ชาร์ตของ Gartner เปรียบเสมือนการแสดงแฟชั่นชั้นสูงสำหรับผู้ที่อยู่ในอุตสาหกรรมเทคโนโลยี เมื่อพิจารณาแล้ว คุณจะทราบล่วงหน้าว่าคำใดที่ได้รับความนิยมมากที่สุดในฤดูกาลนี้ และคุณจะได้ยินคำใดในการประชุมใหญ่ที่กำลังจะมีขึ้นทั้งหมด

เราได้ถอดรหัสสิ่งที่อยู่เบื้องหลังคำที่สวยงามในกราฟนี้ เพื่อให้คุณสามารถพูดภาษานั้นได้เช่นกัน

เริ่มต้นด้วยคำเพียงไม่กี่คำเกี่ยวกับกราฟประเภทนี้ ทุกปีในเดือนสิงหาคม บริษัทที่ปรึกษา Gartner จะเผยแพร่รายงาน Gartner Hype Curve ในภาษารัสเซีย นี่คือ "เส้นโค้งเกินจริง" หรือพูดง่ายๆ ก็คือ เกินจริง 30 ปีที่แล้วแร็ปเปอร์จากกลุ่ม Public Enemy ร้องเพลง: "อย่าเชื่อโฆษณาเกินจริง" เชื่อหรือไม่ มันเป็นคำถามส่วนตัว แต่อย่างน้อยก็คุ้มค่าที่จะรู้คำหลักเหล่านี้ หากคุณทำงานด้านเทคโนโลยีและต้องการทราบแนวโน้มทั่วโลก

นี่คือกราฟความคาดหวังของสาธารณะจากเทคโนโลยีเฉพาะ ตามความคิดของ Gartner เทคโนโลยีจะต้องผ่าน 5 ขั้นตอน ได้แก่ การเปิดตัวเทคโนโลยี จุดสูงสุดของความคาดหวังที่สูงเกินจริง หุบเขาแห่งความผิดหวัง ความลาดเอียงของการรู้แจ้ง ความลาดชันของประสิทธิภาพการผลิต แต่มันก็เกิดขึ้นเช่นกันว่ามันจมอยู่ใน "หุบเขาแห่งความผิดหวัง" - คุณสามารถจำตัวอย่างของตัวเองได้อย่างง่ายดายมาก ใช้ bitcoins เดียวกัน: ในตอนแรกถึงจุดสูงสุดในฐานะ "เงินแห่งอนาคต" พวกเขาเลื่อนลงอย่างรวดเร็วเมื่อข้อบกพร่องของเทคโนโลยี เห็นได้ชัดเจน ประการแรกข้อจำกัดทั้งหมดเกี่ยวกับจำนวนธุรกรรมและปริมาณไฟฟ้าจำนวนมหาศาลที่จำเป็นในการสร้าง Bitcoins (ซึ่งก่อให้เกิดปัญหาสิ่งแวดล้อมแล้ว) และแน่นอนว่าเราต้องไม่ลืมว่าแผนภูมิของ Gartner เป็นเพียงการคาดการณ์ ตัวอย่างเช่น คุณสามารถอ่านรายละเอียดได้ที่นี่ บทความโดยที่การทำนายที่ไม่บรรลุผลที่โดดเด่นที่สุดจะถูกแยกออก

มาดูแผนภูมิ Gartner ใหม่กัน เทคโนโลยีแบ่งออกเป็น 5 กลุ่มใหญ่ตามหัวข้อ:

1. AI และการวิเคราะห์ขั้นสูง
2. คอมพิวเตอร์หลังคลาสสิกและการสื่อสาร
3. การตรวจจับและความคล่องตัว
4. มนุษย์เสริม
5. ระบบนิเวศดิจิทัล

1. AI และการวิเคราะห์ขั้นสูง

ตลอด 10 ปีที่ผ่านมา เราได้เห็นชั่วโมงแห่งการเรียนรู้เชิงลึกที่ดีที่สุด เครือข่ายเหล่านี้มีประสิทธิภาพอย่างแท้จริงสำหรับงานที่หลากหลาย ในปี 2018 Yann LeCun, Geoffrey Hinton และ Yoshua Bengio ได้รับรางวัล Turing Award จากการค้นพบของพวกเขา ซึ่งเป็นรางวัลอันทรงเกียรติที่สุด ซึ่งเทียบได้กับรางวัลโนเบลสาขาวิทยาการคอมพิวเตอร์ ดังนั้น แนวโน้มหลักในพื้นที่นี้ ซึ่งแสดงบนแผนภูมิ:

1.1. ถ่ายโอนการเรียนรู้

คุณไม่ได้ฝึกโครงข่ายประสาทเทียมตั้งแต่เริ่มต้น แต่ทำการฝึกโครงข่ายประสาทเทียมแล้วและกำหนดเป้าหมายอื่นให้กับมัน บางครั้งจำเป็นต้องมีการฝึกอบรมใหม่ส่วนหนึ่งของเครือข่าย แต่ไม่ใช่ทั้งเครือข่าย ซึ่งเร็วกว่ามาก ตัวอย่างเช่น การใช้โครงข่ายประสาทเทียมสำเร็จรูป ResNet50 ซึ่งได้รับการฝึกฝนบนชุดข้อมูล ImageNet1000 คุณจะได้รับอัลกอริธึมที่สามารถจำแนกวัตถุต่างๆ มากมายในรูปภาพในระดับที่ลึกมาก (1000 คลาสตามคุณสมบัติที่สร้างโดย 50 เลเยอร์ของระบบประสาท เครือข่าย) แต่คุณไม่จำเป็นต้องฝึกอบรมเครือข่ายทั้งหมดนั้น ซึ่งอาจใช้เวลาหลายเดือน

В หลักสูตรออนไลน์ ตัวอย่างเช่น Samsung “โครงข่ายประสาทเทียมและคอมพิวเตอร์วิทัศน์” ในรอบสุดท้าย งานคักเกิล ด้วยการจำแนกเพลตให้สะอาดและสกปรก วิธีการแสดงให้เห็นว่าภายใน 5 นาทีจะช่วยให้คุณมีโครงข่ายประสาทเทียมเชิงลึกที่สามารถแยกแยะเพลตสกปรกจากเพลตที่สะอาด ซึ่งสร้างขึ้นตามสถาปัตยกรรมที่อธิบายไว้ข้างต้น เครือข่ายเดิมไม่ทราบว่าจานอะไร แต่เพียงเรียนรู้ที่จะแยกแยะนกจากสุนัขเท่านั้น (ดู ImageNet)

ที่มา: คอร์สออนไลน์ Samsung "โครงข่ายประสาทเทียมและคอมพิวเตอร์วิทัศน์"

สำหรับ Transfer Learning คุณจำเป็นต้องรู้ว่าแนวทางใดที่ใช้ได้ผลและมีสถาปัตยกรรมพื้นฐานสำเร็จรูปใดบ้าง โดยรวมแล้ว สิ่งนี้จะช่วยเร่งให้เกิดการประยุกต์ใช้การเรียนรู้ของเครื่องในทางปฏิบัติได้อย่างมาก

1.2. เครือข่ายปฏิปักษ์ทั่วไป (GAN)

นี่เป็นกรณีที่เรากำหนดเป้าหมายการเรียนรู้ได้ยากมาก ยิ่งงานใกล้เคียงกับชีวิตจริงมากเท่าไร เราก็ยิ่งเข้าใจได้มากขึ้นเท่านั้น ("นำโต๊ะข้างเตียงมาด้วย") แต่การกำหนดให้เป็นงานด้านเทคนิคนั้นยากยิ่งขึ้น GAN เป็นเพียงความพยายามที่จะช่วยเราจากปัญหานี้

