizwa zaidi msimu huu na ni nini utasikia katika mikutano yote ijayo.

Tumegundua kilicho nyuma ya maneno mazuri kwenye grafu hii ili uweze kuzungumza lugha hiyo pia.

Kuanza, maneno machache tu kuhusu ni aina gani ya grafu hii. Kila mwaka mnamo Agosti, wakala wa ushauri wa Gartner hutoa ripoti - Gartner Hype Curve. Kwa Kirusi, hii ni "hype curve," au, kwa urahisi zaidi, hype. Miaka 30 iliyopita, rappers kutoka kundi la Public Enemy waliimba: “Usiamini uvumi huo.” Amini usiamini, ni swali la kibinafsi, lakini inafaa kujua maneno haya muhimu ikiwa unafanya kazi katika uwanja wa teknolojia na unataka kujua mitindo ya kimataifa.

Hii ni grafu ya matarajio ya umma kutoka kwa teknolojia fulani. Kulingana na Gartner, kwa hakika, teknolojia inapitia hatua 5: uzinduzi wa teknolojia, kilele cha matarajio yaliyoongezeka, bonde la kukata tamaa, mteremko wa kutaalamika, uwanda wa tija. Lakini pia hufanyika kwamba inazama kwenye "bonde la tamaa" - unaweza kukumbuka mifano mwenyewe kwa urahisi sana, chukua bitcoins zile zile: mwanzoni wakipiga kilele kama "fedha ya siku zijazo", waliteleza haraka wakati mapungufu ya teknolojia. ikawa dhahiri, kwanza ya vikwazo vyote juu ya idadi ya shughuli na kiasi kikubwa cha umeme kinachohitajika kuzalisha bitcoins (ambayo tayari ina matatizo ya mazingira). Na kwa kweli, hatupaswi kusahau kwamba chati ya Gartner ni utabiri tu: hapa, kwa mfano, unaweza kusoma maelezo ya kina. nakala, ambapo utabiri wa kuvutia zaidi ambao haujatimizwa hupangwa.

Kwa hivyo, wacha tupitie chati mpya ya Gartner. Teknolojia imegawanywa katika vikundi 5 vikubwa vya mada:

1. AI ya hali ya juu na Uchanganuzi
2. Komputa ya Postclassical na Comms
3. Kuhisi na Uhamaji
4. Binadamu Aliyeongezeka
5. Mifumo ya Dijitali

1. Advanced AI na Analytics

Katika miaka 10 iliyopita tumeona saa bora zaidi ya kujifunza kwa kina. Mitandao hii ni nzuri kweli kwa anuwai ya majukumu. Mnamo mwaka wa 2018, Yann LeCun, Geoffrey Hinton na Yoshua Bengio walipokea Tuzo ya Turing kwa uvumbuzi wao - tuzo ya kifahari zaidi, inayofanana na Tuzo la Nobel katika sayansi ya kompyuta. Kwa hivyo, mwelekeo kuu katika eneo hili, ambao umeonyeshwa kwenye chati:

1.1. Kuhamisha Mafunzo

Hufunzi mtandao wa neva kuanzia mwanzo, lakini chukua ule ambao tayari umefunzwa na kuukabidhi lengo tofauti. Wakati mwingine hii inahitaji retraining sehemu ya mtandao, lakini si mtandao mzima, ambayo ni kwa kasi zaidi. Kwa mfano, ukichukua mtandao wa neva uliotengenezwa tayari wa ResNet50, uliofunzwa kwenye hifadhidata ya ImageNet1000, utapata algoriti inayoweza kuainisha vitu vingi tofauti kwenye picha katika kiwango cha kina sana (madarasa 1000 kulingana na vipengele vinavyotokana na tabaka 50 za neva. mtandao). Lakini sio lazima ufunze mtandao huo wote, ambayo inaweza kuchukua miezi kadhaa.

В kozi ya mtandaoni Samsung "Mitandao ya Neural na maono ya kompyuta", kwa mfano, katika fainali Kazi ya Kaggle na uainishaji wa sahani kuwa safi na chafu, mbinu inaonyeshwa kuwa katika dakika 5 inakupa mtandao wa kina wa neural unaoweza kutofautisha sahani chafu kutoka kwa safi, iliyojengwa kulingana na usanifu ulioelezwa hapo juu. Mtandao wa asili haukujua ni sahani gani kabisa, ilijifunza tu kutofautisha ndege kutoka kwa mbwa (tazama ImageNet).

Chanzo: kozi ya mtandaoni Samsung "Mitandao ya Neural na maono ya kompyuta"

Kwa Mafunzo ya Kuhamisha unahitaji kujua ni mbinu gani zinazofanya kazi na ni usanifu gani wa kimsingi uliotengenezwa tayari unapatikana. Kwa ujumla, hii inaharakisha sana kuibuka kwa matumizi ya vitendo ya kujifunza kwa mashine.

1.2. Mitandao ya Uzalishaji ya Adversarial (GAN)

Hii ni kwa kesi hizo wakati ni vigumu sana kwetu kuunda lengo la kujifunza. Kadiri kazi inavyokaribia maisha halisi, ndivyo inavyoeleweka zaidi kwetu ("leta meza ya kando ya kitanda"), lakini ni ngumu zaidi kuiunda kama kazi ya kiufundi. GAN ni jaribio la kutuokoa kutokana na tatizo hili.

Kuna mitandao miwili inayofanya kazi hapa: moja ni jenereta (Generative), nyingine ni kibaguzi (Adversarial). Mtandao mmoja hujifunza kufanya kazi muhimu (kuainisha picha, kutambua sauti, kuchora katuni). Na mtandao mwingine hujifunza kufundisha mtandao huo: una mifano halisi, na hujifunza kupata fomula ngumu isiyojulikana hapo awali ya kulinganisha bidhaa za sehemu inayozalisha ya mtandao na vitu vya ulimwengu halisi (seti ya mafunzo) kulingana na sifa muhimu za kina. : idadi ya macho, ukaribu wa mtindo wa Miyazaki, matamshi sahihi ya Kiingereza.

