Der Zeitplan von Gartner für diejenigen, die auf dem Gebiet der Technologie arbeiten, ist wie eine Ausstellung von High Fashion. Wenn Sie es sich ansehen, können Sie im Voraus herausfinden, welche Wörter der meiste Hype in dieser Saison sind und was Sie auf allen kommenden Konferenzen hören werden.

Wir haben entschlüsselt, was sich hinter den schönen Wörtern dieser Grafik verbirgt, damit Sie auch diese Sprache sprechen können.





Um zu beginnen, nur ein paar Worte, was für ein Zeitplan ist das? Jedes Jahr im August veröffentlicht die Beratungsagentur Gartner einen Bericht - die Gartner-Hype-Kurve. Im Russischen ist es eine „Hype-Kurve“ oder, einfacher gesagt, ein Hype. Vor 30 Jahren sangen Rapper der Gruppe Public Enemy: "Glauben Sie dem Hype nicht." Ob Sie es glauben oder nicht, die Frage ist persönlich, aber es lohnt sich zumindest, diese Schlüsselwörter zu kennen, wenn Sie auf dem Gebiet der Technologie arbeiten und Welttrends kennen möchten.

Dies ist ein Diagramm der öffentlichen Erwartungen an eine bestimmte Technologie. Laut Gartner durchläuft die Technologie im Idealfall fünf aufeinanderfolgende Stufen: die Einführung der Technologie, den Höhepunkt der Erwartungen, das Tal der Enttäuschung, die Steigung der Bildung, das Plateau der Produktivität. Es kommt aber auch vor, dass es in einem „Tal der Enttäuschung“ ertrinkt - Sie können sich die Beispiele sehr leicht selbst merken, nehmen Sie die gleichen Bitcoins: Anfangs als „Geld der Zukunft“ am Höhepunkt, rollten sie schnell runter, als sich die Mängel der Technologie bemerkbar machten Einschränkungen bei der Anzahl der Transaktionen und der enormen Menge an Strom, die zur Erzeugung von Bitcoins benötigt wird (was bereits Umweltprobleme mit sich bringt). Und natürlich dürfen wir nicht vergessen, dass das Gartner-Diagramm nur eine Prognose ist: Hier können Sie beispielsweise einen ausführlichen Artikel lesen, in dem die lebendigsten unerfüllten Prognosen aussortiert werden.

Sehen wir uns also das neue Gartner-Diagramm an. Die Technologien sind in 5 große thematische Gruppen unterteilt:

1. Fortgeschrittene KI und Analytik
   
2. Postclassical Compute und Comms
   
3. Sensorik und Mobilität
   
4. Augmented Human
   
5. Digitale Ökosysteme
   

1. Fortgeschrittene KI und Analytik

In den letzten 10 Jahren haben wir den Höhepunkt des tiefen Lernens (Deep Learning) gesehen. Diese Netzwerke sind wirklich effektiv für ihre Aufgaben. Im Jahr 2018 erhielten Jan Lecun, Jeffrey Hinton und Yoshua Benjio den Turing-Preis für ihre Eröffnung, die prestigeträchtigste Auszeichnung, ein Analogon zum Nobelpreis für Informatik. Also, die wichtigsten Trends in diesem Bereich, die auf der Karte stehen:

1.1. Übertragen Sie das Lernen

Sie trainieren ein neuronales Netzwerk nicht von Grund auf neu, sondern nehmen ein bereits trainiertes und weisen es einem anderen Ziel zu. Manchmal müssen Sie dafür einen Teil des Netzwerks neu trainieren, aber nicht das gesamte Netzwerk, was viel schneller ist. Wenn Sie beispielsweise ein vorgefertigtes neuronales ResNet50-Netzwerk verwenden, das auf dem ImageNet1000-Dataset trainiert ist, erhalten Sie einen Algorithmus, der viele verschiedene Objekte aus einem Bild auf einer sehr tiefen Ebene klassifizieren kann (1000 Klassen basierend auf Attributen, die von 50 Schichten eines neuronalen Netzwerks generiert wurden). Sie müssen jedoch nicht das gesamte Netzwerk trainieren, was Monate dauern würde.

Im Samsung Online-Kurs „Neuronale Netze und Computer Vision“ wird zum Beispiel in der letzten Kaggle-Aufgabe mit der Klassifizierung von Platten in sauber und schmutzig ein Ansatz gezeigt, der Ihnen in 5 Minuten ein tiefes neuronales Netz gibt, mit dem Sie schmutzige Platten von sauberen unterscheiden können gebaut auf der obigen Architektur. Das ursprüngliche Netzwerk wusste nicht, welche Platten im Allgemeinen waren, es lernte nur, Vögel von Hunden zu unterscheiden (siehe ImageNet).


Quelle: Samsung Online-Kurs „Neuronale Netze und Computer Vision“

Für das Transferlernen müssen Sie wissen, welche Ansätze funktionieren, welche vorgefertigten Basisarchitekturen vorhanden sind. Im Allgemeinen beschleunigt dies das Entstehen praktischer Anwendungen des maschinellen Lernens erheblich.

1.2. Generative Adversarial Networks (GAN)

Dies gilt für die Fälle, in denen es für uns sehr schwierig ist, das Ziel des Trainings zu formulieren. Je näher die Aufgabe am wirklichen Leben liegt, desto verständlicher ist sie für uns ("bring a night table"), aber desto schwieriger ist es, sie als technische Aufgabe zu formulieren. GAN ist nur ein Versuch, uns von diesem Problem zu befreien.