มีสองเครือข่ายที่ทำงานที่นี่: หนึ่งคือเครื่องกำเนิดไฟฟ้า (Generative) และอีกเครือข่ายหนึ่งคือผู้เลือกปฏิบัติ (ฝ่ายตรงข้าม) เครือข่ายหนึ่งเรียนรู้ที่จะทำงานที่เป็นประโยชน์ (จำแนกรูปภาพ จดจำเสียง วาดการ์ตูน) และอีกเครือข่ายหนึ่งเรียนรู้ที่จะสอนเครือข่ายนั้น: มีตัวอย่างจริง และเรียนรู้ที่จะค้นหาสูตรที่ซับซ้อนที่ไม่รู้จักก่อนหน้านี้สำหรับการเปรียบเทียบผลคูณของส่วนกำเนิดของเครือข่ายกับวัตถุในโลกแห่งความเป็นจริง (ชุดฝึกอบรม) ตามลักษณะเฉพาะเชิงลึกที่สำคัญจริงๆ : จำนวนตา ความใกล้ชิดกับลีลาของมิยาซากิ การออกเสียงภาษาอังกฤษที่ถูกต้อง

ตัวอย่างผลงานเครือข่ายสร้างตัวละครอนิเมะ Источник

แต่แน่นอนว่าการสร้างสถาปัตยกรรมที่นั่นเป็นเรื่องยาก แค่ขว้างเซลล์ประสาทอย่างเดียวไม่พอ แต่ต้องเตรียมพร้อมด้วย และคุณต้องเรียนเป็นเวลาหลายสัปดาห์ เพื่อนร่วมงานของฉันที่ Samsung Artificial Intelligence Center กำลังทำงานในหัวข้อ GAN นี่เป็นหนึ่งในคำถามวิจัยหลักของพวกเขา ตัวอย่างเช่นเช่นนี้ การพัฒนา: การใช้เครือข่ายกำเนิดเพื่อสังเคราะห์ภาพถ่ายที่สมจริงของบุคคลที่มีท่าต่างๆ ที่หลากหลาย เช่น การสร้างห้องลองเสื้อผ้าเสมือนจริง หรือสังเคราะห์ใบหน้า ซึ่งสามารถลดปริมาณข้อมูลที่จำเป็นต้องจัดเก็บหรือส่งเพื่อให้แน่ใจว่าวิดีโอมีคุณภาพสูง การสื่อสาร การแพร่ภาพกระจายเสียง หรือการปกป้องข้อมูลส่วนบุคคล

Источник

1.3. AI อธิบายได้

สำหรับงานที่หายากบางอย่าง ความก้าวหน้าในสถาปัตยกรรมเชิงลึกได้นำความสามารถของโครงข่ายประสาทเทียมระดับลึกเข้ามาใกล้กับความสามารถของมนุษย์มากขึ้น ขณะนี้การต่อสู้ดำเนินไปเพื่อเพิ่มขอบเขตของภารกิจดังกล่าว ตัวอย่างเช่น หุ่นยนต์ดูดฝุ่นสามารถแยกแยะแมวจากสุนัขได้อย่างง่ายดายในการประชุมตรงหน้า แต่ในสถานการณ์ชีวิตส่วนใหญ่ เขาจะไม่สามารถหาแมวนอนหลับอยู่ท่ามกลางผ้าลินินหรือเฟอร์นิเจอร์ได้ (แต่โดยส่วนใหญ่แล้ว เช่นเดียวกับเรา...)

อะไรคือสาเหตุของความสำเร็จของโครงข่ายประสาทเทียมเชิงลึก? พวกเขาพัฒนาการนำเสนอปัญหาโดยไม่ได้ขึ้นอยู่กับข้อมูลที่ “มองเห็นได้ด้วยตาเปล่า” (พิกเซลภาพถ่าย การเปลี่ยนแปลงระดับเสียง...) แต่ขึ้นอยู่กับคุณสมบัติที่ได้รับหลังจากประมวลผลข้อมูลนี้ล่วงหน้าโดยโครงข่ายประสาทเทียมหลายร้อยชั้น น่าเสียดายที่ความสัมพันธ์เหล่านี้อาจไม่มีความหมาย ไม่สอดคล้องกัน หรือมีร่องรอยของความไม่สมบูรณ์ในชุดข้อมูลดั้งเดิม ตัวอย่างเช่น มีเกมคอมพิวเตอร์เล็กๆ เกี่ยวกับสิ่งที่การใช้ AI อย่างไม่รอบคอบในการสรรหาบุคลากรสามารถนำไปสู่อะไรได้ การอยู่รอดของความพอดีที่ดีที่สุด.

ระบบแท็กรูปภาพระบุว่าคนทำอาหารเป็นผู้หญิง แม้ว่าบุคคลในภาพจะเป็นผู้ชายก็ตาม (Источник). มัน สังเกตเห็น ที่สถาบันเวอร์จิเนีย

ในการวิเคราะห์ความสัมพันธ์ที่ซับซ้อนและลึกซึ้งซึ่งเรามักจะกำหนดตัวเองไม่ได้ จำเป็นต้องมีวิธี AI ที่อธิบายได้ พวกเขาจัดระเบียบคุณสมบัติของโครงข่ายประสาทเทียมระดับลึก เพื่อว่าหลังการฝึกอบรม เราสามารถวิเคราะห์การเป็นตัวแทนภายในที่เครือข่ายได้เรียนรู้ แทนที่จะอาศัยการตัดสินใจเพียงอย่างเดียว

1.4. การวิเคราะห์ขอบ / AI

ทุกอย่างที่มีคำว่า Edge มีความหมายดังต่อไปนี้: การถ่ายโอนส่วนหนึ่งของอัลกอริธึมจากคลาวด์/เซิร์ฟเวอร์ไปยังระดับอุปกรณ์ปลายทาง/เกตเวย์ อัลกอริธึมดังกล่าวจะทำงานเร็วขึ้นและไม่จำเป็นต้องเชื่อมต่อกับเซิร์ฟเวอร์กลางในการทำงาน หากคุณคุ้นเคยกับลักษณะที่เป็นนามธรรมของ "ไคลเอ็นต์แบบบาง" เราก็กำลังทำให้ไคลเอ็นต์นี้มีความหนาขึ้นเล็กน้อย
นี่อาจมีความสำคัญสำหรับ Internet of Things ตัวอย่างเช่น หากเครื่องจักรมีความร้อนสูงเกินไปและต้องการการระบายความร้อน ก็สมเหตุสมผลที่จะส่งสัญญาณสิ่งนี้ทันทีที่ระดับโรงงาน โดยไม่ต้องรอให้ข้อมูลถูกส่งไปยังระบบคลาวด์ และจากที่นั่นไปยังหัวหน้ากะ หรืออีกตัวอย่างหนึ่ง: รถยนต์ที่ขับเคลื่อนด้วยตนเองสามารถทราบสถานการณ์การจราจรได้ด้วยตนเอง โดยไม่ต้องติดต่อกับเซิร์ฟเวอร์กลาง

Источник

หรืออีกตัวอย่างหนึ่งว่าเหตุใดสิ่งนี้จึงสำคัญจากมุมมองด้านความปลอดภัย: เมื่อคุณพิมพ์ข้อความบนโทรศัพท์ มันจะจดจำคำที่เป็นคำทั่วไปสำหรับคุณ ดังนั้นแป้นพิมพ์ของโทรศัพท์จึงสามารถแจ้งให้คุณทราบได้อย่างสะดวกในภายหลัง ซึ่งเรียกว่าการคาดเดา การป้อนข้อความ การส่งทุกสิ่งที่คุณพิมพ์บนแป้นพิมพ์ไปยังศูนย์ข้อมูลบางแห่งอาจเป็นการละเมิดความเป็นส่วนตัวของคุณและไม่ปลอดภัย ดังนั้นการฝึกใช้คีย์บอร์ดจึงเกิดขึ้นภายในอุปกรณ์ของคุณเท่านั้น

1.5. แพลตฟอร์ม AI เป็นบริการ (AI PaaS)

PaaS - Platform-as-a-Service เป็นรูปแบบธุรกิจที่เราเข้าถึงแพลตฟอร์มแบบครบวงจร รวมถึงการจัดเก็บข้อมูลบนคลาวด์และขั้นตอนสำเร็จรูป ด้วยวิธีนี้ เราจะสามารถปลดปล่อยตัวเองจากงานด้านโครงสร้างพื้นฐานและมุ่งความสนใจไปที่การผลิตสิ่งที่มีประโยชน์ได้อย่างเต็มที่ ตัวอย่างแพลตฟอร์ม PaaS สำหรับงาน AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, แพลตฟอร์ม Google AI

