Ang chart ni Gartner ay parang isang high fashion show para sa mga nasa industriya ng tech. Sa pamamagitan ng pagtingin dito, malalaman mo nang maaga kung aling mga salita ang pinaka-hyped sa season na ito at kung ano ang maririnig mo sa lahat ng paparating na kumperensya.
Natukoy namin kung ano ang nasa likod ng magagandang salita sa graph na ito para makapagsalita ka rin ng wika.
Upang magsimula, ilang salita lamang tungkol sa kung anong uri ito ng graph. Bawat taon sa Agosto, ang consulting agency na Gartner ay naglalabas ng ulat - Gartner Hype Curve. Sa Russian, ito ay isang "hype curve," o, mas simple, hype. 30 taon na ang nakalilipas, kumanta ang mga rapper mula sa grupong Public Enemy: βHuwag maniwala sa hype.β Maniwala ka man o hindi, ito ay isang personal na tanong, ngunit sulit na malaman ang mga keyword na ito kung nagtatrabaho ka sa larangan ng teknolohiya at gusto mong malaman ang mga pandaigdigang uso.
Ito ay isang graph ng mga pampublikong inaasahan mula sa isang partikular na teknolohiya. Ayon kay Gartner, sa isip, ang teknolohiya ay dumaan sa 5 yugto: paglulunsad ng teknolohiya, rurok ng napalaki na mga inaasahan, lambak ng pagkabigo, dalisdis ng kaliwanagan, talampas ng produktibidad. Ngunit nangyayari rin na nalulunod ito sa "lambak ng pagkabigo" - maaari mong matandaan ang mga halimbawa sa iyong sarili nang napakadali, kunin ang parehong mga bitcoin: sa una ay tumama sa tuktok bilang "pera ng hinaharap", mabilis silang dumulas kapag ang mga pagkukulang ng teknolohiya naging malinaw, una sa lahat ng mga paghihigpit sa bilang ng mga transaksyon at ang napakalaking halaga ng koryente na kinakailangan upang makabuo ng mga bitcoin (na nagsasangkot na ng mga problema sa kapaligiran). At siyempre, hindi natin dapat kalimutan na ang tsart ni Gartner ay isang forecast lamang: dito, halimbawa, maaari mong basahin ang isang detalyadong , kung saan inaayos ang mga pinakakapansin-pansing hindi natutupad na mga hula.
Kaya, tingnan natin ang bagong chart ng Gartner. Ang mga teknolohiya ay nahahati sa 5 malalaking pangkat na pampakay:
- Advanced na AI at Analytics
- Postclassical Compute at Comms
- Sensing at Mobility
- Augmented Human
- Mga Digital Ecosystem
1. Advanced na AI at Analytics
Sa nakalipas na 10 taon nakita namin ang pinakamagandang oras ng malalim na pag-aaral. Tunay na epektibo ang mga network na ito para sa kanilang hanay ng mga gawain. Noong 2018, natanggap nina Yann LeCun, Geoffrey Hinton at Yoshua Bengio ang Turing Award para sa kanilang mga natuklasan - ang pinakaprestihiyosong parangal, na katulad ng Nobel Prize sa computer science. Kaya, ang mga pangunahing uso sa lugar na ito, na ipinapakita sa tsart:
1.1. Transfer Learning
Hindi mo sinasanay ang isang neural network mula sa simula, ngunit kumuha ng isang nasanay na at italaga ito ng ibang layunin. Minsan nangangailangan ito ng muling pagsasanay sa bahagi ng network, ngunit hindi sa buong network, na mas mabilis. Halimbawa, ang pagkuha ng isang handa na neural network na ResNet50, na sinanay sa dataset ng ImageNet1000, makakakuha ka ng isang algorithm na maaaring mag-uri-uriin ang maraming iba't ibang mga bagay sa isang imahe sa isang napakalalim na antas (1000 mga klase batay sa mga tampok na nabuo ng 50 mga layer ng neural network). Ngunit hindi mo kailangang sanayin ang buong network na iyon, na tatagal ng ilang buwan.
Π Samsung "Neural network at computer vision", halimbawa, sa pangwakas sa pag-uuri ng mga plate sa malinis at marumi, ipinapakita ang isang diskarte na sa loob ng 5 minuto ay nagbibigay sa iyo ng isang malalim na neural network na may kakayahang makilala ang mga maruruming plate mula sa malinis, na binuo ayon sa arkitektura na inilarawan sa itaas. Ang orihinal na network ay hindi alam kung ano ang mga plato, natutunan lamang nitong makilala ang mga ibon mula sa mga aso (tingnan ang ImageNet).
Pinagmulan: Samsung "Mga neural network at computer vision"
Para sa Transfer Learning kailangan mong malaman kung aling mga diskarte ang gumagana at kung anong mga yari na pangunahing arkitektura ang magagamit. Sa pangkalahatan, ito ay lubos na nagpapabilis sa paglitaw ng mga praktikal na aplikasyon ng machine learning.
1.2. Mga Generative Adversarial Network (GAN)
Ito ay para sa mga kaso kung saan napakahirap para sa atin na bumalangkas ng layunin sa pag-aaral. Kung mas malapit ang gawain sa totoong buhay, mas naiintindihan natin ito ("dalhin ang bedside table"), ngunit mas mahirap na bumalangkas nito bilang isang teknikal na gawain. Ang GAN ay isang pagtatangka lamang na iligtas tayo sa problemang ito.
Mayroong dalawang network na gumagana dito: ang isa ay isang generator (Generative), ang isa ay isang discriminator (Adversarial). Natututo ang isang network na gumawa ng kapaki-pakinabang na gawain (uriin ang mga larawan, kilalanin ang mga tunog, gumuhit ng mga cartoon). At natututo ang isa pang network na ituro ang network na iyon: mayroon itong mga tunay na halimbawa, at natututo itong humanap ng dati nang hindi kilalang kumplikadong formula para sa paghahambing ng mga produkto ng generative na bahagi ng network sa mga real-world na bagay (training set) batay sa talagang mahalagang malalim na katangian. : ang bilang ng mga mata, malapit sa istilo ni Miyazaki, tamang pagbigkas sa Ingles.