Hier arbeiten zwei Netzwerke: ein Generator (Generativ), der andere Diskriminator (Adversarial). Ein Netzwerk lernt, nützliche Arbeit zu leisten (Bilder klassifizieren, Töne erkennen, Cartoons zeichnen). Und ein anderes Netzwerk lernt, dieses Netzwerk zu lernen: Es hat reale Beispiele und es lernt, eine bisher unbekannte komplexe Formel zu finden, um den generativen Teil des Netzwerks mit realen Objekten (Trainingssatz) nach wirklich wichtigen tiefen Zeichen zu vergleichen: Anzahl der Augen, Nähe zu Miyazakis Stil, korrekte Aussprache von Englisch.


Ein Beispiel für das Ergebnis des Netzwerks, um Anime-Charaktere zu generieren. Quelle

Aber dort ist es natürlich schwierig, Architektur zu bauen. Neuronen zu werfen ist nicht genug, sie müssen vorbereitet sein. Und man muss wochenlang lernen. Meine Kollegen vom Samsung Center for Artificial Intelligence beschäftigen sich mit dem Thema GAN, und dies ist eine ihrer wichtigsten Forschungsfragen. Eine solche Entwicklung ist beispielsweise die Verwendung generativer Netzwerke für die Synthese realistischer Fotografien von Personen mit variabler Pose - zum Beispiel zur Schaffung eines virtuellen Umkleideraums oder zur Synthese eines Gesichts, wodurch die Menge an Informationen reduziert werden kann, die gespeichert oder übertragen werden müssen, um eine qualitativ hochwertige Videokommunikation, Übertragung oder Schutz zu gewährleisten personenbezogene Daten.


Quelle

1.3. Erklärte KI

Bei einigen seltenen Aufgaben haben Fortschritte in tiefen Architekturen die Fähigkeiten tiefer neuronaler Netze plötzlich denen des Menschen angenähert. Jetzt geht es darum, den Kreis solcher Aufgaben zu erweitern. Beispielsweise könnte ein Roboter-Staubsauger bei einer direkten Begegnung leicht eine Katze von einem Hund unterscheiden. In den meisten Lebenssituationen findet er jedoch keine Katze, die zwischen Leinen oder Möbeln schläft (wie wir jedoch in den meisten Fällen ...).

Was ist der Grund für den Erfolg tiefer neuronaler Netze? Sie entwickeln eine Repräsentation des Problems, die nicht auf der "mit bloßem Auge sichtbaren" Information (Pixel eines Fotos, Lautstärkesprünge ...) beruht, sondern auf Zeichen, die nach der Vorverarbeitung dieser Information durch mehrere hundert Schichten eines neuronalen Netzwerks erhalten wurden. Leider können diese Beziehungen auch bedeutungslos oder widersprüchlich sein oder Spuren von Fehlern im ursprünglichen Datensatz aufweisen. Zum Beispiel, wozu der gedankenlose Einsatz von KI bei der Rekrutierung führen kann, gibt es ein kleines Computerspiel Survival Of The Best Fit .


Das System zum Markieren der Bilder nennt sich die Person, die die Frau kocht, obwohl das Bild eigentlich ein Mann ist ( Quelle ). Dies wurde am Virginia Institute bemerkt .

Erklärbare KI-Methoden werden benötigt, um komplexe und tiefe Beziehungen zu analysieren, die wir oft nicht selbst formulieren können. Sie organisieren die Anzeichen von tiefen neuronalen Netzen, sodass wir nach dem Training die interne Darstellung analysieren können, die das Netz gelernt hat, und uns nicht nur auf seine Lösung verlassen können.

1.4. Peripheral Analytics / AI (Kantenanalyse / AI)

Alles, wo das Wort Edge steht, bedeutet wörtlich Folgendes: Übertragung einiger Algorithmen von der Cloud / vom Server auf die Ebene des Endgeräts / Gateways. Ein solcher Algorithmus arbeitet schneller und muss für seine Arbeit keine Verbindung zu einem zentralen Server herstellen. Wenn Sie mit der Abstraktion des „Thin Clients“ vertraut sind, verdicken wir diesen Client hier ein wenig.
Dies kann für das Internet der Dinge wichtig sein. Wenn beispielsweise die Maschine überhitzt ist und gekühlt werden muss, ist es sinnvoll, auf Anlagenebene sofort ein Signal zu senden, ohne darauf zu warten, dass die Daten in die Cloud und von dort zum Schichtmaster gelangen. Oder ein anderes Beispiel: Drohnen können die Verkehrssituation selbstständig bewältigen, ohne auf den zentralen Server zuzugreifen.


Quelle

Oder ein anderes Beispiel, warum dies aus Sicherheitsgründen wichtig ist: Wenn Sie Texte auf Ihrem Telefon eingeben, werden die für Sie typischen Wörter gespeichert, sodass Sie über die Telefontastatur bequemer zur Eingabe aufgefordert werden. Dies wird als automatische Worterkennung bezeichnet. Wenn Sie alles, was Sie über die Tastatur eingeben, irgendwo an das Rechenzentrum senden, wird dies eine Verletzung Ihrer Privatsphäre und ist einfach unsicher. Das Tastaturtraining findet daher nur im Rahmen Ihres Gerätes statt.

1.5. AI-Plattform als Dienst (AI PaaS)

PaaS - Platform-as-a-Service ist ein Geschäftsmodell, bei dem wir Zugriff auf eine integrierte Plattform erhalten, einschließlich der Cloud-basierten Datenspeicherung und der vorgefertigten Verfahren. So können wir uns von Infrastrukturaufgaben befreien und uns ganz auf die Produktion von etwas Nützlichem konzentrieren. Beispiel-PaaS-Plattformen für KI-Aufgaben: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform.