1.6. การเรียนรู้ของเครื่องแบบปรับเปลี่ยนได้ (Adaptive ML)

จะเป็นอย่างไรถ้าเราปล่อยให้ปัญญาประดิษฐ์ปรับตัว... ถามว่า-เป็นอย่างไรบ้าง.. ปรับตัวเข้ากับงานไม่ได้แล้วเหรอ? ปัญหาคือ: เราออกแบบแต่ละปัญหาอย่างระมัดระวัง ก่อนที่จะสร้างอัลกอริธึมปัญญาประดิษฐ์เพื่อแก้ไข พวกเขาจะตอบคุณ - ปรากฎว่าโซ่นี้สามารถทำให้ง่ายขึ้นได้

แมชชีนเลิร์นนิงแบบทั่วไปทำงานบนหลักการของ open-loop: คุณเตรียมข้อมูล สร้างโครงข่ายประสาทเทียม (หรืออะไรก็ได้) ฝึกฝน จากนั้นดูตัวบ่งชี้ต่างๆ และหากคุณชอบทุกอย่าง ก็สามารถส่งโครงข่ายประสาทเทียมไปยังสมาร์ทโฟนได้ - แก้ปัญหาผู้ใช้. แต่ในแอปพลิเคชันที่มีข้อมูลจำนวนมากและลักษณะของข้อมูลจะค่อยๆ เปลี่ยนไป จำเป็นต้องมีวิธีการอื่น ระบบดังกล่าวซึ่งปรับตัวและสอนตัวเองนั้นถูกจัดเป็นระบบการเรียนรู้ด้วยตนเองแบบปิด (วงปิด) และจะต้องทำงานได้อย่างราบรื่น

แอปพลิเคชัน - นี่อาจเป็นการวิเคราะห์สตรีม (Stream Analytics) บนพื้นฐานของการตัดสินใจของนักธุรกิจจำนวนมาก หรือการจัดการการผลิตแบบปรับเปลี่ยนได้ ในระดับการใช้งานในปัจจุบันและเมื่อพิจารณาถึงความเสี่ยงที่มนุษย์เข้าใจได้ดีขึ้น เทคนิคต่างๆ ที่เป็นแนวทางแก้ไขปัญหานี้ ล้วนถูกรวบรวมไว้ภายใต้ชื่อ Adaptive AI

Источник

เมื่อมองภาพนี้ ยากที่จะกำจัดความรู้สึกที่ไม่ได้ป้อนขนมปังให้กับนักอนาคตวิทยา ปล่อยให้พวกเขาสอนหุ่นยนต์หายใจ...

คอมพิวเตอร์หลังคลาสสิกและการสื่อสาร

2.1. การสื่อสารเคลื่อนที่รุ่นที่ห้า (5G)

นี่เป็นหัวข้อที่น่าสนใจที่เราแนะนำคุณทันที статье. เอาล่ะ นี่คือบทสรุปสั้นๆ 5G การเพิ่มความถี่ในการรับส่งข้อมูลจะทำให้ความเร็วอินเทอร์เน็ตเร็วเกินจริง คลื่นสั้นจะผ่านสิ่งกีดขวางได้ยากกว่า ดังนั้นการออกแบบเครือข่ายจึงแตกต่างไปจากเดิมอย่างสิ้นเชิง โดยต้องใช้สถานีฐานมากกว่า 500 เท่า

นอกเหนือจากความเร็วแล้ว เราจะได้รับปรากฏการณ์ใหม่ ๆ เช่น เกมแบบเรียลไทม์ที่มีความเป็นจริงเสริม การทำงานที่ซับซ้อน (เช่น การผ่าตัด) ผ่านการปรากฏทางไกล การป้องกันอุบัติเหตุ และสถานการณ์ที่ยากลำบากบนท้องถนนผ่านการสื่อสารระหว่างเครื่องจักร อีกประการหนึ่งที่ธรรมดากว่านั้นคือ ในที่สุดอินเทอร์เน็ตบนมือถือจะหยุดลดลงในระหว่างที่มีกิจกรรมมวลชน เช่น การแข่งขันที่สนามกีฬา

แหล่งที่มาของภาพ – รอยเตอร์ส, ไนแอนติก

2.2. หน่วยความจำแห่งอนาคต

ที่นี่เรากำลังพูดถึง RAM รุ่นที่ห้า – DDR5 Samsung ประกาศว่าผลิตภัณฑ์ที่ใช้ DDR2019 จะวางจำหน่ายภายในสิ้นปี 5 คาดว่าหน่วยความจำใหม่จะเร็วเป็นสองเท่าและมีความจุเป็นสองเท่าในขณะที่ยังคงรักษาฟอร์มแฟคเตอร์เท่าเดิมนั่นคือเราจะสามารถรับแท่งหน่วยความจำที่มีความจุสูงสุด 32GB สำหรับคอมพิวเตอร์ของเรา ในอนาคต สิ่งนี้จะเกี่ยวข้องเป็นพิเศษกับสมาร์ทโฟน (หน่วยความจำใหม่จะเป็นเวอร์ชันพลังงานต่ำ) และสำหรับแล็ปท็อป (ซึ่งสล็อต DIMM จำนวนจำกัด) และแมชชีนเลิร์นนิงยังต้องใช้ RAM จำนวนมากอีกด้วย

2.3. ระบบดาวเทียมวงโคจรต่ำโลก

ความคิดในการเปลี่ยนดาวเทียมที่หนัก แพง และทรงพลังด้วยฝูงดาวเทียมขนาดเล็กและราคาถูกนั้นยังห่างไกลจากสิ่งใหม่และปรากฏขึ้นในยุค 90 เกี่ยวกับอะไร “Elon Musk จะเผยแพร่อินเทอร์เน็ตให้ทุกคนผ่านดาวเทียมในไม่ช้า” ตอนนี้มีเพียงคนขี้เกียจเท่านั้นที่ไม่ได้ยิน บริษัทที่มีชื่อเสียงที่สุดที่นี่คือ Iridium ซึ่งล้มละลายในช่วงปลายทศวรรษที่ 90 แต่ได้รับการช่วยเหลือด้วยค่าใช้จ่ายของกระทรวงกลาโหมของสหรัฐอเมริกา (อย่าสับสนกับ iRidium ซึ่งเป็นระบบสมาร์ทโฮมของรัสเซีย) โครงการของ Elon Musk (Starlink) ยังห่างไกลจากโครงการเดียว - Richard Branson (OneWeb - ดาวเทียมที่เสนอ 1440 ดวง), Boeing (ดาวเทียม 3000 ดวง), Samsung (ดาวเทียม 4600 ดวง) และคนอื่น ๆ เข้าร่วมในการแข่งขันดาวเทียม

สิ่งต่างๆ ในพื้นที่นี้เป็นอย่างไร เศรษฐกิจที่นั่นเป็นอย่างไร - อ่านรายละเอียด ทบทวน. และเรากำลังรอการทดสอบระบบเหล่านี้ครั้งแรกโดยผู้ใช้กลุ่มแรกซึ่งจะมีขึ้นในปีหน้า

2.4. การพิมพ์ 3 มิติระดับนาโน

การพิมพ์ 3 มิติแม้ว่าจะไม่ได้เข้ามาในชีวิตของทุกคน (ในรูปแบบที่โรงงานพลาสติกในบ้านแต่ละแห่งสัญญาไว้) แต่กระนั้นก็ออกจากกลุ่มเทคโนโลยีสำหรับผู้ที่ชื่นชอบมานานแล้ว คุณสามารถตัดสินได้จากข้อเท็จจริงที่ว่าเด็กนักเรียนทุกคนรู้เกี่ยวกับการมีอยู่ของปากกาแกะสลัก 3 มิติเป็นอย่างน้อย และหลายคนใฝ่ฝันที่จะซื้อกล่องที่มีนักวิ่งและเครื่องอัดรีดสำหรับ... “แบบนั้น” (หรือได้ซื้อไปแล้ว)