Isang halimbawa ng resulta ng isang network para sa pagbuo ng mga anime character.
Ngunit, siyempre, mahirap magtayo ng arkitektura doon. Hindi sapat na itapon lamang ang mga neuron, kailangan nilang maging handa. At kailangan mong mag-aral ng ilang linggo. Ang aking mga kasamahan sa Samsung Artificial Intelligence Center ay nagtatrabaho sa paksa ng GAN; ito ay isa sa kanilang mga pangunahing katanungan sa pananaliksik. Halimbawa, ganito : paggamit ng mga generative network para mag-synthesize ng mga makatotohanang larawan ng mga taong may variable na pose - halimbawa, para gumawa ng virtual fitting room, o mag-synthesize ng mukha, na maaaring mabawasan ang dami ng impormasyong kailangang i-store o ipadala para matiyak ang mataas na kalidad na video komunikasyon, pagsasahimpapawid o proteksyon ng personal na data.
1.3. Maipaliwanag AI
Para sa ilang mga bihirang gawain, ang mga pag-unlad sa malalim na mga arkitektura ay biglang nagdala ng mga kakayahan ng malalim na neural network na mas malapit sa mga kakayahan ng tao. Ngayon ang labanan ay upang madagdagan ang hanay ng mga naturang gawain. Halimbawa, ang isang robot na vacuum cleaner ay madaling makilala ang isang pusa mula sa isang aso sa isang head-on meeting. Ngunit sa karamihan ng mga sitwasyon sa buhay, hindi niya mahahanap ang isang pusa na natutulog sa linen o kasangkapan (gayunpaman, tulad namin, sa karamihan ng mga kaso...).
Ano ang dahilan ng tagumpay ng malalim na neural network? Bumubuo sila ng isang representasyon ng problema batay hindi sa impormasyon na "nakikita ng mata" (mga pixel ng larawan, mga pagbabago sa dami ng tunog...), ngunit sa mga tampok na nakuha pagkatapos i-preprocess ang impormasyong ito ng ilang daang mga layer ng isang neural network. Sa kasamaang palad, ang mga ugnayang ito ay maaari ding walang kahulugan, hindi pare-pareho, o may mga bakas ng mga di-kasakdalan sa orihinal na set ng data. Halimbawa, mayroong isang maliit na laro sa computer tungkol sa kung ano ang maaaring humantong sa walang pag-iisip na paggamit ng AI sa pagre-recruit .
Ang image tagging system ay may label na ang taong nagluluto bilang isang babae, kahit na ang tao sa larawan ay talagang isang lalaki (). ito sa Virginia Institute.
Upang pag-aralan ang masalimuot at malalalim na relasyon na kadalasang hindi natin kayang bumalangkas sa ating sarili, kailangan ang mga paraan ng Explainable AI. Inayos nila ang mga tampok ng malalim na neural network upang pagkatapos ng pagsasanay, masuri natin ang panloob na representasyon na natutunan ng network, sa halip na umasa lamang sa desisyon nito.
1.4. Edge Analytics / AI
Lahat ng may salitang Edge ay literal na nangangahulugang ang sumusunod: paglilipat ng bahagi ng mga algorithm mula sa cloud/server patungo sa end device/gateway level. Ang ganitong algorithm ay gagana nang mas mabilis at hindi mangangailangan ng koneksyon sa isang sentral na server para sa operasyon nito. Kung pamilyar ka sa abstraction ng isang "manipis na kliyente," pagkatapos ay dito namin ginagawang mas makapal ang kliyenteng ito.
Maaaring mahalaga ito para sa Internet of Things. Halimbawa, kung ang isang makina ay nag-overheat at nangangailangan ng paglamig, makatuwirang isenyas ito kaagad, sa antas ng planta, nang hindi naghihintay na mapunta ang data sa cloud at mula doon sa shift foreman. O isa pang halimbawa: maaaring malaman ng mga self-driving na kotse ang sitwasyon ng trapiko nang mag-isa, nang hindi nakikipag-ugnayan sa isang central server.
O isa pang halimbawa kung bakit ito mahalaga mula sa punto ng seguridad: kapag nag-type ka ng mga text sa iyong telepono, naaalala nito ang mga salitang karaniwan para sa iyo, upang maginhawang ma-prompt ka ng keyboard ng telepono gamit ang mga ito - ito ay tinatawag na predictive text input . Ang pagpapadala ng lahat ng tina-type mo sa iyong keyboard sa isang data center sa isang lugar ay magiging isang paglabag sa iyong privacy at sadyang hindi ligtas. Samakatuwid, ang pagsasanay sa keyboard ay nangyayari lamang sa loob ng iyong device mismo.
1.5. AI Platform bilang isang Serbisyo (AI PaaS)
Ang PaaS - Platform-as-a-Service ay isang modelo ng negosyo kung saan nakakakuha tayo ng access sa isang pinagsama-samang platform, kasama ang cloud-based na pag-iimbak ng data at mga handa na pamamaraan nito. Sa ganitong paraan, mapapalaya natin ang ating sarili mula sa mga gawaing pang-imprastraktura at ganap na tumutok sa paggawa ng isang bagay na kapaki-pakinabang. Halimbawa ng mga platform ng PaaS para sa mga gawain sa AI: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.
1.6. Adaptive Machine Learning (Adaptive ML)
Paano kung hahayaan natin ang artificial intelligence na mag-adapt... Itanong mo - ibig sabihin, paano?.. Hindi ba naaangkop na ito sa gawain? Ang problema ay ito: maingat naming idinisenyo ang bawat problema bago bumuo ng isang algorithm ng artificial intelligence upang malutas ito. Sasagutin ka nila - ito ay lumiliko na ang kadena na ito ay maaaring gawing simple.
