Category: технологии

Category was added automatically. Read all entries about "технологии".

пингвин

Оцифровывание человеческой деятельности приводит к вырождению человека-творца

Интересный разговор о том, какие вызовы несут нам проекты цифровизации экономики и знаний, какие ветры несут сюда эти зарубежные новации...

После интересной профессиональной работы на благополучном Западе в области аналитических и цифровых технологий, а также руководства мультикультурными коллективами мне стало ясно, что суть цифровизации — это не очередная смена технологического уклада, как нам говорят, а это когнитивная трансформация деятельности человека с целью эффективного встраивания его в роботизированную, т. е. алгоритмизированную среду.

Замечу, что эффективность в этом случае измеряется не уровнем возможного развития человека, а снижением бизнес-издержек.

Тренд замены живого механическим становится очевидным, если судить по росту инвестиций в мире в проекты по изучению человеческого мозга. Цель этого глубокого изучения — дизайн и создание «умных» технологий, т. е. внедрение алгоритмизации, роботизации и передача «в цифру» как можно большего числа функций человека. При этом вообще не берется во внимание то, что человек не может жить без созидательного труда, что он его одухотворяет и оживляет, т. е. человек — это прежде всего творец.

Далее
promo balanseeker september 19, 2018 00:25 64
Buy for 100 tokens
Фильм-исследование "Всемирный Потоп. Физика явления". В нем дается необычный взгляд на физику Земли. Вроде бы, совершенно разные природные явления, такие как перемежающаяся намагниченность вулканических пород, водородная дегазация, расширение Земли, эффект Джанибекова и другие,…
пингвин НДП

Технологические приоритеты DARPA

Оригинал взят у chispa1707 в Технологические приоритеты DARPA
Оригинал взят у evan_gcrm в Технологические приоритеты DARPA
Оригинал взят у maksym_tt


Прогноз технологических приоритетов DARPA до 2020 года.

Collapse )

Collapse )

1) Smart и intelligence.

Если прошлый большой тренд был цифризация всего (все эти eSomething, iSomething), то сейчас всё уже оцифрованное становится smart и intelligent -- под самыми разными соусами и именами:
- подчёркивается автономность принятия решений (то есть что предлагаемый инструмент не "редактор" с удобными опциями редактирования чего-то нужного, а сам думает над тем, какие действия предпринять - так, driverless car это не "редактор вашей поездки" как обычный автомобиль, а сам едет. Если думалку вставляют в какую-нибудь электродрель, то там это будет embedded intelligence
- и чем ближе к IoT, тем ближе эта самая embedded intelligence вплоть до возврата обсуждений smart dust)
- подчёркивается возможность оказания квалифицированной помощи (smart and intelligent assistants
- сам по себе огромный тренд, все эти Siri и даже IBM Watson для колл-центров)
- smart grid (да, продолжает быть трендом), smart city (под это не пилят муниципильные бюджеты только самые ленивые)
- smart machine - автономно принимающие решения helpers, это термин от Gartner:
The smart machine era will be the most disruptive in the history of IT - забавная формулировка для "начала конца IT, как мы его знали".
- artificial intelligence (хотя этот термин наиболее редок, но всё же именно в такой формулировке в списках трендов встречается.

Когнитивный компьютинг - этот тренд даже не простой - это первая маленькая-маленькая волна большой-большой революции.

2) Soft computing

Это общий термин для "алгоритмов, выдающих не очень формальные решения, похожие на правду в противопоставление "чёткой математической правде", как в формально-логических вычислениях или вычислений навроде метода конечных элементов. К soft computing относятся и нейронные сетки, и генетические алгоритмы, и агентские моделирования, и байесовские сети.

Это тренд в прошлые годы звучал как BigData - с акцентом на данные. Alon Halevy, Peter Norvig и Fernando Pereira из Гугля даже в 2009 написали статью "The Unreasonable Effectiveness of Data" - http://static.googleusercontent.com/media/research.google.com/en//pubs/archive/35179.pdf, явно противопоставишись со своим soft computing (хотя и напирая на работу с текстами главным образом, но необязательно) знаменитому тезису физика Eugene Wigner "The Unreasonable Effectiveness of Mathematics in the Natural Sciences" про то, что математическая структура физической теории часто указывает на способы развития теории и даже ведёт к эмпирическим предсказаниям -http://en.wikipedia.org/wiki/The_Unreasonable_Effectiveness_of_Mathematics_in_the_Natural_Sciences.

