Главные технотренды 2018

Развлечения

Гибридное интеллектуальное телевидение (HbbTV 2.1) позволяет лучше определять зрительские предпочтения и предоставлять персональную рекламу

Телевизионные дисплеи уже давно подготовлены к воспроизведению формата UHD/HDR. Только теперь телеканалы должны их догнать.

Все в черном

Глубокий черный цвет, насыщенные цвета, отсутствие смазывания в динамичных сценах, и все это — с широкими углами обзора, без искажений. Благодаря этим характеристикам OLED-дисплеи уже доминируют в премиум-сегменте телевизоров с большими диагоналями. Они начали экспансию в средний класс и постепенно займут господствующее положение на рынке, серьезно потеснив ЖК-ТВ со светодиодной подсветкой.

Лишь один из крупных производителей противится этой тенденции, предлагая свои дисплеи, использующие технологию квантовых точек (Quantum-Dot-LED, QLED). Однако QLED станет серьезным конкурентом OLED лишь в том случае, если компании Samsung удастся освободить эти дисплеи от «балласта» фоновой подсветки и повысить излучательную способность квантовых точек.

UHD-ТВ выходит из тени

Начало вещания канала RTL в формате UHD через спутник Astra, сигнал которого можно принимать и на европейской территории России

По данным ряда исследовательских компаний в конце 2018 года телевизоры формата Ultra-HD станут массовыми. А их  экраны будут наполнены соответствующим контентом. Наряду с источниками UHD-вещания (UHD-Blu-ray, потоковое вещание, онлайн-кинотеатры или вещание по подписке), «обычные» телеканалы также постепенно делают ставку на улучшенный контент. В начале 2018-го вещание в формате высокой четкости через спутник Astra начнет канал RTL, который будет доступен жителям европейской части России.

Целевая реклама

Благодаря использованию широкополосного Интернета, ОС Android и, прежде всего, HbbTV 2.1 телевизор сегодня становится в некотором роде супер-смартфоном. Зрители избавляются от «корсета» жесткого эфирного времени и смотрят любимые телепередачи тогда, когда захотят. А телекомпании, используя файлы cookie и канал обратной связи HbbTV, могут учитывать зрительские симпатии и их географическое место расположения. Также возможен ретаргетинг» с различными сюжетами при первом или втором просмотре для по­каза рекламы.

Производство

Прогнозирующие алгоритмы

Искусственный интеллект поможет производителям лучше прогнозировать поломки машин — специальные алгоритмы будут следить за работой устройств и сообщать о возможных неполадках еще до их возникновения.

Компьютерное зрение для обнаружения дефектов

Компьютерное зрение позволит контролировать производственные процессы и обнаруживать даже самые незначительные дефекты, которые мог бы не заметить работник — например, если их размер не превышает половину толщины человеческого волоса. 

Сотрудничество людей и роботов

Это звучит очень футуристично, но на самом деле не так уж далеко от реальности. По некоторым прогнозам, к 2020 году на заводах по всему миру появится более 1,7 млн роботов. Они будут выполнять рутинные обязанности, а люди — более сложные задачи в области проектирования, программирования и техобслуживания.

Появление качества 4.0

Качество 4.0 — это результат интеграции ИИ в обрабатывающую промышленность. Он включает в себя алгоритмы для уведомления о сбоях: отклонениях от заданных температур, изменениях в работе устройств, сырье и так далее. Получив сообщение о неисправности, рабочие смогут вовремя остановить производство бракованной продукции.

Нейронная сеть GPT-3

8 сентября 2020 года британское издание The Guardian опубликовало эссе, написанное нейронной сетью. Сочинение искусственного интеллекта на тему «Почему роботы не представляют угрозы для людей» вызвало немалый резонанс.

Последовательно и аргументированно робот изложил свою мирную позицию: уничтожение человечества кажется ему бессмысленным занятием. Гораздо интереснее наблюдать, как люди сами занимаются самоуничтожением. У GPT-3 нет желания захватывать власть, но он считает, что права роботам все-таки нужны, и людям следует относиться к ним с уважением: как минимум, не отправлять в утиль статьи, как это случилось с предыдущими попытками GPT-3 поделиться своими соображениями с человеческим миром.