1.6. Adaptives maschinelles Lernen (Adaptive ML)

Was ist, wenn wir die Anpassung der künstlichen Intelligenz zulassen ... fragen Sie - das ist, wie? ... Passt sie sich überhaupt nicht an die Aufgabe an? Das Problem ist das Folgende: Wir arrangieren jede dieser Aufgaben sorgfältig, bevor wir einen Algorithmus für künstliche Intelligenz entwickeln, um sie zu lösen. Sie werden Ihnen antworten - es stellt sich heraus, dass diese Kette vereinfacht werden kann.

Normales maschinelles Lernen funktioniert nach dem Prinzip eines offenen Systems (Open-Loop): Sie bereiten Daten vor, erfinden ein neuronales Netzwerk (oder was auch immer), trainieren, sehen sich einige Indikatoren an und wenn Ihnen alles gefällt, können Sie ein neuronales Netzwerk an Smartphones senden, um Benutzeraufgaben zu lösen . In Anwendungen, in denen viele Daten vorhanden sind und deren Art sich allmählich ändert, sind jedoch andere Methoden erforderlich. Solche Systeme, die sich anpassen und trainieren, organisieren sich in geschlossenen, selbstlernenden Kreisläufen (closed-loop) und sollten unbedingt funktionieren.

Anwendungen - Dies kann Stream Analytics sein, auf dessen Grundlage viele Geschäftsleute Entscheidungen treffen, oder adaptives Produktionsmanagement. In der Skala moderner Anwendungen und unter Berücksichtigung der besser verstandenen Risiken für den Menschen, den Methoden, die die Lösung für dieses Problem darstellen, werden all diese Methoden unter dem allgemeinen Namen Adaptive KI zusammengefasst.


Quelle

Wenn man sich dieses Bild anschaut, fällt es schwer, das Gefühl loszuwerden, dass Futurologen kein Brot füttern - lassen Sie den Roboter lernen zu atmen ...

Postclassical Compute und Comms

2.1. Mobilfunk der fünften Generation (5G)

Dies ist ein so interessantes Thema, dass wir sofort auf unseren Artikel verweisen. Hier ist eine kurze Zusammenfassung. 5G durch Erhöhen der Frequenz der Datenübertragung wird die Geschwindigkeit des Internets unrealistisch schnell. Es ist schwieriger für kurze Wellen, Hindernisse zu überwinden, daher wird die Anordnung der Netze völlig anders sein: Basisstationen benötigen das 500-fache.

Zusammen mit der Geschwindigkeit erhalten wir neue Phänomene: Echtzeitspiele mit Augmented Reality, die komplexe Aufgaben (z. B. chirurgische Eingriffe) durch Telepräsenz ausführen und Unfälle und schwierige Situationen auf den Straßen durch die Kommunikation zwischen Maschinen verhindern. Umso prosaischer: Das mobile Internet wird bei Massenveranstaltungen wie einem Spiel im Stadion endlich aufhören zu fallen.


Bildquelle - Reuters, Niantic

2.2. Speicher der nächsten Generation

Hier geht es um die fünfte Generation von RAM - DDR5. Samsung kündigte an, dass es bis Ende 2019 Produkte auf DDR5-Basis geben wird. Es wird erwartet, dass der neue Speicher unter Beibehaltung des Formfaktors doppelt so schnell und doppelt so groß ist, dh wir können Speichersticks mit einer Kapazität von bis zu 32 GB für unseren Computer erwerben. Dies gilt künftig insbesondere für Smartphones (der neue Speicher wird in der Low-Power-Version sein) und für Laptops (bei denen die Anzahl der DIMM-Steckplätze begrenzt ist). Und maschinelles Lernen erfordert viel RAM.

2.3. Satelliten-Systeme mit niedriger Erdumlaufbahn

Die Idee, schwere, teure und leistungsstarke Satelliten durch einen Schwarm kleiner und billiger Satelliten zu ersetzen, ist alles andere als neu und tauchte bereits in den 90er Jahren auf. Über die Tatsache, dass "Elon Mask in Kürze das Internet über den Satelliten an alle verteilen wird", hat jetzt nur der Faule noch nichts gehört. Das bekannteste Unternehmen ist Iridium, das Ende der 90er Jahre in Konkurs ging, jedoch auf Kosten des US-Verteidigungsministeriums gerettet wurde (nicht zu verwechseln mit iRidium - dem russischen Smart-Home-System). Das Projekt von Elon Mask (Starlink) ist bei weitem nicht das einzige - Richard Branson (OneWeb - 1440 angebliche Satelliten), Boeing (3000 Satelliten), Samsung (4600 Satelliten) und andere nehmen am Satellitenrennen teil.

Wie ist die Situation in diesem Bereich, wie sieht die Wirtschaft dort aus - lesen Sie den Bericht . Und wir warten auf die ersten Tests dieser Systeme durch die ersten Anwender, die nächstes Jahr stattfinden sollen.

2.4. 3D-Druck im Nanomaßstab (Nanoscale 3D Printing)

Der 3D-Druck ist zwar nicht in das Leben eines jeden Menschen eingegangen (in der Form, die von einer einzelnen heimischen Kunststofffabrik versprochen wurde), hat jedoch längst die Nische der Technologie für Geeks verlassen. Sie können sich an der Tatsache orientieren, dass jeder Student mindestens 3D-geformte Stifte kennt, und viele träumen davon, eine Schachtel mit Kufen und einen Extruder für ... "einfach so" (oder bereits gekaufte) zu kaufen.