Gumagana ang conventional machine learning sa prinsipyo ng open-loop: naghahanda ka ng data, bumuo ng neural network (o anumang bagay), nagsasanay, pagkatapos ay tumingin sa ilang mga indicator, at kung gusto mo ang lahat, maaari mong ipadala ang neural network sa mga smartphone upang malutas ang mga problema ng gumagamit. Ngunit sa mga application kung saan maraming data at unti-unting nagbabago ang kalikasan nito, kailangan ang iba pang mga pamamaraan. Ang ganitong mga sistema, na umaangkop at nagtuturo sa kanilang mga sarili, ay nakaayos sa sarado, self-learning loops (closed-loop), at dapat silang gumana nang maayos.
Mga Application - ito ay maaaring stream analytics (Stream Analytics), na batayan kung saan maraming negosyante ang gumagawa ng mga desisyon, o adaptive production management. Sa laki ng kasalukuyang mga aplikasyon at binigyan ng mas nauunawaang mga panganib sa mga tao, ang mga pamamaraan na bumubuo ng solusyon sa problemang ito ay lahat ay kinokolekta sa ilalim ng payong terminong Adaptive AI.
Sa pagtingin sa larawang ito, mahirap alisin ang pakiramdam na hindi nagpapakain ng tinapay sa mga futurologist - hayaan silang magturo sa isang robot na huminga...
Postclassical Compute at Comms
2.1. Ikalimang henerasyong mobile na komunikasyon (5G)
Ito ay isang kawili-wiling paksa na agad naming isinangguni sa iyo sa aming . Well, narito ang isang maikling buod. Ang 5G, sa pamamagitan ng pagtaas ng dalas ng paghahatid ng data, ay gagawing hindi makatotohanang mabilis ang bilis ng Internet. Mas mahirap para sa mga maikling alon na dumaan sa mga hadlang, kaya ang disenyo ng mga network ay magiging ganap na naiiba: 500 beses na mas maraming base station ang kailangan.
Kasabay ng bilis, makakakuha tayo ng mga bagong phenomena: mga real-time na laro na may augmented reality, pagsasagawa ng mga kumplikadong gawain (tulad ng operasyon) sa pamamagitan ng telepresence, pag-iwas sa mga aksidente at mahihirap na sitwasyon sa mga kalsada sa pamamagitan ng komunikasyon sa pagitan ng mga makina. Sa isang mas prosaic na tala: ang mobile Internet ay sa wakas ay hihinto sa pagbagsak sa panahon ng mga mass event, tulad ng isang laban sa isang stadium.
Pinagmulan ng larawan - Reuters, Niantic
2.2. Memorya ng Susunod na Henerasyon
Narito ang pinag-uusapan natin ang tungkol sa ikalimang henerasyon ng RAM - DDR5. Inanunsyo ng Samsung na ang mga produktong nakabatay sa DDR2019 ay magiging available sa pagtatapos ng 5. Inaasahan na ang bagong memorya ay magiging dalawang beses nang mas mabilis at dalawang beses na mas malaki habang pinapanatili ang parehong form factor, iyon ay, makakakuha tayo ng mga memory stick na may kapasidad na hanggang 32GB para sa ating computer. Sa hinaharap, ito ay magiging partikular na may kaugnayan para sa mga smartphone (ang bagong memorya ay nasa mababang-power na bersyon) at para sa mga laptop (kung saan ang bilang ng mga DIMM slot ay limitado). At ang machine learning ay nangangailangan din ng malaking halaga ng RAM.
2.3. Mga Low-Earth-Orbit Satellite System
Ang ideya ng pagpapalit ng mabibigat, mahal, makapangyarihang mga satellite na may isang pulutong ng maliliit at murang mga satellite ay malayo sa bago at lumitaw noong 90s. Tungkol Saan Ngayon lang ang mga tamad ang hindi nakarinig. Ang pinakasikat na kumpanya dito ay ang Iridium, na nabangkarote noong huling bahagi ng 90s, ngunit na-save sa gastos ng US Department of Defense (hindi malito sa iRidium, ang Russian smart home system). Ang proyekto ni Elon Musk (Starlink) ay malayo sa nag-iisa - Richard Branson (OneWeb - 1440 na iminungkahing satellite), Boeing (3000 satellite), Samsung (4600 satellite), at iba pa ay nakikilahok sa satellite race.
Ano ang kalagayan ng mga bagay sa lugar na ito, kung ano ang hitsura ng ekonomiya doon - basahin sa . At hinihintay namin ang mga unang pagsubok ng mga system na ito ng mga unang user, na dapat maganap sa susunod na taon.
2.4. Nanoscale 3D Printing
Ang pag-print ng 3D, kahit na hindi ito pumasok sa buhay ng bawat tao (sa anyo na ipinangako ng isang indibidwal na pabrika ng plastik sa bahay), gayunpaman ay matagal nang umalis sa niche ng teknolohiya para sa mga geeks. Maaari mong hatulan ang katotohanan na alam ng bawat mag-aaral ang tungkol sa pagkakaroon ng hindi bababa sa 3D sculpted pens, at marami ang nangangarap na bumili ng isang kahon na may mga runner at isang extruder para sa ... "ganun lang" (o binili na ito).
Ang Stereolithography (laser 3D printers) ay nagbibigay-daan sa pag-print gamit ang mga indibidwal na photon: ang mga bagong polymer ay ginagalugad na nangangailangan lamang ng dalawang photon upang patigasin. Ito ay magbibigay-daan, sa mga hindi pang-laboratoryo na kondisyon, na lumikha ng ganap na bagong mga filter, mount, spring, capillary, lens at... ang iyong mga pagpipilian sa mga komento! At narito ito ay hindi malayo sa photopolymerization - tanging ang teknolohiyang ito ay nagpapahintulot sa amin na "i-print" ang mga processor at computing circuit. Bilang karagdagan, hindi ito ang unang taon na nagkaroon , ngunit walang radikal na pag-unlad.
