Собрали 31, нужно еще 69. Засапорти devby📝
Support us

FTI: технологические тренды 2017-2020. Часть 1

Оставить комментарий
FTI: технологические тренды 2017-2020. Часть 1

Ежегодно Future Today Institute (FTI) с помощью специальной схемы FuturePrint выявляет рыночные тенденции, которые будут актуальны в высокотехнологичных сферах. Ниже приведен список технологических трендов, составленный Future Today Institute на ближайшие 36 месяцев.

 

1. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
 
Еще в середине 1600-ых годов философы впервые редположили, что будет создан искусственный интеллект и роботы, способные проявлять эмоции. В настояещее время искусственный интеллект начинает проникать во все сферы профессиональной деятельности человека.
 
ИИ – это огромная система, которая использует свои собственные языки программирования, и даже специальные типы компьютерных сетей, которые сделаны по образцу человеческого мозга. С помощью технологий машинного обучения и глубоких нейронных сетей компьютеры прогнозируют и принимают решения в реальном времени без вмешательства человека.
 
Существует два типа ИИ: слабый («ограниченный») и сильный («расширенный»). Когда Netflix что-то советует вам, или Amazon отображает рекомендуемые для прочтения книги,– это ограниченный ИИ. В 2001 году был выпущен сверхмощный компьютер H.A.L.: A Space Odyssey – представитель искусственного расширенного интеллекта, способный распознавать эмоции пользователей и реагировать на них.
 
001. Глубокие нейронные сети

 
Глубокие нейронные сети (deep neural networks, DNN) – по сути, новый тип программ, столь же универсальный, как и традиционные компьютерные программы. Эта универсальность доказана теоретически: нейронная сеть в теории может бесконечно точно аппроксимировать любую функцию многих переменных – а еще проводить вычисления, эквивалентные вычислениям машины Тьюринга.

Расширенное машинное обучение и глубокие нейронные сети станут следующим шагом классических вычислений и управления информацией. Следовательно, основой для создания систем, которые смогут автономно научиться воспринимать мир, т.е. работать самостоятельно, без непосредственного участия человека.
 
Бурный рост источников данных и сложность обрабатываемой информации сделает производимые «по старинке» классификацию и анализ невозможными и экономически невыгодными. Поэтому DNN позволят автоматизировать такие задачи и решить проблемы, связанные с возрастающим объемом сложной для обработки информацией.
 
002. Машинное обучение в реальном времени

 
В рамках современных приложений на основе распределенных данных войдут в употребление алгоритмы машинного обучения в режиме реального времени — т. е. алгоритмы, способные в режиме реального времени выносить решения от имени „равноправных“ узлов сети. Мы увидим переход от ретроспективной аналитики к оперативной, а позже — к упреждающей, способной обуславливать транзакции вместо того, чтобы просто их менять или оптимизировать. Это революционным образом поможет ориентированному на данные бизнесу находить новые  источники заказов, экономить на расходах и углублять связи со своими клиентами.         

003. Целостность изображений
 
На основе анализа миллионов изображений системы смогут автоматически корректировать нечеткие фотографии, дополнять или дорисовывать отсутствующие фрагметы. Перспективными являются приложения для фотографов-любителей, правоохранительных органов, представителей военной разведки.
    
004. Прогнозная аналитика для машин
 
Ученые из лаборатории искусственного интеллекта Массачусетского технологического института (MIT’s CSAIL) обучают компьютеры на основе поступающей видеоинформации предсказывать дальнейший ход событий. Компьютерная система научилась определять, что два человека намериваются сделать: например, обняться, поцеловаться, пожать руки. Благодаря этому исследованию появятся роботы, которые будут способны общаться с человеком, изучая язык тела.
 