Mfano wa matokeo ya mtandao wa kutengeneza wahusika wa anime. Chanzo

Lakini, bila shaka, ni vigumu kujenga usanifu huko. Haitoshi tu kutupa neurons, wanahitaji kuwa tayari. Na lazima usome kwa wiki. Wenzangu katika Kituo cha Ujasusi Bandia cha Samsung wanafanyia kazi mada ya GAN; hili ni mojawapo ya maswali yao muhimu ya utafiti. Kwa mfano, kama hii maendeleo: kutumia mitandao ya kuzalisha ili kuunganisha picha halisi za watu wenye misimamo tofauti - kwa mfano, kuunda chumba cha kufaa cha mtandaoni, au kuunganisha uso, ambayo inaweza kupunguza kiasi cha taarifa zinazohitajika kuhifadhiwa au kutumwa ili kuhakikisha video ya ubora wa juu. mawasiliano, utangazaji au ulinzi wa data binafsi.

Chanzo

1.3. AI inayoeleweka

Kwa baadhi ya kazi adimu, maendeleo katika usanifu wa kina ghafla yameleta uwezo wa mitandao ya kina ya neva karibu na uwezo wa binadamu. Sasa vita vinaendelea kuongeza anuwai ya kazi kama hizo. Kwa mfano, kisafisha utupu cha roboti kinaweza kutofautisha paka na mbwa kwa urahisi katika mkutano wa ana kwa ana. Lakini katika hali nyingi za maisha, hataweza kupata paka amelala kati ya kitani au fanicha (hata hivyo, kama sisi, katika hali nyingi ...).

Ni nini sababu ya mafanikio ya mitandao ya kina ya neural? Wanaendeleza uwakilishi wa tatizo kulingana na si habari "inayoonekana kwa jicho la uchi" (pikseli za picha, mabadiliko ya kiasi cha sauti ...), lakini kwa vipengele vilivyopatikana baada ya kusindika habari hii na tabaka mia kadhaa za mtandao wa neva. Kwa bahati mbaya, mahusiano haya yanaweza pia kutokuwa na maana, kutofautiana, au kubeba athari za dosari katika seti asili ya data. Kwa mfano, kuna mchezo mdogo wa kompyuta kuhusu nini matumizi yasiyo ya kufikiri ya AI katika kuajiri yanaweza kusababisha Uhai wa Kifaa Bora.

Mfumo wa kuweka alama za picha uliweka jina la mtu anayepika kama mwanamke, ingawa mtu kwenye picha ni mwanamume (Chanzo) hiyo niliona katika Taasisi ya Virginia.

Ili kuchanganua uhusiano mgumu na wa kina ambao mara nyingi hatuwezi kuunda wenyewe, Njia za AI zinazoelezewa zinahitajika. Wanapanga vipengele vya mitandao ya kina ya neva ili baada ya mafunzo, tunaweza kuchanganua uwakilishi wa ndani ambao mtandao umejifunza, badala ya kutegemea tu uamuzi wake.

1.4. Edge Analytics / AI

Kila kitu kilicho na neno Edge kinamaanisha yafuatayo: kuhamisha sehemu ya algoriti kutoka kwa wingu/seva hadi kiwango cha mwisho cha kifaa/lango. Algorithm kama hiyo itafanya kazi haraka na haitahitaji unganisho kwa seva kuu kwa uendeshaji wake. Ikiwa unajua uondoaji wa "mteja mwembamba," basi hapa tunafanya mteja huyu kuwa mzito kidogo.
Hii inaweza kuwa muhimu kwa Mtandao wa Mambo. Kwa mfano, ikiwa mashine imejaa joto na inahitaji baridi, ni mantiki kuashiria hii mara moja, kwenye kiwango cha mmea, bila kusubiri data kwenda kwenye wingu na kutoka huko hadi kwa msimamizi wa mabadiliko. Au mfano mwingine: magari ya kujiendesha yanaweza kujua hali ya trafiki peke yao, bila kuwasiliana na seva kuu.

Chanzo

Au mfano mwingine wa kwa nini hii ni muhimu kutoka kwa mtazamo wa usalama: unapoandika maandishi kwenye simu yako, inakumbuka maneno ambayo ni ya kawaida kwako, ili baadaye kibodi ya simu iweze kukuhimiza kwa urahisi - hii inaitwa utabiri. uingizaji wa maandishi. Kutuma kila kitu unachoandika kwenye kibodi yako kwenye kituo cha data mahali fulani kunaweza kuwa ukiukaji wa faragha yako na sio salama. Kwa hiyo, mafunzo ya kibodi hutokea tu ndani ya kifaa chako yenyewe.

1.5. Jukwaa la AI kama Huduma (AI PaaS)

PaaS - Platform-as-a-Service ni muundo wa biashara ambapo tunapata ufikiaji wa jukwaa jumuishi, ikijumuisha uhifadhi wake wa data unaotegemea wingu na taratibu zilizotengenezwa tayari. Kwa njia hii, tunaweza kujikomboa kutoka kwa kazi za miundombinu na kujikita kikamilifu katika kutoa kitu muhimu. Mfano wa majukwaa ya PaaS kwa kazi za AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Kujifunza kwa Mashine Inayojirekebisha (Adaptive ML)

Je, ikiwa tutaruhusu akili ya bandia kukabiliana ... Unauliza - yaani, jinsi gani? .. Je, si tayari kukabiliana na kazi? Shida ni hii: tunapanga kila shida kama hii kwa uchungu kabla ya kuunda algoriti ya kijasusi ya kusuluhisha. Watakujibu - zinageuka kuwa mnyororo huu unaweza kurahisishwa.