3. Sensing at Mobility
3.1. Autonomous Driving Level 4 & 5
Upang hindi malito sa terminolohiya, sulit na maunawaan kung anong mga antas ng awtonomiya ang nakikilala (kinuha mula sa detalyadong , kung saan tinutukoy namin ang lahat ng interesado):
Level 1: Cruise control: tinutulungan ang driver sa limitadong mga sitwasyon (halimbawa, paghawak sa kotse sa isang partikular na bilis pagkatapos alisin ng driver ang kanyang paa sa pedal)
Level 2: Limitadong pagpipiloto at tulong sa pagpepreno. Ang driver ay dapat na handa na kumuha ng kontrol halos kaagad. Ang kanyang mga kamay ay nasa manibela, ang kanyang mga mata ay nakatuon sa kalsada. Ito ay isang bagay na mayroon na ng Tesla at General Motors.
Level 3: Hindi na kailangang palaging bantayan ng driver ang kalsada. Ngunit dapat siyang manatiling alerto at maging handa na kontrolin. Ito ay isang bagay na wala pa sa mga komersyal na sasakyan. Ang lahat ng kasalukuyang umiiral ay nasa antas 1-2.
Level 4: Totoong autopilot, ngunit may mga paghihigpit: mga biyahe lamang sa isang kilalang lugar na maingat na nakamapa at karaniwang kilala ng system, at sa ilalim ng ilang partikular na kundisyon: halimbawa, kapag walang snow. May ganitong mga prototype ang Waymo at General Motors, at plano nilang ilunsad ang mga ito sa ilang lungsod at subukan ang mga ito sa totoong kapaligiran. Ang Yandex ay may mga test zone para sa mga unmanned taxi sa Skolkovo at Innopolis: ang biyahe ay nagaganap sa ilalim ng pangangasiwa ng isang inhinyero na nakaupo sa upuan ng pasahero; sa pagtatapos ng taon, plano ng kumpanya na palawakin ang fleet nito sa 100 unmanned vehicles.
Level 5: Buong awtomatikong pagmamaneho, kumpletong pagpapalit ng isang live na driver. Ang ganitong mga sistema ay hindi umiiral, at ang mga ito ay malamang na hindi lilitaw sa mga darating na taon.
Gaano katotoo na makita ang lahat ng ito sa nakikinita na hinaharap? Dito nais kong i-redirect ang mambabasa sa artikulo . Ito ay bahagyang dahil sa kakulangan ng koneksyon sa 5G: hindi sapat ang magagamit na mga bilis ng 4G. Bahagyang dahil sa napakataas na halaga ng mga autonomous na kotse: hindi pa sila kumikita, ang modelo ng negosyo ay hindi malinaw. Sa isang salita, "lahat ay kumplikado" dito, at hindi nagkataon na isinulat ni Gartner na ang forecast para sa malawakang pagpapatupad ng Mga Antas 4 at 5 ay hindi mas maaga kaysa sa 10 taon.
3.2. Mga 3D Sensing Camera
Walong taon na ang nakalipas, ang Kinect gaming controller ng Microsoft ay gumawa ng mga wave sa pamamagitan ng pag-aalok ng isang naa-access at medyo murang solusyon sa 3D vision. Simula noon, ang pisikal na edukasyon at mga laro ng sayaw kasama ang Kinect ay nakaranas ng kanilang maikling pagtaas at pagbaba, ngunit ang mga 3D na camera ay nagsimulang gamitin sa mga robot na pang-industriya, mga unmanned na sasakyan, at mga mobile phone para sa facial identification. Ang teknolohiya ay naging mas mura, mas compact at mas madaling ma-access.
Ang Samsung S10 na telepono ay may Time-of-Flight camera na sumusukat sa distansya sa isang bagay upang gawing mas madali ang pagtutok.
Kung interesado ka sa paksang ito, ire-redirect ka namin sa isang napakahusay na detalyadong pagsusuri ng mga depth camera: , .
3.3. Mga drone para sa paghahatid ng maliit na kargamento (Mga Light Cargo Delivery Drones)
Sa taong ito, ang Amazon ay gumawa ng mga alon nang magpakita ito ng isang bagong lumilipad na drone sa palabas na maaaring magdala ng maliliit na load na hanggang 2 kg. Para sa isang lungsod na may masikip na trapiko, ito ay tila isang mainam na solusyon. Tingnan natin kung paano gumaganap ang mga drone na ito sa malapit na hinaharap. Marahil ito ay nagkakahalaga ng pagiging maingat na nag-aalinlangan dito: maraming mga problema, simula sa posibilidad ng madaling pagnanakaw ng isang drone, at nagtatapos sa mga legal na paghihigpit sa mga UAV. Ang Amazon Prime Air ay nasa loob ng anim na taon ngunit nasa yugto pa rin ng pagsubok.
Ang bagong drone ng Amazon, na ipinakita ngayong tagsibol. May Star Wars tungkol sa kanya.
Bilang karagdagan sa Amazon, mayroong iba pang mga manlalaro sa merkado na ito (mayroong isang detalyadong ), ngunit hindi isang solong natapos na produkto: ang lahat ay nasa yugto ng pagsubok at mga kampanya sa marketing. Hiwalay, ito ay nagkakahalaga ng pagpuna medyo kawili-wili mataas na dalubhasang medikal sa Africa: paghahatid ng donasyong dugo sa Ghana (14 paghahatid, kumpanya ng Zipline) at Rwanda (kumpanya ng Matternet).