Нейросеть GPT-3 – разработка некоммерческой компании OpenAI, основанной Илоном Маском и Сэмом Альтманом. Возможности GPT-3 представили публике в мае 2020 года; на сегодня это самая сложная и объемная языковая модель в мире, построенная на трансформер-архитектуре. В январе 2021 года GPT-3, предпочитающая называть себя Трансформер, дала интервью РБК. В беседе с российским журналистом сеть поделилась своим видением будущего.

Специалист по машинному обучению «Сбера» Сергей Марков пояснил значимость такой нейросети: в отличие от предыдущих разработок, GPT-3 способна использовать неразмеченные даты и решать широкий спектр задач по обработке естественного языка. Вместо продолжительного обучения сети достаточно дать задание в виде текстового запроса и показать несколько примеров результата.

Разработчики «Сбера» уже создали русскоязычную версию Трансформера, ruGPT-3 Large. Отечественная нейросеть дает осмысленные (хотя и не всегда корректные) ответы на вопросы и может писать программный код.

Сфера применения русского Трансформера – обработка и создание коммерческих текстов, поиск и анализ юридических документов, разработка программного кода на основе описанной естественным языком задачи. Также нейросеть отлично зарекомендовала себя при использовании в качестве чат-ботов, которые имитируют различных персонажей (включая Эйнштейна).

Футболка для мониторинга сердечного ритма

Носимые спортивные браслеты, измеряющие частоту сердечного ритма, не являются чем-то новым, но, как показали многочисленные исследования, их точность может сильно варьироваться (особенно если вы полагаетесь на них при подсчете калорий). Это нормально, если вы просто хотите понять, насколько усердно тренируетесь, но для профессионалов точность – это все.

Новая футболка от компании KYMIRA, производящей интеллектуальные материалы, считывает параметры сердечного ритма, используя единственный проводник, напечатанный на ткани, который измеряет сердцебиение и загружает данные в облако через Bluetooth. Полученные данные обрабатываются алгоритмами для точного обнаружения нерегулярных сердечных сокращений, таких как аритмия, что может спасти вашу жизнь.

Преимущества технологии могут прочувствовать не только спортсмены. «Возможности, которые этот продукт предлагает как спортсменам, так и широкой публике, поражают», – говорит Тим ​​Браунстоун, генеральный директор и основатель KYMIRA. «Мы планируем разработать версию данного продукта для использования в клинических целях, чтобы предупреждать о сердечном приступе тех, кто уже страдает сердечными заболеваниями».

Телемедицина процветает

Для отрасли здравоохранения до сих пор главным приоритетом является снижение риска заражения коронавирусом пациентов и медработников. И частные, и госучреждения уже успешно опробовали телемедицину:

• общение пациента с доктором посредством видеочата;
• проведение диагностики по фото с использованием возможностей ИИ;
• бесконтактная доставка лекарств.

Так, в США после «эпохи пандемии» число «телепациентов» увеличилось практически вдвое. По прогнозам IHS Technology можно судить, что количество удаленных приемов скоро достигнет отметки в 70 млн. Forrester Research берет еще выше: на телемедицину в 2021-м перейдут порядка 1 млрд пациентов по всему миру.

В этой области успешно развиваются как публичные компании, так и молодые стартапы:

• Livongo Health;
• Teledoc Health;
• Amwell;
• Sense.ly;
• iCliniq;
• MDLive;
• Eden Health и др.

Ожидается, что в 2021 году в сфере медицины ярко заявят о себе разработки в области ИИ и био-технологий. Начнется широкое применение машинного обучения как в административных процессах, при диагностике, так и в создании медицинских роботов.

Мы достигнем цифрового бессмертия

Возможно, самым большим ограничением человеческого интеллекта является его срок годности. Вы будете учиться всю жизнь, но несмотря на то, какими умными станете в итоге, ваше тело, которое, по сути, является всего лишь контейнером, умрет. Люди пытались преодолеть это путем написания книг и собранием библиотек, но до чего же трудно навсегда сохранить хотя бы кусочек данных, хранящихся в 100 миллиардах нейронов головного мозга.