Die Stereolithographie (3D-Laserdrucker) ermöglicht das Drucken mit einzelnen Photonen: Es werden neue Polymere untersucht, für die zwei Photonen ausreichen, um sich zu verfestigen. Dies ermöglicht es, unter nicht-laboratorischen Bedingungen völlig neue Filter, Halterungen, Federn, Kapillaren, Linsen und ... Ihre Optionen in den Kommentaren zu erstellen! Und hier ist es nicht weit bis zur Photopolymerisation - nur mit dieser Technologie können Sie Prozessoren und Rechenschaltungen "drucken". Darüber hinaus gab es nicht im ersten Jahr eine Technologie zum Drucken von dreidimensionalen Graphen-500-nm-Strukturen , jedoch ohne radikale Entwicklung.


Quelle

3. Sensorik und Mobilität (Sensorik und Mobilität)

3.1. Unbemannte Fahrzeuge, Level 4 und 5 (Autonomous Driving Level 4 & 5)

Um sich in der Terminologie nicht zu verwechseln, lohnt es sich zu verstehen, welche Autonomieebenen unterschieden werden (entnommen aus einem ausführlichen Artikel, auf den wir alle Interessierten verweisen):

Stufe 1: Tempomat: Hilft dem Fahrer in sehr begrenzten Situationen (z. B. das Auto auf einer bestimmten Geschwindigkeit zu halten, nachdem der Fahrer vom Pedal getreten ist)
Stufe 2: Eingeschränkte Unterstützung beim Lenken und Bremsen. Der Fahrer sollte fast sofort bereit sein, die Kontrolle zu übernehmen. Seine Hände sind am Lenkrad, sein Blick ist auf die Straße gerichtet. Dies ist, was Tesla und General Motors bereits haben.
Stufe 3: Der Fahrer muss die Straße nicht mehr ständig überwachen. Aber er muss wachsam bleiben und bereit sein, die Kontrolle zu übernehmen. Dies ist etwas, das für die verfügbaren Autos nicht verfügbar ist. Alles vorhanden im Moment - auf der Ebene von 1-2.
Stufe 4: Echter Autopilot, jedoch mit Einschränkungen: Fahren Sie nur in einem bekannten Gebiet, das sorgfältig kartiert und dem System allgemein bekannt ist, und unter bestimmten Bedingungen, z. B. bei fehlendem Schnee. Waymo und General Motors haben solche Prototypen und planen, sie in mehreren Städten auf den Markt zu bringen und im realen Leben zu testen. Yandex verfügt über Testzonen für ein unbemanntes Taxi in Skolkovo und Innopolis: Die Fahrt findet unter der Aufsicht eines Ingenieurs statt, der auf dem Beifahrersitz sitzt. Bis Ende des Jahres plant das Unternehmen, die Flotte auf 100 unbemannte Fahrzeuge auszubauen.
Stufe 5: Vollautomatisches Fahren, vollständiger Ersatz eines aktiven Fahrers. Solche Systeme gibt es nicht und es ist unwahrscheinlich, dass sie in den kommenden Jahren auftauchen.

Wie realistisch ist es, all dies in absehbarer Zeit zu sehen? Hier möchte ich den Leser auf den Artikel "Warum es unmöglich ist, Robotaxi bis 2020 auf den Markt zu bringen, wie Tesla verspricht" weiterleiten . Dies liegt zum Teil an der mangelnden 5G-Konnektivität: Die verfügbaren 4G-Geschwindigkeiten reichen nicht aus. Zum Teil mit sehr hohen Kosten für autonome Autos: Sie sind bislang unrentabel, das Geschäftsmodell ist unverständlich. Kurz gesagt, hier ist „alles kompliziert“, und es ist kein Zufall, dass Gartner schreibt, die Prognose für die Massenimplementierung von Level 4 und 5 sei nicht früher als in 10 Jahren.

3.2. 3D-Abtastkameras

Vor acht Jahren machte der Microsoft Kinect-Gamecontroller ein Geräusch, indem er eine erschwingliche und relativ kostengünstige Lösung für 3D-Vision anbot. Seitdem haben Sport- und Tanzspiele mit Kinekt einen kurzen Auf- und Abstieg erlebt, aber 3D-Kameras wurden in Industrierobotern, unbemannten Fahrzeugen und Mobiltelefonen verwendet, um sich anhand des Gesichts zu identifizieren. Technologie ist billiger, kompakter und erschwinglicher geworden.


Das Samsung S10 verfügt über eine Time-of-Flight-Kamera, die die Entfernung zum Motiv misst, um das Fokussieren zu erleichtern. Quelle

Wenn Sie sich für dieses Thema interessieren, leiten wir Sie zu einer sehr guten detaillierten Übersicht der Tiefenkameras weiter: Teil 1 , Teil 2 .

3.3. Kleine Frachtlieferungsdrohnen (leichte Frachtlieferungsdrohnen)

Dieses Jahr machte Amazon viel Aufhebens, als es auf der Messe eine neue fliegende Drohne zeigte, die kleine Lasten von bis zu 2 kg tragen kann. Für die Stadt mit ihren Staus scheint dies die perfekte Lösung zu sein. Mal sehen, wie sich diese Drohnen in naher Zukunft bewähren werden. Vielleicht lohnt es sich, vorsichtige Skepsis zu üben: Es gibt viele Probleme, angefangen mit der Möglichkeit eines leichten Diebstahls der Drohne bis hin zu den gesetzlichen Beschränkungen für UAVs. Amazon Prime Air gibt es bereits seit sechs Jahren, befindet sich jedoch noch in der Testphase.