3.4. Lumilipad na Autonomous Vehicles
Mahirap magsabi ng tiyak dito. Ayon kay Gartner, ito ay lilitaw nang hindi mas maaga kaysa sa 10 taon. Sa pangkalahatan, mayroong lahat ng parehong mga problema dito tulad ng sa mga self-driving na kotse, nakakakuha lamang sila ng isang bagong dimensyon - patayo. Inihayag ng Porsche, Boeing, at Uber ang kanilang mga ambisyon na magtayo ng flying taxi.
3.5. Augmented Reality Cloud (AR Cloud)
Isang permanenteng digital na kopya ng totoong mundo, na nagbibigay-daan sa iyong lumikha ng bagong layer ng realidad na karaniwan sa lahat ng user. Sa higit pang mga teknikal na termino, pinag-uusapan natin ang paggawa ng bukas na cloud platform kung saan maaaring isama ng mga developer ang kanilang mga AR application. Ang modelo ng monetization ay malinaw; ito ay isang uri ng analogue ng Steam. Ang ideya ay naging napakatibay na ang ilan ngayon ay naniniwala na ang AR na walang ulap ay walang silbi.
Ang maaaring hitsura nito sa hinaharap ay ipinapakita sa isang maikling video. Mukhang isa pang episode ng Black Mirror:
Maaari mo ring basahin sa
4. Augmented Human
4.1. Emosyon AI
Paano sukatin, gayahin at tumugon sa mga damdamin ng tao? Ang ilan sa mga kliyente dito ay mga kumpanyang gumagawa ng mga voice assistant tulad ng Amazon Alexa. Talagang masasanay sila sa mga tahanan kung matututo silang kilalanin ang mood: unawain ang dahilan ng hindi kasiyahan ng gumagamit, at subukang itama ang sitwasyon. Sa pangkalahatan, marami pang impormasyon sa konteksto kaysa sa mismong mensahe. At ang konteksto ay ekspresyon ng mukha, intonasyon, at pag-uugaling di-berbal.
Iba pang praktikal na aplikasyon: pagsusuri ng mga emosyon sa panahon ng isang pakikipanayam sa trabaho (batay sa mga panayam sa video), pagtatasa ng mga reaksyon sa mga patalastas o iba pang nilalamang video (ngiti, pagtawa), tulong sa pag-aaral (halimbawa, para sa independiyenteng pagsasanay sa sining ng pampublikong pagsasalita).
Mahirap magsalita nang mas mahusay sa paksang ito kaysa sa may-akda ng 6 na minutong maikling pelikula . Ipinapakita ng nakakatawa at naka-istilong video kung paano mo masusukat ang aming mga emosyon para sa mga layunin ng marketing, at mula sa mga panandaliang reaksyon ng iyong mukha, alamin kung gusto mo ng pizza, aso, Kanye West, at maging kung ano ang antas ng iyong kita at tinatayang IQ. Sa pamamagitan ng pagbisita sa website ng pelikula gamit ang link sa itaas, naging kalahok ka sa isang interactive na video gamit ang built-in na camera ng iyong laptop. Ang pelikula ay naipakita na sa ilang film festivals.
Mayroong kahit na isang kawili-wiling pag-aaral: kung paano makilala ang panunuya sa teksto. Kumuha kami ng mga tweet na may hashtag na #sarcasm at gumawa ng training set ng 25 tweet na may sarcasm at 000 regular na tweet tungkol sa lahat ng bagay sa ilalim ng araw. Ginamit namin ang TensorFlow library, sinanay ang system, at narito ang resulta:
Samakatuwid, ngayon, kung hindi ka sigurado tungkol sa iyong kasamahan o kaibigan - may sinabi siya sa iyo nang seryoso o sarkastiko, maaari mo nang gamitin !
4.2. Augmented Intelligence
Automation ng gawaing intelektwal gamit ang mga pamamaraan sa pag-aaral ng makina. Parang walang bago? Ngunit ang mga salita mismo ay mahalaga dito, lalo na dahil ito ay nag-tutugma sa pagdadaglat sa Artificial Intelligence. Ibinabalik tayo nito sa debate tungkol sa "malakas" at "mahina" na AI.
Ang malakas na AI ay ang parehong artificial intelligence mula sa mga science fiction na pelikula na ganap na katumbas ng isip ng tao at alam ang sarili bilang isang indibidwal. Ito ay hindi pa umiiral at ito ay hindi malinaw kung ito ay umiiral sa lahat.
Ang mahinang AI ay hindi isang malayang tao, ngunit isang katulong ng tao. Hindi niya inaangkin na may pag-iisip na tulad ng tao, ngunit alam lamang kung paano lutasin ang mga problema sa impormasyon, halimbawa, tukuyin kung ano ang ipinapakita sa isang larawan o isalin ang teksto.
Sa ganitong kahulugan, ang Augmented Intelligence ay "mahina na AI" sa pinakadalisay nitong anyo, at ang pagbabalangkas ay tila matagumpay, dahil hindi ito nagpapakilala ng kalituhan at tukso na makita dito ang parehong "malakas na AI" na pinapangarap ng lahat (o kinakatakutan, kung tayo alalahanin ang maraming talakayan tungkol sa "mga sasakyan ng rebelyon"). Gamit ang expression na Augmented Intelligence, agad kaming naging mga bayani ng isa pang pelikula: mula sa science fiction (tulad ng "I, Robot") ni Asimov, nahanap namin ang aming sarili sa cyberpunk ("ang mga augmentation" sa genre na ito ay lahat ng uri ng mga implant na nagpapalawak ng mga kakayahan ng tao).
Bilang Erik Brynjolfsson at Andrew McAffee: βSa susunod na 10 taon, ito ang mangyayari. Hindi papalitan ng AI ang mga manager, ngunit ang mga manager na gumagamit ng AI ay papalitan ang mga hindi pa nakakagawa nito."