Stereolithography (เครื่องพิมพ์เลเซอร์ 3 มิติ) ช่วยให้สามารถพิมพ์ด้วยโฟตอนแต่ละตัวได้: กำลังสำรวจโพลีเมอร์ชนิดใหม่ซึ่งต้องใช้โฟตอนเพียงสองตัวเท่านั้นในการแข็งตัว สิ่งนี้จะช่วยให้สามารถสร้างฟิลเตอร์ ตัวยึด สปริง เส้นเลือดฝอย เลนส์ และ... ตัวเลือกของคุณได้ใหม่ในความคิดเห็น! ในสภาวะที่ไม่ใช่ห้องปฏิบัติการ และที่นี่อยู่ไม่ไกลจากโฟโตพอลิเมอไรเซชัน - มีเพียงเทคโนโลยีนี้เท่านั้นที่ช่วยให้เราสามารถ "พิมพ์" โปรเซสเซอร์และวงจรคอมพิวเตอร์ได้ นอกจากนี้นี่ไม่ใช่ปีแรกที่มี เทคโนโลยีการพิมพ์โครงสร้างสามมิติกราฟีน 500 นาโนเมตรแต่ไม่มีการพัฒนาที่รุนแรง

Источник

3. การตรวจจับและความคล่องตัว

3.1. การขับขี่อัตโนมัติระดับ 4 และ 5

เพื่อไม่ให้สับสนในคำศัพท์ควรทำความเข้าใจว่าระดับความเป็นอิสระมีความแตกต่างกันในระดับใด (นำมาจากรายละเอียด บทความซึ่งเราอ้างถึงผู้สนใจทุกคน):

ระดับ 1: ระบบควบคุมความเร็วคงที่: ช่วยเหลือผู้ขับขี่ในสถานการณ์ที่จำกัดมาก (เช่น การยึดรถด้วยความเร็วที่กำหนดหลังจากที่ผู้ขับขี่ยกเท้าออกจากแป้นเหยียบ)
ระดับ 2: ระบบช่วยบังคับเลี้ยวและการเบรกแบบจำกัด ผู้ขับขี่จะต้องพร้อมที่จะเข้าควบคุมแทบจะในทันที มือของเขาวางอยู่บนพวงมาลัย ดวงตาของเขามุ่งไปที่ถนน นี่คือสิ่งที่ Tesla และ General Motors มีอยู่แล้ว
ระดับ 3: ผู้ขับขี่ไม่ต้องเฝ้าดูถนนอีกต่อไป แต่เขาต้องตื่นตัวและพร้อมที่จะเข้าควบคุม นี่คือสิ่งที่รถยนต์ที่มีจำหน่ายทั่วไปยังไม่มี ทั้งหมดที่มีอยู่ในปัจจุบันอยู่ที่ระดับ 1-2
ระดับ 4: ขับเคลื่อนอัตโนมัติจริง แต่มีข้อจำกัด: เฉพาะการเดินทางในพื้นที่ที่ทราบซึ่งมีการทำแผนที่อย่างระมัดระวังและโดยทั่วไปทราบโดยระบบ และภายใต้เงื่อนไขบางประการ เช่น ในกรณีที่ไม่มีหิมะ Waymo และ General Motors มีรถต้นแบบดังกล่าว และพวกเขาวางแผนที่จะเปิดตัวในหลายเมืองและทดสอบในสภาพแวดล้อมจริง ยานเดกซ์มีโซนทดสอบสำหรับแท็กซี่ไร้คนขับใน Skolkovo และ Innopolis: การเดินทางเกิดขึ้นภายใต้การดูแลของวิศวกรที่นั่งอยู่บนที่นั่งผู้โดยสาร ภายในสิ้นปีนี้ บริษัทวางแผนที่จะขยายกองยานพาหนะเป็น 100 คัน
ระดับ 5: การขับขี่อัตโนมัติเต็มรูปแบบ การเปลี่ยนไดรเวอร์สดโดยสมบูรณ์ ระบบดังกล่าวไม่มีอยู่จริง และไม่น่าจะปรากฏขึ้นอีกในปีต่อๆ ไป

เป็นความจริงสักเพียงไรที่จะเห็นทั้งหมดนี้ในอนาคตอันใกล้นี้? ที่นี่ฉันต้องการเปลี่ยนเส้นทางผู้อ่านไปยังบทความ “เหตุใดจึงเป็นไปไม่ได้ที่จะเปิดตัว robotaxi ภายในปี 2020 ตามที่ Tesla สัญญาไว้”. ส่วนหนึ่งเกิดจากการขาดการเชื่อมต่อ 5G: ความเร็ว 4G ที่มียังไม่เพียงพอ ส่วนหนึ่งเนื่องมาจากต้นทุนรถยนต์ขับเคลื่อนอัตโนมัติที่สูงมาก: ยังไม่มีผลกำไร รูปแบบธุรกิจยังไม่ชัดเจน กล่าวง่ายๆ สั้นๆ ว่า "ทุกอย่างซับซ้อน" ที่นี่ และไม่ใช่เรื่องบังเอิญที่ Gartner เขียนว่าการคาดการณ์สำหรับการดำเนินการในระดับ 4 และ 5 ในปริมาณมากนั้นจะไม่เร็วกว่าในรอบ 10 ปี

3.2. กล้องตรวจจับ 3 มิติ

เมื่อแปดปีที่แล้ว ตัวควบคุมเกม Kinect ของ Microsoft ได้สร้างกระแสด้วยการนำเสนอโซลูชันการมองเห็น 3 มิติที่เข้าถึงได้และราคาไม่แพง ตั้งแต่นั้นเป็นต้นมา เกมพลศึกษาและเต้นรำกับ Kinect ก็ประสบปัญหาเพิ่มขึ้นและลดลงในระยะสั้น แต่กล้อง 3D เริ่มถูกนำมาใช้ในหุ่นยนต์อุตสาหกรรม ยานพาหนะไร้คนขับ และโทรศัพท์มือถือเพื่อระบุใบหน้า เทคโนโลยีมีราคาถูกลง กะทัดรัดยิ่งขึ้น และเข้าถึงได้มากขึ้น

โทรศัพท์ Samsung S10 มีกล้อง Time-of-Flight ที่จะวัดระยะห่างจากวัตถุเพื่อให้โฟกัสได้ง่ายขึ้น Источник

หากคุณสนใจในหัวข้อนี้ เราจะนำคุณไปสู่การตรวจสอบกล้องเชิงลึกที่มีรายละเอียดดีมาก: ส่วนหนึ่งของ 1, ส่วนหนึ่งของ 2.

3.3. โดรนสำหรับส่งสินค้าขนาดเล็ก (Light Cargo Delivery Drones)

ในปีนี้ อเมซอนสร้างกระแสเมื่ออวดโดรนบินตัวใหม่ในงานนี้ ซึ่งสามารถบรรทุกสิ่งของขนาดเล็กได้ถึง 2 กิโลกรัม สำหรับเมืองที่มีรถติด นี่ถือเป็นทางออกที่ดี มาดูกันว่าโดรนเหล่านี้ทำงานอย่างไรในอนาคตอันใกล้นี้ บางทีอาจคุ้มค่าที่จะสงสัยอย่างระมัดระวัง: มีปัญหามากมาย เริ่มต้นด้วยความเป็นไปได้ที่จะถูกขโมยโดรนอย่างง่ายดาย และลงท้ายด้วยข้อจำกัดทางกฎหมายเกี่ยวกับ UAV Amazon Prime Air เปิดให้บริการมาเป็นเวลาหกปีแล้ว แต่ยังอยู่ในขั้นตอนการทดสอบ

โดรนตัวใหม่ของ Amazon แสดงให้เห็นในฤดูใบไม้ผลินี้ มีบางอย่างเกี่ยวกับ Star Wars เกี่ยวกับเขา Источник

