CoolClub pro IT odborníky

3 technologické trendy roku 2021, které COVID-19 urychlí

30.09.2021

Strávit rok 2020 ve stínu pandemie ovlivnilo to, co potřebujeme a očekáváme od technologií. COVID-19 v mnohém urychlil tempo digitální transformace. Vzhledem k tomu, že zaměstnanci pracovali z domova, potřebovaly firmy systémy umělé inteligence, které usnadňují práci na dálku, a výpočetní výkon, který je podporuje. Na co se nyní zaměřit, abychom udrželi krok s realitou a novými technologiemi?

 

Magazín

 

Otázkou je, jak by měly společnosti v roce 2021 zaměřit své zdroje, aby se připravily na tuto změněnou realitu a nové technologie na obzoru? Zde jsou tři trendy, kterým bude v roce 2021 a později věnována masivní pozornost.

 

Umělá inteligence se musí stát praktickou

Pokrok v oblasti AI již dosáhl bodu, kdy může přinést významnou přidanou hodnotu prakticky jakémukoli podniku. COVID-19 vyvolal masivní pocit naléhavosti kolem digitální transformace s potřebou vzdálených řešení.

Podle zprávy společnosti Boston Consulting Group více než 80 % společností plánuje urychlit svou digitální transformaci, ale pouze 30 % digitálních transformací dosáhlo nebo překročilo svou cílovou hodnotu.

Mnoho projektů AI je malého rozsahu - méně než čtvrtina společností v průzkumu společnosti McKinsey 2020 State of AI uvedla významný dopad na hospodářské výsledky. To platí zejména v odvětvích, která mají fyzicko-digitální prvek.

Velká potřeba je dálkově řízených autonomních výrobních zařízení, rafinérií nebo dokonce, v době COVID-19, kancelářských budov. I když základní technologie existují, dosažení škálovatelnosti zůstává problémem a vedoucí digitální pracovníci budou muset tuto bariéru v roce 2021 překonat.

Mezi překážky škálovatelnosti patří nedostatek disciplinovaného přístupu, celopodnikového myšlení, důvěryhodných partnerů, likvidity dat a řízení změn.

 

 

Součástí řešení je zde vytvoření řešení, která bude provozovat někdo, kdo nemusí být nutně datový vědec, aby potřebné programy mohlo řídit více lidí, kteří jsou odborníky v dané oblasti. Kdyby Tesla vynalezla autonomní auto, které by mohli řídit pouze datoví vědci, jaký by to mělo smysl?

Technologie musí koncovému uživateli umožnit interakci s modely a manipulaci s nimi, aniž by se musel prodírat jemnými detaily datových souborů nebo kódu - jinými slovy, umělá inteligence bude dělat těžkou práci na zadní straně, ale uživatelsky přívětivé vysvětlení a uživatelské rozhraní umožní koncovému uživateli pracovat.

Například vedoucí pracovník správy budov může spravovat své globální portfolio budov z tabletu.

 

Řešení se stávají autonomnějšími díky hlubokému učení

Průkopník hlubokého učení Dr. Geoffrey Hinton nedávno pro MIT Technology Review uvedl, že hluboké učení bude schopno dělat všechno - tj. replikovat veškerou lidskou inteligenci.

Hluboké neuronové sítě prokázaly mimořádné schopnosti aproximovat nejvýznamnější podmnožinu matematických funkcí a slibují překonání problémů s uvažováním.

 

 

K plné autonomii je však ještě krok, který musíme nejprve zdolat to, co se nazývá symbiotická autonomie. Při symbiotické autonomii jsou do umělé inteligence začleněny mechanismy zpětné vazby a korekce, takže si lidé a stroje navzájem plynule předávají informace.

Například namísto tvrdé zpětné vazby by symbiotická autonomie mohla vypadat jako diskuse s virtuálním asistentem vašeho telefonu o určení nejlepší cesty do cíle. Interakce s těmito formami umělé inteligence by byla přirozenější a konverzační, přičemž program by byl schopen vysvětlit, proč doporučuje nebo provádí určité akce.

Tento krok směrem k plně autonomním řešením bude rozhodujícím krokem k zavedení umělé inteligence ve velkém měřítku.

Představte si systém řízení výkonnosti podniku, který vám poskytne jediný přehled a kontrolu nad globálním podnikem, který autonomně provozuje několik zařízení, pracovníků a dodavatelských řetězců. Běží a učí se sám, ale vy můžete zasáhnout a poučit ho, když udělá chybu.

 

 

Příslib léčby budoucích pandemií urychlí výzkum v oblasti kvantové výpočetní techniky

Kvantové počítače mají výpočetní výkon, který umožňuje zpracovávat složité algoritmy díky jejich schopnosti zpracovávat řešení paralelně, nikoliv sekvenčně. Zamysleme se nad tím, jak by to mohlo ovlivnit vývoj a dodávání vakcín.

Za prvé, při objevování léků musí vědci simulovat novou molekulu. To je pro dnešní vysoce výkonné počítače nesmírně náročné, ale je to problém, který se hodí k něčemu, v čem budou kvantové počítače nakonec vynikat.

Kvantový počítač by nakonec mohl být namapován na kvantový systém, kterým je molekula, a simulovat vazebné energie a síly chemických přechodů ještě předtím, než někdo vůbec bude muset lék vyrobit.

Umělá inteligence a kvantové počítače však mohou nabídnout ještě více než jen vytvoření vakcíny. Logistika výroby a dodání vakcíny představuje obrovské výpočetní výzvy - což je samozřejmě zralé pro řešení, které kombinuje kvantové výpočty a umělou inteligenci.

Kvantové strojové učení je nesmírně nový obor, který je slibný, ale je zapotřebí průlomových objevů, aby zaujal investory.

Techničtí vizionáři již začínají tušit, jak ovlivní naši budoucnost, zejména pokud jde o pochopení nanočástic, vytváření nových materiálů pomocí molekulárních a atomových map a nahlédnutí do hlubšího složení lidského těla.

 

Tip! Kombinace edge computing a IoT odemyká autonomní a inteligentní aplikace

 

 

Připravil: Radek Svoboda