प्रौद्योगिकी के क्षेत्र में काम करने वालों के लिए गार्टनर का कार्यक्रम उच्च फैशन की प्रदर्शनी की तरह है। इसे देखते हुए, आप पहले से पता लगा सकते हैं कि इस सीजन में कौन से शब्द सबसे अधिक प्रचारित हैं और आने वाले सभी सम्मेलनों में आप क्या सुनेंगे।

हमने इस ग्राफ़ पर सुंदर शब्दों के पीछे जो कुछ छिपाया है, उसे हटा दिया है ताकि आप भी इस भाषा को बोल सकें।





शुरू करने के लिए, बस कुछ शब्द, यह किस तरह का शेड्यूल है। हर साल अगस्त में, गार्टनर परामर्श एजेंसी एक रिपोर्ट प्रकाशित करती है - गार्टनर हाइप कर्व। रूसी में, यह एक "प्रचार वक्र" है, या, अधिक बस, एक प्रचार। 30 साल पहले, समूह सार्वजनिक शत्रु से रैपर्स गाया: "प्रचार पर विश्वास मत करो।" मानो या न मानो, सवाल व्यक्तिगत है, लेकिन कम से कम यह इन खोजशब्दों को जानने के लायक है यदि आप प्रौद्योगिकी के क्षेत्र में काम करते हैं और दुनिया के रुझान जानना चाहते हैं।

यह एक विशेष तकनीक से जनता की अपेक्षाओं का एक ग्राफ है। गार्टनर के अनुसार, आदर्श मामले में, प्रौद्योगिकी क्रमिक रूप से 5 चरणों से गुजरती है: प्रौद्योगिकी का शुभारंभ, उच्च उम्मीदों का शिखर, निराशा की घाटी, शिक्षा का ढलान, उत्पादकता का पठार। लेकिन ऐसा भी होता है कि यह "निराशा की घाटी" में डूब रहा है - आप खुद उदाहरणों को बहुत आसानी से याद कर सकते हैं, बहुत ही बिटकॉइन ले सकते हैं: शुरू में "भविष्य के पैसे" के रूप में चरम पर, वे जल्दी से लुढ़क गए जब प्रौद्योगिकी की कमी स्पष्ट हो गई, सबसे पहले बिटकॉइन्स उत्पन्न करने के लिए लेनदेन की संख्या और बिजली की भारी मात्रा पर प्रतिबंध (जो पहले से ही पर्यावरणीय समस्याओं को मजबूर करता है)। और निश्चित रूप से, हमें यह नहीं भूलना चाहिए कि गार्टनर चार्ट केवल एक पूर्वानुमान है: यहां, उदाहरण के लिए, आप एक विस्तृत लेख पढ़ सकते हैं जहां सबसे ज्वलंत अधूरी भविष्यवाणियों को सुलझाया जाता है।

तो, हम नए गार्टनर चार्ट पर चलते हैं। प्रौद्योगिकियों को 5 बड़े विषयगत समूहों में विभाजित किया गया है:

1. उन्नत AI और विश्लेषिकी
   
2. पोस्टक्लासिकल कम्प्यूट और कॉम्स
   
3. संवेदी और गतिशीलता
   
4. संवर्धित मानव
   
5. डिजिटल इकोसिस्टम
   

1. उन्नत एआई और एनालिटिक्स

पिछले 10 वर्षों से, हमने गहन शिक्षा (डीप लर्निंग) के उच्च बिंदु को देखा है। ये नेटवर्क वास्तव में अपने कार्यों के लिए प्रभावी हैं। 2018 में, जन लेकुन, जेफरी हिंटन और योशुआ बेंजियो ने उन्हें खोलने के लिए ट्यूरिंग पुरस्कार प्राप्त किया, सबसे प्रतिष्ठित पुरस्कार, कंप्यूटर विज्ञान में नोबेल पुरस्कार का एक एनालॉग। तो, इस क्षेत्र में मुख्य रुझान, जिन्हें चार्ट पर रखा गया है:

1.1। लर्निंग ट्रांसफर

आप खरोंच से एक तंत्रिका नेटवर्क को प्रशिक्षित नहीं करते हैं, लेकिन पहले से ही प्रशिक्षित एक ले लो और इसे एक अलग लक्ष्य निर्धारित करें। कभी-कभी इसके लिए आपको नेटवर्क के कुछ हिस्सों को पुनः प्राप्त करने की आवश्यकता होती है, लेकिन पूरे नेटवर्क को नहीं, जो बहुत तेज़ है। उदाहरण के लिए, यदि आप ImageNet1000 डेटासेट पर प्रशिक्षित ResNet50 न्यूरल नेटवर्क तैयार करते हैं, तो आपको एक एल्गोरिथ्म मिलेगा जो एक छवि से कई अलग-अलग वस्तुओं को बहुत गहरे स्तर पर वर्गीकृत कर सकता है (1000 कक्षाएं एक तंत्रिका नेटवर्क की 50 परतों द्वारा उत्पन्न विशेषताओं के आधार पर)। लेकिन आपको पूरे नेटवर्क को प्रशिक्षित करने की आवश्यकता नहीं है, जिसमें महीनों लगेंगे।

उदाहरण के लिए, सैमसंग ऑनलाइन पाठ्यक्रम में "न्यूरल नेटवर्क्स और कंप्यूटर विजन", अंतिम कागज़ कार्य में, प्लेटों को साफ और गंदे में वर्गीकृत करने के साथ, एक दृष्टिकोण दिखाया गया है कि 5 मिनट में आपको एक गहरा तंत्रिका नेटवर्क मिलता है जो साफ प्लेटों से गंदे प्लेटों को अलग कर सकता है। उपरोक्त वास्तुकला पर बनाया गया है। मूल नेटवर्क को यह नहीं पता था कि प्लेटें सामान्य रूप से क्या थीं, यह केवल पक्षियों को कुत्तों से अलग करना सीखता है (देखें इमेजनेट)।


स्रोत: सैमसंग ऑनलाइन कोर्स "तंत्रिका नेटवर्क और कंप्यूटर विजन"

ट्रांसफर लर्निंग के लिए, आपको यह जानने की जरूरत है कि दृष्टिकोण क्या काम करता है, तैयार बुनियादी आर्किटेक्चर क्या हैं। सामान्य तौर पर, यह मशीन सीखने के व्यावहारिक अनुप्रयोगों के उद्भव को बहुत तेज करता है।

1.2। जनरेशनल एडवरसियरी नेटवर्क (GAN)

यह उन मामलों के लिए है जब प्रशिक्षण के लक्ष्य को तैयार करना हमारे लिए बहुत मुश्किल है। यह कार्य वास्तविक जीवन के जितना करीब है, यह हमारे लिए उतना ही अधिक समझ में आता है ("बेडसाइड टेबल लाएं"), लेकिन तकनीकी कार्य के रूप में इसे तैयार करना जितना कठिन है। GAN हमें इस समस्या से छुटकारा दिलाने का एक प्रयास है।

दो नेटवर्क यहां काम करते हैं: एक जनरेटर (जेनेरेटिव), दूसरा डिस्क्रिमिनेटर (एडवरसरीअल)। एक नेटवर्क उपयोगी काम करना सीखता है (चित्रों को वर्गीकृत करें, ध्वनियों को पहचानें, कार्टून बनाएं)। और एक अन्य नेटवर्क उस नेटवर्क को सीखना सीखता है: इसके वास्तविक उदाहरण हैं, और यह वास्तव में महत्वपूर्ण गहरे संकेतों के अनुसार वास्तविक दुनिया की वस्तुओं (प्रशिक्षण सेट) के साथ नेटवर्क के पीढ़ीगत हिस्से की पीढ़ियों की तुलना करने के लिए एक पूर्व अज्ञात जटिल सूत्र को खोजने के लिए सीखता है: आंखों की संख्या, मियाज़ाकी की शैली के निकटता; अंग्रेजी का सही उच्चारण।


एनीमे वर्ण उत्पन्न करने के लिए नेटवर्क के परिणाम का एक उदाहरण। स्रोत

लेकिन वहां, निश्चित रूप से, वास्तुकला का निर्माण करना मुश्किल है। न्यूरॉन्स को फेंकना पर्याप्त नहीं है, उन्हें तैयार करने की आवश्यकता है। और आपको हफ्तों तक सीखना होगा। सैमसंग सेंटर फॉर आर्टिफिशियल इंटेलिजेंस के मेरे सहयोगी GAN विषय से निपटते हैं, और यह उनके महत्वपूर्ण शोध प्रश्नों में से एक है। उदाहरण के लिए, यहां इस तरह का विकास है : एक चर मुद्रा वाले लोगों की यथार्थवादी तस्वीरों के संश्लेषण के लिए जेनरेटर नेटवर्क का उपयोग - उदाहरण के लिए, एक आभासी फिटिंग रूम बनाने के लिए, या एक चेहरे को संश्लेषित करने के लिए, जो उच्च गुणवत्ता वाले वीडियो संचार, प्रसारण या संरक्षण सुनिश्चित करने के लिए संग्रहीत या प्रेषित होने वाली जानकारी की मात्रा को कम कर सकता है। व्यक्तिगत डेटा।


स्रोत

1.3। समझाया ए.आई.

कुछ दुर्लभ कार्यों में, गहरी वास्तुकला में प्रगति ने अचानक गहरे तंत्रिका नेटवर्क की क्षमताओं को मनुष्यों के करीब ला दिया। अब लड़ाई ऐसे कार्यों के चक्र का विस्तार करने की है। उदाहरण के लिए, एक रोबोट वैक्यूम क्लीनर एक बिल्ली को कुत्ते से सिर पर मुठभेड़ में आसानी से भेद सकता है। लेकिन अधिकांश जीवन स्थितियों में वह लिनन या फर्नीचर के बीच सो रही एक बिल्ली को खोजने में असमर्थ होंगे (हालांकि, ज्यादातर मामलों में, हमारी तरह ...)।

गहरे तंत्रिका नेटवर्क की सफलता का कारण क्या है? वे समस्या का एक प्रतिनिधित्व विकसित करते हैं, जो "नंगी आंखों को दिखाई देने वाली" जानकारी पर आधारित नहीं है (एक तस्वीर के पिक्सल, ध्वनि की मात्रा में कूदता है ...), लेकिन एक तंत्रिका नेटवर्क की कई सौ परतों द्वारा इस जानकारी को प्रीप्रोसेस करने के बाद प्राप्त संकेतों पर। दुर्भाग्य से, ये संबंध मूल डेटा सेट में खामियों, विरोधाभासी या खामियों के निशान भी हो सकते हैं। उदाहरण के लिए, भर्ती में एआई के विचारहीन उपयोग के कारण क्या हो सकता है, एक छोटा कंप्यूटर गेम है जो सर्वश्रेष्ठ फिट का उत्तरजीविता है ।


छवियों को चिह्नित करने के लिए प्रणाली उस व्यक्ति को बुलाती है जो महिला को खाना बनाती है, हालांकि तस्वीर वास्तव में एक आदमी है ( स्रोत )। वर्जीनिया संस्थान में यह देखा गया था ।

स्पष्ट एआई तरीकों को जटिल और गहरे संबंधों का विश्लेषण करने की आवश्यकता होती है जो हम अक्सर खुद को तैयार नहीं कर सकते हैं। वे गहरे तंत्रिका नेटवर्क के संकेतों को व्यवस्थित करते हैं ताकि प्रशिक्षण के बाद हम आंतरिक प्रतिनिधित्व का विश्लेषण कर सकें जो नेटवर्क ने सीखा है, और न कि इसके समाधान पर भरोसा करें।

1.4। परिधीय विश्लेषण / ऐ (एज एनालिटिक्स / एआई)

सब कुछ, जहां एज शब्द है, का शाब्दिक अर्थ है निम्नलिखित: क्लाउड / सर्वर से कुछ एल्गोरिदम को अंत डिवाइस / गेटवे के स्तर पर स्थानांतरित करना। ऐसा एल्गोरिथ्म तेजी से काम करेगा और इसके काम के लिए एक केंद्रीय सर्वर से जुड़ने की आवश्यकता नहीं होगी। यदि आप "पतले ग्राहक" के अमूर्त से परिचित हैं, तो यहाँ हम इस ग्राहक को थोड़ा मोटा करते हैं।
यह इंटरनेट ऑफ थिंग्स के लिए महत्वपूर्ण हो सकता है। उदाहरण के लिए, यदि मशीन को गर्म किया जाता है और इसे ठंडा करने की आवश्यकता होती है, तो यह डेटा के तुरंत बाद, संयंत्र स्तर पर, क्लाउड पर जाने के लिए और वहां से शिफ्ट मास्टर में जाने के लिए बिना किसी संकेत के भेजने का मतलब है। या एक अन्य उदाहरण: ड्रोन केंद्रीय सर्वर तक पहुंच के बिना, अपने दम पर यातायात की स्थिति से निपट सकते हैं।


स्रोत

या सुरक्षा के दृष्टिकोण से यह क्यों महत्वपूर्ण है, इसका एक और उदाहरण: जब आप अपने फोन पर ग्रंथ लिखते हैं, तो यह उन शब्दों को याद करता है जो आपके लिए विशिष्ट हैं, ताकि फोन कीबोर्ड आपको और अधिक आसानी से संकेत देगा - इसे भविष्य कहनेवाला पाठ इनपुट कहा जाता है। डेटा सेंटर में कहीं भी सब कुछ भेजना जो आप कीबोर्ड पर दर्ज करते हैं, यह आपकी गोपनीयता का उल्लंघन होगा और बस असुरक्षित होगा। इसलिए, कीबोर्ड प्रशिक्षण केवल आपके डिवाइस के ढांचे के भीतर होता है।

1.5। सेवा के रूप में AI प्लेटफॉर्म (AI PaS)

PaS - प्लेटफ़ॉर्म-ए-ए-सर्विस एक व्यावसायिक मॉडल है जिसमें हम एक एकीकृत प्लेटफ़ॉर्म तक पहुंच प्राप्त करते हैं, जिसमें इसके क्लाउड-आधारित डेटा संग्रहण और तैयार प्रक्रियाएं शामिल हैं। इस प्रकार, हम बुनियादी ढांचे के कार्यों से खुद को मुक्त कर सकते हैं, और पूरी तरह से कुछ उपयोगी के उत्पादन पर ध्यान केंद्रित कर सकते हैं। AI कार्यों के लिए PaaS प्लेटफ़ॉर्म उदाहरण: IBM Cloud, Microsoft Azure, Amazon Machine Learning, Google AI Platform।

1.6। अनुकूली मशीन लर्निंग (अनुकूली एमएल)

क्या होगा अगर हम कृत्रिम बुद्धिमत्ता को अनुकूलित करने की अनुमति देते हैं ... आप पूछते हैं - वह है, कैसे? .. क्या यह वैसे भी कार्य के अनुकूल नहीं है? समस्या यह है: हम इसे हल करने के लिए कृत्रिम बुद्धिमत्ता एल्गोरिथ्म के निर्माण से पहले प्रत्येक ऐसे कार्य की श्रमसाध्य व्यवस्था करते हैं। वे आपको जवाब देंगे - यह पता चला है कि इस श्रृंखला को सरल बनाया जा सकता है।

सामान्य मशीन लर्निंग एक ओपन सिस्टम (ओपन-लूप) के सिद्धांत पर काम करता है: आप डेटा तैयार करते हैं, एक न्यूरल नेटवर्क (या जो कुछ भी), ट्रेन का आविष्कार करते हैं, उसके बाद कुछ संकेतकों को देखते हैं, और यदि आप सब कुछ पसंद करते हैं, तो आप उपयोगकर्ता कार्यों को हल करने के लिए स्मार्टफोन में एक न्यूरल नेटवर्क भेज सकते हैं। । लेकिन अनुप्रयोगों में जहां बहुत अधिक डेटा है और उनकी प्रकृति धीरे-धीरे बदल रही है, अन्य तरीकों की आवश्यकता है। ऐसी प्रणालियाँ, जो स्वयं को अनुकूलित और प्रशिक्षित करती हैं, बंद, स्व-शिक्षण सर्किट (क्लोज़-लूप) में व्यवस्थित होती हैं, और उन्हें बिना असफल हुए काम करना चाहिए।

अनुप्रयोग - यह स्ट्रीम एनालिटिक्स हो सकता है, जिसके आधार पर कई व्यवसायी निर्णय लेते हैं, या अनुकूली उत्पादन प्रबंधन करते हैं। आधुनिक अनुप्रयोगों के पैमाने पर और लोगों के लिए बेहतर समझे जाने वाले जोखिमों को ध्यान में रखते हुए, इस समस्या के समाधान के लिए जो तरीके हैं, इन सभी तरीकों को सामान्य नाम Adaptive AI के तहत एकत्र किया गया है।


स्रोत

इस तस्वीर को देखकर, इस भावना से छुटकारा पाना मुश्किल है कि भविष्य के खिलाने वाले लोग रोटी नहीं खाते हैं - चलो रोबोट को साँस लेने के लिए सीखना है ...

पोस्टक्लासिकल कम्प्यूट और कॉम्स

2.1। पांचवीं पीढ़ी के मोबाइल संचार (5G)

यह एक ऐसा दिलचस्प विषय है जिसे हम तुरंत अपने लेख में देखें । खैर, यहाँ एक संक्षिप्त निचोड़ है। 5G डेटा ट्रांसफर की आवृत्ति को बढ़ाकर इंटरनेट की गति को अनियंत्रित रूप से तेज कर देगा। लघु तरंगों के लिए बाधाओं से गुजरना अधिक कठिन है, इसलिए नेटवर्क की व्यवस्था पूरी तरह से अलग होगी: बेस स्टेशनों को 500 गुना अधिक की आवश्यकता होती है।

एक साथ गति के साथ, हमें नई घटनाएं मिलेंगी: संवर्धित वास्तविकता के साथ वास्तविक समय के खेल, टेलीप्रेशंस के माध्यम से जटिल कार्यों (जैसे सर्जरी) का प्रदर्शन करना, मशीनों के बीच संचार के माध्यम से सड़कों पर दुर्घटनाओं और कठिन परिस्थितियों को रोकना। अधिक अभियुक्त से: मोबाइल इंटरनेट अंत में बड़े पैमाने पर घटनाओं के दौरान गिरना बंद कर देगा, जैसे कि स्टेडियम में एक मैच।


छवि स्रोत - रायटर, Niantic

2.2। अगली पीढ़ी की मेमोरी

यहां हम राम की पांचवीं पीढ़ी के बारे में बात कर रहे हैं - DDR5। सैमसंग ने घोषणा की कि 2019 के अंत तक DDR5 पर आधारित उत्पाद होंगे। यह उम्मीद की जाती है कि नई मेमोरी फॉर्म फैक्टर के संरक्षण के साथ दुगुनी तेज और दुगुनी होगी, यानी हम अपने कंप्यूटर के लिए 32GB तक की मेमोरी स्टिक ले सकते हैं। भविष्य में, यह स्मार्टफोन के लिए विशेष रूप से सच होगा (नई मेमोरी कम-पावर संस्करण में होगी) और लैपटॉप के लिए (जहां डीआईएमएम स्लॉट की संख्या सीमित है)। और मशीन सीखने के लिए बड़ी मात्रा में रैम की आवश्यकता होती है।

2.3। लो-अर्थ-ऑर्बिट सैटेलाइट सिस्टम

छोटे और सस्ते उपग्रहों के झुंड के साथ भारी, महंगे, शक्तिशाली उपग्रहों को बदलने का विचार नए से दूर है और 90 के दशक में वापस दिखाई दिया। इस तथ्य के बारे में कि "एलोन मास्क जल्द ही उपग्रह से सभी को इंटरनेट वितरित करेगा", अब केवल आलसी ने नहीं सुना है। यहां, सबसे प्रसिद्ध कंपनी इरिडियम है, जो 90 के दशक के अंत में दिवालिया हो गई थी, लेकिन अमेरिकी रक्षा विभाग (iRidium - रूसी स्मार्ट होम सिस्टम के साथ भ्रमित नहीं होने) की कीमत पर बचाया गया था। एलोन मास्क (स्टारलिंक) की परियोजना केवल एक से दूर है - रिचर्ड ब्रैनसन (वनवेब - 1440 कथित उपग्रह), बोइंग (3000 उपग्रह), सैमसंग (4600 उपग्रह), और अन्य उपग्रह दौड़ में भाग लेते हैं।

इस क्षेत्र की स्थिति क्या है, वहां की अर्थव्यवस्था कैसी है - समीक्षा पढ़ें। और हम पहले उपयोगकर्ताओं द्वारा इन प्रणालियों के पहले परीक्षणों की प्रतीक्षा कर रहे हैं, जो अगले साल होने चाहिए।

2.4। नैनोस्केल पर 3 डी प्रिंटिंग (नैनोस्केल 3 डी प्रिंटिंग)

3 डी प्रिंटिंग, हालांकि यह हर व्यक्ति के जीवन में प्रवेश नहीं करता था (व्यक्तिगत घर प्लास्टिक फैक्ट्री द्वारा वादा किए गए फॉर्म में), फिर भी, बहुत पहले गीक्स के लिए प्रौद्योगिकी के आला छोड़ दिया है। आप इस तथ्य से अंदाजा लगा सकते हैं कि कम से कम 3 डी-स्कल्प्ड पेन का अस्तित्व किसी भी छात्र को पता है, और कई धावक और एक एक्सट्रूडर के साथ एक बॉक्स खरीदने का सपना देखते हैं ... "बस उस तरह" (या पहले से ही खरीदा हुआ)।

स्टीरियोलिथोग्राफी (3 डी लेजर प्रिंटर) व्यक्तिगत फोटॉनों के साथ मुद्रण की अनुमति देता है: नए पॉलिमर की जांच की जा रही है, जिसके लिए दो फोटोन जमने के लिए पर्याप्त हैं। यह गैर-प्रयोगशाला स्थितियों में पूरी तरह से नए फिल्टर, माउंट, स्प्रिंग्स, केशिकाएं, लेंस और ... आपके विकल्प टिप्पणियों में बनाने की अनुमति देगा! और यहां फोटोपॉइमराइजेशन से दूर नहीं है - केवल यह तकनीक आपको प्रोसेसर और कम्प्यूटेशनल सर्किट "प्रिंट" करने की अनुमति देती है। इसके अलावा, पहले साल में ग्राफीन 500 एनएम तीन आयामी संरचनाओं को मुद्रित करने के लिए एक तकनीक नहीं थी , लेकिन बिना कट्टरपंथी विकास के।


स्रोत

3. संवेदी और गतिशीलता (सेंसिंग एंड मोबिलिटी)

3.1। मानव रहित वाहन, स्तर 4 और 5 (स्वायत्त ड्राइविंग स्तर 4 और 5)

शब्दावली में भ्रमित न होने के लिए, यह समझने के लिए सार्थक है कि स्वायत्तता के स्तर क्या हैं जो प्रतिष्ठित हैं (एक विस्तृत लेख से जिसे हम सभी इच्छुक व्यक्तियों को संदर्भित करते हैं):

लेवल 1: क्रूज़ कंट्रोल: ड्राइवर को बहुत सीमित स्थितियों में मदद करें (उदाहरण के लिए, ड्राइवर द्वारा पैडल से पैर हटाने के बाद कार को एक निर्धारित गति पर रखना)
स्तर 2: स्टीयरिंग और ब्रेकिंग के साथ सीमित सहायता। ड्राइवर को लगभग तुरंत नियंत्रण लेने के लिए तैयार होना चाहिए। उसके हाथ स्टीयरिंग व्हील पर हैं, उसकी टकटकी सड़क पर निर्देशित है। यह वही है जो टेस्ला और जनरल मोटर्स के पास पहले से है।
लेवल 3: ड्राइवर को अब सड़क की लगातार निगरानी नहीं करनी होगी। लेकिन उसे सतर्क रहना चाहिए और नियंत्रण लेने के लिए तैयार रहना चाहिए। यह कुछ ऐसा है जो उपलब्ध कारों पर उपलब्ध नहीं है। सभी इस समय - 1-2 के स्तर पर मौजूद हैं।
स्तर 4: सही ऑटोपायलट, लेकिन सीमाओं के साथ: केवल एक ज्ञात क्षेत्र में यात्रा करें जो सावधानी से मैप किया जाता है और आमतौर पर सिस्टम के लिए जाना जाता है, और कुछ शर्तों के तहत: उदाहरण के लिए, बर्फ की अनुपस्थिति में। वायमो और जनरल मोटर्स के ऐसे प्रोटोटाइप हैं, और वे उन्हें कई शहरों में लॉन्च करने और वास्तविक जीवन में उनका परीक्षण करने की योजना बनाते हैं। यैंडेक्स के पास स्कोल्कोवो और इनोपोलिस में एक मानव रहित टैक्सी के लिए परीक्षण क्षेत्र हैं: यात्रा यात्री की सीट पर बैठे एक इंजीनियर की देखरेख में होती है; वर्ष के अंत तक, कंपनी ने 100 मानवरहित वाहनों के बेड़े का विस्तार करने की योजना बनाई है।
स्तर 5: पूर्ण स्वचालित ड्राइविंग, एक लाइव ड्राइवर का पूर्ण प्रतिस्थापन। ऐसी प्रणालियाँ मौजूद नहीं हैं, और आने वाले वर्षों में उनके दिखाई देने की संभावना नहीं है।

भविष्य में यह सब देखना कितना यथार्थवादी है? यहाँ मैं पाठक को लेख में पुनर्निर्देशित करना चाहूंगा "टेस्ला ने वादे के अनुसार, 2020 तक रोबोटाक्सी को लॉन्च करना असंभव क्यों है । " यह आंशिक रूप से 5 जी कनेक्टिविटी की कमी के कारण है: उपलब्ध 4 जी गति पर्याप्त नहीं है। आंशिक रूप से स्वायत्त कारों की बहुत अधिक लागत के साथ: वे अब तक लाभहीन हैं, व्यापार मॉडल समझ से बाहर है। एक शब्द में, "सब कुछ जटिल है", और यह कोई संयोग नहीं है कि गार्टनर लिखते हैं कि स्तर 4 और 5 के बड़े पैमाने पर कार्यान्वयन के लिए पूर्वानुमान 10 वर्षों की तुलना में पहले नहीं है।

3.2। 3 डी सेंसिंग कैमरा

आठ साल पहले, Microsoft Kinect गेम कंट्रोलर ने 3D दृष्टि के लिए एक सस्ती और अपेक्षाकृत सस्ती समाधान की पेशकश करके शोर मचाया था। तब से, किनेटक के साथ शारीरिक शिक्षा और नृत्य खेलों ने उनके संक्षिप्त उदय और गिरावट का अनुभव किया है, लेकिन चेहरे की पहचान करने के लिए औद्योगिक रोबोट, मानव रहित वाहनों और मोबाइल फोन में 3 डी कैमरों का उपयोग किया गया है। तकनीक सस्ती, अधिक कॉम्पैक्ट और अधिक सस्ती हो गई है।


सैमसंग एस 10 फोन में टाइम-ऑफ-फ्लाइट कैमरा है जो विषय की दूरी को मापता है - ध्यान केंद्रित करना आसान बनाने के लिए। स्रोत

यदि आप इस विषय में रुचि रखते हैं, तो हम गहराई कैमरों के एक बहुत अच्छे विस्तृत अवलोकन को पुनर्निर्देशित करते हैं: भाग 1 , भाग 2 ।

3.3। छोटे कार्गो डिलीवरी ड्रोन (लाइट कार्गो डिलीवरी ड्रोन)

इस साल, अमेज़ॅन ने एक उपद्रव किया जब उसने प्रदर्शनी में एक नया फ्लाइंग ड्रोन दिखाया जो 2 किलोग्राम वजन तक के छोटे भार को ले जाने में सक्षम था। शहर के लिए, अपने ट्रैफिक जाम के साथ, यह सही समाधान की तरह लगता है। आइए देखें कि ये ड्रोन भविष्य में खुद को कैसे साबित करेंगे। शायद यह सावधानीपूर्वक संदेह सहित है: ड्रोन की आसान चोरी की संभावना के साथ शुरू करना और यूएवी पर विधायी प्रतिबंधों के साथ समाप्त होने जैसी कई समस्याएं हैं। अमेज़ॅन प्राइम एयर को लगभग छह साल हो गए हैं, लेकिन अभी भी परीक्षण के चरण में है।