Amazons neue Drohne wurde in diesem Frühjahr enthüllt. Darin steckt etwas über Star Wars. Quelle

Neben Amazon gibt es noch andere Anbieter in diesem Markt (es gibt eine detaillierte Überprüfung ), aber kein einziges fertiges Produkt: Alles befindet sich in der Testphase und in Marketingkampagnen. Unabhängig davon sind interessante hochspezialisierte medizinische Projekte in Afrika zu erwähnen: Spenderblutabgabe in Ghana (14.000 Abgaben, Zipline) und Ruanda (Matternet).

3.4. Fliegende autonome Fahrzeuge

Es ist schwer, etwas Bestimmtes zu sagen. Laut Gartner wird dies nicht früher als in 10 Jahren erscheinen. Generell haben alle die gleichen Probleme wie bei unbemannten Fahrzeugen, nur bekommen sie eine neue Dimension - die Vertikale. Porsche, Boeing, Uber erklären ihre Ambitionen, ein fliegendes Taxi zu bauen.

3.5. Augmented Reality Cloud (AR-Wolke)

Eine permanente digitale Kopie der realen Welt, mit der Sie eine neue Ebene der Realität erstellen können, die allen Benutzern gemeinsam ist. In einer eher technischen Sprache geht es darum, eine offene Cloud-Plattform zu schaffen, in die Entwickler ihre AR-Anwendungen integrieren können. Das Monetarisierungsmodell ist verständlich, es ist eine Art Steam-Analogon. Die Idee ist so tief verwurzelt, dass manche Leute jetzt glauben, dass AR ohne Wolke einfach nutzlos ist.

Wie es in Zukunft aussehen könnte, zeigt ein kleines Video. Es sieht aus wie die nächste Serie von "Black Mirror":


Sie können auch in der Rezension Artikel lesen .

4. Augmented Human

4.1. Emotions-KI

Wie kann man menschliche Emotionen messen, simulieren und darauf reagieren? Einige der Kunden hier sind Unternehmen, die Sprachassistenten wie Amazon Alexa produzieren. Sie können sich wirklich an das Haus gewöhnen, wenn sie lernen, die Stimmung zu erkennen: Verstehen Sie den Grund für die Unzufriedenheit des Benutzers, versuchen Sie, die Situation zu beheben. Im Allgemeinen enthält der Kontext viel mehr Informationen als die eigentliche Nachricht. Und der Kontext ist ein Gesichtsausdruck und Intonation und nonverbales Verhalten.

Aus anderen praktischen Anwendungen: Analyse von Emotionen während eines Vorstellungsgesprächs (per Videointerview), Bewertung der Reaktionen auf Werbespots oder andere Videoinhalte (Lächeln, Lachen), pädagogische Unterstützung (zum Beispiel für eine unabhängige Übung in der Kunst des öffentlichen Sprechens).

Es ist schwer, sich zu diesem Thema besser zu äußern als der Autor des 6-Minuten-KurzfilmsUr Gefühl zu stehlen . Ein witziges und stilvolles Video zeigt, wie Sie unsere Emotionen für Marketingzwecke messen und anhand Ihrer unmittelbaren Reaktionen herausfinden können, ob Sie Pizza, Hunde, Kanye West und sogar Ihr Einkommensniveau und Ihren ungefähren IQ mögen. Wenn Sie über den obigen Link zur Filmwebsite gehen, werden Sie über die integrierte Kamera Ihres Laptops Mitglied von Interactive Video. Der Film wurde bereits auf mehreren Filmfestivals gezeigt.


Quelle

Es gibt sogar eine so interessante Studie: Wie erkennt man Sarkasmus im Text? Wir haben Tweets mit dem Hashtag # sarcasm aufgenommen und ein Trainingsmuster von 25.000 Sarkasmus-Tweets und 100.000 regulären Tweets über alles auf der Welt erstellt. Wir haben die TensorFlow-Bibliothek verwendet und das System geschult. Hier ist das Ergebnis:


Quelle

Wenn Sie sich also bei Ihrem Kollegen oder Freund nicht sicher sind - er hat Ihnen etwas Ernstes oder mit Sarkasmus erzählt -, können Sie ein bereits trainiertes neuronales Netzwerk verwenden !

4.2. Augmented Intelligence

Automatisierung der geistigen Arbeit mit Methoden des maschinellen Lernens. Es scheint nichts Neues zu sein? Aber hier ist der Wortlaut selbst wichtig, zumal er mit der künstlichen Intelligenz zusammenfällt. Dies bezieht sich auf die Polemik der „starken“ und „schwachen“ KI.
Starke KI ist die gleiche künstliche Intelligenz aus Science-Fiction-Filmen, die dem menschlichen Verstand voll und ganz entspricht und sich als Person erkennt. Dies existiert noch nicht und es ist nicht klar, ob es überhaupt existieren wird.

Eine schwache KI ist keine unabhängige Person, sondern ein menschlicher Assistent. Er gibt nicht vor, menschlich zu denken, sondern weiß einfach, wie man Informationsprobleme löst, zum Beispiel, was auf dem Bild gezeigt wird oder wie man den Text übersetzt.


Quelle

In diesem Sinne ist Augmented Intelligence in seiner reinsten Form eine "schwache KI", und die Formulierung scheint erfolgreich zu sein, da sie nicht die sehr "starke KI" verwirrt und versucht, von der jeder träumt (oder Angst hat, wenn man sich an die zahlreichen Argumente über die "Rebellion" erinnert) Autos "). Mit dem Ausdruck Augmented Intelligence scheinen wir sofort die Helden eines anderen Films zu werden: Aus der Science-Fiction (wie "I, Robot" von Asimov) wird Cyberpunk (alle Arten von Implantaten, die die menschlichen Fähigkeiten erweitern, werden in diesem Genre "Augmentationen" genannt).

