Проф. др Петар Kочовић
Хипераутоматизација
Хипераутоматизација је комбинација вишеструког машинског учења (ML), упакованог софтвера и алата за аутоматизацију. Хипераутоматизација се односи не само на ширину палете алата, веЋ и на све кораке саме аутоматизације (откриј, анализирај, дизајнирај, аутоматизуј, мери, надгледај и поново оцени). Разумевање опсега механизама за аутоматизацију, како се међусобно односе и како се могу комбиновати и координирати, главни је фокус за хипераутоматизацију. Овај тренд је започет роботском аутоматизацијом процеса.
Вишеструко искуство
До 2028. године, корисничко искуство проћи ће кроз значајне промене у начину на који корисници доживљавају дигитални свет и како у њему комуницирају. Kонверзационе платформе мењају начин на који људи комуницирају са дигиталним светом. Виртуелна стварност (VR), проширена стварност (AR) и мешовита стварност (MR) мењају начин на који људи доживљавају дигитални свет. Овај комбиновани помак у моделима перцепције и интеракције доводи до будуц́ег мултисензорског и мултимодалног искуства.
Илустрација (CC0 Pixabay)
Модел ће се пребацити са технолошки писменог човека на писмену технологију намењену човеку. Терет пребацивања намере прећи ће са корисника на рачунар. Ова способност комуникације са корисницима кроз многа људска чула пружиће богатије окружење за пружање нијансираних информација.
Демократизација вештачења
Демократизација је усмерена на пружање техничке експертизе људима (на пример ML, развој апликација) или стручности у пословном домену (на пример, продајни процес, економска анализа) путем радикално поједностављеног искуства и без опсежне и скупе обуке. „Приступ грађанима” (на пример, научници о грађанима [citizen data scientists], интеграторима грађана), као и еволуција развоја грађана и модела без кода, примери су демократизације.
До 2023. очекује се да ће се убрзати четири кључна аспекта тренда демократизације:
- Укључујући демократизацију података и аналитику (алати који циљају научнике података који се шире у циљу професионалне заједнице програмера),
- Демократизацију развоја (AI алати за коришћење у прилагођеним апликацијама),
- Демократизација дизајна (проширење на феномене ниског кода, без кода, аутоматизацијом додатних функција за развој апликација ради оснаживања грађанина-програмера) и
- Демократизација знања (не-ИТ професионалци који приступају алатима и експертним системима који их оснажују за експлоатацију и примењују специјализоване вештине које превазилазе сопствену стручност и обуку).
Људско проширење (Human Augmentation)
Тешко је адекватно превести појам Human Augmentation, па га остављамо овако за сада. Human Augmentation истражује како се технологија може користити за постизање когнитивних и физичких побољшања као саставног дела људског искуства. Физичко повећање се остварује променом њихових инхерентних физичких способности имплантацијом или хостовањем технолошког елемента на њиховим телима, као што је носиви уређај (wearable device). Kогнитивно повећање може се догодити приступом информацијама и искоришћавању апликација на традиционалним рачунарским системима и новонасталом вишеструком искуству у паметним просторима.
Илустрација (CC0 Pixabay)
У наредних 10 година све већи ниво физичке и когнитивне људског повећавања постаће преовлађујући јер појединци траже лична побољшања. Ово ће створити нови ефекат конзумирања где запослени желе да искористе своја лична унапређења – па чак и да их прошире – како би побољшали своје канцеларијско окружење.
Транспарентност и следивост
Потрошачи су све свеснији да су њихови лични подаци вредни и захтевају контролу. Организације препознају све већи ризик од заштите личних података и управљања њима, а владе спроводе строго законодавство да би то обезбедиле. Транспарентност и следивост су кључни елементи који подржавају ове дигиталне етике и потребе за приватношћу.
Транспарентност и следивост односе се на низ ставова, акција и пратец́их технологија и пракси дизајнираних за испуњавање регулаторних захтева, очување етичког приступа употреби вештачке интелигенције (AI) и других напредних технологија и поправљање растућег недостатка поверења у компаније. Док организације граде транспарентност и поверење, морају се усредсредити на три области: (1) AI и ML; (2) приватност, власништво и контролу личних података и (3) етички усклађен дизајн.