นอกจาก Amazon แล้ว ยังมีผู้เล่นรายอื่นในตลาดนี้ (มีรายละเอียด ภาพรวม) แต่ไม่ใช่ผลิตภัณฑ์สำเร็จรูปชิ้นเดียว ทุกอย่างอยู่ในขั้นตอนการทดสอบและแคมเปญการตลาด แยกกันเป็นที่น่าสังเกตว่าการแพทย์เฉพาะทางค่อนข้างน่าสนใจ โครงการ ในแอฟริกา: จัดส่งเลือดบริจาคในประเทศกานา (จัดส่ง 14 ครั้ง บริษัท Zipline) และรวันดา (บริษัท Matternet)

3.4. ยานพาหนะขับเคลื่อนอัตโนมัติที่บินได้

เป็นการยากที่จะพูดอะไรที่ชัดเจนที่นี่ จากข้อมูลของ Gartner สิ่งนี้จะปรากฏไม่ช้ากว่าใน 10 ปี โดยทั่วไปแล้ว มีปัญหาเดียวกันทั้งหมดที่นี่เช่นเดียวกับในรถยนต์ที่ขับเคลื่อนด้วยตนเอง มีเพียงพวกเขาเท่านั้นที่ได้รับมิติใหม่ - แนวตั้ง Porsche, Boeing และ Uber ได้ประกาศความทะเยอทะยานในการสร้างแท็กซี่บินได้

3.5. คลาวด์เสริมความเป็นจริง (AR Cloud)

สำเนาดิจิทัลถาวรของโลกแห่งความเป็นจริง ช่วยให้คุณสร้างชั้นความเป็นจริงใหม่สำหรับผู้ใช้ทุกคน ในแง่ทางเทคนิค เรากำลังพูดถึงการสร้างแพลตฟอร์มระบบคลาวด์แบบเปิดที่นักพัฒนาสามารถรวมแอปพลิเคชัน AR ของตนได้ รูปแบบการสร้างรายได้นั้นชัดเจน มันเป็นแบบอะนาล็อกของ Steam แนวคิดนี้ฝังรากลึกมากจนบางคนเชื่อว่า AR ที่ไม่มีระบบคลาวด์นั้นไร้ประโยชน์

สิ่งนี้อาจมีลักษณะอย่างไรในอนาคตแสดงไว้ในวิดีโอสั้น ๆ ดูเหมือนอีกตอนหนึ่งของ Black Mirror:

ยังสามารถอ่านได้ที่ ทบทวนบทความ.

4. มนุษย์เสริม

4.1. เอไออารมณ์

จะวัด จำลอง และตอบสนองต่ออารมณ์ของมนุษย์ได้อย่างไร ลูกค้าบางรายที่นี่คือบริษัทที่ผลิตระบบสั่งงานด้วยเสียง เช่น Amazon Alexa พวกเขาสามารถคุ้นเคยกับบ้านได้อย่างแท้จริงหากพวกเขาเรียนรู้ที่จะรับรู้อารมณ์: เข้าใจสาเหตุของความไม่พอใจของผู้ใช้ และพยายามแก้ไขสถานการณ์ โดยทั่วไปแล้ว มีข้อมูลในบริบทมากกว่าในข้อความมาก และบริบทคือการแสดงออกทางสีหน้า น้ำเสียง และพฤติกรรมที่ไม่ใช่คำพูด

การใช้งานจริงอื่นๆ: การวิเคราะห์อารมณ์ระหว่างการสัมภาษณ์งาน (จากการสัมภาษณ์ทางวิดีโอ) การประเมินปฏิกิริยาต่อโฆษณาหรือเนื้อหาวิดีโออื่นๆ (รอยยิ้ม เสียงหัวเราะ) ความช่วยเหลือในการเรียนรู้ (เช่น เพื่อการฝึกปฏิบัติอิสระในศิลปะการพูดในที่สาธารณะ)

หัวข้อนี้พูดได้ดีกว่าผู้เขียนหนังสั้นความยาว 6 นาที ขโมยความรู้สึกของคุณ. วิดีโอที่มีไหวพริบและมีสไตล์นี้แสดงให้เห็นว่าคุณสามารถวัดอารมณ์ของเราเพื่อจุดประสงค์ทางการตลาดได้อย่างไร และจากปฏิกิริยาที่เกิดขึ้นบนใบหน้าของคุณชั่วขณะ เพื่อดูว่าคุณชอบพิซซ่า สุนัข คานเย เวสต์ หรือไม่ และแม้แต่ระดับรายได้และไอคิวโดยประมาณของคุณคือเท่าใด เมื่อเยี่ยมชมเว็บไซต์ของภาพยนตร์โดยใช้ลิงก์ด้านบน คุณจะกลายเป็นผู้เข้าร่วมในวิดีโอเชิงโต้ตอบโดยใช้กล้องในตัวของแล็ปท็อปของคุณ ภาพยนตร์เรื่องนี้เคยฉายในเทศกาลภาพยนตร์หลายงานแล้ว

Источник

มีการศึกษาที่น่าสนใจเช่นกัน: วิธีรับรู้การเสียดสีในข้อความ เราทวีตพร้อมแฮชแท็ก #sarcasm และจัดทำชุดฝึกอบรมทวีตที่มีการเสียดสี 25 ทวีต และทวีตปกติ 000 ทวีตเกี่ยวกับทุกสิ่งภายใต้ดวงอาทิตย์ เราใช้ไลบรารี TensorFlow ฝึกฝนระบบ และนี่คือผลลัพธ์:

Источник

ดังนั้น ตอนนี้ หากคุณไม่แน่ใจเกี่ยวกับเพื่อนร่วมงานหรือเพื่อนของคุณ - เขาพูดอะไรกับคุณอย่างจริงจังหรือประชดประชัน คุณสามารถใช้ได้แล้ว โครงข่ายประสาทเทียมที่ผ่านการฝึกอบรม!

4.2. ปัญญาเสริม

ระบบอัตโนมัติของงานทางปัญญาโดยใช้วิธีการเรียนรู้ของเครื่อง มันจะดูเหมือนไม่มีอะไรใหม่เหรอ? แต่ถ้อยคำนั้นมีความสำคัญที่นี่ โดยเฉพาะอย่างยิ่งเมื่อคำนั้นตรงกับตัวย่อด้วยปัญญาประดิษฐ์ สิ่งนี้นำเรากลับมาสู่การอภิปรายเกี่ยวกับ AI ที่ "แข็งแกร่ง" และ "อ่อนแอ"
AI ที่แข็งแกร่งเป็นปัญญาประดิษฐ์แบบเดียวกับจากภาพยนตร์นิยายวิทยาศาสตร์ที่เทียบเท่ากับจิตใจของมนุษย์โดยสิ้นเชิงและรับรู้ถึงตัวเองในฐานะปัจเจกบุคคล สิ่งนี้ยังไม่มีและยังไม่ชัดเจนว่าจะมีอยู่จริงหรือไม่

Weak AI ไม่ใช่บุคคลอิสระ แต่เป็นผู้ช่วยที่เป็นมนุษย์ เขาไม่ได้อ้างว่ามีความคิดเหมือนมนุษย์ แต่เพียงรู้วิธีการแก้ปัญหาข้อมูล เช่น กำหนดสิ่งที่แสดงในรูปภาพหรือแปลข้อความ

Источник

ในแง่นี้ Augmented Intelligence คือ "AI ที่อ่อนแอ" ในรูปแบบที่บริสุทธิ์ที่สุด และการกำหนดสูตรนี้ดูเหมือนจะประสบความสำเร็จ เนื่องจากไม่ได้ทำให้เกิดความสับสนและการล่อลวงที่จะเห็น "AI ที่แข็งแกร่ง" แบบเดียวกับที่ทุกคนใฝ่ฝัน (หรือกลัว ถ้าเรา ระลึกถึงการอภิปรายมากมายเกี่ยวกับ "รถยนต์กบฏ") ด้วยการใช้สำนวน Augmented Intelligence เราจึงกลายเป็นวีรบุรุษของภาพยนตร์เรื่องอื่นทันที: จากนิยายวิทยาศาสตร์ (เช่น "I, Robot" ของ Asimov) เราพบว่าตัวเองอยู่ในโลกไซเบอร์พังค์ ("การเสริม" ในประเภทนี้เป็นการปลูกถ่ายทุกประเภทที่ขยายขีดความสามารถของมนุษย์)