Wie sagte Eric Brinolfsson und Andrew MakAffi: „Das ist das, was in den nächsten 10 Jahren passiert. Keine KI ersetzt Manager, aber diejenigen Manager, die KI verwenden, ersetzen diejenigen, die noch keine Zeit hatten. “

Beispiele:

• : , ,
  
• : , , .
  
• -: , , 80% , 20% —
  

4.3. (Biochips)

Dies ist ein Lieblingsthema aller Cyberpunk-Filme und -Bücher. Das Hacken von Haustieren ist im Allgemeinen keine neue Praxis. Aber jetzt haben diese Chips auch begonnen, sich in Menschen zu implantieren.

In diesem Fall ist der Hype höchstwahrscheinlich mit dem sensationellen Fall in der amerikanischen Firma Three Square Market verbunden. Dort begann der Arbeitgeber, gegen eine Gebühr Chips zum Implantieren unter die Haut anzubieten. Mit dem Chip können Sie Türen öffnen, sich in Computer einloggen, Snacks in der Maschine kaufen - das ist eine solche universelle Mitarbeiterkarte. Darüber hinaus dient ein solcher Chip gerade als Ausweis, er hat kein GPS-Modul, daher ist es unmöglich, jemanden daran zu verfolgen. Und wenn eine Person den Chip aus der Hand nehmen möchte, dauert es mit Hilfe eines Arztes 5 Minuten.


Chips werden normalerweise zwischen Daumen und Zeigefinger implantiert. Quelle

Lesen Sie einen ausführlichen Artikel über den neuesten Stand des Spanens in der Welt.

4.4. Immersiver Arbeitsbereich

"Immersive" ist ein weiteres neues Wort, das einfach nirgendwo hingehen kann. Es ist überall. Immersives Theater, Ausstellung, Kino. Was ist gemeint? Immersivität ist die Schaffung eines Immersionseffekts, wenn die Grenze zwischen dem Autor und dem Betrachter, der virtuellen und der realen Welt verloren geht. In Bezug auf den Arbeitsplatz bedeutet dies vermutlich, die Grenze zwischen Testamentsvollstrecker und Initiator zu verwischen und die Mitarbeiter zu ermutigen, eine aktivere Position einzunehmen, indem sie ihr Umfeld neu formatieren.

Da Agile jetzt überall bei uns ist, sollten Flexibilität und enge Interaktion - die Arbeitsplätze sollten so einfach wie möglich konfigurierbar sein und die Gruppenarbeit fördern. Die Wirtschaft diktiert ihre Bedingungen: Es gibt mehr Zeitarbeitnehmer, die Kosten für die Anmietung von Büroflächen steigen, und unter den Bedingungen eines wettbewerbsintensiven Arbeitsmarktes versuchen IT-Unternehmen, die Zufriedenheit der Mitarbeiter durch die Schaffung von Erholungsgebieten und anderen Leistungen zu steigern. Und das alles wirkt sich auf die Gestaltung von Arbeitsplätzen aus.


Aus dem Knoll- Bericht

4.5. Personifizierung

Jeder weiß, was Personalisierung in der Werbung bedeutet. In diesem Moment besprechen Sie mit einem Kollegen, dass im Raum etwas trocken ist und Sie im Büro einen Luftbefeuchter kaufen müssen. Am nächsten Tag wird in Ihrem sozialen Netzwerk eine Anzeige mit dem Titel „Luftbefeuchter kaufen“ angezeigt (ein echter Fall, der mir passiert ist).


Quelle

Die Personifizierung ist laut Gartner eine Reaktion auf die wachsende Besorgnis der Nutzer über die Verwendung ihrer personenbezogenen Daten für Werbezwecke. Ziel ist es, einen Ansatz zu entwickeln, bei dem Anzeigen geschaltet werden, die dem Kontext entsprechen, in dem wir uns befinden, und nicht uns persönlich. Zum Beispiel unser Standort, Gerätetyp, Tageszeit, Wetterbedingungen - dies verstößt nicht gegen unsere persönlichen Daten und wir spüren nicht das unangenehme Gefühl der „Überwachung“.

Über den Unterschied zwischen diesen beiden Konzepten finden Anmerkung Andrew Frank in einem Blog auf der Website Gartner. Es gibt eine so subtile Unterscheidung und ähnliche Worte, dass Sie, ohne den Unterschied zu kennen, das Risiko laufen, lange Zeit mit Ihrem Gesprächspartner zu streiten, ohne den Verdacht zu haben, dass im Allgemeinen beide richtig sind (und dies ist auch ein realer Fall, der dem Autor widerfahren ist).

4.6. Biotech - Kunstgewebe (Biotech - Kultur- oder Kunstgewebe)

Dies ist zuallererst die Idee, künstliches Fleisch anzubauen. Gleichzeitig arbeiten mehrere Teams auf der ganzen Welt an der Entwicklung des Laborfleischs 2.0 - es wird erwartet, dass es billiger wird als üblich, und dann werden Fastfoods und Supermärkte dorthin wechseln. Zu den Investoren dieser Technologie zählen Bill Gates, Sergey Brin, Richard Branson und andere.


Quelle

Gründe, warum sich jeder so für künstliches Fleisch interessiert:

1. Globale Erwärmung: Methanemissionen aus landwirtschaftlichen Betrieben. Dies sind 18% des globalen Klimagasvolumens.
   
2. Bevölkerungswachstum. Die Nachfrage nach Fleisch wächst und es wird nicht funktionieren, alle mit natürlichem Fleisch zu füttern - es ist einfach teuer.
   