Ојачани EDGE
Edge Computing је рачунарска топологија у којој се обрада информација и прикупљање и испорука садржаја постављају ближе изворима, складиштима и потрошачима тих информација. Покушава задржати саобраћај и локалну обраду како би умањио кашњење, искористио могуц́ности ивице и омогућио већу аутономију на ивици.
Велики део тренутног фокуса код EDGE рачунарства потиче од потребе да IoT системи испоручују искључене или дистрибуиране могућности укоје су уграђене у IoT свет за специфичне индустрије као што су производња или малопродаја. Међутим, ручно рачунање постаће доминантан фактор у готово свим индустријама и случајевима примене јер је EDGE ојачан све софистициранијим и специјализованим рачунским ресурсима и више складиштења података. Сложени рубови уређаја, укључујући роботе, беспилотне летелице, аутономна возила и оперативне системе, убрзаће ову промену.
Дистрибуирани облак
Дистрибуирани облак је дистрибуција јавних услуга у облаку на различите локације, док изворни јавни провајдер облака преузима одговорност за рад, управљање, ажурирање и развој услуга. Ово представља значајан помак од централизованог модела већине јавних услуга у облаку и довешће до нове ере у рачунарству у облаку.
Аутономне ствари
Аутономне ствари су физички уређаји који користе AI за аутоматизацију функција које су људи раније обављали. Најпрепознатљивији облици аутономних ствари су роботи, беспилотне летелице, аутономна возила /бродови и уређаји. Њихова аутоматизација надилази аутоматизацију коју пружају крути програмски модели, и они користе AI да би пружили напредна понашања која природније комуницирају са околином и са људима. Kако се технолошка способност побољшава, регулације дозвољавају и друштвено прихватање, аутономне ствари ц́е се све више распоређивати у неконтролисаним јавним просторима.
Kако се аутономне ствари шире, очекујемо прелазак са самостојећих интелигентних ствари у рој колаборативних интелигентних ствари где ће више уређаја радити заједно, било независно од људи или са људским доприносом. На пример, хетерогени роботи могу да раде у координисаном поступку склапања. На тржишту испоруке, најефикасније решење може бити коришћење аутономног возила за премештање пакета до циљаног подручја. Роботи и беспилотне летелице на возилу тада би могле утицати на коначну испоруку пакета.
Практични блокчејн
Блокчејн (Blockchain) има потенцијал да преобликује индустрије омогућавањем поверења, пружајући транспарентност и омогућавајући размену вредности кроз пословне екосистеме, потенцијално смањујући трошкове, смањујући време трансакција и побољшавајући проток новца. Имовина се може пратити до њиховог порекла, значајно смањујући могућности замене фалсификованом робом. Праћење имовине такође има вредност у другим областима, попут проналаска хране преко ланца снабдевања ради лакшег идентификовања порекла контаминације или праћења појединих делова ради помоћи у опозивању производа. Друга област у којој блокчејн има потенцијал је управљање идентитетом. Паметни уговори могу се програмирати у блокчејн где догађаји могу покренути акције; на пример, плаћање се ослобађа када се роба прими.
Илустрација (CC0 Pixabay)
Блокчејн је и даље незрео за имплементацију предузећа због низа техничких проблема, укључујући лошу скалабилност и интероперабилност. Упркос овим изазовима, значајан потенцијал за поремец́аје и стварање прихода значи да би организације требало почети процењивати блокчејн, чак и ако у кратком року не предвиђају агресивно усвајање технологија.
AI безбедност
Вештачка интелигенција (AI) и машинско учење (ML) ће се и даље примењивати како би повећали људско одлучивање у широком низу случајева употребе. Иако ово ствара велике могућности за омогућавање хипераутомације и коришц́ење аутономних ствари за пружање пословне трансформације, то ствара значајне нове изазове за безбедносни тим и ризичне лидере са огромним порастом потенцијалних тачака напада помоћу IoT-а, рачунања у облаку, микро-сервиса и високоповезаних система у паметни простори. Вође безбедности и ризика требало би да се фокусирају на три кључна подручја – заштиту система који раде на AI, коришћење AI да би се побољшала одбрамбена одбрана и предвиђање штетне употребе AI од стране нападача.