ในขณะที่ กล่าวว่า เอริก บรินจอล์ฟสันและแอนดรูว์ แม็คอาฟฟี: “ในอีก 10 ปีข้างหน้า นี่คือสิ่งที่จะเกิดขึ้น AI จะไม่มาแทนที่ผู้จัดการ แต่ผู้จัดการที่ใช้ AI จะเข้ามาแทนที่ผู้ที่ยังไม่ได้สร้าง”

Примеры:

• แพทยศาสตร์: มหาวิทยาลัยสแตนฟอร์ดพัฒนาขึ้น อัลกอริทึมซึ่งรับมือกับงานรับรู้โรคจากการเอ็กซ์เรย์ทรวงอกโดยเฉลี่ยได้สำเร็จเท่ากับแพทย์ส่วนใหญ่
• การศึกษา: การช่วยเหลือนักเรียนและครู การวิเคราะห์การตอบสนองของนักเรียนต่อสื่อการสอน การสร้างวิถีการเรียนรู้รายบุคคล
• การวิเคราะห์ธุรกิจ: การประมวลผลข้อมูลล่วงหน้าตามสถิติ ใช้เวลา 80% ของนักวิจัย และเพียง 20% ของการทดสอบเอง

4.3. ไบโอชิป

นี่เป็นธีมยอดนิยมของภาพยนตร์และหนังสือไซเบอร์พังก์ทั้งหมด โดยทั่วไปแล้ว การฝังไมโครชิปของสัตว์เลี้ยงไม่ใช่แนวทางปฏิบัติใหม่ แต่ตอนนี้ชิปเหล่านี้เริ่มถูกฝังลงในผู้คนแล้ว

ในกรณีนี้ การโฆษณาเกินจริงมักเกี่ยวข้องกับกรณีที่น่าตื่นเต้นใน Three Square Market บริษัทอเมริกัน ที่นั่นนายจ้างเริ่มเสนอให้ฝังชิปใต้ผิวหนังเพื่อแลกกับค่าธรรมเนียม ชิปช่วยให้คุณเปิดประตู เข้าสู่ระบบคอมพิวเตอร์ ซื้อขนมจากตู้จำหน่ายสินค้าอัตโนมัติ - นั่นคือบัตรพนักงานสากล ยิ่งไปกว่านั้น ชิปดังกล่าวยังทำหน้าที่เป็นบัตรประจำตัวอย่างแม่นยำ เนื่องจากไม่มีโมดูล GPS ดังนั้นจึงไม่สามารถติดตามใครก็ตามที่ใช้มันได้ และหากใครต้องการเอาชิปออกจากแขน จะใช้เวลา 5 นาทีโดยได้รับความช่วยเหลือจากแพทย์

ชิปมักจะฝังอยู่ระหว่างนิ้วหัวแม่มือและนิ้วชี้ Источник

อ่านเพิ่มเติม บทความ เกี่ยวกับสถานะของกิจการที่มีการบิ่นในโลก

4.4. พื้นที่ทำงานที่ดื่มด่ำ

“ดื่มด่ำ” เป็นอีกคำใหม่ที่หนีไม่พ้น มันมีทุกที่ โรงละคร นิทรรศการ โรงภาพยนตร์อันน่าดื่มด่ำ คุณหมายความว่าอย่างไร? ความดื่มด่ำคือการสร้างเอฟเฟกต์ที่ดื่มด่ำ เมื่อขอบเขตระหว่างผู้เขียนและผู้ดู โลกเสมือนจริงและโลกแห่งความจริงหายไป ในที่ทำงาน สันนิษฐานว่าหมายถึงการลดเส้นแบ่งระหว่างผู้กระทำและผู้ริเริ่ม และส่งเสริมให้พนักงานมีจุดยืนที่กระตือรือร้นมากขึ้นผ่านการจัดรูปแบบสภาพแวดล้อมใหม่

เนื่องจากขณะนี้เรามีการทำงานร่วมกันที่คล่องตัว ยืดหยุ่น และใกล้ชิดในทุกที่ สถานที่ทำงานจึงควรกำหนดค่าได้ง่ายที่สุดเท่าที่จะเป็นไปได้ และควรส่งเสริมการทำงานเป็นกลุ่ม เศรษฐกิจเป็นตัวกำหนดเงื่อนไข: มีพนักงานชั่วคราวเพิ่มขึ้น ค่าเช่าพื้นที่สำนักงานเพิ่มขึ้น และในตลาดแรงงานที่มีการแข่งขันสูง บริษัทไอทีกำลังพยายามเพิ่มความพึงพอใจของพนักงานจากการทำงานโดยการสร้างพื้นที่พักผ่อนหย่อนใจและผลประโยชน์อื่นๆ และทั้งหมดนี้สะท้อนให้เห็นในการออกแบบสถานที่ทำงาน

ของ รายงาน โนล

4.5. ตัวตน

ทุกคนรู้ดีว่าการปรับเปลี่ยนในแบบของคุณคืออะไรในการโฆษณา วันนี้เป็นตอนที่คุณกำลังคุยกับเพื่อนร่วมงานว่าอากาศในห้องค่อนข้างแห้ง และคุณควรซื้อเครื่องทำความชื้นสำหรับสำนักงาน และในวันรุ่งขึ้นคุณจะเห็นโฆษณาบนโซเชียลเน็ตเวิร์กของคุณ - "ซื้อเครื่องทำความชื้น" (ก เหตุการณ์จริงที่เกิดขึ้นกับฉัน)

Источник

การปรับเปลี่ยนในแบบของคุณตามที่กำหนดโดย Gartner เป็นการตอบสนองต่อความกังวลที่เพิ่มขึ้นของผู้ใช้เกี่ยวกับการใช้ข้อมูลส่วนบุคคลของตนเพื่อวัตถุประสงค์ในการโฆษณา เป้าหมายคือการพัฒนาแนวทางในการแสดงโฆษณาที่เกี่ยวข้องกับบริบทที่เราพบตัวเอง ไม่ใช่ต่อเราเป็นการส่วนตัว ตัวอย่างเช่น ตำแหน่งของเรา ประเภทอุปกรณ์ เวลาของวัน สภาพอากาศ - นี่คือสิ่งที่ไม่ละเมิดข้อมูลส่วนบุคคลของเรา และเราไม่รู้สึกถึงความรู้สึกไม่พึงประสงค์จากการถูก "ถูกสอดแนม"

อ่านเกี่ยวกับความแตกต่างระหว่างแนวคิดทั้งสองนี้ บันทึก บล็อกของ Andrew Frank บนเว็บไซต์ของ Gartner มีความแตกต่างที่ละเอียดอ่อนและคำพูดที่คล้ายกันซึ่งคุณไม่ทราบความแตกต่างเสี่ยงที่จะโต้เถียงกับคู่สนทนาของคุณเป็นเวลานานโดยไม่สงสัยว่าโดยทั่วไปแล้วทั้งคู่ถูกต้อง (และนี่ก็เป็นเหตุการณ์จริงที่เกิดขึ้นกับ ผู้เขียน).

