# Nieuwe technologieën
Het is nu meer dan ooit de kruising van verschillende nieuwe technologieën die een geheel nieuwe reeks mogelijkheden mogelijk maken. Elk alleen is belangrijk, maar samen is hun convergentie essentieel voor baanbrekende oplossingen.
Laten we dit idee verkennen met enkele voorbeelden. Als je ooit een kaartapp op je smartphone hebt gebruikt, waarvan ik vermoed dat velen van jullie die hebben, weet je al hoe waardevol het kan zijn. Er zijn er veel beschikbaar en ze helpen u optimale aanwijzingen te vinden, crowd-sourcing te gebruiken om verkeersomstandigheden te begrijpen en inhoudelijke informatie te verstrekken over een breed scala aan nuttige factoren, vóór en tijdens een reis.
Maar wat is er nodig om een succesvolle kaart-app te hebben om dit een dienst met echte waarde te maken voor miljoenen gebruikers? De basis moet een doordringende draadloze infrastructuur, een netwerk van satellieten, internet, goedkope opslag- en verwerkingstechnologie zijn, om op een mobiele telefoon een volwassen besturingssysteem voor mobiele telefoons, softwareontwikkelingskits voor mobiele toepassingen en deskundige mobiele telefoonontwikkelaars te passen . Het wordt heel snel duidelijk dat het zonder een van deze items niet mogelijk is om een succesvolle kaart-app te hebben. Elk van deze gebieden vertegenwoordigt een ongelooflijke menselijke prestatie.
Laten we voor het tweede voorbeeld kijken naar transport op vraag. Hier hebben we het over het gebruik van een smartphone om een auto op te halen. Wat is er nodig om deze oplossing te laten verschijnen, miljoenen gebruikers snel te winnen en enorme marktkapitalisatie te verzamelen? En waarom bestond deze technologie niet vóór 2009? Wat is er gebeurd om zo’n radicaal idee mogelijk te maken? Net als een kaart-app hebben we de vereisten van GPS, internet, doordringende smartphone-acceptatie, apps-economie en draadloze connectiviteit nodig. We hebben ook efficiënte en naadloze online betalingssystemen nodig, en geavanceerde softwaretechnieken, die de verbinding van de klant met de provider optimaliseren. Naast technologie, om op verzoek te kunnen werken, hebben we de klant nodig om vertrouwd te zijn met enkele nieuwe normen, waaronder een maatschappelijke acceptatie om in de auto van een vreemde te stappen, wetende dat deze niet bij een traditionele taxi-organisatie horen. Nieuwe disruptieve bedrijfsmodellen stijgen wanneer de omstandigheden goed zijn. Zoals aangetoond, moet dit de juiste convergentie van nieuwe software en hardware, culturele acceptatie kapitaalbeschikbaarheid, kennis die voortbouwt op kennis, en natuurlijk een royale toepassing van geluk en timing omvatten.
- Artificiële Intelligentie
De computersystemen zijn in toenemende mate in staat menselijke taken uit te voeren, zoals visuele perceptie, spraakherkenning en besluitvorming. We moeten kijken hoe AI kan leiden tot superintelligentie, computers die de cognitieve prestaties van mensen overtreffen.
- Internet of Things
Het verbinden van miljarden apparaten met het internet en met elkaar.
- Blockchain-technologie
de onderliggende database die cryptocurrencies mogelijk maakt en nu een onafhankelijk leven leidt als een enabler van een aantal opmerkelijke nieuwe innovaties.
# Artificiële intelligentie
Hoewel het sinds de jaren 1950 in ontwikkeling is, is het eindelijk een levensvatbare, mainstream-mogelijkheid. Kunstmatige intelligentie is evenzeer een van de meest onbegrepen en onderschatte technologieën van onze tijd. Voor velen roept het ten onrechte beelden op van HAL 9000 in 2001: A Space Odyssey of C-3PO in de Star Wars-saga. Bovendien is kunstmatige intelligentie, of AI, zoals het algemeen bekend is, een overkoepelende term voor verschillende soorten technologie.
# Hoe kunnen we AI vandaag definiëren?
“The capability of a machine to imitate intelligent human behavior.” Merriam-Webster
Het idee dat menselijke activiteiten door een machine kunnen worden gesimuleerd, vormt de kern van AI-onderzoek en -ontwikkeling. Deze conclusie leidt niet automatisch af dat het bereiken van machinebewustzijn of emotie een noodzakelijk doel is. We laten dat nu even aan de kant en stellen toekomstige filosofen, ethici, politici en innovators in de omgang.