Сейчас акцент с BigData сменился на разговор про аналитику: никого не волнуют сами данные и что в них содержится, волнует возможность что-то понять по этим данным. Обзоры указывают, что "Большие Данные" никому не продашь, продашь "аналитику" (Малые Данные, заведомо интересные и непосредственно используемые людьми для принятия решений). Собственно, именно так и пытались рассказывать про Большие Данные - но сам упор на Данные (а не на Аналитику) всех сбивал с толку. Actionable data тоже не прижились. И вообще, все эти data уходят глубоко под капот, они "не в тренде". Хотя на мой взгляд слово "аналитика" (то есть "я вот тут хожу и всё понимаю, ничего не делаю, руками не трогаю") тоже будет не окончательным: людям нужны решения, а не понимания! Так что "аналитика" это повертие, ждём очередной смены термина.

Важно, что в сторону поддержки soft computing начинают разворачиваться и хардверщики: те же нейрокомпьютеры движение именно в эту сторону, да и GPGPU тоже быстро отползают от работы только с графикой именно в поддержку deep learning и похожих методов.

IBM Watson, который начал торговаться из облака для всех желающих его поюзать, это тоже в рамках тренда soft computing -http://www.ibm.com/smarterplanet/us/en/ibmwatson/developercloud/

Почему это тренд инженерии?

Потому что soft computing сегодня ведёт у hard computing в обеспечении интеллектуальности компьютеров, а интеллектуальность компьютеров даёт новое качество инженерии. Тут вам и "анализ" (ремонты по состояниям, тестирование-диагностика) и "синтез" (управляющие алгоритмы, синтез архитектур, оптимизации и т.д.).

Я же продолжаю ждать тренда гибридности (сочетания soft и hard computing): сложные инженерные задачи по-другому решать нельзя, на чистом soft computing тоже далеко не уедешь, как и на hard computing. Только "и", только вместе.

И нужно заметить, что весь прогресс в распознавании речи, изображений, автоматическом переводе и т.д. -- это на сегодня тоже soft computing (хотя в опубликованных уже трендах-2015 это всё не попадает почему-то -- там осталась только "аналитика" с заметкой о вхождении "больших данных" внутрь как компоненты). Но "у машин появляются глаза и уши, до степени superhuman performance" -- сам по себе огромный тренд, это нужно понимать.

Ну, и soft computing как тренд это просто инструментальная часть тренда smart и intelligence. "Лондон столица Парижа", но из трендовой песни слов не выкинешь, все эти списки онтологически разнузданны.

3) Второе пришествие кустарщины

Напомню: "кустарное производство -- мелкосерийное производство изделий с применением ручного труда".

Этот тренд тоже приходит под разными лозунгами и вариациями:
- Кустари - это огромный рынок.
"DIY - это и есть промышленность завтрашнего дня, поэтому средства для DIY это очень даже рынок".
- Кустари работают дома "Домашнее хозяйство это ячейка производства будущего".
- instant skills (это когда из просьюмера делаешь профи, предоставляя правильные инструменты и материалы для его поделок, типа как Instagram сделал из миллионов просьюмеров фотохудожников.
- огромный сегмент 3D печати тоже сюда относится, ибо когда на космической станции космонавт кустарно печатает запчасти и инструменты, то эта космическая кустарщина.

В принципе, это те же "экспертные системы", только продёрнутые от "экспертного знания" к "экспертному действию" (т.е. вмонтированные в инструменты) и дотянутые в их упрощении и удешевлении до индивидуального (фрилансерского, домашнего и изредка "гаражного") использования.

4) Supply network

Главная фишка в микрологистике (определяемой где-то с начала 90-х как логистика на уровне отдельных контрактов, а не логистика на уровне региона или страны - и часто рассматриваемая в разрезе отдельных операций погрузки, транспортировки, складирования) в отходе от доминирующей концепции supply chain -- никаких больше chain, только network с проходом по этой сети не строго определённого набора комплектующих по строго известному набору маршрутов, а заранее непонятная смесь пакетов комплектующих, путешествующих по заранее непонятным маршрутам, в том числе мультимодально.

От supply chain остаётся то, что микрологистическая цепочка независимых логистических компаний будет залезать глубоко внутрь предприятий, интегрируясь с собственно клиентской работой и производством, либо сами предприятия вынуждены будут свою supply chain переделывать в подобие сети. Эта интеграция логистики и производства-потребления будет и по оборудованию упаковки-транспортировки-распаковки-настройки по месту, и по логистическому софту.