4.6. เทคโนโลยีชีวภาพ - เนื้อเยื่อเพาะเลี้ยงหรือประดิษฐ์

ก่อนอื่นนี่คือแนวคิดในการปลูกเนื้อสัตว์เทียม ในเวลาเดียวกัน หลายทีมทั่วโลกกำลังยุ่งอยู่กับการพัฒนาห้องปฏิบัติการ "Meat 2.0" - คาดว่าจะมีราคาถูกกว่าปกติ และอาหารจานด่วนและซูเปอร์มาร์เก็ตจะเปลี่ยนมาใช้ นักลงทุนในเทคโนโลยีนี้ ได้แก่ Bill Gates, Sergey Brin, Richard Branson และคนอื่นๆ

Источник

เหตุผลที่ใครๆ ก็สนใจเนื้อเทียมมาก:

1. ภาวะโลกร้อน: การปล่อยก๊าซมีเทนจากฟาร์ม นี่คือ 18% ของปริมาณก๊าซทั่วโลกที่ส่งผลกระทบต่อสภาพภูมิอากาศ
2. การเติบโตของประชากร ความต้องการเนื้อสัตว์กำลังเพิ่มขึ้นและเป็นไปไม่ได้ที่จะเลี้ยงทุกคนด้วยเนื้อสัตว์ธรรมชาติ - มันมีราคาแพง
3. ขาดพื้นที่ ป่าอเมซอน 70% ถูกตัดลงเพื่อใช้เป็นทุ่งหญ้าแล้ว
4. ข้อพิจารณาทางจริยธรรม มีคนที่สำคัญสำหรับสิ่งนี้ องค์กรปกป้องสิทธิสัตว์ PETA ได้เสนอรางวัลมูลค่า 1 ล้านดอลลาร์ ให้กับนักวิทยาศาสตร์ผู้นำเนื้อไก่เทียมออกสู่ตลาดแล้ว

การแทนที่เนื้อสัตว์จริงด้วยถั่วเหลืองเป็นวิธีการแก้ปัญหาเพียงบางส่วน เนื่องจากผู้คนสามารถชื่นชมความแตกต่างในด้านรสชาติและเนื้อสัมผัสได้ และไม่น่าจะเลิกทานสเต็กไปแทนถั่วเหลือง ดังนั้นคุณจึงต้องการเนื้อสัตว์แท้ที่ปลูกแบบออร์แกนิก น่าเสียดายที่เนื้อสัตว์เทียมมีราคาแพงเกินไป โดยเริ่มต้นที่ 12 ดอลลาร์ต่อกิโลกรัม นี่เป็นเพราะกระบวนการทางเทคนิคที่ซับซ้อนในการปลูกเนื้อสัตว์ดังกล่าว อ่านเกี่ยวกับเรื่องนี้ทั้งหมด บทความ.

หากเราพูดถึงกรณีอื่นของการเจริญเติบโตของเนื้อเยื่อ - มีอยู่แล้วในทางการแพทย์ - หัวข้อเกี่ยวกับอวัยวะเทียมก็น่าสนใจ: ตัวอย่างเช่น "แผ่นแปะ" สำหรับกล้ามเนื้อหัวใจ พิมพ์ เครื่องพิมพ์ 3 มิติแบบพิเศษ เป็นที่รู้จัก เรื่องราว เหมือนหัวใจของหนูที่ปลูกโดยเทียม แต่โดยทั่วไปแล้ว ทุกอย่างยังอยู่ในขอบเขตของการทดลองทางคลินิก ดังนั้นเราจึงไม่น่าจะเห็นแฟรงเกนสไตน์ในอีกไม่กี่ปีข้างหน้า

Gartner ระมัดระวังอย่างมากในการประมาณการของเขา โดยคำนึงถึงการคาดการณ์ที่ล้มเหลวในปี 2015 ของเขาที่ว่าในปี 2019 10% ของประชากรในประเทศที่พัฒนาแล้วจะมีการปลูกถ่ายอุปกรณ์ทางการแพทย์ที่พิมพ์ 3 มิติ ดังนั้นจึงหมายความว่าเวลาที่จะเพิ่มผลผลิตให้ถึงระดับสูงสุดคืออย่างน้อย 10 ปี

5. ระบบนิเวศดิจิทัล

5.1. เว็บกระจายอำนาจ

แนวคิดนี้มีความเกี่ยวข้องอย่างใกล้ชิดกับชื่อของเซอร์ ทิม เบิร์นเนอร์ส-ลี ผู้ประดิษฐ์เว็บ ซึ่งได้รับรางวัลทัวริง สำหรับเขา คำถามเกี่ยวกับจริยธรรมในวิทยาการคอมพิวเตอร์มีความสำคัญเสมอ และแก่นแท้โดยรวมของอินเทอร์เน็ตก็มีความสำคัญ นั่นคือการวางรากฐานของไฮเปอร์เท็กซ์ เขาเชื่อมั่นว่าเครือข่ายควรทำงานเหมือนเว็บ ไม่ใช่แบบลำดับชั้น นี่เป็นกรณีที่เกิดขึ้นในช่วงเริ่มต้นของการพัฒนาเครือข่าย อย่างไรก็ตาม เมื่ออินเทอร์เน็ตเติบโตขึ้น โครงสร้างก็กลายเป็นศูนย์กลางด้วยเหตุผลหลายประการ ปรากฎว่าการเข้าถึงเครือข่ายสำหรับทั้งประเทศสามารถถูกบล็อกได้อย่างง่ายดายด้วยความช่วยเหลือจากผู้ให้บริการเพียงไม่กี่ราย และข้อมูลผู้ใช้ได้กลายเป็นแหล่งพลังงานและรายได้ของบริษัทอินเทอร์เน็ต

“อินเทอร์เน็ตมีการกระจายอำนาจแล้ว” Burners-Lee กล่าว “ปัญหาคือเสิร์ชเอ็นจิ้นหนึ่งอัน โซเชียลเน็ตเวิร์กขนาดใหญ่หนึ่งอัน และแพลตฟอร์มไมโครบล็อกหนึ่งอันมีอิทธิพลเหนือ เราไม่มีปัญหาทางเทคโนโลยี แต่เรามีปัญหาทางสังคม”

ใน จดหมายเปิดผนึก เนื่องในโอกาสครบรอบ 30 ปีของเวิลด์ไวด์เว็บ ผู้สร้างเว็บได้สรุปปัญหาหลักสามประการของอินเทอร์เน็ต:

1. อันตรายแบบกำหนดเป้าหมาย เช่น การแฮ็กที่รัฐสนับสนุน อาชญากรรม และการคุกคามทางออนไลน์
2. การออกแบบระบบซึ่งสร้างความเสียหายให้กับผู้ใช้ทำให้เกิดกลไกเช่น: แรงจูงใจทางการเงินสำหรับคลิกเบตและการแพร่กระจายของข้อมูลเท็จแบบไวรัล
3. ผลที่ตามมาโดยไม่ได้ตั้งใจจากการออกแบบระบบที่นำไปสู่ความขัดแย้งและลดคุณภาพของการสนทนาออนไลน์

และทิม เบอร์เนอร์ส-ลีก็มีคำตอบอยู่แล้วว่าหลักการใดที่ "อินเทอร์เน็ตของบุคคลที่มีสุขภาพดี" อาจอิงได้ โดยปราศจากปัญหาข้อที่ 2: "สำหรับผู้ใช้จำนวนมาก รายได้จากการโฆษณายังคงเป็นรูปแบบเดียวสำหรับการโต้ตอบกับอินเทอร์เน็ต แม้ว่าผู้คนจะกลัวว่าจะเกิดอะไรขึ้นกับข้อมูลของพวกเขา แต่พวกเขาก็ยินดีที่จะทำข้อตกลงกับเครื่องมือการตลาดเพื่อโอกาสในการรับเนื้อหาฟรี ลองจินตนาการถึงโลกที่การชำระค่าสินค้าและบริการเป็นเรื่องง่ายและสนุกสนานสำหรับทั้งสองฝ่าย” ในบรรดาทางเลือกต่างๆ ในการจัดการสิ่งนี้: นักดนตรีสามารถขายแผ่นเสียงของตนโดยไม่ต้องมีคนกลางในรูปแบบของ iTunes และไซต์ข่าวสามารถใช้ระบบไมโครเพย์เมนท์เพื่ออ่านบทความหนึ่งบทความ แทนที่จะสร้างรายได้จากการโฆษณา

ในฐานะต้นแบบการทดลองสำหรับอินเทอร์เน็ตใหม่นี้ Tim Berners-Lee ได้เปิดตัวโครงการ SOLID ซึ่งสาระสำคัญก็คือคุณจัดเก็บข้อมูลของคุณไว้ใน "พ็อด" ซึ่งเป็นที่เก็บข้อมูลและสามารถให้ข้อมูลนี้แก่แอปพลิเคชันบุคคลที่สามได้ แต่โดยหลักการแล้ว คุณเองก็เป็นผู้เชี่ยวชาญด้านข้อมูลของคุณ ทั้งหมดนี้เกี่ยวข้องอย่างใกล้ชิดกับแนวคิดของเครือข่ายเพียร์ทูเพียร์ กล่าวคือ คอมพิวเตอร์ของคุณไม่เพียงแต่ร้องขอบริการเท่านั้น แต่ยังให้บริการอีกด้วย เพื่อไม่ให้เซิร์ฟเวอร์เดียวเป็นช่องทางเดียว