Kujifunza kwa mashine ya kawaida hufanya kazi kwa kanuni ya kitanzi wazi: unatayarisha data, unakuja na mtandao wa neva (au kitu chochote), treni, kisha uangalie viashiria kadhaa, na ikiwa unapenda kila kitu, unaweza kutuma mtandao wa neural kwa simu mahiri. - kutatua matatizo ya mtumiaji. Lakini katika maombi ambapo kuna data nyingi na asili yake hubadilika hatua kwa hatua, njia nyingine zinahitajika. Mifumo kama hiyo, ambayo inabadilika na kujifundisha yenyewe, imepangwa kwa vitanzi vilivyofungwa, vya kujifunzia (kitanzi kilichofungwa), na lazima kifanye kazi vizuri.

Maombi - hii inaweza kuwa uchanganuzi wa mtiririko (Uchanganuzi wa Mipasho), kwa msingi ambao wafanyabiashara wengi hufanya maamuzi, au usimamizi wa uzalishaji unaobadilika. Katika kiwango cha matumizi ya sasa na kwa kuzingatia hatari zinazoeleweka vyema kwa wanadamu, mbinu zinazounda suluhisho la tatizo hili zote zinakusanywa chini ya neno mwavuli AI ya Adaptive.

Chanzo

Kuangalia picha hii, ni vigumu kuondokana na hisia kwamba hawalishi mkate wa futurologists - waache wafundishe robot kupumua ...

Komputa ya Postclassical na Comms

2.1. Mawasiliano ya simu ya kizazi cha tano (5G)

Hii ni mada ya kupendeza ambayo tunakuelekeza mara moja kwa yetu Ibara ya. Naam, hapa kuna muhtasari mfupi. 5G, kwa kuongeza kasi ya utumaji data, itafanya kasi ya mtandao kuwa ya haraka isivyo kawaida. Ni vigumu zaidi kwa mawimbi mafupi kupitisha vikwazo, hivyo kubuni ya mitandao itakuwa tofauti kabisa: mara 500 vituo vya msingi zaidi vinahitajika.

Pamoja na kasi, tutapata matukio mapya: michezo ya muda halisi na ukweli uliodhabitiwa, kufanya kazi ngumu (kama vile upasuaji) kupitia telepresence, kuzuia ajali na hali ngumu barabarani kupitia mawasiliano kati ya mashine. Kwa dokezo la kina zaidi: Mtandao wa simu hatimaye utaacha kushuka wakati wa matukio mengi, kama vile mechi kwenye uwanja.

Chanzo cha picha - Reuters, Niantic

2.2. Kumbukumbu ya Kizazi Kijacho

Hapa tunazungumza juu ya kizazi cha tano cha RAM - DDR5. Samsung ilitangaza kuwa bidhaa za DDR2019 zitapatikana mwishoni mwa 5. Inatarajiwa kwamba kumbukumbu mpya itakuwa ya haraka na mara mbili ya uwezo wakati wa kudumisha fomu sawa, yaani, tutaweza kupata vijiti vya kumbukumbu na uwezo wa hadi 32GB kwa kompyuta yetu. Katika siku zijazo, hii itakuwa muhimu sana kwa simu mahiri (kumbukumbu mpya itakuwa katika toleo la nguvu ndogo) na kwa kompyuta ndogo (ambapo idadi ya nafasi za DIMM ni mdogo). Na kujifunza kwa mashine pia kunahitaji kiasi kikubwa cha RAM.

2.3. Mifumo ya Satelaiti ya Obiti ya Chini ya Dunia

Wazo la kuchukua nafasi ya satelaiti nzito, za gharama kubwa na zenye nguvu na kundi la ndogo na za bei nafuu ni mbali na mpya na zilionekana nyuma katika miaka ya 90. Kuhusu nini "Elon Musk hivi karibuni atasambaza mtandao kwa kila mtu kutoka kwa satelaiti" Sasa ni wavivu tu hawajasikia. Kampuni maarufu zaidi hapa ni Iridium, ambayo ilifilisika mwishoni mwa miaka ya 90, lakini iliokolewa kwa gharama ya Idara ya Ulinzi ya Marekani (sio kuchanganyikiwa na iRidium, mfumo wa nyumbani wa Kirusi wa smart). Mradi wa Elon Musk (Starlink) uko mbali na ule pekee - Richard Branson (OneWeb - 1440 satelaiti zilizopendekezwa), Boeing (satelaiti 3000), Samsung (satelaiti 4600), na wengine wanashiriki katika mbio za satelaiti.

Jinsi mambo yanavyosimama katika eneo hili, jinsi uchumi unavyoonekana huko - soma ndani hakiki. Na tunasubiri majaribio ya kwanza ya mifumo hii na watumiaji wa kwanza, ambayo inapaswa kufanyika mwaka ujao.

2.4. Uchapishaji wa Nanoscale 3D

Uchapishaji wa 3D, ingawa haujaingia katika maisha ya kila mtu (kwa namna iliyoahidiwa na kiwanda cha plastiki cha nyumbani), hata hivyo kwa muda mrefu umeacha niche ya teknolojia kwa geeks. Unaweza kuhukumu kwa ukweli kwamba kila mtoto wa shule anajua kuhusu kuwepo kwa angalau kalamu za 3D zilizochongwa, na wengi wanaota ndoto ya kununua sanduku na wakimbiaji na extruder kwa ... "kama hivyo" (au tayari wameinunua).

Stereolithography (vichapishaji vya laser 3D) huruhusu uchapishaji na fotoni mahususi: polima mpya zinachunguzwa ambazo zinahitaji fotoni mbili pekee ili kuimarika. Hii itaruhusu, katika hali zisizo za maabara, kuunda filters mpya kabisa, milima, chemchemi, capillaries, lenses na ... chaguzi zako katika maoni! Na hapa si mbali na photopolymerization - teknolojia hii tu inaruhusu sisi "kuchapisha" wasindikaji na nyaya za kompyuta. Kwa kuongezea, huu sio mwaka wa kwanza kuwapo teknolojia ya uchapishaji graphene 500 nm miundo tatu-dimensional, lakini bila maendeleo makubwa.

Chanzo

3. Kuhisi na Uhamaji

3.1. Kiwango cha 4 & 5 cha Uendeshaji Kinachojitegemea

Ili kutochanganyikiwa katika istilahi, inafaa kuelewa ni viwango gani vya uhuru vinatofautishwa (kuchukuliwa kutoka kwa kina. nakala, ambayo tunarejelea wote wanaopenda):

Kiwango cha 1: Udhibiti wa cruise: humsaidia dereva katika hali chache sana (kwa mfano, kushikilia gari kwa kasi fulani baada ya dereva kuondoa mguu wake kwenye kanyagio)
Kiwango cha 2: Usaidizi mdogo wa uendeshaji na breki. Dereva lazima awe tayari kuchukua udhibiti karibu mara moja. Mikono yake iko kwenye usukani, macho yake yameelekezwa barabarani. Hiki ni kitu ambacho Tesla na General Motors tayari wanayo.
Kiwango cha 3: Dereva hahitaji tena kutazama barabara kila wakati. Lakini lazima abaki macho na kuwa tayari kuchukua udhibiti. Hiki ni kitu ambacho magari yanayopatikana kibiashara bado hayana. Zote zilizopo kwa sasa ziko katika kiwango cha 1-2.
Kiwango cha 4: Uendeshaji wa kweli, lakini kwa vikwazo: safari tu katika eneo linalojulikana ambalo limepangwa kwa uangalifu na kwa ujumla linajulikana kwa mfumo, na chini ya hali fulani: kwa mfano, kwa kutokuwepo kwa theluji. Waymo na General Motors wana prototypes kama hizo, na wanapanga kuzizindua katika miji kadhaa na kuzijaribu katika mazingira halisi. Yandex ina kanda za majaribio kwa teksi zisizo na mtu huko Skolkovo na Innopolis: safari hufanyika chini ya usimamizi wa mhandisi aliyeketi kiti cha abiria; ifikapo mwisho wa mwaka, kampuni inapanga kupanua meli zake hadi magari 100 yasiyo na rubani.
Kiwango cha 5: Uendeshaji kamili wa kiotomatiki, uingizwaji kamili wa dereva wa moja kwa moja. Mifumo kama hiyo haipo, na haiwezekani kuonekana katika miaka ijayo.

Je, ni kweli jinsi gani kuona haya yote katika siku zijazo zinazoonekana? Hapa ningependa kuelekeza msomaji kwenye makala "Kwa nini haiwezekani kuzindua robotaxi ifikapo 2020, kama Tesla anavyoahidi". Hii ni kwa sababu ya ukosefu wa muunganisho wa 5G: kasi inayopatikana ya 4G haitoshi. Sehemu kwa sababu ya gharama kubwa sana ya magari ya uhuru: bado hayana faida, mtindo wa biashara haueleweki. Kwa neno moja, "kila kitu ni ngumu" hapa, na sio bahati mbaya kwamba Gartner anaandika kwamba utabiri wa utekelezaji wa wingi wa Ngazi 4 na 5 sio mapema kuliko katika miaka 10.

3.2. Kamera za 3D za Kuhisi

Miaka minane iliyopita, kidhibiti cha michezo ya kubahatisha cha Microsoft cha Kinect kilifanya mawimbi kwa kutoa suluhu inayoweza kufikiwa na ya bei nafuu kwa maono ya 3D. Tangu wakati huo, michezo ya elimu ya viungo na dansi na Kinect imepata kupanda na kushuka kwa muda mfupi, lakini kamera za 3D zilianza kutumika katika roboti za viwandani, magari yasiyo na rubani, na simu za rununu kwa utambulisho wa uso. Teknolojia imekuwa ya bei nafuu, ngumu zaidi na inapatikana zaidi.

Simu ya Samsung S10 ina kamera ya Muda wa Ndege ambayo hupima umbali wa kitu ili kurahisisha umakini. Chanzo

Ikiwa una nia ya mada hii, basi tutakuelekeza kwenye uhakiki mzuri wa kina wa kamera za kina: Siku ya 1, Siku ya 2.

3.3. Ndege zisizo na rubani za kupeleka shehena ndogo (Drones za Usafirishaji Mizigo Nyepesi)

Mwaka huu, Amazon ilifanya mawimbi wakati ilionyesha ndege mpya isiyo na rubani kwenye maonyesho ambayo inaweza kubeba mizigo midogo ya hadi kilo 2. Kwa jiji lililo na msongamano wa magari, hii inaonekana kama suluhisho bora. Wacha tuone jinsi drones hizi zinavyofanya kazi katika siku za usoni. Labda inafaa kuwa na mashaka kwa uangalifu hapa: kuna shida nyingi, kuanzia na uwezekano wa wizi rahisi wa drone, na kuishia na vizuizi vya kisheria kwenye UAV. Amazon Prime Air imekuwapo kwa miaka sita lakini bado iko katika hatua ya majaribio.

Ndege mpya isiyo na rubani ya Amazon, iliyoonyeshwa msimu huu wa kuchipua. Kuna kitu Star Wars juu yake. Chanzo

Mbali na Amazon, kuna wachezaji wengine kwenye soko hili (kuna maelezo ya kina hakiki), lakini sio bidhaa moja iliyokamilishwa: kila kitu kiko katika hatua ya majaribio na kampeni za uuzaji. Kando, inafaa kuzingatia matibabu maalum ya kuvutia sana miradi barani Afrika: utoaji wa damu iliyotolewa nchini Ghana (14 wanaojifungua, kampuni ya Zipline) na Rwanda (kampuni ya Matternet).