5) Банкофон

"Платежи мобильником" многие выставляют отдельным трендом, но не просто "телефон как удобная банковская карточка". Тренд тут в порождении целого сегмента добавочных сервисов - например, покупка чего-нибудь вскладчину. Биткойны как платёжное средство - это из этого же тренда: смартфон превращается из фото-видеокамеры, пишущей машинки, диктофона, календаря-будильника-таймера, карты, библиотеки, аудиовидеоплеера и так далее по всему списку ещё и в банкомат, да ещё и с возможностью интересных видов денег, не подчиняющихся этим идиотам из центрального банка (неважно какой страны).

Тренд по сравнению со всеми остальными мелкий, но приятный, он доберётся до всех и каждого.

6) Второе пришествие социальной инженерии

Термин "социальный инженер" (инженер, занимающийся проблемами общественного устройства в масштабах планеты) появился в 1984г.
Но политики (чаще всего юристы и экономисты по базовому образованию, реже актёры - как президент Рональд Рейган или губернатор Шварценеггер) обычно очень чётко (не столько словом, сколько делом) объясняли инженерам, что во власти им делать нечего.

Но вот в 2014 году там и сям стали появляться материалы, свидетельствующие об озабоченностью инженеров их невхождением во власть.
Аргументация проста: "мы умеем работать со сверхсложными системами, а во власти нет людей, специально для этого обученных".

Я думаю мы увидим много инициатив по "захвату" органов власти инженерами (вернее, инженерными менеджерами, но хотя бы не юристами и экономистами). Думаю, результат будет прежний: "съест-то он съест, да кто ж ему даст?". Но разговоров (и даже каких-то организованных действий) в инженерной среде на эту тему может быть неожиданно много.

7) Биоинженерия

Хотелось бы особо упомянуть CRISPR genome editing -- http://en.wikipedia.org/wiki/CRISPR. Вокруг CRISPR будет бум и шум, который уже должен будет выйти за рамки узкого учёного сообщества - а уж в сообществе биоинженеров это несомненный тренд.

8) Недотренд: теория категорий вылезает из функционального подполья

Крошечный (поэтому "недотренд") сдвиг ситуации с теорией категорий, но мне он кажется довольно важным. Теория категорий за пределами чистых математиков была "широко известна в узких кругах" (а именно, в эпсилон-окрестности любителей Хаскела). В 2014 году Баез сильно продвинулся со своим Розеттским камнем и стало много понятней, о чём его заход. Связь с инженерией уже непосредственная.

Я ожидаю всплеска внимания к теории категорий в самых разных местах:
- технари могут неожиданно заинтересоваться теоретической разницей вероятностного против квантовомеханического описаний мира, что разрабатывается как раз теоркатегорщиками -- вот, например, Quantum Techniques for Stochastic Mechanics, http://math.ucr.edu/home/baez/stoch_stable.pdf, и далее это ведёт к теории [электрических, но не только] цепей http://math.ucr.edu/home/baez/circuits.pdf (осторожно, много математики!).
- notational engineering в части создания графических языков неожиданно может найти свои теоретические основания. Само по себе внимание к графическим языкам и высококачественной презентации знаний - это отдельный вполне полноценный тренд последних нескольких лет.

И, чтобы два раза не вставать: связка soft computing и hard computing, вполне возможно, будет хорошо обсуждаться в рамках подхода теории категорий: она хорошо позволяет скрещивать ужа с ежом, находя в них много общего. Ещё не отработал полностью тренд soft computing и маятник не качнулся назад к hard computing - никаких гибридных вычислений массово, этим пока будут заниматься отдельные энтузиасты, безо всякого "тренда" и шума.

Пока-не-тренды, уже-не-тренды

Новых чудо-батареек не будет, дешёвого термояда не будет, новая компьютерная архитектура на мемристорах будет к концу года обсуждаться, но явно не будет пока "в тренде", нейровеб останется на уровне одиночных экспериментов, квантовые компьютеры будут тоже "горячей темой", но не технологическим трендом для всех.

Про новые (в том числе нано-) материалы, продолжение эволюции облачного компьютинга (маятник пошёл назад - оказывается, не всё будет находиться в коммерчески предоставляемом облаке, кто б мог подумать!), выход в мейнстрим и сопутствующая ему модификация идей DevOp, IoT и носимые компьютеры, виртуальную и дополненную реальность, интернетизацию образования и т.д. тоже писать не буду. Это всё мелочи, продолжающие ежедневно взрывать мир, но это уже не тренды.

И про "кибербезопасность" не пишу. Занимающиеся безопасностью (с обеих сторон баррикады) всегда в тренде, они себя и без моей помощи отпиарят так, что никому мало и дёшево не покажется.
пингвин НДП

Андрей Степаненко: Проблемы истории науки

Оригинал взят у chispa1707в Проблемы истории науки
Общепринятая хронология изобретений, открытий и применения технологий не выверена по массе параметров, отчего история науки представляется абсолютно недостоверной. Вот наиболее очевидные позиции с простыми примерами:
1. Опережение технических возможностей эпохи. Например, тугоплавкое поташное стекло в Англии 1635 года – за 223 года до изобретения регенеративной печи, дающей необходимую температуру
2. Радикальное несоответствие фактов и технических возможностей даже хорошо известных эпох. Екатерина II жила в деревянном дворце при том, что Петербург полон каменных зданий с гранитными колоннами великолепной отделки
3. Опережение потребностей эпохи. Хороший пример: бумажная банкнота Ву Ти в Китае за 200 лет до Рождества Христова, при том, что даже в XIX веке китайское общество не было готово к столь важной новации
4. Несоответствие технологий местным условиям. Жаровни Екатерины II не были бы в состоянии отопить ее дворец ни в малейшей степени
5. Анахронические сведения. Так, запланированная в 1793 году оснащенность порохом в 25, 2 кг на одного французского солдата превосходит среднюю оснащенность армий времен Крымской войны в 4-6 раз
6. Отсутствие связи уровня развития технологий и политической экспансии страны. Хороший пример: вооруженный огнестрельным оружием, но так и не использовавший его для захватнических войн Китай
7. Разрывы междисциплинарных связей. Так, технологический прорыв оптики во второй половине XIX века (вплоть до фотографирования невидимых объектов) не вызывает последующего прорыва в астрономических открытиях
8. Неточности перевода. Как теперь выясняется, Диоскорид, описавший около 64 года н.э. финикийское стекло, мог описать только жидкое стекло – по чисто химическим причинам
9. Недостоверность статистических данных. Так, в Европе 1859 года поташ все еще извлекали из овечьей шерсти (выход 5 % от веса), что ставит под вопрос масштабные поставки (6-7 тыс. бочек чистого поташа и около 24-26 тыс. бочек необработанной золы) из Данцига XV века
10. Подмена данных. Так, сведения о южноамериканском матэ (определенно, матэ де кока) составляют со сведениями о коке неразрывное математическое целое и явно являются одним и тем же, но в истории подаются, как независимые продукты. Аналогичную пару составляют опий и ладан
11. Отсутствие ключевых сведений, например, в фармакологии это данные о масштабах выработки наркотиков, а в торговле – данные о масштабах и организаторах продаж
12. Масштабные провалы в данных о развитии технологий, например, в период 1810-1830 г.г. и 1860-1880 г.г. Останавливаются целые серии – по 20-30 направлений, от запорной арматуры до астрономических исследований
13. Время реального внедрения давно известной технологии. Так, Дюпоны купили патент на поташную технологию превращения натровой селитры в калиевую только в 1857 году, что ставит под вопрос колоссальный блок средневековых рецептов
14. Разнесение данных по шкале времени с характерными нумерологическими и астрологическими сдвигами в 23, 41, 59, 72, 83 года и т.д.). Хороший пример: открытие фульминатов с шагом около 59 лет (1727 – Шульц, 1786 – Бертолле, 1846 – фульминаты стали известны военным)
15. Искусственное разнесение данных о научных открытиях по всей шкале времени, на что указывает синхронность распределения дней открытий на двух разных отрезках времени длительностью 500 лет.
16. Избегание указания научной школы, например, иезуитских колледжей, хотя именно научные школы в значительной степени предопределяли направление исследований
17. Неточное указание на подданство ученого. Обычно указывают страну открытия в рамках нынешних территориальных границ, хотя княжества сильно разнились в своем отношении к развитию исследований
18. Избегание указания точных дат обнаружения и публикации текста. Например, Джабир датирован IX веком, однако тексты его найдены в XX веке, что вкупе с перечнем его открытий, характерных для XIX века, позволяет подозревать очень поздний подлог
19. Вольная или невольная подмена смысла терминов. Например, патент не всегда подразумевал автора изобретения
20. Неполная информация. Гэмфри Дэви установил элементарную природу хлора, однако способ, которым он этого добился, остается за кадром
21. Упущения в описании технологии. Часто не указываются этапы процесса, хотя элементы технологии – важнейшее условие точного датирования, особенно в сомнительных случаях
22. Политизация первенства. Автором часто указывают не изобретателя, а фигуру из влиятельной страны, например, Авогадро
23. Недооценка значения перемещения технологий и капиталов, например, немецких в Россию, а еврейских в Польшу
24. Перехват первенства созданием подложного свидетельства об изобретении. Таких свидетельств достаточно много, но для их точной идентификации требуется создать полноценную базу с учетом всех названных проблем