005. Генерация текстов на естественном языке
 
На основе алгоритмов данные трансформируются в описательный текст. Десятки новостных агентств и других организаций, включая информационные агентства Bloomberg и Associated Press, используют системы, которые способные написать более 2000 рассказов в секунду. Технология позволит генерировать фантастические рассказы, отчёты о футбольных матчах, финансовых показателях и т.п. Компания Narrative Science разрабатывает систему генерации текстов для обработки «больших данных», помогая неспециалистам в области Data Sciense быстро получить отчет и сориентироваться в текущем состоянии дел компании.
 
006. Алгоримы распознавания и синтеза речи
 
Ученые из Массачусетского технологического института исследуют процесс обучения речи у детей, на основе полученных данных создавая алгоритмы обучения компьютеров. Для людей не сложно выучить новое понятие по одному или двум примерам; для машины это куда более сложная задача. В п редстоящем году ожидается еще больше исследований в этой области.
 
007. Алгоритмы распознавания и синтеза звука
 
Ученые из лаборатории искусственного интеллекта МТИ (MIT’s CSAIL) научили компьютеры распознавать звуки. Например, отличать звук удара деревянным предметом по мягкой поверхности, от удара по дереву или по стеклу. Исследование нацелено на то, чтобы помочь роботам понять, как объекты взаимодействуют друг с другом в физической области. Будущая версия алгоритмов позволит автоматически воспроизводить звуки и звуковые эффекты для новостных видео, фильмов и ТВ-шоу. Компьютеры смогут имитировать голоса людей и природные звуки.
 
008. Доказательство с нулевым разглашением
 
Сейчас большинство систем работает так: клиент передает оригинальный пароль серверу, который вычисляет хеш пароля и сравнивает его с сохраненным значением. Недостаток такого подхода очевиден: сервер узнал незашифрованный пароль клиента. Возникает риск хищения паролей хакерами
 
При использовании протокола доказательства с нулевым разглашением от клиента не поступает никакой информации, кроме одного бита, означающего “это утверждение истинно”. Его преимущества для безопасности очевидны: веб-ресурсам нет необходимости сохранять идентифицирующие данные в ходе проверки, что особенно актуально для расчетов пластиковыми картами в Интернете.
 
В настоящее время в этой области получили известность разработки ирландской компания Sedicii, выпустившей свое программное обеспечение для безопасной авторизации при интернет-расчетах, в соцсетях, на веб-сайтах и других ресурсах.
 
009. Алгоритмическое распознавание личности
 
В скором времени, у маркетологов появится доступ к алгоритмам, способных оценить личность и предсказать индивидуальные потребности и желания человека. Уже сейчас страховые компании анализируют подписки на журналы и веб-сайты, посты в социальных сетях, на основе чего определяют риски наступления страховых случаев. Кредиторы используют алгоритмы для предсказания будущих финансовых операций клиента: среди людей с одинаковыми профессиональными и личностными характеристиками, тот, у кого средний бал аттестата выше, больше склонен к тому, чтобы выплатить кредит. Алгоритмы будут использовать для прогноза возможных успехов сотрудников на работе, вероятности их ухода и т.д.
 
010. Площадки для торговли алгоритмами
 
Большинство организаций не могут себе позволить постоянную команду разработчиков для создания, тестирования алгоритмов. Тем не менее, спрос на алгоритмы постоянно растет. Появились Algorithmia и DataMapper – своего рада Amazon для алгоритмов, где разработчики могут размещать свои работы на продажу. Компания DataXu создала свою площадку для продажи разработанных ей алгоритмов. PrecisionHawk запустила торговую площадку для алгоритмов в сфере сельского хозяйства. В 2017 году ожидается еще больше таких площадок.
 

Собрали 31, нужно еще 69

Засапорти devby

Хотите сообщить важную новость? Пишите в Telegram-бот

Главные события и полезные ссылки в нашем Telegram-канале

Обсуждение
Комментируйте без ограничений

Релоцировались? Теперь вы можете комментировать без верификации аккаунта.

Комментариев пока нет.