अमेज़ॅन के नए ड्रोन ने इस वसंत का पता लगाया। इसमें स्टार वार्स के बारे में कुछ है। स्रोत

अमेज़ॅन के अलावा, इस बाजार में अन्य खिलाड़ी हैं (एक विस्तृत समीक्षा है ), लेकिन एक भी तैयार उत्पाद नहीं है: सब कुछ परीक्षण चरण और विपणन अभियानों पर है। अलग-अलग, यह अफ्रीका में काफी दिलचस्प अत्यधिक विशिष्ट चिकित्सा परियोजनाओं को ध्यान देने योग्य है: घाना में दाता रक्त वितरण (14,000 प्रसव, जिपलाइन) और रवांडा (मैटर्नेट)।

3.4। उड़ान स्वायत्त वाहन

कुछ निश्चित कहना कठिन है। गार्टनर के अनुसार, यह 10 वर्षों की तुलना में पहले नहीं दिखाई देगा। सामान्य तौर पर, मानवरहित वाहनों के रूप में यहां सभी समान समस्याएं, केवल वे एक नया आयाम प्राप्त करते हैं - ऊर्ध्वाधर। पोर्श, बोइंग, उबर ने उड़ने वाली टैक्सी बनाने की अपनी महत्वाकांक्षाओं की घोषणा की।

3.5। संवर्धित वास्तविकता बादल (एआर क्लाउड)

वास्तविक दुनिया की एक स्थायी डिजिटल कॉपी, जिससे आप सभी उपयोगकर्ताओं के लिए वास्तविकता की एक नई परत बना सकते हैं। अधिक तकनीकी भाषा में बोलते हुए, हम एक खुले क्लाउड प्लेटफॉर्म बनाने के बारे में बात कर रहे हैं जिसमें डेवलपर्स अपने एआर अनुप्रयोगों को एकीकृत कर सकते हैं। विमुद्रीकरण मॉडल समझने योग्य है, यह एक प्रकार का स्टीम एनालॉग है। यह विचार इतना उलझा हुआ है कि अब कुछ लोगों का मानना ​​है कि बिना बादल के एआर बस बेकार है।

भविष्य में यह कैसे दिख सकता है एक छोटे से वीडियो में खींचा गया है। यह "ब्लैक मिरर" की अगली श्रृंखला की तरह दिखता है:


आप समीक्षा लेख में भी पढ़ सकते हैं ।

4. संवर्धित मानव

4.1। भावना ए.आई.

मानवीय भावनाओं को कैसे मापें, अनुकरण और जवाब दें? यहां के कुछ ग्राहक अमेजन एलेक्सा जैसी वॉयस असिस्टेंट बनाने वाली कंपनियां हैं। यदि वे मूड को पहचानना सीखते हैं, तो वे वास्तव में घर की आदत डाल सकते हैं: उपयोगकर्ता के असंतोष का कारण समझें, स्थिति को ठीक करने का प्रयास करें। सामान्य तौर पर, संदेश की तुलना में संदर्भ में बहुत अधिक जानकारी है। और संदर्भ एक चेहरे की अभिव्यक्ति है, और इंटोनेशन, और गैर-मौखिक व्यवहार है।

अन्य व्यावहारिक अनुप्रयोगों से: नौकरी के साक्षात्कार के दौरान भावनाओं का विश्लेषण (वीडियो साक्षात्कार द्वारा), विज्ञापनों या अन्य वीडियो सामग्री (मुस्कुराहट, हँसी) के लिए प्रतिक्रियाओं का मूल्यांकन, शैक्षिक सहायता (उदाहरण के लिए, सार्वजनिक बोलने की कला में स्वतंत्र अभ्यास के लिए)।

इस विषय पर 6 मिनट की अवधि के लेखक की तुलना में बेहतर बोलना कठिन हैचोरी उर लग रहा है । एक मजाकिया और स्टाइलिश तरीके से बनाया गया वीडियो दिखाता है कि आप विपणन उद्देश्यों के लिए हमारी भावनाओं को कैसे माप सकते हैं, और अपनी तात्कालिक प्रतिक्रियाओं से पता लगा सकते हैं कि क्या आपको पिज्जा, कुत्ते, कान्ये वेस्ट और यहां तक ​​कि आपके आय स्तर और अनुमानित आईक्यू भी पसंद हैं। ऊपर दिए गए लिंक का उपयोग करके मूवी वेबसाइट पर जाकर, आप अपने लैपटॉप के अंतर्निहित कैमरे का उपयोग करके इंटरैक्टिव वीडियो के सदस्य बन जाते हैं। फिल्म को पहले ही कई फिल्म समारोहों में दिखाया जा चुका है।


स्रोत

इस तरह के एक दिलचस्प अध्ययन भी है: पाठ में व्यंग्य को कैसे पहचाना जाए। हमने हैशटैग # व्यंग्य के साथ ट्वीट किए और दुनिया में हर चीज के बारे में 25,000 व्यंग्यात्मक ट्वीट्स और 100,000 नियमित ट्वीट्स का प्रशिक्षण नमूना बनाया। हमने TensorFlow लाइब्रेरी का उपयोग किया, सिस्टम को प्रशिक्षित किया, यहाँ परिणाम है:


स्रोत

तो अब, यदि आप अपने सहकर्मी या मित्र के बारे में निश्चित नहीं हैं - तो उन्होंने आपको गंभीरता से या व्यंग्य के साथ कुछ कहा - आप पहले से ही प्रशिक्षित तंत्रिका नेटवर्क का उपयोग कर सकते हैं !

4.2। संवर्धित बुद्धि

मशीन सीखने के तरीकों का उपयोग करके बौद्धिक कार्यों का स्वचालन। यह कुछ नया नहीं लगेगा? लेकिन यहाँ शब्दांकन स्वयं महत्वपूर्ण है, खासकर जब से यह आर्टिफिशियल इंटेलिजेंस के साथ संक्षिप्त रूप में मेल खाता है। यह "मजबूत" और "कमजोर" एआई के बारे में पोलिमिक को संदर्भित करता है।
सशक्त एआई विज्ञान कथा फिल्मों से एक ही कृत्रिम बुद्धिमत्ता है जो मानव मन के लिए पूरी तरह से समान है और खुद को एक व्यक्ति के रूप में पहचानता है। यह अभी तक मौजूद नहीं है और यह स्पष्ट नहीं है कि क्या यह बिल्कुल भी मौजूद होगा।

एक कमजोर एआई एक स्वतंत्र व्यक्ति नहीं है, बल्कि एक मानव सहायक है। वह मानव जैसी सोच का ढोंग नहीं करता है, लेकिन बस यह जानता है कि सूचना की समस्याओं को कैसे हल किया जाए, उदाहरण के लिए, यह निर्धारित करें कि चित्र में क्या दिखाया गया है या पाठ का अनुवाद करें।