Источник

5.2. องค์กรอิสระแบบกระจายอำนาจ

เป็นองค์กรที่อยู่ภายใต้กฎเกณฑ์ที่เขียนไว้ในรูปแบบของโปรแกรมคอมพิวเตอร์ กิจกรรมทางการเงินขึ้นอยู่กับบล็อคเชน วัตถุประสงค์ของการสร้างองค์กรดังกล่าวคือการกำจัดรัฐออกจากบทบาทของตัวกลาง และสร้างสภาพแวดล้อมที่เชื่อถือได้ร่วมกันสำหรับคู่ค้า ซึ่งไม่ได้เป็นเจ้าของโดยใครก็ตาม แต่เป็นของทุกคนด้วยกัน ตามทฤษฎีแล้ว หากแนวคิดดังกล่าวหยั่งราก ควรจะยกเลิกการรับรองเอกสารและสถาบันตรวจสอบอื่นๆ ตามปกติ

ตัวอย่างที่มีชื่อเสียงที่สุดขององค์กรดังกล่าวคือ The DAO ที่มุ่งเน้นการลงทุน ซึ่งระดมทุนได้ 2016 ล้านดอลลาร์ในปี 150 โดยในจำนวนนั้น 50 ดอลลาร์ถูกขโมยไปทันทีผ่านช่องโหว่ทางกฎหมายในกฎ ภาวะที่กลืนไม่เข้าคายไม่ออกที่ยากลำบากเกิดขึ้นทันที: ย้อนกลับไปและคืนเงินหรือยอมรับว่าการถอนเงินนั้นถูกกฎหมาย เพราะมันไม่เคยละเมิดกฎของแพลตฟอร์มเลย ด้วยเหตุนี้ เพื่อที่จะคืนเงินให้กับนักลงทุน ผู้สร้างจึงต้องทำลาย The DAO เขียนบล็อคเชนใหม่ และละเมิดหลักการพื้นฐาน - ความไม่เปลี่ยนรูป

การ์ตูนเกี่ยวกับ Ethereum (ซ้าย) และ The DAO (ขวา) Источник

เรื่องราวทั้งหมดนี้ได้ทำลายชื่อเสียงของแนวคิดของ DAO ไปแล้ว โครงการดังกล่าวสร้างขึ้นบนพื้นฐานของสกุลเงินดิจิทัล Ethereum คาดว่าจะเป็นเวอร์ชัน Ether 2.0 ในปีหน้า - บางทีผู้เขียน (รวมถึง Vitalik Buterin ผู้โด่งดัง) อาจคำนึงถึงข้อผิดพลาดและแสดงสิ่งใหม่ ๆ นั่นอาจเป็นเหตุผลที่ Gartner ใส่ DAO ไว้ในอัพไลน์

5.3.ข้อมูลสังเคราะห์

ในการฝึกโครงข่ายประสาทเทียม จำเป็นต้องมีข้อมูลจำนวนมาก การติดป้ายกำกับข้อมูลด้วยตนเองเป็นงานใหญ่ที่สามารถทำได้โดยมนุษย์เท่านั้น ดังนั้นจึงสามารถสร้างชุดข้อมูลเทียมได้ ตัวอย่างเช่น คอลเลกชันใบหน้ามนุษย์ชุดเดียวกันบนเว็บไซต์ https://generated.photos. สร้างขึ้นโดยใช้ GAN - อัลกอริธึมที่ได้กล่าวไปแล้วข้างต้น

ใบหน้าเหล่านี้ไม่ได้เป็นของคน Источник

ข้อได้เปรียบที่สำคัญของข้อมูลดังกล่าวคือไม่มีปัญหาทางกฎหมายในการใช้งาน: ไม่มีใครให้ความยินยอมในการประมวลผลข้อมูลส่วนบุคคล

5.4.ปฏิบัติการดิจิทัล

คำต่อท้าย "Ops" กลายเป็นคำที่ทันสมัยอย่างไม่น่าเชื่อตั้งแต่ DevOps หยั่งรากในคำพูดของเรา ตอนนี้เกี่ยวกับว่า DigitalOps คืออะไร – มันเป็นเพียงภาพรวมของ DevOps, DesignOps, MarketingOps... คุณเบื่อหรือยัง? กล่าวโดยสรุป มันคือการถ่ายโอนแนวทาง DevOps จากส่วนซอฟต์แวร์ไปยังด้านอื่นๆ ทั้งหมดของธุรกิจ เช่น การตลาด การออกแบบ ฯลฯ

Источник

แนวคิดของ DevOps คือการขจัดอุปสรรคระหว่างการพัฒนาและการปฏิบัติการ (กระบวนการทางธุรกิจ) ผ่านการสร้างทีมทั่วไปซึ่งมีโปรแกรมเมอร์ ผู้ทดสอบ ผู้เชี่ยวชาญด้านความปลอดภัย และผู้ดูแลระบบ การดำเนินการตามแนวทางปฏิบัติบางประการ: การบูรณาการอย่างต่อเนื่อง โครงสร้างพื้นฐานเป็นรหัส การลดและการเสริมสร้างความเข้มแข็งของห่วงโซ่ผลตอบรับ เป้าหมายคือการเร่งเวลาของผลิตภัณฑ์ออกสู่ตลาด หากคุณคิดว่าสิ่งนี้คล้ายกับ Agile แสดงว่าคุณคิดถูก ตอนนี้ให้ถ่ายทอดแนวทางนี้จากด้านการพัฒนาซอฟต์แวร์ไปสู่การพัฒนาโดยทั่วไปทางจิตใจ - และคุณจะเข้าใจว่า DigitalOps คืออะไร

5.5. กราฟความรู้

วิธีซอฟต์แวร์เพื่อสร้างโมเดลขอบเขตความรู้ รวมถึงการใช้อัลกอริธึมการเรียนรู้ของเครื่อง กราฟความรู้ถูกสร้างขึ้นบนฐานข้อมูลที่มีอยู่เพื่อเชื่อมโยงข้อมูลทั้งหมดเข้าด้วยกัน ทั้งแบบมีโครงสร้าง (รายการเหตุการณ์หรือบุคคล) และไม่มีโครงสร้าง (ข้อความของบทความ)

ตัวอย่างที่ง่ายที่สุดคือการ์ดที่คุณเห็นในผลการค้นหาของ Google หากคุณกำลังมองหาบุคคลหรือสถาบัน คุณจะเห็นการ์ดทางด้านขวา:


โปรดทราบว่า "กิจกรรมที่กำลังจะมีขึ้น" ไม่ใช่สำเนาข้อมูลจาก Google Maps แต่เป็นการรวมกำหนดการเข้ากับ Yandex.Afisha: คุณสามารถดูสิ่งนี้ได้อย่างง่ายดายหากคุณคลิกที่กิจกรรม นั่นก็คือเป็นการนำแหล่งข้อมูลหลายๆ แหล่งมารวมกัน

หากคุณขอรายชื่อ เช่น "ผู้กำกับที่มีชื่อเสียง" คุณจะเห็นภาพหมุน:

โบนัสสำหรับคนที่อ่านจบ

และตอนนี้เราได้ชี้แจงความหมายของแต่ละประเด็นให้ชัดเจนแล้วเราสามารถดูภาพเดียวกันได้ แต่เป็นภาษารัสเซีย:

แบ่งปันได้อย่างอิสระบนโซเชียลเน็ตเวิร์ก!

Tatyana Volkova - ผู้เขียนโปรแกรมการฝึกอบรมสำหรับ Internet of Things IT ติดตามที่ Samsung Academy ผู้เชี่ยวชาญด้านโปรแกรมความรับผิดชอบต่อสังคมขององค์กรที่ Samsung Research Center


ที่มา: will.com