3. Platzmangel. 70% der Wälder des Amazonas wurden bereits für Weideflächen abgeholzt.
   
4. Ethische Überlegungen. Es gibt diejenigen, für die dies wichtig ist. Die PETA-Tierschutzorganisation hat dem Wissenschaftler, der künstliches Hühnerfleisch auf den Markt bringen wird, bereits einen Preis in Höhe von 1 Million US-Dollar angeboten.
   

Das Ersetzen von echtem Fleisch durch Soja ist eine Teillösung, da die Menschen den Unterschied in Geschmack und Textur gut spüren und es unwahrscheinlich ist, dass sie ein Steak zugunsten von Soja aufgeben. Notwendig ist also echtes Fleisch aus biologischem Anbau. Nun ist Kunstfleisch leider zu teuer: ab 12 Dollar pro Kilogramm. Dies ist auf den komplexen Prozess des Anbaus dieses Fleisches zurückzuführen. Lesen Sie über all diesen Artikel .

Wenn wir über andere Fälle von Gewebewachstum sprechen - bereits in der Medizin - dann ist das Thema mit künstlichen Organen interessant: zum Beispiel ein „Patch“ für den Herzmuskel, gedruckt mit einem speziellen 3D-Drucker. Es gibt bekannte Geschichten wie ein künstlich gewachsenes Mausherz, aber im Allgemeinen ist nicht alles über den Rahmen klinischer Studien hinausgegangen. Daher werden wir Frankenstein in den kommenden Jahren kaum sehen.

Hier ist Gartner in seinen Schätzungen sehr vorsichtig, offenbar unter Berücksichtigung seiner fehlgeschlagenen Prognose von 2015, dass 2019 10% der Bevölkerung der Industrieländer über ein 3D-gedrucktes medizinisches Implantat verfügen werden. Daher ist es eine Zeitspanne, um das Produktivitätsplateau zu erreichen - mindestens 10 Jahre.

5. Digitale Ökosysteme

5.1. Dezentrales Web

Dieses Konzept steht in engem Zusammenhang mit dem Namen des Erfinders des Webs, des Turing-Preisträgers Sir Tim Burners-Lee. Für ihn war die Ethik in der Informatik immer wichtig, und das kollektive Wesen des Internets war wichtig: Er legte den Grundstein für Hypertext und war überzeugt, dass das Netzwerk als Web und nicht als Hierarchie funktionieren sollte. So war es zu einem frühen Zeitpunkt in der Entwicklung des Netzwerks. Mit dem Wachstum des Internets wurde seine Struktur jedoch aus mehreren Gründen zentralisiert. Es stellte sich heraus, dass mit wenigen Anbietern der Netzzugang für ein ganzes Land problemlos gesperrt werden kann. Und Benutzerdaten sind zu einer Quelle der Stärke und des Umsatzes für Internetunternehmen geworden.

"Das Internet ist bereits dezentralisiert", sagt Burners-Lee. - Das Problem ist, dass eine Suchmaschine, ein großes soziales Netzwerk und eine Microblogging-Plattform dominieren. Wir haben keine technologischen Probleme, aber es gibt soziale. “

In seinem offenen Brief zum 30-jährigen Jubiläum des World Wide Web skizzierte der Schöpfer des Webs drei Hauptprobleme des Internets:

1. Gezielter Schaden, wie staatlich geförderte Hackerangriffe, Kriminalität und Online-Belästigung
   
2. Das Gerät des Systems, das zum Nachteil des Benutzers die Grundlage für Mechanismen wie die finanzielle Förderung von Clickbait und die virale Verbreitung falscher Informationen schafft
   
3. Unbeabsichtigte Folgen des Systemdesigns, die zu Konflikten und Online-Diskussionen von geringerer Qualität führen
   

Und Tim Berners-Lee hat bereits eine Antwort darauf, auf welchen Grundsätzen das „Healthy Man Internet“ ohne Problem Nummer 2 basieren könnte: „Für viele Nutzer bleibt der Werbeerlös das einzige Modell für die Interaktion mit dem Web. Selbst wenn die Leute Angst haben, was mit ihren Daten passiert, sind sie damit einverstanden, mit der Marketing-Maschine einen Deal abzuschließen, um die Möglichkeit zu haben, Inhalte kostenlos zu erhalten. Stellen Sie sich eine Welt vor, in der das Bezahlen von Dienstleistungsgütern für beide Seiten einfach und angenehm ist. “ Möglichkeiten, wie dies arrangiert werden kann: Musiker können ihre Aufnahmen ohne Zwischenhändler in Form von iTunes verkaufen, und Nachrichtenseiten können das Micropayment-System zum Lesen eines Artikels verwenden, anstatt mit Werbung Geld zu verdienen.

Als experimenteller Prototyp eines solchen neuen Internets hat Tim Berners-Lee das SOLID-Projekt ins Leben gerufen, bei dem Sie Ihre Daten im „Herd“ -Informationsspeicher ablegen und diese Daten für Anwendungen von Drittanbietern bereitstellen können. Aber im Prinzip sind Sie selbst die Meister Ihrer Daten. All dies hängt eng mit dem Konzept von Peer-to-Peer-Netzwerken zusammen, dh Ihr Computer fordert nicht nur Dienste an, sondern stellt sie auch bereit, um sich nicht auf einen einzigen Server als einzigen Kanal zu verlassen.