स्रोत

इस अर्थ में, ऑगमेंटेड इंटेलिजेंस अपने शुद्धतम रूप में "कमजोर एआई" है, और शब्दांकन सफल लगता है, क्योंकि यह भ्रमित नहीं करता है और यहां देखने के लिए बहुत "मजबूत एआई" है कि हर कोई सपने देखता है (या डरता है, अगर आपको "विद्रोह" के बारे में कई तर्क याद हैं) कारें ”)। ऑगमेंटेड इंटेलिजेंस का उपयोग करते हुए, हम तुरंत एक और फिल्म के नायक बन जाते हैं: विज्ञान कथा से (जैसे असिमोव द्वारा "आई, रोबोट") हम साइबरपंक में आते हैं (मानव क्षमताओं का विस्तार करने वाले सभी प्रकार के प्रत्यारोपण इस शैली में "वृद्धि" कहलाते हैं)।

जैसा कि कहा एरिक Brinolfsson और एंड्रयू MakAffi: "यह क्या अगले 10 वर्षों में होता है। एआई प्रबंधकों की जगह नहीं लेगा, लेकिन एआई का उपयोग करने वाले उन प्रबंधकों को बदल देंगे, जिन्होंने इसे अभी तक नहीं किया है। "

उदाहरण:

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

4.3. (Biochips)

यह सभी साइबरपंक फिल्मों और पुस्तकों का पसंदीदा विषय है। सामान्य तौर पर, पालतू जानवरों को काटना एक नई प्रथा नहीं है। लेकिन अब इन चिप्स ने भी लोगों को इंप्रेस करना शुरू कर दिया है।

इस मामले में, अमेरिकी कंपनी थ्री स्क्वायर मार्केट में सनसनीखेज मामले में प्रचार की संभावना सबसे अधिक जुड़ी हुई है। वहां, नियोक्ता ने शुल्क के बदले में त्वचा के नीचे प्रत्यारोपण करने के लिए चिप्स पेश करना शुरू किया। चिप आपको दरवाजे खोलने, कंप्यूटर में प्रवेश करने, मशीन में स्नैक्स खरीदने की अनुमति देता है - अर्थात, इस तरह के एक सार्वभौमिक कर्मचारी कार्ड। इसके अलावा, ऐसी चिप एक पहचान पत्र के रूप में सटीक रूप से कार्य करती है, इसमें जीपीएस मॉड्यूल नहीं होता है, इसलिए इसके द्वारा किसी को भी ट्रैक करना असंभव है। और अगर कोई व्यक्ति अपने हाथ से चिप को निकालना चाहता है, तो डॉक्टर की मदद से 5 मिनट लगते हैं।


चिप्स आमतौर पर अंगूठे और तर्जनी के बीच प्रत्यारोपित होते हैं। स्रोत

दुनिया में चिप्स की कला की स्थिति पर एक विस्तृत लेख पढ़ें ।

4.4। इमर्सिव कार्यक्षेत्र

"इमर्सिव" एक और नया शब्द है जिसे बस कहीं नहीं जाना है। यह हर जगह है। इमर्सिव थिएटर, प्रदर्शनी, सिनेमा। क्या मतलब है? विसर्जन एक विसर्जन प्रभाव का निर्माण है जब लेखक और दर्शक के बीच की सीमा, आभासी और वास्तविक दुनिया खो जाती है। कार्यस्थल के संबंध में, संभवतः, इसका अर्थ है कि निष्पादक और सर्जक के बीच की रेखा को धुंधला करना और कर्मचारियों को अपने पर्यावरण में सुधार करके अधिक सक्रिय स्थिति लेने के लिए प्रोत्साहित करना।

चूंकि एजाइल अब हमारे साथ हर जगह है, लचीलेपन और करीबी बातचीत - कार्यस्थलों को यथासंभव आसानी से कॉन्फ़िगर किया जाना चाहिए, समूह कार्य को प्रोत्साहित करना चाहिए। अर्थव्यवस्था अपनी शर्तों को निर्धारित करती है: अधिक अस्थायी कर्मचारी हैं, कार्यालय अंतरिक्ष किराए पर लेने की लागत बढ़ रही है, और एक प्रतिस्पर्धी श्रम बाजार की स्थितियों में, आईटी कंपनियां मनोरंजक क्षेत्रों और अन्य लाभों का निर्माण करके कर्मचारियों की संतुष्टि बढ़ाने की कोशिश करती हैं। और यह सब नौकरियों के डिजाइन को प्रभावित करता है।


से रिपोर्ट Knoll

4.5। अवतार (अवतार)

हर कोई जानता है कि विज्ञापन में निजीकरण क्या है। यह तब है जब आप आज एक सहयोगी के साथ चर्चा कर रहे हैं कि कमरे में कुछ सूखा है और आपको कार्यालय में एक ह्यूमिडिफायर खरीदने की ज़रूरत है, और अगले दिन आप अपने सोशल नेटवर्क पर एक विज्ञापन देखते हैं - "ह्यूमिडिफायर खरीदें" (एक वास्तविक मामला जो मेरे साथ हुआ था)।


स्रोत

गार्टनर के अनुसार, निजीकरण विज्ञापन उद्देश्यों के लिए अपने व्यक्तिगत डेटा के उपयोग के बारे में उपयोगकर्ताओं की बढ़ती चिंता का जवाब है। लक्ष्य एक दृष्टिकोण विकसित करना है जिसमें हमें वे विज्ञापन दिखाए जाएंगे जो उस संदर्भ में उपयुक्त हैं जिसमें हम स्थित हैं, और व्यक्तिगत रूप से हमारे लिए नहीं। उदाहरण के लिए, हमारा स्थान, डिवाइस का प्रकार, दिन का समय, मौसम की स्थिति - यह वह है जो हमारे व्यक्तिगत डेटा का उल्लंघन नहीं करता है, और हम "निगरानी" की अप्रिय सनसनी महसूस नहीं करते हैं।

इन दोनों अवधारणाओं के बीच अंतर के बारे में, देखने टिप्पणी साइट गार्टनर पर एक ब्लॉग में एंड्रयू फ्रैंक। इस तरह के एक सूक्ष्म अंतर और इस तरह के शब्द हैं कि आप अंतर को नहीं जानते हुए, लंबे समय तक अपने वार्ताकार के साथ बहस करने का जोखिम चलाते हैं, संदेह नहीं है, सामान्य तौर पर, दोनों सही हैं (और यह एक वास्तविक घटना भी है जो लेखक के साथ हुआ है)।

4.6। बायोटेक - कृत्रिम कपड़े (बायोटेक - संवर्धित या कृत्रिम ऊतक)

यह, सबसे पहले, कृत्रिम मांस बढ़ने का विचार है। इसी समय, दुनिया भर में कई टीमें प्रयोगशाला के मांस 2.0 के विकास में लगी हुई हैं - यह उम्मीद की जाती है कि यह सामान्य से सस्ता हो जाएगा, और फास्ट फूड और फिर सुपरमार्केट इसे स्विच करेंगे। इस प्रौद्योगिकी के निवेशकों में बिल गेट्स, सर्गेई ब्रिन, रिचर्ड ब्रैनसन और अन्य शामिल हैं।


स्रोत

कारण क्यों हर कोई कृत्रिम मांस में रुचि रखता है:

1. ग्लोबल वार्मिंग: खेतों से मीथेन उत्सर्जन। यह जलवायु को प्रभावित करने वाली गैसों की वैश्विक मात्रा का 18% है।
   
2. जनसंख्या वृद्धि। मांस की मांग बढ़ रही है, और यह प्राकृतिक मांस के साथ सभी को खिलाने के लिए काम नहीं करेगा - यह बस महंगा है।
   
3. जगह की कमी। अमेज़ॅन के 70% जंगलों को पहले ही चरागाह के लिए काट दिया गया है।
   
4. नैतिक विचार। ऐसे हैं जिनके लिए यह महत्वपूर्ण है। पेटा पशु संरक्षण संगठन ने पहले ही वैज्ञानिक को $ 1 मिलियन का पुरस्कार देने की पेशकश की है जो बाजार पर कृत्रिम चिकन मांस लॉन्च करेगा।
   

सोया के साथ असली मांस को बदलना एक आंशिक समाधान है, क्योंकि लोग स्वाद और बनावट में अंतर महसूस करते हैं, और सोया के पक्ष में स्टेक छोड़ने की संभावना नहीं है। तो क्या जरूरत है, असली, व्यवस्थित रूप से उगाए गए मांस की। अब, दुर्भाग्य से, कृत्रिम मांस बहुत महंगा है: $ 12 प्रति किलोग्राम से। ऐसा मांस के बढ़ने की जटिल प्रक्रिया के कारण होता है। इस सभी लेख के बारे में पढ़ें।

यदि हम ऊतक वृद्धि के अन्य मामलों के बारे में बात करते हैं - पहले से ही दवा में - तो कृत्रिम अंगों के साथ विषय दिलचस्प है: उदाहरण के लिए, हृदय की मांसपेशियों के लिए एक "पैच", एक विशेष 3 डी प्रिंटर के साथ मुद्रित । एक बढ़ी हुई कृत्रिम रूप से माउस दिल की तरह ज्ञात कहानियां हैं, लेकिन सामान्य तौर पर, सब कुछ नैदानिक ​​परीक्षणों के दायरे से बाहर नहीं गया है। इसलिए हम आने वाले वर्षों में फ्रेंकस्टीन को शायद ही देख पाएंगे।

यहां गार्टनर अपने अनुमानों में बहुत सतर्क हैं, जाहिर तौर पर 2015 की उनकी असफल भविष्यवाणी को ध्यान में रखते हुए कि 2019 में विकसित देशों की 10% आबादी के पास 3 डी-प्रिंटेड मेडिकल इम्प्लांट डिवाइस होगा। इसलिए, यह उत्पादकता के पठार तक पहुंचने के समय को दर्शाता है - कम से कम 10 साल।

5. डिजिटल इकोसिस्टम

5.1। विकेंद्रीकृत वेब

यह अवधारणा वेब के आविष्कारक, ट्यूरिंग पुरस्कार विजेता, सर टिम बर्नर-ली के नाम से निकटता से संबंधित है। उसके लिए, कंप्यूटर विज्ञान में नैतिकता हमेशा महत्वपूर्ण थी और इंटरनेट का सामूहिक सार महत्वपूर्ण था: हाइपरटेक्स्ट की नींव रखना, वह आश्वस्त था कि नेटवर्क को वेब के रूप में काम करना चाहिए, न कि पदानुक्रम के रूप में। इसलिए यह नेटवर्क के विकास के प्रारंभिक चरण में था। हालांकि, इंटरनेट की वृद्धि के साथ, इसकी संरचना कई कारणों से केंद्रीकृत हो गई। यह पता चला कि पूरे देश के लिए नेटवर्क का उपयोग केवल कुछ प्रदाताओं के साथ आसानी से अवरुद्ध किया जा सकता है। और उपयोगकर्ता डेटा इंटरनेट कंपनियों के लिए शक्ति और राजस्व का एक स्रोत बन गया है।

"इंटरनेट पहले से ही विकेंद्रीकृत है," बर्नर-ली कहते हैं। - समस्या यह है कि एक खोज इंजन, एक बड़ा सोशल नेटवर्क, एक माइक्रोब्लॉगिंग प्लेटफॉर्म हावी है। हमारे पास कोई तकनीकी समस्या नहीं है, लेकिन सामाजिक हैं। "

वर्ल्ड वाइड वेब की 30 वीं वर्षगांठ के लिए अपने खुले पत्र में , वेब के निर्माता ने इंटरनेट की तीन मुख्य समस्याओं की रूपरेखा तैयार की:

1. राज्य-प्रायोजित हैकर हमलों, अपराध और ऑनलाइन उत्पीड़न जैसे लक्षित नुकसान
   
2. सिस्टम का बहुत ही उपकरण, जो उपयोगकर्ता के नुकसान के लिए इस तरह के तंत्र का आधार बनाता है जैसे: क्लिकबैट का वित्तीय प्रचार और झूठी जानकारी का वायरल वितरण
   
3. सिस्टम डिज़ाइन के अनपेक्षित परिणाम जो संघर्ष और निम्न गुणवत्ता ऑनलाइन चर्चा का नेतृत्व करते हैं
   

और टिम बर्नर्स-ली के पास पहले से ही इस बात का जवाब है कि "स्वस्थ आदमी इंटरनेट" किन सिद्धांतों पर आधारित हो सकता है, समस्या नंबर 2 से रहित: "कई उपयोगकर्ताओं के लिए, विज्ञापन राजस्व वेब के साथ बातचीत करने के लिए एकमात्र मॉडल बना हुआ है। यहां तक ​​कि अगर लोग अपने डेटा के साथ क्या हो रहा है से डरते हैं, तो वे मुफ्त में सामग्री प्राप्त करने के अवसर के लिए मार्केटिंग मशीन के साथ एक सौदा करने के लिए सहमत होते हैं। एक ऐसी दुनिया की कल्पना करें जिसमें सेवा के सामानों का भुगतान दोनों पक्षों के लिए आसान और सुखद हो। ” यह कैसे व्यवस्थित किया जा सकता है, इसके लिए विकल्पों में से: संगीतकार iTunes के रूप में बिचौलियों के बिना अपनी रिकॉर्डिंग बेच सकते हैं, और समाचार साइटें विज्ञापन पर पैसा बनाने के बजाय, एक लेख को पढ़ने के लिए micropayment प्रणाली का उपयोग कर सकती हैं।

ऐसे नए इंटरनेट के प्रायोगिक प्रोटोटाइप के रूप में, टिम बर्नर्स-ली ने एसओएलआईडी परियोजना शुरू की, जिसका सार यह है कि आप अपने डेटा को "चूल्हा" - सूचना भंडारण में संग्रहीत करते हैं, और आप इस डेटा को तृतीय-पक्ष अनुप्रयोगों को प्रदान कर सकते हैं। लेकिन सिद्धांत रूप में, आप स्वयं अपने डेटा के स्वामी हैं। यह सब सहकर्मी से सहकर्मी नेटवर्क की अवधारणा के साथ निकटता से जुड़ा हुआ है, अर्थात, आपका कंप्यूटर न केवल सेवाओं का अनुरोध करता है, बल्कि उन्हें प्रदान भी करता है ताकि एक ही चैनल के रूप में एक सर्वर पर निर्भर न रहें।