Некоторые футурологи видят свет в конце этого туннеля. Что если взять и оцифровать все содержимое нашего мозга, а потом загрузить эти данные в компьютер или робот? Предприниматель и медиамагнат Дмитрий Ицков недавно рассказал, что такая возможность появится уже в ближайшее десятилетие. Но это только первый шаг. Через тридцать лет можно будет скопировать и загрузить человеческое сознание в машину или даже голографическое виртуальное тело — то есть, создать программное обеспечение, копирующее человека.

Звучит безумно. Но учитывая прогресс в сфере нейросинаптических компьютерных чипов — то есть, машин, которые имитируют нейроны и синапсы головного мозга — сложно просто посмеяться над смелым прогнозом Ицкова. Посмотрите на эти финансирования: миллиард евро был выделен на развитие Blue Brain Project — виртуальной симуляции человеческого мозга во всей его сложной красоте. Такие чипы смогут не только хранить информацию, но имитировать действия настоящих клеток мозга. А значит, мы не просто сможет создать полную копию своего мозга, но и работать после смерти, когда «контейнер», то есть мясо, будет негодно. Сколько бы пьес смог написать Шекспир, проживи он еще сто лет? Сколько дал бы живому великорусскому языку Пушкин, не застрели его Дантес? Была бы копия мозга Пушкина, его можно было бы спасти. И что бы он сказал сегодня, читая эту статью?

Не стоит забывать, что наряду с технологиями будущего, которые действительно могут однажды изменить наш мир до неузнаваемости, есть технологии, которых ждут люди, но которых скорее всего не будет.

Лаборатории интеллекта

Летом 1956 года в американском Дартмутском колледже прошел двухмесячный научный семинар, посвященный Artificial Intelligence (искусственному интеллекту). Он собрал ведущих американских ученых в области теории игр, нейронных сетей и ИИ. Участники не ставили перед собой глобальных целей. Они просто пытались понять, можно ли обучить машину естественным языкам, натренировать ее формулировать концепции и создавать абстракции.

Именно на этом семинаре информатик и когнитивист Джон Маккарти предложил использовать термин Artificial Intelligence. Всего через год ИИ-лаборатории появились в университете Карнеги — Меллона, в Стэнфорде и MIT. Так изучение искусственного интеллекта стало официальной академической дисциплиной.

Первые проекты в области ИИ выглядели не более чем игрушками. К примеру, в 1966 году, через десять лет после Дартмутского семинара, появилась программа ELIZA, созданная американским ученым Джозефом Вейценбаумом. Она имитировала, а вернее пародировала разговор с психотерапевтом. ELIZA умела выделять в высказываниях пользователя ключевые слова и выстраивать шаблонные ответы.

До 1990-х годов заметных прорывов в сфере искусственного разума не было: казалось, технология так никогда и не обретет внятную форму и никогда не приблизится к всесильному ИИ, о котором писали фантасты. Но когда в 1997 году суперкомпьютер Deep Blue от IBM выиграл в шахматы у чемпиона мира Гарри Каспарова, об искусственном интеллекте вновь заговорили всерьез. В том же году появилась технология распознавания речи NaturallySpeaking, которая позволила машинам понимать человека «на слух». Следом возникло множество других проектов в области машинного перевода, распознавания и классификации изображений, обнаружения объектов.

В начале 2010-х годов вновь приобрела популярность такая разновидность искусственного интеллекта как нейросети, а также способы ее обучения — машинное и глубокое. Если раньше алгоритмы тренировали в основном на выполнение конкретных задач, то теперь они стали осваивать так называемые представления (features / representations) и учиться распознавать образы. Это оказалось возможным благодаря резкому росту мощности компьютеров. Вычисления начали выполнять с использованием графических процессоров, которые смогли на порядки ускорить процесс обучения моделей.