ΠΡΠΈΠΌΠ΅ΡΡ:
- Medisina: Ang Stanford University ay binuo , na nakayanan ang gawain ng pagkilala sa mga patolohiya sa mga X-ray sa dibdib sa karaniwan nang matagumpay gaya ng karamihan sa mga doktor
- Edukasyon: tulong sa mga mag-aaral at guro, pagsusuri ng mga tugon ng mag-aaral sa mga materyales, pagbuo ng isang indibidwal na landas ng pag-aaral.
- Business analytics: ang paunang pagproseso ng data, ayon sa mga istatistika, ay tumatagal ng 80% ng oras ng isang mananaliksik, at 20% lang ng mismong eksperimento
4.3. Mga biochip
Ito ang paboritong tema ng lahat ng mga pelikula at libro sa cyberpunk. Sa pangkalahatan, ang microchipping na alagang hayop ay hindi isang bagong kasanayan. Ngunit ngayon ang mga chips na ito ay nagsimulang itanim sa mga tao.
Sa kasong ito, ang hype ay malamang na nauugnay sa kahindik-hindik na kaso sa American company na Three Square Market. Doon, nagsimulang mag-alok ang employer na magtanim ng mga chips sa ilalim ng balat kapalit ng bayad. Pinapayagan ka ng chip na magbukas ng mga pinto, mag-log in sa mga computer, bumili ng meryenda mula sa isang vending machine - iyon ay, tulad ng isang unibersal na card ng empleyado. Bukod dito, ang naturang chip ay nagsisilbing tumpak bilang isang identification card; wala itong GPS module, kaya imposibleng masubaybayan ang sinumang gumagamit nito. At kung nais ng isang tao na tanggalin ang chip sa kanyang braso, ito ay tumatagal ng 5 minuto sa tulong ng isang doktor.
Ang mga chips ay karaniwang itinatanim sa pagitan ng hinlalaki at hintuturo.
Magbasa pa tungkol sa estado ng mga pangyayari sa chipping sa mundo.
4.4. Nakaka-engganyong Workspace
Ang "Immersive" ay isa pang bagong salita na walang pagtakas. Ito ay kahit saan. Nakaka-engganyong teatro, eksibisyon, sinehan. Anong ibig mong sabihin? Ang immersion ay ang paglikha ng isang nakaka-engganyong epekto, kapag nawala ang hangganan sa pagitan ng may-akda at ng manonood, ang virtual at ang totoong mundo. Sa lugar ng trabaho, marahil, nangangahulugan ito ng paglabo ng linya sa pagitan ng gumagawa at nagpasimula at paghikayat sa mga empleyado na kumuha ng mas aktibong posisyon sa pamamagitan ng muling pag-format ng kanilang kapaligiran.
Dahil mayroon na tayong Agile, flexibility, at malapit na pakikipagtulungan sa lahat ng dako, ang mga lugar ng trabaho ay dapat na madaling i-configure hangga't maaari at dapat na hikayatin ang pangkatang gawain. Idinidikta ng ekonomiya ang mga tuntunin nito: mas maraming pansamantalang empleyado, tumataas ang gastos sa pag-upa ng espasyo sa opisina, at sa isang mapagkumpitensyang merkado ng paggawa, sinusubukan ng mga kumpanyang IT na pataasin ang kasiyahan ng empleyado mula sa trabaho sa pamamagitan ng paglikha ng mga lugar na libangan at iba pang benepisyo. At ang lahat ng ito ay makikita sa disenyo ng mga lugar ng trabaho.
Ng Magpaluhod
4.5. Personipikasyon
Alam ng lahat kung ano ang personalization sa advertising. Ito ay kapag ngayon ay tinatalakay mo sa isang kasamahan na ang hangin sa silid ay medyo tuyo, at dapat kang bumili ng humidifier para sa opisina, at sa susunod na araw ay nakakita ka ng isang ad sa iyong social network - "bumili ng humidifier" (a totoong pangyayari na nangyari sa akin).
Ang pag-personalize, gaya ng tinukoy ni Gartner, ay isang tugon sa dumaraming alalahanin ng mga user tungkol sa paggamit ng kanilang personal na data para sa mga layunin ng advertising. Ang layunin ay bumuo ng isang diskarte kung saan ipinapakita sa amin ang pag-advertise na may kaugnayan sa konteksto kung saan matatagpuan namin ang aming sarili, at hindi sa aming personal. Halimbawa, ang aming lokasyon, uri ng device, oras ng araw, kundisyon ng panahon - ito ay isang bagay na hindi lumalabag sa aming personal na data, at hindi namin nararamdaman ang hindi kasiya-siyang pakiramdam ng pagiging "sinusubaybayan".
Basahin ang tungkol sa pagkakaiba sa pagitan ng dalawang konseptong ito Nag-blog si Andrew Frank sa website ni Gartner. Mayroong isang banayad na pagkakaiba at tulad ng mga katulad na salita na ikaw, nang hindi alam ang pagkakaiba, ay nanganganib na makipagtalo ng mahabang panahon sa iyong kausap, hindi naghihinala na, sa pangkalahatan, pareho ang tama (at ito ay isa ring tunay na pangyayari na nangyari sa may-akda).
4.6. Biotech β Kultura o Artipisyal na Tissue
Ito ay, una sa lahat, ang ideya ng paglaki ng artipisyal na karne. Kasabay nito, maraming mga koponan sa buong mundo ang abala sa pagbuo ng laboratoryo na "Meat 2.0" - inaasahan na ito ay magiging mas mura kaysa sa karaniwan, at ang mga fast food at pagkatapos ay ang mga supermarket ay lilipat dito. Kabilang sa mga namumuhunan sa teknolohiyang ito sina Bill Gates, Sergey Brin, Richard Branson at iba pa.
Pinagmulan
Mga dahilan kung bakit interesado ang lahat sa artipisyal na karne:
- Global warming: methane emissions mula sa mga sakahan. Ito ay 18% ng pandaigdigang dami ng mga gas na nakakaapekto sa klima.
- Paglaki ng populasyon. Ang pangangailangan para sa karne ay lumalaki, at hindi posible na pakainin ang lahat ng natural na karne - ito ay mahal lamang.
- Kakulangan ng espasyo. 70% ng mga kagubatan ng Amazon ay pinutol na para sa pastulan.
- Etikal na pagsasaalang-alang. May mga taong mahalaga ito. Ang animal rights organization na PETA ay nag-alok na ng $1 milyon na premyo sa scientist na nagdadala ng artipisyal na karne ng manok sa merkado.
Ang pagpapalit ng tunay na karne ng toyo ay isang bahagyang solusyon, dahil ang mga tao ay maaaring pahalagahan ang pagkakaiba sa lasa at texture, at malamang na hindi isuko ang steak sa pabor ng toyo. Kaya kailangan mo ng tunay, organikong lumaki na karne. Ngayon, sa kasamaang-palad, masyadong mahal ang artipisyal na karne: mula $12 kada kilo. Ito ay dahil sa kumplikadong teknikal na proseso ng pagpapalaki ng naturang karne. Basahin ang lahat ng ito .
Kung pinag-uusapan natin ang iba pang mga kaso ng paglaki ng tisyu - nasa gamot na - kung gayon ang paksa na may mga artipisyal na organo ay kawili-wili: halimbawa, isang "patch" para sa kalamnan ng puso, isang espesyal na 3D printer. Kilala tulad ng isang artipisyal na lumaki na puso ng mouse, ngunit sa pangkalahatan ang lahat ay nasa saklaw pa rin ng mga klinikal na pagsubok. Kaya malamang na hindi natin makikita si Frankenstein sa mga darating na taon.
Dito ay napaka-ingat ni Gartner sa kanyang mga pagtatantya, tila isinasaisip ang kanyang nabigong hula noong 2015 na sa 2019, 10% ng populasyon sa mga binuo na bansa ay magkakaroon ng 3D printed na medikal na device na implant. Samakatuwid, nangangahulugan ito na ang oras upang maabot ang isang talampas ng produktibo ay hindi bababa sa 10 taon.
5. Digital Ecosystem
5.1. Desentralisadong Web
Ang konseptong ito ay malapit na nauugnay sa pangalan ng imbentor ng web, ang nagwagi ng Turing Award na si Sir Tim Burners-Lee. Para sa kanya, ang mga tanong ng etika sa agham ng computer ay palaging mahalaga at ang kolektibong kakanyahan ng Internet ay mahalaga: ang paglalagay ng mga pundasyon ng hypertext, siya ay kumbinsido na ang network ay dapat gumana tulad ng isang web, at hindi tulad ng isang hierarchy. Ito ang kaso sa unang yugto ng pagbuo ng network. Gayunpaman, habang lumalago ang Internet, naging sentralisado ang istraktura nito para sa iba't ibang dahilan. Ito ay lumabas na ang pag-access sa network para sa isang buong bansa ay madaling mai-block sa tulong ng ilang mga provider. At ang data ng gumagamit ay naging mapagkukunan ng kapangyarihan at kita para sa mga kumpanya ng Internet.
"Ang Internet ay desentralisado na," sabi ni Burners-Lee. "Ang problema ay ang isang search engine, isang malaking social network, isang microblogging platform ang nangingibabaw. Wala kaming mga problema sa teknolohiya, ngunit mayroon kaming mga problema sa lipunan."
Sa kanyang Para sa ika-30 anibersaryo ng World Wide Web, binalangkas ng tagalikha ng Web ang tatlong pangunahing problema ng Internet:
- Naka-target na pinsala tulad ng pag-hack na inisponsor ng estado, krimen, at online na panliligalig
- Ang mismong disenyo ng system, na, sa kapinsalaan ng gumagamit, ay lumilikha ng batayan para sa mga mekanismo tulad ng: mga insentibo sa pananalapi para sa clickbait at ang viral na pagkalat ng maling impormasyon
- Hindi sinasadyang mga kahihinatnan ng disenyo ng system na humahantong sa hindi pagkakasundo at pagbaba ng kalidad ng online na talakayan
At mayroon nang sagot si Tim Berners-Lee sa kung anong mga prinsipyo ang maaaring batayan ng "Internet ng isang Malusog na Tao", na walang problema bilang 2: "Para sa maraming mga gumagamit, ang kita sa advertising ay nananatiling ang tanging modelo para sa pakikipag-ugnayan sa Internet. Kahit na natatakot ang mga tao sa kung ano ang mangyayari sa kanilang data, handa silang makipag-deal sa marketing machine para sa pagkakataong makatanggap ng content nang libre. Isipin ang isang mundo kung saan ang pagbabayad para sa mga kalakal at serbisyo ay madali at kasiya-siya para sa parehong partido." Kabilang sa mga opsyon para sa kung paano ito maisasaayos: maaaring ibenta ng mga musikero ang kanilang mga pag-record nang walang mga tagapamagitan sa anyo ng iTunes, at ang mga site ng balita ay maaaring gumamit ng isang sistema ng mga micropayment para sa pagbabasa ng isang artikulo, sa halip na kumita ng pera mula sa advertising.
Bilang isang pang-eksperimentong prototype para sa bagong Internet na ito, inilunsad ni Tim Berners-Lee ang SOLID na proyekto, ang esensya nito ay iimbak mo ang iyong data sa isang "pod" - isang tindahan ng impormasyon, at maibibigay ang data na ito sa mga third-party na application. Ngunit sa prinsipyo, ikaw mismo ang mga master ng iyong data. Ang lahat ng ito ay malapit na nauugnay sa konsepto ng mga network ng peer-to-peer, iyon ay, ang iyong computer ay hindi lamang humihiling ng mga serbisyo, ngunit nagbibigay din ng mga ito, upang hindi umasa sa isang server bilang ang tanging channel.
5.2. Mga Desentralisadong Autonomous na Organisasyon
Ito ay isang organisasyon na pinamamahalaan ng mga panuntunang nakasulat sa anyo ng isang computer program. Ang mga aktibidad sa pananalapi nito ay batay sa blockchain. Ang layunin ng paglikha ng naturang mga organisasyon ay upang alisin ang estado mula sa papel ng tagapamagitan at lumikha ng isang karaniwang pinagkakatiwalaang kapaligiran para sa mga katapat, na hindi pagmamay-ari ng sinuman nang indibidwal, ngunit pagmamay-ari ng lahat ng magkakasama. Iyon ay, sa teorya, ito ay dapat, kung ang ideya ay mag-ugat, alisin ang mga notaryo at iba pang karaniwang mga institusyon sa pagpapatunay.
Ang pinakasikat na halimbawa ng naturang organisasyon ay ang The DAO na nakatuon sa pakikipagsapalaran, na nakalikom ng $2016 milyon noong 150, kung saan ang $50 ay agad na ninakaw sa pamamagitan ng legal na butas sa mga patakaran. Ang isang mahirap na problema ay agad na lumitaw: alinman sa i-roll back at ibalik ang pera, o aminin na ang pag-withdraw ng pera ay legal, dahil hindi ito lumabag sa mga patakaran ng platform. Bilang resulta, upang maibalik ang pera sa mga namumuhunan, kinailangan ng mga tagalikha na sirain ang The DAO, muling isinulat ang blockchain at lumalabag sa pangunahing prinsipyo nito - hindi nababago.
Comic tungkol sa Ethereum (kaliwa) at The DAO (kanan).
Sinira ng buong kwentong ito ang reputasyon ng mismong ideya ng DAO. Ang proyektong iyon ay ginawa batay sa Ethereum cryptocurrency, ang bersyon ng Ether 2.0 ay inaasahan sa susunod na taon - marahil ang mga may-akda (kabilang ang sikat na Vitalik Buterin) ay isasaalang-alang ang mga pagkakamali at magpapakita ng bago. Iyon siguro ang dahilan kung bakit inilagay ni Gartner ang DAO sa upline.
5.3. Data ng Synthetics
Upang sanayin ang mga neural network, kailangan ng malaking halaga ng data. Ang manu-manong pag-label ng data ay isang malaking gawain na magagawa lamang ng isang tao. Samakatuwid, posible na lumikha ng mga artipisyal na set ng data. Halimbawa, ang parehong mga koleksyon ng mga mukha ng tao sa site . Nilikha ang mga ito gamit ang GAN - ang mga algorithm na nabanggit na sa itaas.
Ang mga mukha na ito ay hindi pag-aari ng mga tao.
Ang malaking bentahe ng naturang data ay walang mga legal na paghihirap sa paggamit nito: walang sinuman ang magbibigay ng pahintulot sa pagproseso ng personal na data.
5.4.Digital Ops
Ang suffix na "Ops" ay naging hindi kapani-paniwalang uso mula noong nag-ugat ang DevOps sa aming pananalita. Ngayon tungkol sa kung ano ang DigitalOps β isa lang itong generalization ng DevOps, DesignOps, MarketingOps... Nababagot ka na ba? Sa madaling salita, ito ay isang paglipat ng diskarte sa DevOps mula sa lugar ng software patungo sa lahat ng iba pang aspeto ng negosyo - marketing, disenyo, atbp.
Ang ideya ng DevOps ay alisin ang mga hadlang sa pagitan ng Development mismo at Operations (mga proseso ng negosyo), sa pamamagitan ng paglikha ng mga karaniwang team, kung saan mayroong mga programmer, tester, security specialist, at administrator; pagpapatupad ng ilang mga kasanayan: patuloy na pagsasama, imprastraktura bilang code, pagbabawas at pagpapalakas ng mga chain ng feedback. Ang layunin ay upang mapabilis ang oras ng produkto sa merkado. Kung naisip mo na ito ay katulad ng Agile, tama ka. Ngayon, ilipat sa isip ang diskarteng ito mula sa larangan ng pagbuo ng software patungo sa pag-unlad sa pangkalahatan - at naiintindihan mo kung ano ang DigitalOps.
5.5. Mga Graph ng Kaalaman
Isang software na paraan upang magmodelo ng isang lugar ng kaalaman, kabilang ang paggamit ng mga algorithm ng machine learning. Ang isang graph ng kaalaman ay binuo sa itaas ng mga umiiral na database upang iugnay ang lahat ng impormasyon: parehong nakabalangkas (listahan ng mga kaganapan o tao) at hindi nakabalangkas (teksto ng isang artikulo).
Ang pinakasimpleng halimbawa ay ang card na makikita mo sa mga resulta ng paghahanap sa Google. Kung naghahanap ka ng isang tao o institusyon, makakakita ka ng card sa kanan:
Pakitandaan na ang "Mga Paparating na Kaganapan" ay hindi isang kopya ng impormasyon mula sa Google Maps, ngunit isang pagsasama ng iskedyul sa Yandex.Afisha: madali mo itong makikita kung magki-click ka sa mga kaganapan. Ibig sabihin, ito ay ang kumbinasyon ng ilang data source na magkasama.
Kung humingi ka ng isang listahan - halimbawa, "mga sikat na direktor" - ipapakita sa iyo ang isang carousel:
Bonus para sa mga nagbabasa hanggang dulo
At ngayon na nilinaw natin para sa ating sarili ang kahulugan ng bawat isa sa mga punto, maaari nating tingnan ang parehong larawan, ngunit sa Russian:
Ibahagi ito nang libre sa mga social network!
Tatyana Volkova - May-akda ng programa ng pagsasanay para sa Internet of Things IT track sa Samsung Academy, espesyalista sa mga programa ng corporate social responsibility sa Samsung Research Center
Pinagmulan: www.habr.com