स्रोत

5.2। विकेंद्रीकृत स्वायत्त संगठन

यह एक संगठन है जो कंप्यूटर प्रोग्राम के रूप में दर्ज नियमों द्वारा नियंत्रित होता है। उसकी वित्तीय गतिविधियाँ ब्लॉकचेन पर आधारित हैं। ऐसे संगठनों को बनाने का उद्देश्य राज्य को मध्यस्थ की भूमिका से समाप्त करना और समकक्षों के लिए एक सामान्य विश्वसनीय वातावरण तैयार करना है, जो कोई भी अकेला नहीं है, बल्कि सभी एक साथ हैं। यही है, सिद्धांत रूप में, यह होना चाहिए, अगर विचार जड़ लेता है, नोटरी और अन्य परिचित सत्यापन संस्थानों को समाप्त कर देता है।

इस तरह के एक संगठन का सबसे प्रसिद्ध उदाहरण डीएओ था, जिसने उद्यम व्यवसाय पर ध्यान केंद्रित किया, जिसने 2016 में $ 150 मिलियन जुटाए, जिनमें से 50 को नियमों में एक कानूनी "छेद" के माध्यम से तुरंत चुरा लिया गया था। एक कठिन दुविधा तुरंत आ गई: या तो पैसे वापस करने और पैसे वापस करने के लिए, या यह स्वीकार करने के लिए कि पैसे की वापसी कानूनी थी, क्योंकि इसने किसी भी तरह से मंच के नियमों का उल्लंघन नहीं किया। परिणामस्वरूप, निवेशकों को पैसा लौटाने के लिए, रचनाकारों को डीएओ को नष्ट करना पड़ा, ब्लॉकचेन को फिर से लिखना और इसके मूल सिद्धांत का उल्लंघन करना - अपरिवर्तनीयता।


एथेरियम (बाएं) और द डीएओ (दाएं) के बारे में कॉमिक्स। स्रोत

इस पूरी कहानी ने खुद डीएओ के विचार की प्रतिष्ठा खराब कर दी है। यह परियोजना एथेरियम क्रिप्टोक्यूरेंसी के आधार पर बनाई गई थी, अगले साल ईथर 2.0 का संस्करण अपेक्षित है - शायद लेखकों (प्रसिद्ध विटालिक ब्यूटिरिन सहित) खाता त्रुटियों को ध्यान में रखेगा और कुछ नया दिखाएगा। शायद यही कारण है कि गार्टनर ने डीएओ को आरोही रेखा पर रखा।

5.3 सिंथेटिक्स डेटा

तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए बड़ी मात्रा में डेटा की आवश्यकता होती है। डेटा को मैन्युअल रूप से चिह्नित करना एक बहुत बड़ा काम है जो केवल मनुष्यों द्वारा किया जा सकता है। इसलिए, आप कृत्रिम डेटासेट बना सकते हैं। उदाहरण के लिए, साइट https://generated.photos पर मानव चेहरों के समान संग्रह। वे जीएएन - एल्गोरिदम का उपयोग करके बनाए गए हैं, जो पहले से ही ऊपर उल्लेखित थे।


ये व्यक्ति लोगों से संबंधित नहीं हैं। स्रोत

इस तरह के डेटा का एक बड़ा प्लस यह है कि इसका उपयोग करने में कोई कानूनी कठिनाई नहीं है: व्यक्तिगत डेटा के प्रसंस्करण के लिए सहमति देने वाला कोई नहीं है।

5.4.डिजिटल ऑप्स

प्रत्यय "ऑप्स" अविश्वसनीय रूप से फैशनेबल हो गया है क्योंकि देवओप्स ने हमारे भाषण में जड़ ली है। अब DigitalOps के बारे में क्या है - यह सिर्फ DevOps, DesignOps, MarketingOps का एक सामान्यीकरण है ... क्या आप अभी तक ऊब नहीं हैं? संक्षेप में, यह सॉफ्टवेयर उद्योग से व्यापार, विपणन, डिजाइन, आदि के अन्य सभी पहलुओं के लिए DevOps में अपनाए गए दृष्टिकोण का हस्तांतरण है।


स्रोत

DevOps का विचार विकास (संचालन) और संचालन (व्यावसायिक प्रक्रियाओं) के बीच की बाधाओं को दूर करना था, आम टीमों के निर्माण के माध्यम से, जहां प्रोग्रामर, परीक्षक, सुरक्षा और प्रशासक; कुछ प्रथाओं का कार्यान्वयन: निरंतर एकीकरण, एक कोड के रूप में बुनियादी ढांचे, प्रतिक्रिया जंजीरों की कमी और मजबूती। लक्ष्य बाजार पर उत्पाद के प्रक्षेपण में तेजी लाना था। अगर आपको लगता है कि यह एजाइल की तरह था, तो आपने इसे सही समझा। अब इस दृष्टिकोण को सॉफ्टवेयर डेवलपमेंट के क्षेत्र में सामान्य रूप से विकास के लिए स्थानांतरित करें - और आप समझते हैं कि DigitalOps क्या है।

5.5। ज्ञान रेखांकन

मशीन लर्निंग एल्गोरिदम का उपयोग करने सहित ज्ञान के क्षेत्र को अनुकरण करने का एक सॉफ्टवेयर तरीका। सभी सूचनाओं को एक साथ जोड़ने के लिए मौजूदा डेटाबेस के शीर्ष पर एक ज्ञान ग्राफ बनाया गया है: दोनों संरचित (घटनाओं या व्यक्तियों की एक सूची) और असंरचित (लेख पाठ)।

सबसे सरल उदाहरण वह कार्ड है जिसे आप Google खोज परिणामों में देख सकते हैं। यदि आप किसी प्रकार के व्यक्ति या संस्थान की तलाश कर रहे हैं, तो आपको दाईं ओर एक कार्ड दिखाई देगा:


कृपया ध्यान दें कि "अपकमिंग इवेंट्स" Google मैप्स से मिली जानकारी की कॉपी नहीं है, बल्कि Yandex.Afishey के साथ शेड्यूल का एकीकरण है: यदि आप इवेंट्स पर क्लिक करते हैं तो आप इसे आसानी से देख सकते हैं। यही है, यह एक साथ कई डेटा स्रोतों का संयोजन है।

यदि आप एक सूची मांगते हैं - उदाहरण के लिए, "प्रसिद्ध निर्देशक" - वे आपको "हिंडोला" दिखाएंगे:

अंत तक पढ़े हुए लोगों के लिए बोनस

और अब, जब हमने अपने आप में से प्रत्येक बिंदु का अर्थ स्पष्ट कर दिया है, तो हम एक ही चित्र को देख सकते हैं, लेकिन पहले से ही रूसी में:



सामाजिक नेटवर्क पर इसे स्वतंत्र रूप से साझा करें!


तात्याना वोल्कोवा - सैमसंग आईटी एकेडमी ऑफ थिंग्स इंटरनेट ऑफ थिंग्स पाठ्यक्रम के लेखक, सैमसंग रिसर्च सेंटर में कॉर्पोरेट सामाजिक जिम्मेदारी कार्यक्रमों के विशेषज्ञ