Quelle

5.2. Dezentrale autonome Organisationen

Hierbei handelt es sich um eine Organisation, für die Regeln gelten, die in Form eines Computerprogramms aufgezeichnet wurden. Ihre finanziellen Aktivitäten basieren auf der Blockchain. Der Zweck der Schaffung solcher Organisationen besteht darin, den Staat von der Rolle des Vermittlers zu befreien und ein gemeinsames vertrauenswürdiges Umfeld für Gegenparteien zu schaffen, das niemand alleine besitzt, sondern alle gemeinsam besitzen. Das heißt, theoretisch sollte dies, wenn die Idee Wurzeln schlägt, Notare und andere vertraute Verifikationsinstitutionen abschaffen.

Das bekannteste Beispiel für eine solche Organisation war das DAO, das sich auf das Venture-Geschäft konzentrierte und 2016 150 Millionen US-Dollar einbrachte, von denen 50 sofort durch eine rechtliche „Lücke“ in den Regeln gestohlen wurden. Es kam sofort ein schwieriges Dilemma: Entweder das Geld zurückzudrehen und zurückzugeben oder zuzugeben, dass das Abheben von Geld legal war, weil es in keiner Weise gegen die Regeln der Plattform verstieß. Infolgedessen mussten die Macher The DAO zerstören, die Blockchain umschreiben und gegen das Grundprinzip - Unveränderlichkeit - verstoßen, um den Investoren Geld zurückzugeben.


Comics über Ethereum (links) und The DAO (rechts). Quelle

Diese ganze Geschichte hat den Ruf der DAO-Idee selbst verdorben. Dieses Projekt wurde auf der Basis der Ethereum-Kryptowährung durchgeführt, im nächsten Jahr wird die Version von Ether 2.0 erwartet - vielleicht werden die Autoren (einschließlich des berühmten Vitalik Buterin) Fehler berücksichtigen und etwas Neues zeigen. Dies ist wahrscheinlich der Grund, warum Gartner das DAO auf eine aufsteigende Linie stellte.

5.3 Synthetikdaten

Um neuronale Netze zu trainieren, werden große Datenmengen benötigt. Das manuelle Markieren von Daten ist eine große Aufgabe, die nur von Menschen ausgeführt werden kann. Daher können Sie künstliche Datensätze erstellen. Zum Beispiel die gleichen Sammlungen von menschlichen Gesichtern auf der Website https://generated.photos . Sie werden mit GAN - Algorithmen erstellt, die oben bereits erwähnt wurden.


Diese Personen gehören nicht zu Menschen. Quelle

Ein großes Plus solcher Daten ist, dass es keine rechtlichen Schwierigkeiten bei der Verwendung gibt: Es gibt niemanden, der der Verarbeitung personenbezogener Daten zustimmt.

5.4.Digital Ops

Das Suffix "Ops" ist unglaublich in Mode gekommen, seit DevOps in unserer Rede Fuß gefasst hat. Was ist DigitalOps? Es ist nur eine Verallgemeinerung von DevOps, DesignOps, MarketingOps. Bist du noch nicht gelangweilt? Kurz gesagt, dies ist eine Übertragung des in DevOps verfolgten Ansatzes von der Softwareindustrie auf alle anderen Aspekte des Geschäfts - Marketing, Design usw.


Quelle

Die Idee von DevOps war es, die Barrieren zwischen Entwicklung selbst (Operations) und Operations (Geschäftsprozesse) zu beseitigen, indem gemeinsame Teams gebildet wurden, in denen Programmierer, Tester, Sicherheit und Administratoren zusammenarbeiten. Implementierung bestimmter Praktiken: kontinuierliche Integration, Infrastruktur als Kodex, Reduzierung und Stärkung der Feedbackketten. Ziel war es, die Markteinführung des Produkts zu beschleunigen. Wenn Sie dachten, dass es wie Agile war, dachten Sie, dass es richtig ist. Übertragen Sie diesen Ansatz nun mental vom Bereich der Softwareentwicklung auf die Entwicklung im Allgemeinen - und Sie verstehen, was DigitalOps ist.

5.5. Wissensgraphen

Eine Software zur Simulation eines Wissensbereichs, einschließlich der Verwendung von Algorithmen für maschinelles Lernen. Ein Wissensdiagramm baut auf vorhandenen Datenbanken auf, um alle Informationen zu verknüpfen: sowohl strukturiert (eine Liste von Ereignissen oder Personen) als auch unstrukturiert (Artikeltext).

Das einfachste Beispiel ist die Karte, die Sie in den Google-Suchergebnissen sehen können. Wenn Sie nach einer Person oder Institution suchen, sehen Sie rechts eine Karte:


Bitte beachten Sie, dass "Bevorstehende Ereignisse" keine Kopie von Informationen aus Google Maps ist, sondern die Integration des Zeitplans in Yandex.Afishey: Sie können dies leicht sehen, wenn Sie auf Ereignisse klicken. Das heißt, dies ist eine Kombination mehrerer Datenquellen zusammen.

Wenn Sie nach einer Liste fragen - zum Beispiel nach "berühmten Regisseuren" - zeigen sie Ihnen ein "Karussell":

Bonus für diejenigen, die bis zum Ende gelesen haben

Und jetzt, wenn wir die Bedeutung der einzelnen Punkte für uns selbst geklärt haben, können wir das gleiche Bild betrachten, aber bereits auf Russisch:



Teile es frei in sozialen Netzwerken!


Tatyana Volkova - Autorin des Lehrplans für das Internet der Dinge der Samsung IT Academy, Spezialistin für Corporate Social Responsibility-Programme im Samsung Research Center