3.4. Magari ya Kuruka yanayojiendesha

Ni ngumu kusema chochote cha uhakika hapa. Kulingana na Gartner, hii haitaonekana mapema zaidi ya miaka 10. Kwa ujumla, kuna shida zote hapa kama katika magari ya kujiendesha, tu wanapata mwelekeo mpya - wima. Porsche, Boeing na Uber wametangaza nia yao ya kuunda teksi inayoruka.

3.5. Augmented Reality Cloud (AR Cloud)

Nakala ya kudumu ya kidijitali ya ulimwengu halisi, inayokuruhusu kuunda safu mpya ya ukweli inayojulikana kwa watumiaji wote. Kwa maneno ya kiufundi zaidi, tunazungumza kuhusu kutengeneza jukwaa la wingu wazi ambalo wasanidi wanaweza kuunganisha programu zao za Uhalisia Pepe. Mfano wa uchumaji wa mapato ni wazi; ni aina ya analog ya Steam. Wazo limeimarishwa sana hivi kwamba wengine sasa wanaamini kuwa AR bila wingu haina maana.

Jinsi hii inaweza kuonekana katika siku zijazo inaonyeshwa kwenye video fupi. Inaonekana kama kipindi kingine cha Black Mirror:

Unaweza pia kusoma kwa hakiki makala.

4. Mwanadamu aliyeongezeka

4.1. Hisia AI

Jinsi ya kupima, kuiga na kujibu hisia za binadamu? Baadhi ya wateja hapa ni kampuni zinazotengeneza wasaidizi wa sauti kama Amazon Alexa. Wanaweza kuzoea nyumba ikiwa watajifunza kutambua hali: kuelewa sababu ya kutoridhika kwa mtumiaji, na kujaribu kurekebisha hali hiyo. Kwa ujumla, kuna habari nyingi zaidi katika muktadha kuliko katika ujumbe wenyewe. Na muktadha ni sura ya uso, kiimbo, na tabia isiyo ya maneno.

Matumizi mengine ya vitendo: uchambuzi wa hisia wakati wa mahojiano ya kazi (kulingana na mahojiano ya video), kutathmini athari kwa matangazo ya biashara au maudhui mengine ya video (tabasamu, kicheko), usaidizi katika kujifunza (kwa mfano, kwa mazoezi ya kujitegemea katika sanaa ya kuzungumza kwa umma).

Ni vigumu kuzungumza vizuri zaidi juu ya mada hii kuliko mwandishi wa filamu fupi ya dakika 6 Kuiba Hisia Yako. Video ya kuvutia na maridadi inaonyesha jinsi unavyoweza kupima hisia zetu kwa madhumuni ya uuzaji, na kutokana na miitikio ya muda ya uso wako, gundua kama unapenda pizza, mbwa, Kanye West, na hata kiwango cha mapato yako na IQ ya takriban ni. Kwa kutembelea tovuti ya filamu kwa kutumia kiungo kilicho hapo juu, unakuwa mshiriki katika video shirikishi ukitumia kamera iliyojengewa ndani ya kompyuta yako ya mkononi. Filamu hiyo tayari imeonyeshwa kwenye tamasha kadhaa za filamu.

Chanzo

Kuna somo la kupendeza kama hilo: jinsi ya kutambua kejeli katika maandishi. Tulichukua tweets zenye hashtag #kejeli na kutengeneza seti ya mafunzo ya tweets 25 zenye kejeli na tweets 000 za kawaida kuhusu kila kitu chini ya jua. Tulitumia maktaba ya TensorFlow, tukafunza mfumo, na haya ndio matokeo:

Chanzo

Kwa hivyo, sasa, ikiwa huna uhakika juu ya mwenzako au rafiki - alikuambia kitu kwa uzito au kwa kejeli, unaweza tayari kutumia. mtandao wa neva uliofunzwa!

4.2. Augmented Intelligence

Uendeshaji otomatiki wa kazi ya kiakili kwa kutumia njia za mashine za kujifunza. Inaweza kuonekana kama hakuna jipya? Lakini maneno yenyewe ni muhimu hapa, hasa kwa vile yanapatana kwa ufupisho na Akili ya Artificial. Hii inaturudisha kwenye mjadala kuhusu AI "yenye nguvu" na "dhaifu".
AI yenye nguvu ni akili ya bandia sawa na filamu za kisayansi za uongo ambazo ni sawa kabisa na akili ya binadamu na inajitambua kama mtu binafsi. Hii haipo bado na haijulikani ikiwa itakuwepo kabisa.

AI dhaifu sio mtu huru, lakini msaidizi wa kibinadamu. Hadai kuwa na mawazo ya kibinadamu, lakini anajua tu jinsi ya kutatua matatizo ya habari, kwa mfano, kuamua kile kinachoonyeshwa kwenye picha au kutafsiri maandishi.

Chanzo

Kwa maana hii, Augmented Intelligence ni "AI dhaifu" katika hali yake safi, na uundaji unaonekana kufanikiwa, kwani hauleti machafuko na majaribu ya kuona hapa "AI yenye nguvu" ambayo kila mtu huota (au anaogopa, ikiwa kumbuka mijadala mingi kuhusu "magari ya waasi"). Kwa kutumia usemi wa Akili Iliyoongezeka, mara moja tunakuwa mashujaa wa filamu nyingine: kutoka kwa hadithi za kisayansi (kama "I, Robot" ya Asimov) tunajikuta kwenye cyberpunk ("augmentations" katika aina hii ni kila aina ya vipandikizi vinavyopanua uwezo wa binadamu).