Een betere beeldvorming van een AI-doel op korte termijn is dat een computer visuele analyse kan gebruiken om te weten en te beschrijven welke objecten zich in een digitale foto bevinden. Klinkt eenvoudig genoeg, maar het is opmerkelijk moeilijk te bereiken, maar we komen er wel. Visuele en audio-interpretatie heeft de afgelopen jaren verbluffende resultaten behaald. Natuurlijk blijven onze verwachtingen groeien. Deze voorbeelden helpen om de huidige AI in de context van een continuüm van toekomstige mogelijkheden te plaatsen. De recente opkomst van AI na tientallen jaren van inspanning is een direct gevolg van de derde industriële revolutie en de openingsjaren van de vierde. Het zijn de artefacten en het bijbehorende gedrag van onze digitale transformatie.
AI is grotendeels het product van een reeks instructies, een algoritme genoemd, dat een proces beschrijft dat onder bepaalde omstandigheden moet worden uitgevoerd. Je zou er zo over kunnen denken, if this, then that. Als het regent, zou de sprinkler niet moeten werken. Er is een voorwaarde en een actie. Een essentieel onderdeel van het laten werken van AI is dat niet elke denkbare omstandigheid vooraf moet worden bepaald. Het is waardevol als de computer patronen en repetitieve, enigszins variërende resultaten zou kunnen zien. Een populaire manier om dit te bereiken is via een subset van AI, machine learning, of ML genoemd. Als een AI-programma een fiets op de foto moet identificeren, zou het natuurlijk onmogelijk zijn om de computer elke variant van een fiets te laten zien. Als de AI-software echter een patroon ziet van het krijgen van veel gegevens waar iets met twee cirkels in de buurt waarschijnlijk een fiets is, heeft het een betere kans om fietsen in de toekomst te identificeren. Hoe meer gegevens, hoe beter de ML. Met een ML-categorie die diep leren wordt genoemd, krijgen we mogelijkheden zoals beeld, spraak en gezichtsherkenning.
Belangrijke ontwikkelingsgebieden zijn probleemoplossing, perceptie, planning en het beheer van robotica. Naast de snelle uitbreiding van AI-kennis en doorbraken, is de toegankelijkheid ervan veel groter dan voorheen. Het relatieve gemak van toegang tot en gebruik van oplossingen van grote spelers zoals IBM, Google, Amazon, Microsoft en een groot aantal start-ups maakt het voor organisaties veel eenvoudiger om AI in hun producten en diensten te integreren. Een categorie van de toepassing van AI, chatbots, biedt een interface tussen een mens en een computer. Dit kan een basisgesprek simuleren, zodat serviceproviders de kosten van klantenservice kunnen verlagen. Deze chatbots worden steeds waardevoller met vooruitgang in zowel machine learning als natuurlijke taalherkenning. AI heeft veel waarde voor een breed scala van gebieden voor de mensheid, maar het zal waarschijnlijk ook voor een aantal belangrijke uitdagingen zorgen. Geavanceerde AI-aangedreven robots en machines zullen menselijke taken waarschijnlijk sneller, goedkoper en met betere resultaten uitvoeren. Ongetwijfeld zal dit de aard van menselijk werk veranderen.
# Internet of Things
De oorsprong van internet en internet maakte een gemakkelijke verplaatsing van gegevens tussen netwerken en een protocolstandaardisatie voor het koppelen van bestanden mogelijk. De kern ervan was de mogelijkheid voor mensen om toegang te krijgen tot gegevens en informatie van verbonden apparaten waarvan de bron geografisch niet relevant was. Het lijdt geen twijfel dat deze innovaties vandaag de dag een verandering hebben ondergaan voor de menselijke ervaring. In de begindagen van het internet betekenden gemak en eenvoud dat miljoenen mensen konden deelnemen als informatieconsumenten en velen gemakkelijk informatieproviders konden worden. Het internet en het web boden een naadloos online medium voor een breed scala aan interactie.