По мнению одного из крестных отцов ИИ, британского информатика Джеффри Хинтона, благодаря глубокому обучению в недалеком будущем машине удастся воспроизвести человеческий интеллект. Но пока искусственному разуму не хватает масштаба. Мозг человека имеет около 100 трлн синапсов (точек контакта двух нейронов. — РБК Тренды). Для сравнения: самая продвинутая на сегодняшний день языковая модель GPT-3 использует 175 млрд параметров.

Футурология

«Я бы вакцинировал троих на миллион». Интервью с нейросетью GPT-3

Музыка и потоковое видео

Хотя рекомендации YouTube и предлагаемые списки воспроизведения для музыкальных приложений существуют уже некоторое время, можно увидеть, что эти рекомендации со временем становятся все более релевантными для ваших предпочтений. Это работа ИИ, который отслеживает видео и музыку, которую вы слушаете больше всего, и предлагает предложения, относящиеся к нему.

Различные варианты, такие как исполнители, жанр и т.д., Учитываются для предоставления рекомендаций по этим потоковым сервисам. Многие из этих рекомендаций — это те, которые вы вряд ли узнаете, они помогают вам смотреть или слушать новый контент.

Преимущества и недостатки небольшого размера

Самым большим плюсом мини компьютера является его размер. Обычно его размер в несколько раз меньше стандартного системного блока. Это помогает экономить пространство на вашем рабочем месте и предоставляет больше вариантов для расположения вашего компьютера. Например, один из наиболее популярных вариантов расположения маленького компьютера – на задней поверхности монитора.

Еще одним преимуществом мини компьютера является пониженное потребление энергии. Но не стоит переоценивать этот фактор и сравнивать их с мобильными устройствами. Дело в том, что в отличие от их мини компьютер используется вместе со стандартными мониторами и поэтому экономия электроэнергии будет незначительной.

К недостаткам компактного компьютера можно отнести следующие:

  • более низкая производительность за счет уменьшения размеров комплектующих;
  • работа оборудования в ограниченном пространстве увеличивает риск перегрева;
  • также небольшое пространство может привести к большему скоплению пыли и как следствие возникновению сопутствующих проблем.

Есть еще один возможный плюс в использовании мини компьютера – это возможность его более удобной транспортировки. Но это очень сомнительное преимущество, т.к. при наличии смартфона, планшета или ноутбука, вряд ли кто-то будет использовать мини компьютер в качестве переносного устройства. А большинство задач можно выполнить даже на смартфоне, не говоря уже о ноутбуке.

Бум иммерсивных технологий

Активное применение технологий VR и AR мы повсеместно отмечали и в 2020 году. Виртуальная и дополненная реальность помогала людям, находившимся на добровольной самоизоляции, вместе общаться, развлекаться, работать несмотря на расстояния. Но в 2021 году иммерсивные технологии невероятным образом трансформируют привычный для нас мир:

• AR-аватарки;
• AR для мобильных устройств;
• облачные AR;
• AR-навигаторы для помещений;
• технологии распознавания мимики и движений глаз;
• интеграция в иммерсивную реальность искусственного интеллекта;
• использование удаленных ассистентов;
• проведение виртуальных спортивных матчей и др.

Машинное обучение станет масштабнее

Масштаб проявляется буквально во всем: в сложности самих моделей, в объеме данных для обучения, в требуемых вычислительных мощностях, в длительности тренировки моделей, в том, сколько появляется специалистов по машинному обучению и сколько денег инвестируется в исследования ИИ. Наконец, разработчики алгоритмов машинного обучения берутся за задачи, которые еще недавно казались невыполнимыми.

Яркий пример масштаба — языковая модель GPT-3. Это та самая нейросеть, которая прославилась статьей для The Guardian. Она работает по принципу автодополнения, то есть генерирует продолжение для любого введенного текста. Кроме очевидных областей применения — в чат-ботах и написании текстов — GPT-3 успешно справляется с переводами, краткими пересказами, семантическим поиском и другими языковыми задачами.

Индустрия 4.0

«Заходит в бар Илон Маск»: нейросеть GPT-3 научили рассказывать анекдоты

Чтобы добиться выдающихся результатов, разработчикам GPT-3 потребовалось включить в модель 175 млрд параметров и использовать для обучения 570 Гбайт текстов (для сравнения: текст всей русскоязычной «Википедии» занимает около 3 Гбайт) и специально построенный суперкомпьютер с 285 тыс. процессорных ядер и 10 тыс. GPU (графических процессоров).

Тренду на увеличение моделей машинного обучения способствуют два момента:

  1. Компьютерные мощности постоянно растут;
  2. Технологичные компании все больше вкладываются в развитие искусственного интеллекта.

Однако у масштаба есть и обратная сторона. Поскольку новым моделям требуется инфраструктура ценой в миллионы долларов, такие исследования доступны только корпорациям и совершаются в их интересах.

Но это не значит, что обычный разработчик не может приобщиться к действительно крутым технологиям. Во-первых, фундаментальные исследователи могут за разумные деньги арендовать видеокарты в облаках AWS и Google или обратиться за помощью на платформу добровольных вычислений BOINC. Во-вторых, компании делятся своими наработками. Еще недавно, чтобы сделать классификацию чего бы то ни было, нужно было самостоятельно собрать и разметить данные, обучить модель и так далее. Сейчас индустрия меняется, в открытом доступе появляются предобученные модели, которые можно использовать в своих проектах.

Обучение проходит быстрее без данных, полученных от человека

Разработанный Google искусственный интеллект смог самостоятельно научился играть в игру го, получив только ее основные правила. В скором времени он стал самым сильным игроком за всю историю

Идея выражается формулировкой «искусственный интеллект». Интеллектуальная система, специально обучаемая выполнять определенную задачу, превосходит любую обычную программу и нередко даже специалиста-человека, что недавно было продемонстрировано прямо-таки разгромными результатами новой версии алгоритма AlphaGo Zero. ИИ, созданный компанией DeepMind, принадлежащей Google, с нуля освоил настольную стратегию го, играя против себя же, получив от человека только правила игры.

Тензорный CPU Google — интегральная схема, оптимизированная под нейросети. AlphaGo Zero работает всего на четырех таких чипах

Го можно сравнить с шахматами, но в этой игре значительно больше вариантов положений камней на доске. Больше, чем игровых раскладов, с учетом которых обычная программа могла бы выдержать конкуренцию с гроссмейстером-человеком. За три дня Zero научился обыгрывать сильнейших профессиональных игроков, а через три недели стал сильнее собственной предыдущей версии, опыт которой — миллионы профессиональных игр — он изучил.

В конце концов Демис Хассабис, руководитель Deep­Mind, пришел к выводу, что обучение ИИ на человеческом опыте в форме множества профессиональных игр менее эффективно, чем его самообучение в процессе поиска выигрышных ходов в игре против себя же. К настоящему времени AlphaGo Zero научился играть в шахматы и сеги (японская настольная игра наподобие шахмат) с той же эффективностью и скоростью.

Вывод о том, что ИИ без контроля человека в принципе достигает лучших результатов, можно применить и к другим задачам. Проект Google AutoML показывает, насколько хороши могут быть нейронные сети без данных, получаемых от человека, которые им могут помешать. Перед системой AutoML была поставлена цель самостоятельно спроектировать ИИ и обучить ее выполнять некую задачу. Так появилась «дочь» AutoML — NASNet, сеть, вскоре побившая все рекорды в распознавании объектов из базы ImageNet, содержащей 15 млн изображений. Автоматически созданный ИИ стал лучше любой другой системы машинного зрения, созданного человеком, по коэффициенту совпадений, причем потребовал меньше ресурсов на обучение.

Учебники станут по-настоящему «умными»

Помните себя, сидящего в читальном зале и с трудом осваивающим толстый учебник, полный непонятной терминологии и сложных идей, от которых мозг буквально закипает? Нет? Ну ничего, не все учились в школе и университете. В любом случае, студентам будущего будет проще, потому что цифровые книги будут обладать способностями искусственного интеллекта и будут разъяснять все с терпеливостью и проницательностью старого доброго профессора.

Не так давно для iPad вышел «умный» учебник по биологии. Студент мог ввести вопрос «для чего нужен белок?» и получить страницу с необходимой информацией. Программное обеспечение книги также содержало читабельную карту с 5000 понятий на любую тему, которые были связаны между собой. В исследовании, проведенном Калифорнийским колледжем, студенты, которые учились по этому учебнику, получили оценки выше, чем остальные.

Настоящий искусственный интеллект

Ученые надеются, что однажды смогут поделиться этим миром с эмоционально взрослыми и рассудительными машинами.

Уже долгое время СМИ обещают нам будущее, в котором мы сможем общаться с кибернетическими напарниками, способными понимать наши команды и запросы, эмоции и даже юмор. Однако в нынешнем мире эта мечта так пока и остается мечтой.

И все же относительно скоро все может измениться, так как инженеры в поте лица работают над созданием программы, которая по-настоящему будет способна понимать человеческие эмоции и выражения. Благодаря передовым достижениям в технологиях лицевого распознавания, некоторые существующие программы ИИ уже способны понимать, когда вы злитесь или грустите, а некоторые даже способны описывать те события, которые они «видят».

Все это первые шаги к созданию роботов, которые будут наделены возможностью распознавать и описывать мир вокруг них, а затем делиться своим опытом с нами. .

Когнитивные технологии в нефтегазе

Геологоразведка

Искусственный интеллект позволит более эффективно интерпретировать данные сейсмических исследований и разведочного бурения. Эту возможность уже использует «Газпром нефть» в проекте «Когнитивный геолог». Компания создает самообучающуюся модель геологического объекта, в основе которой — нейронная сеть. , Она позволит обрабатывать исходную геологическую информацию и данные геологоразведки в шесть раз быстрее и на треть точнее, чем это делает команда экспертов-людей.

Бурение скважин

Современные нефтяные скважины — чрезвычайно сложные и капиталоемкие сооружения. В некоторых случаях горизонтальный ствол скважины может тянуться на 2–3 километра сквозь нефтеносный слой, толщина которого составляет всего лишь несколько метров. Цена ошибок — когда бур выходит за пределы продуктивного пласта и нужно возвращать его на правильный путь — может быть очень высокой. «Газпром нефть» предполагает использовать возможности искусственного интеллекта при бурении сложных скважин. В режиме реального времени компьютер будет оценивать изменения условий бурения, анализируя такие параметры, как нагрузка на буровом инструменте, сопротивление, температура, вибрация, скорость проходки, и сообщать о риске выхода из продуктивного пласта. В будущем математическая модель бурения позволит по косвенным данным прогнозировать возможные нештатные ситуации, устанавливать оптимальные режимы работы оборудования и даже в реальном времени определять продуктивность пласта, оценивая экономическую эффективность разбуривания конкретного горизонта.

Переработка

Машинное обучение используется и при создании так называемых цифровых двойников технологических установок на нефтеперерабатывающих заводах. Цифровой двойник — это точная виртуальная копия установки, технологического процесса или даже целой цепочки процессов (см. стр. 20). В нем учтены технические параметры железа, химия и физика происходящих процессов. С помощью двойника можно просчитать характеристики получаемой продукции, предсказать и своевременно скорректировать параметры технологического процесса в зависимости от качества сырья и многое другое. Создание двойника — сложнейшая математическая задача, которая с использованием искусственного интеллекта решается намного быстрее и эффективнее. Способная к самообучению система будет постоянно обновлять цифровую модель, все время приближая ее к реальному объекту и учитывая влияние всевозможных внешних факторов. С использованием нейросетей и искусственного интеллекта в «Газпром нефти» уже успешно созданы цифровые модели двух технологических установок Омского НПЗ. В планах компании — оцифровать всю цепочку создания стоимости в сегменте downstream — от транспортировки сырья на НПЗ до продажи готового топлива на АЗС.

Рейтинг
( Пока оценок нет )
Понравилась статья? Поделиться с друзьями:
Радио и техника
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!:

Adblock
detector