Kama sema Erik Brynjolfsson na Andrew McAffee: “Katika kipindi cha miaka 10 ijayo, hiki ndicho kitakachotokea. AI haitabadilisha wasimamizi, lakini wale wasimamizi wanaotumia AI watachukua nafasi ya wale ambao bado hawajafanikiwa.

Mifano:

• Dawa: Chuo Kikuu cha Stanford kilitengenezwa algorithm, ambaye anakabiliana na kazi ya kutambua patholojia kwenye X-rays ya kifua kwa wastani kwa mafanikio kama madaktari wengi
• Elimu: msaada kwa wanafunzi na walimu, uchambuzi wa majibu ya wanafunzi kwa nyenzo, ujenzi wa trajectory ya kujifunza ya mtu binafsi.
• Uchanganuzi wa biashara: usindikaji wa data, kulingana na takwimu, huchukua 80% ya wakati wa mtafiti, na 20% tu ya jaribio lenyewe.

4.3. Biochips

Haya ndiyo mandhari yanayopendwa zaidi ya filamu na vitabu vyote vya cyberpunk. Kwa ujumla, kipenzi cha microchipping sio mazoezi mapya. Lakini sasa chips hizi zimeanza kupandikizwa kwa watu.

Katika kesi hiyo, hype ina uwezekano mkubwa wa kuhusishwa na kesi ya kusisimua katika kampuni ya Marekani ya Three Square Market. Huko, mwajiri alianza kujitolea kupandikiza chips chini ya ngozi badala ya ada. Chip inakuwezesha kufungua milango, kuingia kwenye kompyuta, kununua vitafunio kutoka kwa mashine ya kuuza - yaani, kadi ya mfanyakazi wa ulimwengu wote. Kwa kuongezea, chip kama hicho hutumika kama kadi ya kitambulisho; haina moduli ya GPS, kwa hivyo haiwezekani kufuatilia mtu yeyote anayeitumia. Na ikiwa mtu anataka kuondoa chip kutoka kwa mkono wake, inachukua dakika 5 kwa msaada wa daktari.

Chips kawaida hupandikizwa kati ya kidole gumba na kidole cha shahada. Chanzo

Soma zaidi nakala kuhusu hali ya mambo na chipping duniani.

4.4. Nafasi ya Kazi Inayozama

"Immersive" ni neno lingine jipya ambalo halina njia ya kuepuka. Ni kila mahali. Ukumbi wa michezo wa kuzama, maonyesho, sinema. Unamaanisha nini? Kuzamisha ni uundaji wa athari ya kuzamisha, wakati mpaka kati ya mwandishi na mtazamaji, ulimwengu wa kweli na wa kweli unapotea. Katika mahali pa kazi, labda, hii inamaanisha kutia ukungu kati ya mtendaji na mwanzilishi na kuwahimiza wafanyikazi kuchukua nafasi amilifu zaidi kupitia kurekebisha mazingira yao.

Kwa kuwa sasa tuna Agile, kubadilika, na ushirikiano wa karibu kila mahali, maeneo ya kazi yanapaswa kusanidiwa kwa urahisi iwezekanavyo na yanapaswa kuhimiza kazi ya kikundi. Uchumi unaamuru masharti yake: kuna wafanyikazi zaidi wa muda, gharama ya kukodisha nafasi ya ofisi inaongezeka, na katika soko la ushindani la wafanyikazi, kampuni za IT zinajaribu kuongeza kuridhika kwa wafanyikazi kutoka kwa kazi kwa kuunda maeneo ya burudani na faida zingine. Na hii yote inaonekana katika muundo wa maeneo ya kazi.

Ya ripoti piga

4.5. Utu

Kila mtu anajua ubinafsishaji ni nini katika utangazaji. Hii ndio wakati leo unajadili na mwenzako kwamba hewa ndani ya chumba ni kavu, na unapaswa kununua humidifier kwa ofisi, na siku inayofuata utaona tangazo kwenye mtandao wako wa kijamii - "nunua humidifier" (a. tukio halisi lililonitokea).

Chanzo

Kubinafsisha, kama ilivyofafanuliwa na Gartner, ni jibu kwa wasiwasi unaoongezeka wa watumiaji kuhusu matumizi ya data zao za kibinafsi kwa madhumuni ya utangazaji. Lengo ni kukuza mbinu ambayo tunaonyeshwa matangazo ambayo yanafaa kwa muktadha ambao tunajikuta, na sio kwetu kibinafsi. Kwa mfano, eneo letu, aina ya kifaa, wakati wa siku, hali ya hewa - hii ni kitu ambacho hakikiuki data yetu ya kibinafsi, na hatuhisi hisia zisizofurahi za "kuchunguzwa".

Soma kuhusu tofauti kati ya dhana hizi mbili Kumbuka Andrew Frank anablogu kwenye tovuti ya Gartner. Kuna tofauti ya hila na maneno kama hayo kwamba wewe, bila kujua tofauti hiyo, una hatari ya kubishana kwa muda mrefu na mpatanishi wako, bila kushuku kwamba, kwa ujumla, wote wawili ni sawa (na hili pia ni tukio la kweli ambalo lilitokea kwa mwandishi).

4.6. Bayoteknolojia - Tishu ya Kitamaduni au Bandia

Hii ni, kwanza kabisa, wazo la kukua nyama ya bandia. Wakati huo huo, timu kadhaa ulimwenguni kote ziko busy kutengeneza maabara ya "Nyama 2.0" - inatarajiwa kuwa itakuwa nafuu kuliko kawaida, na vyakula vya haraka na kisha maduka makubwa yatabadilika. Wawekezaji katika teknolojia hii ni pamoja na Bill Gates, Sergey Brin, Richard Branson na wengine.

Chanzo

Sababu kwa nini kila mtu anavutiwa sana na nyama ya bandia:

1. Ongezeko la joto duniani: uzalishaji wa methane kutoka mashambani. Hii ni 18% ya ujazo wa kimataifa wa gesi zinazoathiri hali ya hewa.
2. Ongezeko la idadi ya watu. Mahitaji ya nyama yanaongezeka, na haitawezekana kulisha kila mtu na nyama ya asili - ni ghali tu.
3. Ukosefu wa nafasi. 70% ya misitu ya Amazon tayari imekatwa kwa ajili ya malisho.
4. Mazingatio ya kimaadili. Kuna wale ambao hii ni muhimu kwao. Shirika la kutetea haki za wanyama PETA tayari limetoa zawadi ya dola milioni 1 kwa mwanasayansi huyo anayeleta nyama ya kuku bandia sokoni.

Kubadilisha nyama halisi na soya ni suluhisho la sehemu, kwa sababu watu wanaweza kufahamu tofauti katika ladha na muundo, na hakuna uwezekano wa kuacha nyama ya nyama kwa niaba ya soya. Kwa hivyo unahitaji nyama halisi, iliyopandwa kikaboni. Sasa, kwa bahati mbaya, nyama ya bandia ni ghali sana: kutoka $ 12 kwa kilo. Hii ni kwa sababu ya mchakato mgumu wa kiufundi wa kukuza nyama kama hiyo. Soma juu yake yote nakala.

Ikiwa tunazungumza juu ya kesi zingine za ukuaji wa tishu - tayari katika dawa - basi mada iliyo na viungo vya bandia inavutia: kwa mfano, "kiraka" cha misuli ya moyo, iliyochapishwa kichapishi maalum cha 3D. Inajulikana hadithi kama moyo wa panya uliokuzwa kiholela, lakini kwa ujumla kila kitu bado kiko ndani ya wigo wa majaribio ya kimatibabu. Kwa hivyo hatuna uwezekano wa kuona Frankenstein katika miaka ijayo.

Hapa Gartner ni mwangalifu sana katika makadirio yake, inaonekana akikumbuka utabiri wake ulioshindwa wa 2015 kwamba mnamo 2019, 10% ya watu katika nchi zilizoendelea wangekuwa na kifaa cha matibabu kilichochapishwa cha 3D. Kwa hivyo, inamaanisha kuwa wakati wa kufikia uwanda wa tija ni angalau miaka 10.

5. Mifumo ya ikolojia ya Dijiti

5.1. Mtandao Uliogatuliwa

Dhana hii inahusishwa kwa karibu na jina la mvumbuzi wa wavuti, mshindi wa Tuzo ya Turing Sir Tim Burners-Lee. Kwake, maswali ya maadili katika sayansi ya kompyuta yalikuwa muhimu kila wakati na kiini cha pamoja cha Mtandao kilikuwa muhimu: kuweka misingi ya hypertext, alikuwa na hakika kwamba mtandao unapaswa kufanya kazi kama wavuti, na sio kama uongozi. Hii ilikuwa kesi katika hatua ya awali ya maendeleo ya mtandao. Hata hivyo, mtandao ulipokua, muundo wake ukawa wa kati kwa sababu mbalimbali. Ilibadilika kuwa ufikiaji wa mtandao kwa nchi nzima unaweza kuzuiwa kwa urahisi kwa msaada wa watoa huduma wachache tu. Na data ya mtumiaji imekuwa chanzo cha nguvu na mapato kwa makampuni ya mtandao.

"Internet tayari imegawanywa," anasema Burners-Lee. "Tatizo ni kwamba injini moja ya utafutaji, mtandao mkubwa wa kijamii, jukwaa moja la microblogging hutawala. Hatuna shida za kiteknolojia, lakini tunazo za kijamii."

Kwake barua wazi Katika hafla ya kuadhimisha miaka 30 ya Mtandao Wote wa Ulimwenguni, muundaji wa Wavuti alielezea shida kuu tatu za Mtandao:

1. Madhara yanayolengwa kama vile udukuzi unaofadhiliwa na serikali, uhalifu na unyanyasaji mtandaoni
2. Muundo wenyewe wa mfumo, ambao, kwa madhara ya mtumiaji, hutengeneza msingi wa mifumo kama vile: motisha za kifedha kwa kubofya na kuenea kwa virusi kwa habari za uwongo.
3. Matokeo yasiyotarajiwa ya muundo wa mfumo ambayo husababisha migogoro na kupunguza ubora wa majadiliano ya mtandaoni

Na Tim Berners-Lee tayari ana jibu juu ya kanuni gani "Mtandao wa Mtu mwenye Afya" unaweza kutegemea, bila nambari ya shida ya 2: "Kwa watumiaji wengi, mapato ya utangazaji yanabaki kuwa mfano pekee wa kuingiliana na Mtandao. Hata kama watu wanaogopa kitakachotokea kwa data zao, wako tayari kufanya makubaliano na mashine ya uuzaji ili kupata fursa ya kupokea maudhui bila malipo. Hebu wazia ulimwengu ambapo kulipia bidhaa na huduma ni rahisi na kufurahisha pande zote mbili.” Miongoni mwa chaguzi za jinsi hii inaweza kupangwa: wanamuziki wanaweza kuuza rekodi zao bila waamuzi katika mfumo wa iTunes, na tovuti za habari zinaweza kutumia mfumo wa malipo madogo kwa kusoma makala moja, badala ya kupata pesa kutoka kwa matangazo.

Kama kielelezo cha majaribio cha Mtandao huu mpya, Tim Berners-Lee alizindua mradi wa SOLID, kiini chake ni kwamba unahifadhi data yako katika "pod" - hifadhi ya taarifa, na inaweza kutoa data hii kwa programu za watu wengine. Lakini kimsingi, wewe mwenyewe ni mabwana wa data yako. Yote hii inahusiana kwa karibu na dhana ya mitandao ya rika-kwa-rika, yaani, kompyuta yako sio tu maombi ya huduma, lakini pia hutoa, ili usitegemee seva moja kama njia pekee.

Chanzo

5.2. Mashirika Yanayojiendesha Yaliyogatuliwa

Ni shirika ambalo linatawaliwa na sheria zilizoandikwa katika mfumo wa programu ya kompyuta. Shughuli zake za kifedha zinatokana na blockchain. Madhumuni ya kuunda mashirika kama haya ni kuondoa serikali kutoka kwa jukumu la mpatanishi na kuunda mazingira ya kawaida ya kuaminika kwa wenzao, ambayo haimilikiwi na mtu yeyote, lakini inayomilikiwa na kila mtu pamoja. Hiyo ni, kwa nadharia, hii inapaswa, ikiwa wazo litaota mizizi, kukomesha notarier na taasisi zingine za kawaida za uthibitishaji.

Mfano maarufu zaidi wa shirika kama hilo lilikuwa The DAO inayolenga ubia, ambayo ilikusanya dola milioni 2016 mnamo 150, ambayo $ 50 iliibiwa mara moja kupitia shimo la kisheria katika sheria. Shida ngumu iliibuka mara moja: ama kurudi nyuma na kurudisha pesa, au ukubali kwamba uondoaji wa pesa ulikuwa halali, kwa sababu haukukiuka sheria za jukwaa. Matokeo yake, ili kurejesha fedha kwa wawekezaji, waumbaji walipaswa kuharibu DAO, kuandika upya blockchain na kukiuka kanuni yake ya msingi - kutobadilika.

Vichekesho kuhusu Ethereum (kushoto) na The DAO (kulia). Chanzo

Hadithi hii yote imeharibu sifa ya wazo lenyewe la DAO. Mradi huo ulifanywa kwa misingi ya cryptocurrency Ethereum, toleo la Ether 2.0 linatarajiwa mwaka ujao - labda waandishi (ikiwa ni pamoja na Vitalik Buterin maarufu) watazingatia makosa na kuonyesha kitu kipya. Labda hiyo ndiyo sababu Gartner aliweka DAO kwenye mstari wa juu.

5.3.Data ya Sintetiki

Ili kutoa mafunzo kwa mitandao ya neva, kiasi kikubwa cha data kinahitajika. Kuweka lebo data kwa mikono ni kazi kubwa ambayo inaweza tu kufanywa na mwanadamu. Kwa hiyo, inawezekana kuunda seti za data za bandia. Kwa mfano, makusanyo sawa ya nyuso za kibinadamu kwenye tovuti https://generated.photos. Zinaundwa kwa kutumia GAN - algorithms ambazo tayari zimetajwa hapo juu.

Nyuso hizi si za watu. Chanzo

Faida kubwa ya data hiyo ni kwamba hakuna matatizo ya kisheria katika kuitumia: hakuna mtu wa kutoa idhini ya usindikaji wa data binafsi.

5.4.Digital Ops

Kiambishi tamati "Ops" kimekuwa cha mtindo sana tangu DevOps ilipokita mizizi katika hotuba yetu. Sasa kuhusu DigitalOps ni nini - ni jumla tu ya DevOps, DesignOps, MarketingOps... Je, bado umechoshwa? Kwa kifupi, ni uhamisho wa mbinu ya DevOps kutoka eneo la programu hadi vipengele vingine vyote vya biashara - masoko, kubuni, nk.

Chanzo

Wazo la DevOps lilikuwa kuondoa vizuizi kati ya Maendeleo yenyewe na Uendeshaji (michakato ya biashara), kupitia uundaji wa timu za kawaida, ambapo kuna waandaaji wa programu, wajaribu, wataalam wa usalama, na wasimamizi; utekelezaji wa baadhi ya mazoea: ushirikiano endelevu, miundombinu kama kanuni, kupunguza na kuimarisha misururu ya maoni. Lengo lilikuwa ni kuongeza kasi ya muda wa bidhaa sokoni. Ikiwa ulifikiri hii ni sawa na Agile, ulikuwa sahihi. Sasa uhamishe njia hii kiakili kutoka kwa uwanja wa ukuzaji wa programu hadi kwa ukuzaji kwa ujumla - na unaelewa DigitalOps ni nini.

5.5. Grafu za Maarifa

Njia ya programu ya kuiga eneo la maarifa, ikijumuisha kutumia kanuni za kujifunza kwa mashine. Grafu ya maarifa imeundwa juu ya hifadhidata zilizopo ili kuunganisha pamoja taarifa zote: zote zikiwa zimepangwa (orodha ya matukio au watu) na zisizo na muundo (maandishi ya makala).

Mfano rahisi zaidi ni kadi ambayo unaweza kuona katika matokeo ya utafutaji wa Google. Ikiwa unatafuta mtu au taasisi, utaona kadi upande wa kulia:


Tafadhali kumbuka kuwa "Matukio Yanayokuja" sio nakala ya habari kutoka kwa Ramani za Google, lakini ujumuishaji wa ratiba na Yandex.Afisha: unaweza kuona hii kwa urahisi ikiwa bonyeza kwenye matukio. Hiyo ni, ni mchanganyiko wa vyanzo kadhaa vya data pamoja.

Ukiuliza orodha - kwa mfano, "wakurugenzi maarufu" - utaonyeshwa jukwa:

Bonasi kwa wale wanaosoma hadi mwisho

Na sasa kwa kuwa tumejifafanulia wenyewe maana ya kila moja ya vidokezo, tunaweza kuangalia picha sawa, lakini kwa Kirusi:

Shiriki kwa uhuru kwenye mitandao ya kijamii!

Tatyana Volkova - Mwandishi wa programu ya mafunzo ya mtandao wa Mambo ya IT katika Chuo cha Samsung, mtaalamu wa mipango ya uwajibikaji wa kijamii katika Kituo cha Utafiti cha Samsung.


Chanzo: mapenzi.com