Na verloop van tijd begonnen ondernemingen internet te gebruiken om met machines te communiceren om acties uit te voeren, zoals het controleren van de status van een apparaat of het opnieuw opstarten. Machines begonnen te worden geprogrammeerd om gewoonlijk via internet te communiceren in de rol van gewoon een andere gebruiker. Vroeg gebruik omvatte het verzenden van een e-mail of sms op basis van bepaalde voorwaarden, zoals het bevestigen van de voltooiing van een back-up van de tape. Het idee van klant op machine en machine op klant ontstond. In plaats van een internet dat beperkt was tot het verbinden van mensen, verbond internet nu mensen en allerlei machines en apparaten. Het verbond ook machines met machines. Tegen het begin van de jaren 2000 ontstonden de eerste verwijzingen naar een Internet of Things of IoT. Hoewel de totale menselijke participatie op internet beperkt is tot de wereldbevolking, is het Internet of Things enorm groter met het potentieel om miljarden apparaten zonder bovengrens toe te voegen. Over het algemeen wordt verwacht dat tegen 2020 20 miljard apparaten via internet zullen worden verbonden. We kunnen verwachten dat het aantal na die datum omhoogschiet.
De volledige definitie van het internet der dingen gaat verder dan alleen een apparaat dat op internet is aangesloten. In overeenstemming met trends in de vierde industriële revolutie, wordt het IoT beter gedefinieerd door een convergentie van verschillende technologieën.
# Consumer IOT
bron: Laten we eens kijken naar een consumentenvoorbeeld van een IoT-apparaat. Een nieuw type thermostaat voor thuis, een verbonden met internet. Deze thermostaat vereist een wifi-thuisnetwerk, maar eenmaal verbonden wordt het opmerkelijk slim.
# Voorbeeld: NEST
- Als gevolg van connectiviteit kan het worden bestuurd vanaf meerdere apparaten, zoals een thuiscomputer of een smartphone. (“Wordt verbonden” betekent dat de software draadloos kan worden bijgewerkt.)
- Met behulp van AI leert het de aard van de temperatuur in een kamer en de voorkeuren van huisbewoners.
- Het kan bepalen of de bewoners van een huis zijn vertrokken en past de temperatuur op een milieuvriendelijke manier aan.
- De eigenaars van het huis hebben online toegang tot deze gegevens en ontdekken ze hun energiebesparingen en mogelijkheden om de efficiëntie te verbeteren.
De thermostaat was een baanbrekend apparaat en opende de deur naar een groot aantal thuisgebaseerde IoT-apparaten die nu verantwoordelijk zijn voor het voeden van wat Smart Home wordt genoemd. Veel van deze onafhankelijke systemen voldoen nu aan een of meer standaarden die bediening vanaf één systeem mogelijk maken, en optimale coördinatie tussen apparaten.
# Industrial IOT
Ook in andere delen van de economie speelt IoT steeds meer rol. Het industriële IoT, ook bekend als Industry 4.0, is een convergentie van Internet of Things, machine learning, sensorgegevens en machine-naar-machine-communicatie en automatisering allemaal in een industriële omgeving. Het embedden van deze technologie in een productiecontext kan de traditionele menselijke processen, zoals het identificeren van efficiëntie en het vroegtijdig voorspellen van productie- en onderhoudsproblemen, aanzienlijk verbeteren. Het industriële internet verbetert kwaliteitscontrole, duurzaamheidspraktijken en supply chain-efficiëntie.
Verbeterde resultaten zijn voorspellend onderhoud, inzet van technici in het veld, energiebeheer en asset-tracking. Een populair voorbeeld van het industriële internet is het vermogen om onderhoudsproblemen te voorspellen. Traditioneel is de eerste keer dat een organisatie weet dat er een fabricageprobleem is, wanneer een machine uitvalt. Wanneer dit gebeurt, moet de productie op die lijn worden gestopt en moet het probleem worden vastgesteld door gekwalificeerde technici. Reparatie- of vervangingswerkzaamheden moeten worden uitgevoerd. Vervolgens wordt getest en aangenomen dat alles goed is, kan de productielijn online worden gezet. Dit is een duur proces, zowel wat betreft reparatie als wat betreft productietijd. In Industry 4.0 bevat een productiemachine een apparaat dat specifieke criteria onder wisselende omstandigheden bewaakt. Dit kunnen temperatuurniveaus, tandwielbewegingen, druk en lucht- en oliestroom zijn. Met behulp van machine learning leren de sensoren wanneer het systeem soepel loopt. Als er iets niet klopt, kan het IoT-apparaat het opnemen. Op dat moment kan een beslissing worden genomen over wat te doen. Het is een veel efficiëntere manier om mogelijke problemen aan te pakken. Zowel IoT als het industriële internet vinden opnieuw uit hoe we denken over de mogelijkheden van innovatie in huis en industrie. Er is geen IoT zonder internet en kunstmatige intelligentie.
Bron: