Τεχνολογία: Η τέταρτη βιομηχανική επανάσταση: Η άνοδος της αυτόνομης οικονομίας

αρχικός συγγραφέας: TechFoodLife

Για να κατανοήσουμε το παρόν, πρέπει να ερευνήσουμε το παρελθόν. Για να δούμε το μέλλον, πρέπει κανείς να νιώσει την ορμή που χτίζει στο παρόν.

Κατά την εξέταση του παρελθόντος, καθίσταται σαφές ότι οι εξελίξεις στην τεχνολογία υπήρξαν αναμφίβολα ο κύριος μοχλός στην εξέλιξη του ανθρώπινου πολιτισμού. Ακριβώς όπως ο τροχός και η πυξίδα έφεραν επανάσταση στις προηγούμενες γενιές, οι εξελίξεις του smartphone και του Διαδικτύου έχουν αλλάξει εντελώς την κοινωνία σήμερα, καθιστώντας δύσκολο να φανταστεί κανείς έναν κόσμο χωρίς αυτούς. Παρόλο που είναι εύκολο να κοιτάξουμε πίσω στην ιστορία και να εντοπίσουμε τις βασικές ανακαλύψεις, οι περισσότεροι άνθρωποι δεν μπορούν να προβλέψουν τις τεχνολογικές καινοτομίες του μέλλοντος προτού ενσωματωθούν πλήρως στην καθημερινή ζωή. Στην πραγματικότητα, οι περισσότερες νέες τεχνολογίες γελοιοποιούνται στα αρχικά τους στάδια, με τους «ειδικούς» να ισχυρίζονται ότι είναι ανέφικτες και περιττές.

(Ευγενική προσφορά των Nomads)

Ωστόσο, παρά την αμφιβολία ότι πεισματάρει το παρόν, πολλοί πιστεύουν ότι οι τρέχουσες τεχνολογικές τάσεις βρίσκονται στην αρχή της ανάφλεξης μιας τέταρτης βιομηχανικής επανάστασης. αυτή τη φορά πυροδοτήθηκε από την άνοδο του μαζικού αυτοματισμού. Ενώ οι οικονομίες που κατευθύνονται από τον άνθρωπο είναι πιθανό να μην εξαφανιστούν ποτέ, αυτό που αρχίζει να συμβαίνει είναι ο σχηματισμός μιας παράλληλης οικονομίας που λειτουργεί εξ ολοκλήρου από μηχανές. Παρόμοια με τις βιομηχανικές επαναστάσεις του παρελθόντος, η τρέχουσα συνενώνεται γύρω από ορισμένες τεχνολογικές ανακαλύψεις, ειδικά στο το διαδίκτυο των πραγμάτων (ΙΩΤ), Τεχνητή νοημοσύνη (AI) και Κατανεμημένη τεχνολογία καθολικών(DLT).

(Ο βραβευμένος με Νόμπελ οικονομολόγος Paul Krugman ήταν σαφώς λάθος για τον αντίκτυπο που θα είχε το Διαδίκτυο στην κοινωνία. πηγή)

Παρόλο που ο μέσος άνθρωπος δεν έχει καθόλου επίγνωση του τι έρχεται, η πορεία της σύγχρονης τεχνολογίας δεν γίνεται απαρατήρητη από όλους. Μπράιαν Άρθουρ, ένας οικονομολόγος διάσημος για την ανάπτυξη της σύγχρονης προσέγγισης για την αύξηση των αποδόσεων, έχει προτείνει μια διατριβή για να περιγράψει το φαινόμενο και να το επινοήσει, “την οικονομία της αυτονομίας.” Klaus Schwab, ιδρυτής και εκτελεστικός πρόεδρος του Παγκόσμιου Οικονομικού Φόρουμ, αντηχεί συγκρίσιμα συναισθήματα και έγραψε ακόμη και ένα βιβλίο για αυτό που ονομάζεται «Η τέταρτη βιομηχανική επανάσταση.”

Πριν ρίξετε μια πιο προσεκτική ματιά στις τρέχουσες τεχνολογικές τάσεις, είναι χρήσιμο να μελετήσετε τις επιπτώσεις που είχαν οι τρεις πρώτες βιομηχανικές επαναστάσεις στην κοινωνία. Η κατοχή ιστορικών γνώσεων μπορεί να συμβάλει σημαντικά στο να φανταστεί κανείς πώς η τέταρτη βιομηχανική επανάσταση θα επηρεάσει το μέλλον.

Οι βιομηχανικές επαναστάσεις του παρελθόντος

Οι προηγούμενες τρεις βιομηχανικές επαναστάσεις καθοδηγούνται από μια σειρά ξεχωριστών, αλλά αλληλοσυνδεόμενων τεχνολογικών καινοτομιών που αύξησαν σε μεγάλο βαθμό την ανθρώπινη ικανότητα παραγωγής, μειώνοντας σημαντικά την απαιτούμενη εισροή για να το αποκτήσει, είτε μέσω της μείωσης της εργασίας, του χρόνου ή των υλικών. Αυτές οι εξελίξεις όχι μόνο αναδιαμορφώνουν την κοινωνία από μια οικονομική έννοια, αλλά και αναδιαμόρφωσαν ολόκληρη την έννοια του πώς οι άνθρωποι αντιλαμβάνονται την καθημερινή τους ζωή.

Η πρώτη βιομηχανική επανάσταση:

Από το 1750-1850 περίπου, πραγματοποιήθηκε η Πρώτη Βιομηχανική Επανάσταση και ήταν κυρίως αποτέλεσμα της ικανότητας της ανθρωπότητας να αξιοποιεί δύο βασικές πηγές ενέργειας, τον ατμό και τον άνθρακα. Ο κύριος μοχλός της πρώτης βιομηχανικής επανάστασης ήταν μια διαδοχική εξέλιξη μηχανικών στον ατμομηχανή, μαζί με την ανακάλυψη ενός φθηνότερου πιο άφθονου ορυκτού, άνθρακα. Ο συνδυασμός οδήγησε τελικά σε κινητήρες ατμού εξωτερικής καύσης με άνθρακα, ικανούς να παράγουν πολύ περισσότερη ενέργεια σε φτηνότερη τιμή από ποτέ. Αυτή η νέα είσοδος οδηγεί σε σημαντικούς μετασχηματισμούς στη μεταποίηση και χρησιμοποιήθηκε για να τροφοδοτήσει ριζικές αλλαγές σε διάφορες βιομηχανίες, όπως τα κλωστοϋφαντουργικά προϊόντα, τα μεταλλικά έργα (ειδικά το σίδερο) και οι μεταφορές.

(Μερικές από τις σημαντικότερες εφευρέσεις της Πρώτης Βιομηχανικής Επανάστασης, που έγιναν δυνατές από τις καινοτομίες της ατμομηχανής. πηγή)

Μερικές από τις πιο διάσημες εφευρέσεις της ιστορίας αναπτύχθηκαν κατά τη διάρκεια αυτής της χρονικής περιόδου, όπως το τζιν βαμβακιού, μια μηχανή που χρησιμοποιείται για το διαχωρισμό των βαμβακερών ινών από τους σπόρους τους και το power loom, μια μηχανή που χρησιμοποιείται για την ύφανση υφασμάτων και ταπισερί. Άλλες αξιοσημείωτες ανακαλύψεις περιλαμβάνουν την ανάπτυξη εργαλειομηχανών, την ανακάλυψη τσιμέντου, την εισαγωγή λαμαρίνας και την καύση άνθρακα για την παραγωγή φωτός.


Πριν από την Πρώτη Βιομηχανική Επανάσταση, τα περισσότερα αγαθά κατασκευάστηκαν τοπικά και το έργο μεμονωμένων τεχνιτών, αλλά μετά την εμπορευματοποίηση των ατμομηχανών άνθρακα, σχηματίστηκαν μεγάλες βιομηχανίες, ικανές να παράγουν προϊόντα για μια πολύ ευρύτερη καταναλωτική βάση. Μια θεμελιώδης μεταβολή σημειώθηκε στην κοινωνία από το να είναι αγροτικός αγροτικός πολιτισμός στη συσσώρευση βιομηχανικών πόλεων που επικεντρώνονται σε μεγάλα εργοστάσια παραγωγής. Το εργατικό δυναμικό δεν κυριαρχούσε πλέον από μεμονωμένους εργάτες, αλλά αντ ‘αυτού αντικαταστάθηκε αργά από βιομηχανίες που διευθύνονταν από καπιταλιστές που απασχολούσαν την εργατική τάξη. Οι πόλεις άρχισαν να γίνονται οι οικονομικοί ισχυροί ολόκληρων εθνών. Η τάση δεν θα επιβραδυνθεί, καθώς δεν θα περάσει πολύς χρόνος πριν από τη δεύτερη βιομηχανική επανάσταση, ενδεχομένως ακόμη πιο σημαντική από την πρώτη.

Η δεύτερη βιομηχανική επανάσταση:

Επίσης γνωστή ως Τεχνολογική Επανάσταση, η Δεύτερη Βιομηχανική Επανάσταση διήρκεσε περίπου το 1870–1914 (αρχή του WW1) και μπορεί να περιγραφεί καλύτερα ως γνώση της τεχνολογίας που εισήχθη στην Πρώτη Βιομηχανική Επανάσταση, αναμεμιγμένη με δύο σημαντικές ανακαλύψεις της: την αξιοποίηση δύο νέων πηγών ενέργειας: ηλεκτρικής ενέργειας και πετρελαίου.

Χάρη στις πιο προηγμένες εξελίξεις στην παραγωγή σιδήρου και χάλυβα, τα εξαρτήματα μηχανών άρχισαν να παράγονται χύμα και τυποποιούνται σε όλες τις βιομηχανίες, όπως τυποποιημένα μεγέθη για βίδες και μεταλλικές ράβδους. Οι περίπλοκες σιδηροδρομικές υποδομές άνοιξαν σε αρκετές προηγμένες χώρες, καθώς και η ανάπτυξη του ατμοστροβίλου, ο οποίος έφερε επανάσταση στα ναυτικά σκάφη. Ουσιαστικά, η κοινωνία ανέπτυξε πολύ ανώτερες οδούς μεταφοράς για όλα τα εργοστασιακά προϊόντα που παράγονται μαζικά. Οι αγορές άρχισαν πραγματικά να ανοίγουν κατά τη διάρκεια αυτής της περιόδου λόγω της αυξημένης ταχύτητας μεταφοράς και της μειωμένης τιμής της μηχανοκίνητης παραγωγής.

(Η σιδηροδρομική υποδομή το 1860 ήταν πολύ πιο προηγμένη από μόλις 30 χρόνια πριν, όταν δεν υπήρχε σχεδόν κανένας σιδηρόδρομος στις ΗΠΑ · πηγή)

Η κορύφωση της ανάπτυξης προς το τέλος της δεύτερης βιομηχανικής επανάστασης πρέπει να είναι η ηλεκτρική ενέργεια και το πετρέλαιο. Ακόμα και ο σύγχρονος κόσμος του σήμερα εξαρτάται πλήρως από την ηλεκτρική ενέργεια και το πετρέλαιο. Η ηλεκτροδότηση θεωρείται συχνά ως η μεγαλύτερη πρόοδος του 20ού αιώνα, επειδή έδωσε στην κοινωνία μια φτηνή, άφθονη πηγή ενέργειας που όχι μόνο θα μπορούσε να τροφοδοτήσει εργοστάσια και σπίτια οποιαδήποτε στιγμή της ημέρας, αλλά θα έθεσε τα θεμέλια για όλες τις συσκευές που θα έρθουν αργότερα . Ενώ η ηλεκτρική ενέργεια ήταν ζωτικής σημασίας, το πετρέλαιο ήταν το πιο περιζήτητο προϊόν του περασμένου αιώνα. Υπήρξε η κυρίαρχη πηγή καυσίμων για την τροφοδοσία των περισσότερων οχημάτων μεταφοράς, είτε πρόκειται για αυτοκίνητα, αεροπλάνα ή για αγροτικό εξοπλισμό. Επίσης, δημιούργησε μια μεγάλη γκάμα καταναλωτικών προϊόντων (πλαστικά), λιπάσματα / χημικά και φάρμακα.

Υπήρξαν και άλλες σημαντικές εξελίξεις κατά τη διάρκεια αυτής της περιόδου επίσης, όπως στην επικοινωνία με τις εφευρέσεις του τηλέγραφου, του τηλεφώνου και του ραδιοφώνου. Οι μηχανές παραγωγής χαρτιού άρχισαν επίσης να προσελκύονται στις αρχές του 20ού αιώνα, με αποτέλεσμα νέες ικανότητες να διαδίδουν γνώσεις, ειδήσεις και λογοτεχνία σε όλες τις ηπείρους. Τέλος, οι εξελίξεις στην παραγωγή καουτσούκ οδηγούν στη μαζική παραγωγή ελαστικών που βοήθησαν στις εφευρέσεις ποδηλάτων, αυτοκινήτων και αεροπλάνων.

(Αναλύοντας μερικές από τις βασικές διαφορές μεταξύ της πρώτης και της δεύτερης βιομηχανικής επανάστασης)

Είναι σημαντικό να κατανοήσουμε πώς η Πρώτη Βιομηχανική Επανάσταση ήταν το τεχνολογικό χτύπημα που ξεκίνησε την έννοια των σύγχρονων βιομηχανικών οικονομιών, ενώ η Δεύτερη Βιομηχανική Επανάσταση ήταν ο κύριος της τεχνολογίας, δημιουργώντας σύγχρονες πόλεις γεμάτες με τους πρώτους ουρανοξύστες. Με τις χώρες που μπορούν να ανταλλάσσουν και να επικοινωνούν όπως ποτέ άλλοτε, ο κόσμος μπαίνει στα αρχικά στάδια της κίνησής του προς την παγκοσμιοποίηση. Η τάση θα συνεχιστεί μόνο, και τελικά θα φτάσει σε πρωτοφανή επίπεδα ξεκινώντας από το τελευταίο μισό του 20ού αιώνα. Η κοινωνία θα βιώσει ένα ριζικό νέο τεχνολογικό χτύπημα: την ψηφιακή επανάσταση.

Η τρίτη βιομηχανική επανάσταση:

Ξεκινώντας από τα τέλη της δεκαετίας του 1950 έως και σήμερα, η Τρίτη Βιομηχανική Επανάσταση, γνωστή και ως Ψηφιακή Επανάσταση, έχει ριζώσει στην κοινωνία και είναι κυρίως το αποκορύφωμα της μετάβασης από τη μηχανική και την αναλογική ηλεκτρονική τεχνολογία στα ψηφιακά ηλεκτρονικά. Οι δύο σημαντικές εξελίξεις ήταν η τεχνολογία ψηφιακών υπολογιστών και επικοινωνιών. Ο γρήγορος υπολογισμός των υπολογιστών, σε συνδυασμό με τη διασύνδεση του Διαδικτύου και των δορυφορικών εκπομπών, δημιούργησε μια ψηφιακή αρχιτεκτονική όπου οι πληροφορίες μπορούν να μοιραστούν άμεσα σε όλο τον κόσμο από συσκευές με πολύ ταχύτερες ταχύτητες επεξεργασίας από τους ανθρώπους. Δεν είναι περίεργο που οι άνθρωποι αναφέρονται σε αυτήν την χρονική περίοδο ως την Εποχή της Πληροφορίας.

(Η μετάβαση από ψηφιακή σε αναλογική ήταν αρκετά γρήγορη από το 2000)

Η αφθονία των ψηφιακών πληροφοριών είναι το αποτέλεσμα μιας ικανότητας παραγωγής ηλεκτρικού ρεύματος και ακρίβειας, η οποία συνδυάζει με τους συνεχώς βελτιωμένους μικροεπεξεργαστές, γνωστούς και ως τσιπ υπολογιστών. Από τα έξυπνα τηλέφωνα και την οθόνη της τηλεόρασης HD έως τον εξοπλισμό φωτογραφίας υψηλής ποιότητας και τα drone, τα τσιπ υπολογιστών είναι η ραχοκοκαλιά όλων των προηγμένων ηλεκτρονικών. Είναι ενδιαφέρον ότι όλες αυτές οι τεχνολογίες έχουν αντικατασταθεί σταθερά με καλύτερες εκδόσεις σε μικρό χρονικό διάστημα. Το τηλέφωνο είναι ένα καλό παράδειγμα, πηγαίνοντας από το payphone, στο σταθερό τηλέφωνο, στο κινητό τηλέφωνο, στο smartphone, και ενδεχομένως να γίνει επόμενη βιοτεχνολογία.

Όπως οι κατασκευαστικές καινοτομίες της 1ης και της 2ης βιομηχανικής επανάστασης οδηγούν στην κατασκευή βιομηχανικών πόλεων χρησιμοποιώντας όλα τα υλικά που παράγονται, οι ηλεκτρονικές καινοτομίες της 3ης και της 4ης βιομηχανικής επανάστασης οδηγούν στην κατασκευή έξυπνων εφαρμογών χρησιμοποιώντας όλα τα δεδομένα που παράγονται.

Η τέταρτη βιομηχανική επανάσταση

Για να τυλίξετε το μυαλό σας γύρω από την τέταρτη βιομηχανική επανάσταση, είναι σημαντικό να κατανοήσετε την έννοια της νοημοσύνης. Ο καλύτερος τρόπος για να κατανοήσετε τη νοημοσύνη είναι να σκεφτείτε πώς αποκτάται, η οποία είναι συνήθως μια διαδικασία τεσσάρων βημάτων.

1) Συγκεντρώστε δεδομένα

2) Επεξεργασία των δεδομένων χρησιμοποιώντας προηγούμενα δεδομένα ως αναφορά

3) Λάβετε μέτρα βάσει των εξευγενισμένων δεδομένων

4) Λάβετε δεδομένα ανατροφοδότησης, μάθετε από το αποτέλεσμα και αποθηκεύστε τα όλα στη μνήμη.

(Ένας απλός βρόχος νοημοσύνης. πηγή)

Η διαδικασία είναι ένας κυκλικός βρόχος της συνεχούς συλλογής δεδομένων, της επεξεργασίας του, της ανάληψης δράσης και της λήψης σχολίων. Όσο περισσότερες φορές κάποιος περνά από τη διαδικασία, τόσο πιο έξυπνος γίνεται, υποθέτοντας ότι μπορεί να μάθει από τις πράξεις του. Δύο βασικοί παράγοντες που υποστηρίζουν όλα αυτά είναι η έκθεση σε όσο το δυνατόν περισσότερα δεδομένα και η ανάπτυξη άψογων δεξιοτήτων αναγνώρισης προτύπων.

Τα μοτίβα όχι μόνο επισημαίνουν τι λειτουργεί έναντι τι δεν λειτουργεί, δυνατά σημεία έναντι αδυναμιών και τάσεις έναντι ανωμαλιών, αλλά βοηθά τους χρήστες να κατηγοριοποιήσουν τις πληροφορίες, ώστε να είναι εύκολο να θυμηθούν για μελλοντική χρήση. Η ανώτερη αναγνώριση προτύπων που οδηγεί σε βελτιωμένες ψυχικές και σωματικές ικανότητες είναι η ραχοκοκαλιά της αξιοποίησης της νοημοσύνης. Όπως είπε κάποτε ο Άλμπερτ Αϊνστάιν, «Το μέτρο της νοημοσύνης είναι η ικανότητα αλλαγής». Ο μόνος τρόπος με τον οποίο κάποιος πρόκειται να αλλάξει είναι να εκτεθεί σε ένα αρνητικό μοτίβο που τον κρατά πίσω ή να δει ένα καλύτερο μοτίβο για να προχωρήσει. Το τελευταίο βήμα είναι η εφαρμογή μέσω της θέλησης και της δράσης.

Εάν η τεχνολογία πρόκειται να αναπαραγάγει τη νοημοσύνη και να την αναπτύξει σε ψηφιακό εμπόρευμα που πωλείται στην ανοιχτή αγορά, τότε πρέπει να αξιοποιηθεί χρησιμοποιώντας το ίδιο μοντέλο. Ενώ οι περισσότεροι δεν γνωρίζουν τις πρόσφατες εξελίξεις, η τρέχουσα τεχνολογία ανοίγει νέες δυνατότητες σε αυτό το μέτωπο, ειδικά λόγω των εξελίξεων στον κλάδο IoT, AI, DLT και μερικές άλλες μακροοικονομικές τάσεις. Χρησιμοποιώντας τις εξελίξεις στο υλικό, το λογισμικό και τα δεδομένα, η τεχνολογία βρίσκεται στα πρόθυρα της κατασκευαστικής νοημοσύνης. Η αυτόνομη οικονομία είναι πιο κοντά από ό, τι πιστεύουν οι περισσότεροι.

Το Διαδίκτυο των πραγμάτων (IoT):

Μια σημαντική ανάπτυξη της Ψηφιακής Εποχής ήταν η μαζική παραγωγή δεδομένων. Έχει γίνει τόσο αναγνωρισμένη αίσθηση που οι άνθρωποι άρχισαν να λένε ότι «τα δεδομένα είναι το νέο λάδι». Υπάρχουν πραγματικά δύο κατηγορίες δεδομένων: δημόσια δεδομένα και ιδιωτικά δεδομένα. Το Διαδίκτυο είναι το μεγαλύτερο πετρελαιοπηγή δημόσιων δεδομένων και είναι μοναδικό επειδή είναι ένας συνεχώς αυξανόμενος πόρος. Τα ιδιωτικά δεδομένα επικεντρώνονται κυρίως σε ιδιωτικούς διακομιστές, ειδικά στο Cloud, και περιέχουν ευαίσθητες πληροφορίες που οι άνθρωποι είτε δεν θέλουν να μοιραστούν ελεύθερα είτε δεν θέλουν να δουν. Δεν πρέπει να εκπλήσσει πια ότι πολλές από τις μεγαλύτερες εταιρείες στον κόσμο διαθέτουν τα περισσότερα δεδομένα, όπως το Google, το Facebook, το Amazon και το Baidu.

(Είναι ενδιαφέρον να σημειωθεί πώς οι περισσότερες από τις μεγαλύτερες εταιρείες στον κόσμο περιστρέφονται γύρω από τη διδασκαλία και τα δεδομένα, σε αντίθεση με τους πόρους μόλις πριν από 10 χρόνια. πηγή)

Τα περισσότερα από τα δεδομένα που συλλέγονται σήμερα γίνονται μέσω της χρήσης εφαρμογών, όπως η συλλογή δεδομένων από τα αποτελέσματα αναζήτησης Google ή η συλλογή δεδομένων στο Facebook βάσει του κοινωνικού σας προφίλ ή ακόμη και η συλλογή δεδομένων από το Amazon βάσει των συνηθειών δαπανών των ατόμων. Ουσιαστικά, οι εταιρείες φιλοξενούν εφαρμογές που οι καταναλωτές επιθυμούν να χρησιμοποιήσουν και στη συνέχεια συλλέγουν μετρήσεις δεδομένων βάσει της δραστηριότητάς τους. Υπάρχουν επίσης εφαρμογές ανοιχτού κώδικα που ο καθένας μπορεί να αντλήσει μετρήσεις όπως αγορές, αθλήματα ή ανοιχτά αρχεία περιπτώσεων.

Ωστόσο, για να αξιοποιήσουμε τη νοημοσύνη που μπορεί να κάνει γρήγορες κρίσεις όπως οι άνθρωποι, πρέπει να υπάρχει πρόσβαση σε δεδομένα σε πραγματικό χρόνο. Μέχρι πρόσφατα, τα δεδομένα σε πραγματικό χρόνο ήταν δύσκολο να βρεθούν, αλλά τώρα, χάρη σε ορισμένες σημαντικές καινοτομίες στην τεχνολογία αισθητήρων και ενεργοποιητών, έχει γίνει πραγματική πραγματικότητα. Είναι δυνατοί όλοι οι τύποι δραστηριότητας αισθητήρων, όπως αισθητήρες που μετρούν τη θερμοκρασία, τη θέση, την ταχύτητα, την επιτάχυνση, το βάθος, την πίεση, τη χημεία του αίματος, την ποιότητα του αέρα, το χρώμα, τη φωτο-σάρωση, τη φωνητική σάρωση, τη βιομετρική, την ηλεκτρική και τη μαγνητική δύναμη. Κανονικά, οι άνθρωποι πρέπει να κάνουν τέτοιες μετρήσεις, αλλά αυτό αλλάζει γρήγορα λόγω της μαζικής παραγωγής φθηνών, αλλά ακριβών αισθητήρων και ενεργοποιητών. Δεν τοποθετούνται μόνο στο περιβάλλον, αλλά μέσα σε μηχανήματα, όπως βιομηχανικά μηχανήματα και ρομποτική, και εντός / πάνω στον άνθρωπο, όπως βηματοδότες Fit ή υψηλής τεχνολογίας.

(Οι διάφοροι τύποι αισθητήρων και ενεργοποιητών που υπάρχουν · πηγή)

Εάν πρόκειται να υπάρξει μια αυτόνομη οικονομία, πρέπει να υπάρχει ένας ποταμός πληροφοριών σε πραγματικό χρόνο που ρέει συνεχώς. Ο μόνος τρόπος για να είναι αποτελεσματική η αυτόνομη ενέργεια είναι εάν μπορεί να ανταποκριθεί γρήγορα με αυτοπεποίθηση. Έχοντας τη δυνατότητα παρακολούθησης περίπλοκων λεπτομερειών σε πραγματικό χρόνο σχετικά με μια εγκατάσταση, τον εξοπλισμό της, το περιβάλλον στο οποίο λειτουργεί, ακόμη και τους εργαζόμενούς της (ανθρώπους ή ρομπότ), είναι μετασχηματιστική σε πολλά επίπεδα και δεν έχει ακόμη δει μαζικά. Ουσιαστικά, όλα, φυσικά και μη φυσικά, μεταφέρονται στο διαδίκτυο ως δεδομένα σε έναν διασυνδεδεμένο ιστό, εξ ου και το όνομα, το Διαδίκτυο των πραγμάτων. Είναι οι ανθρώπινες αισθήσεις σε ψηφιακή μορφή.

Ωστόσο, τα ανεπεξέργαστα δεδομένα είναι τόσο καλά όσο ο μηχανισμός φιλτραρίσματος που τα αναλύει. Χωρίς σωστή ανάλυση, οι εφαρμογές θα μοιάζουν με ζώα που ενεργούν ενστικτωδώς, γι ‘αυτό η τεχνητή νοημοσύνη είναι ένα σημαντικό συστατικό του αυτοματισμού.

Τεχνητή νοημοσύνη (AI):

Ενώ τα δεδομένα είναι το καύσιμο της νοημοσύνης, ο εγκέφαλος είναι ο κινητήρας που λαμβάνει δεδομένα, τα παραπέμπει με προηγούμενα δεδομένα, τα ταξινομεί σε κατηγορίες, κάνει κρίσεις, ενεργοποιεί ενέργειες στον πραγματικό κόσμο και τα αποθηκεύει. Ο ανθρώπινος εγκέφαλος είναι απίστευτα ισχυρός και παραμένει ένα μυστήριο για τους επιστήμονες. Είναι το όργανο που διαχωρίζει πραγματικά τους ανθρώπους από οποιοδήποτε άλλο είδος στον πλανήτη, λόγω των γνωστικών του ικανοτήτων. Ως αποτέλεσμα, η αναπαραγωγή του ανθρώπινου εγκεφάλου ως τεχνολογίας θα είναι πολύ περίπλοκη και θα χρειαστεί πολύς χρόνος για να την κυριαρχήσετε. Ωστόσο, αρχίζουν να γίνονται ανακαλύψεις στον τομέα της τεχνητής νοημοσύνης, δίνοντας στις εταιρείες τη δυνατότητα να τρέχουν λογισμικό που μιμείται την ανθρώπινη νοημοσύνη σε κάποια μορφή.

Σύμφωνα με την Adelyn Zhou, κορυφαία φωνή στο AI και διευθυντής μάρκετινγκ για το Chainlink, υπάρχουν επτά τύποι τεχνητής νοημοσύνης:

1) υποκρίνομαι– συστήματα που λειτουργούν βάσει κανόνων όπως ανιχνευτής καπνού ή cruise control.

2) Προλέγω– συστήματα που είναι σε θέση να αναλύουν δεδομένα και να παράγουν πιθανολογικές προβλέψεις βάσει των δεδομένων, όπως στοχευμένες διαφημίσεις ή προτεινόμενο περιεχόμενο.

3) Μαθαίνω– συστήματα που λαμβάνουν κρίσεις βάσει προβλέψεων, όπως αυτοκινούμενα αυτοκίνητα που λειτουργούν με βάση τα δεδομένα αισθητήρων.

4) Δημιουργώ– συστήματα που δημιουργούν βασισμένα δεδομένα, όπως το σχεδιασμό ενός έργου τέχνης, την κατασκευή κτιρίων ή τη σύνθεση μουσικής.

5) Σχετίζομαι– συστήματα που συλλέγουν συναισθήματα με βάση την ανάλυση προσώπου, κειμένου, φωνής και γλώσσας σώματος, όπως εφαρμογή φωνής σε κείμενο και τεχνολογία σάρωσης προσώπου.

6) Κύριος– συστήματα που μεταφέρουν νοημοσύνη σε διάφορους τομείς, όπως αναγνωρίζοντας ότι τέσσερις διαφορετικές εικόνες αντιπροσωπεύουν όλες την ίδια ιδέα / λέξη.

(Ενώ είναι εύκολο για τους ανθρώπους να αναγνωρίσουν ότι όλες αυτές οι εικόνες αντιπροσωπεύουν μια τίγρη, οι μηχανές που χρησιμοποιούν λογισμικό AI δυσκολεύονται να το κάνουν. Απαιτείται έκθεση σε πολλά δεδομένα για να γίνει master. πηγή)

7) Αναπτύσσω– συστήματα που μπορούν να αναβαθμιστούν σε επίπεδο λογισμικού ή υλικού, όπως οι άνθρωποι στο μέλλον που έχουν τη δυνατότητα να κατεβάζουν νοημοσύνη στον εγκέφαλό τους, όπως είναι το λογισμικό.

Η βασική ιδέα είναι ότι το νέο λογισμικό είναι σε θέση να λαμβάνει νέα δεδομένα, να το επεξεργάζεται σε τεράστιες βάσεις δεδομένων αποθηκευμένων πληροφοριών, να λαμβάνει κρίσεις που οδηγούν σε πραγματικές λέξεις και να λαμβάνει σχόλια που μπορούν να χρησιμοποιηθούν για να μάθουν. Η όλη διαδικασία δεν είναι τίποτα περισσότερο από έναν αλγόριθμο λογισμικού που μπορεί να εξελίσσεται όσο αλληλεπιδρά με δεδομένα. Δεν είναι περίεργο ότι η AI γίνεται το κύριο επίκεντρο της Google, δεδομένου ότι έχουν τα περισσότερα δεδομένα στη Γη.

Αν και οι περισσότεροι άνθρωποι δεν σκέφτονται τη ροή τραγουδιών από την Pandora ή τα προτεινόμενα βίντεο από το YouTube ως τεχνητή νοημοσύνη, αυτό ακριβώς είναι. Οι διακομιστές YouTube προσφέρουν μια μεγάλη ποικιλία βίντεο στην πλατφόρμα, οι χρήστες κάνουν κλικ σε βίντεο που θέλουν να παρακολουθήσουν, δίνουν σχόλια για αυτά τα βίντεο, όπως ένας αντίχειρας πάνω / κάτω ή αφήνοντας μεταδεδομένα με τη μορφή του χρόνου παρακολούθησης του βίντεο και Στη συνέχεια, τα σχόλια χρησιμοποιούνται για την ενημέρωση του αλγορίθμου λογισμικού. Το λογισμικό AI μπορεί επίσης να αναλάβει τη δραστηριότητα κάποιου και να το παραπέμψει με τα δεδομένα άλλων χρηστών που τους αρέσουν τα παρόμοια βίντεο, για να προτείνει καλύτερες επιλογές. Αποτελεσματικά, αλλάζει ο αυτο-εξελισσόμενος αλγόριθμος με βάση τα δεδομένα εισόδου. Αυτός ο τύπος AI αναφέρεται ως μηχανική μάθηση.

Ωστόσο, μερικές από τις πιο πρόσφατες εξελίξεις έχουν προκύψει από την ανάπτυξη νευρωνικών δικτύων που χρησιμοποιούνται για βαθιά μάθηση. Τα νευρικά δίκτυα είναι ένα υποσύνολο της μηχανικής μάθησης που επικεντρώνεται σε αλγορίθμους που έχουν διαμορφωθεί σύμφωνα με τον ανθρώπινο εγκέφαλο, αναγνωρίζοντας συγκεκριμένα μοτίβα και κατηγοριοποιώντας / ταξινομώντας πληροφορίες συγκρίνοντάς τις με γνωστές πληροφορίες. Η βαθιά μάθηση είναι ένας τύπος νευρικού δικτύου που έχει επίπεδα βασισμένα σε σχετικές έννοιες ή δέντρα αποφάσεων, όπου η απάντηση μιας ερώτησης οδηγεί σε μια βαθύτερη σχετική ερώτηση έως ότου τα δεδομένα προσδιοριστούν σωστά.

Η κύρια ιδέα είναι να σχεδιάσουμε λογισμικό που μπορεί να λαμβάνει αποφάσεις με βάση δεδομένα αντί για ανθρώπινη παρέμβαση. Το σημερινό λογισμικό εκτελεί απλές λειτουργίες με βάση τις εισόδους, αλλά το λογισμικό τεχνητής νοημοσύνης αναλαμβάνει ενέργειες σε όλους τους κλάδους και εξελίσσεται στις ενέργειες που λαμβάνει με βάση την ικανότητά του να αναλαμβάνει ένα πολύ μεγαλύτερο σύνολο εισόδων. Το λογισμικό AI είναι ευφυΐα σε ψηφιακή μορφή που προσφέρεται στο ευρύ κοινό ως τεχνολογία. Οι περισσότεροι άνθρωποι σκέφτονται μόνο τα ρομπότ ως AI, και ενώ υπάρχουν σίγουρα ενδιαφέρουσες ανακαλύψεις σε αυτόν τον τομέα, το λογισμικό είναι το κλειδί για όλα, γιατί τι είναι σώμα χωρίς εγκέφαλο?

(Οι εταιρείες συνειδητοποιούν όλο και περισσότερο τη σημασία της υιοθέτησης της τεχνολογίας AI. πηγή)

Υπάρχουν ήδη πολλά βιομηχανίες που χρησιμοποιούν λογισμικό AI για να αυξήσουν την κατώτατη γραμμή τους. Ένα παράδειγμα είναι το SAP HANA, μια έξυπνη βάση δεδομένων που μπορεί να λάβει όλους τους τύπους πληροφοριών από την εταιρεία, να την επεξεργαστεί και να εντοπίσει ανωμαλίες. Εταιρείες όπως η Walmart χρησιμοποιούν το SAP HANA επειδή μπορούν να επεξεργαστούν τα αρχεία συναλλαγών μεγάλου όγκου εντός δευτερολέπτων, όλα σε ένα σημείο. Δεν εξοικονομεί χρήματα μόνο λόγω της μείωσης της εργασίας που απαιτείται για τη συμφιλίωση λογαριασμών σε διαφορετικά συστήματα, αλλά εντοπίζει σφάλματα πριν συμβούν και προτείνει οδηγούς για την εταιρεία να ακολουθήσει. Βοηθά επίσης στην πρόβλεψη του προϋπολογισμού λόγω της ικανότητάς του να παραπέμπει δεδομένα σε πραγματικό χρόνο με μεγάλα σιλό υφιστάμενων δεδομένων. Οι εταιρείες αρχίζουν αργά να λειτουργούν, μείον κάποια διοικητική εποπτεία.

Οι κυβερνήσεις αξιοποιούν επίσης την τεχνολογία AI για τη βελτίωση των πόλεων. Ένα παράδειγμα είναι το σύστημα μεταφοράς στο Πίτσμπουργκ, όπου, αντί να βασίζονται σε προγραμματισμένους κύκλους, τα φώτα είναι εξοπλισμένα με αισθητήρες που παρακολουθούν τις κινήσεις της κυκλοφορίας και ανταποκρίνονται σε πραγματικό χρόνο για τη μεγιστοποίηση της ροής. Συμβαίνει επίσης να είναι η πόλη όπου δοκιμάζονται πολλά αυτοματοποιημένα αυτοκίνητα, τα οποία χρησιμοποιούν ενσωματωμένους αισθητήρες για την παρακολούθηση του περιβάλλοντος, καθώς και τροφοδοσίες δεδομένων από αισθητήρες κυκλοφορίας για να λειτουργούν αυτόνομα.

Με την εμπορευματοποιημένη ευφυΐα να είναι πλέον δυνατή χάρη σε άφθονα δεδομένα και ευφυείς αλγόριθμους, το τελικό βήμα είναι να δημιουργηθεί υποδομή για να επικοινωνούν όλοι σε πραγματικό χρόνο με ελάχιστη ή καθόλου τριβή. Αυτή η νέα υποδομή φαίνεται να διανέμεται τεχνολογία καθολικών.

Τεχνολογία κατανεμημένου καθολικού (DLT):

Η ανθρώπινη νοημοσύνη είναι τόσο αξιοσημείωτη επειδή είναι συνεργατική, που σημαίνει ότι η κοινωνική δεξαμενή της γνώσης είναι αποτέλεσμα της ευφυΐας που αλληλεπιδρά με άλλες πληροφορίες. Η ύπαρξη εμποδίων μεταξύ δύο έξυπνων συστημάτων επιβραδύνει την ανάπτυξη επειδή εμποδίζει την πραγματοποίηση συνδέσεων. Όσο περισσότερες συνδέσεις συμβαίνουν, τόσο πιο έξυπνο μπορεί να γίνει κάτι. Προκειμένου να μεγιστοποιηθεί η σύνδεση στην κοινωνία, όλα τα συστήματα πρέπει να είναι σε θέση να αλληλεπιδρούν εύκολα μεταξύ τους, ώστε τα δεδομένα και η αξία να μπορούν να κυκλοφορούν ελεύθερα μέσα στην κοινωνία.

Η ιδανική υποδομή για μια αυτόνομη οικονομία απαιτεί μια βάση δεδομένων, ένα στρώμα επεξεργασίας, ένα επίπεδο συναλλαγών και ένα επίπεδο σύνδεσης, το οποίο επιτρέπει σε οποιοδήποτε σύστημα να λαμβάνει εισόδους και να στέλνει εξόδους σε οποιοδήποτε άλλο σύστημα. Το δίκτυο πρέπει να είναι ασφαλές, να λειτουργεί σε πραγματικό χρόνο και να παρέχει επιλογές εμπιστευτικότητας όταν χρειάζεται. Πρέπει επίσης να παρέχει αποδείξεις για όλα τα εμπλεκόμενα μέρη, να συνεργάζεται με το νόμο και να δημιουργεί σωστά έσοδα από την αξία του. Τέλος, πρέπει να είναι άδειο και δημόσιο για τη διευκόλυνση των εφέ δικτύου που απαιτούνται για τη μέγιστη σύνδεση.

Πρώτον, είναι σημαντικό να κατανοήσουμε τον όρο τεχνολογία κατανεμημένων καθολικών, η οποία είναι απλώς ένας γενικός όρος για μια οικογένεια τεχνολογιών που επικεντρώνονται σε κοινόχρηστα κατανεμημένα καθολικά και αποκεντρωμένες βάσεις δεδομένων.

Blockchain & Άλλη κοινή τεχνολογία καθολικών

Το Blockchain, το πιο γνωστό DLT, είναι ένα κοινό επίπεδο αποθήκευσης ικανό να επεξεργάζεται τις δικές του συναλλαγές και να αποθηκεύει τα αποτελέσματα σε ένα κοινό καθολικό. Τροφοδοτείται από ένα κατανεμημένο δίκτυο υπολογιστών που χρησιμοποιούν όλοι το ίδιο λογισμικό ανοιχτού κώδικα. Εκτός από την αρχική ρύθμιση και την περιοδική συντήρηση που εκτελείται από κάθε άτομο που εκτελεί μια εφαρμογή πελάτη, ένα blockchain είναι ένα πλήρως αυτοματοποιημένο και αυτόνομο δίκτυο, ικανό να επιτύχει τέλεια συναίνεση, χωρίς να αφήνει κεντρικό σημείο επίθεσης για κακόβουλους ηθοποιούς. Στην πραγματικότητα, μπορεί να υποστηριχθεί ότι το blockchain ως τεχνολογία είναι η πιο ασφαλής βάση δεδομένων σε ολόκληρο τον κόσμο. Δεν απαιτείται κεντρική αρχή για ένα δημόσιο blockchain, οποιοσδήποτε μπορεί να χρησιμοποιήσει το δίκτυο και να δημιουργήσει εφαρμογές πάνω από αυτό και οι συναλλαγές είναι peer-to-peer (P2P), αντί να έχουν διαμεσολαβητές μεταξύ των μερών. Παρόμοια με το πώς το Διαδίκτυο ανατινάχθηκε για μεταφορά δεδομένων λόγω της άδειάς του φύσης. οι δημόσιες μπλοκ αλυσίδες θα μπορούσαν να έχουν μια έκρηξη επιπτώσεων στο δίκτυο ως κυρίαρχες βάσεις δεδομένων και μέσα ανταλλαγής τόσο για την ανθρώπινη όσο και για την οικονομία της μηχανής.

(Τα εφέ δικτύου είναι πιθανώς ο μεγαλύτερος λόγος για τον οποίο τα δημόσια blockchain θα δουν μαζική υιοθέτηση κάποια στιγμή στο μέλλον. πηγή)

Τα blockchains συχνά διαφοροποιούνται από τον τρόπο με τον οποίο το δίκτυο επιτυγχάνει συναίνεση και ποιος ανταμείβεται για την επίτευξή του. Υπάρχει μια ποικιλία μηχανισμών συναίνεσης blockchain, όπως Proof-of-Work (POW) σε Bitcoin, Delegated Proof-of-Stake (DPoS) στο EOS, Delegated Byzantine Fault Tolerance (dBFT) στο NEO, Practical Byzantine Fault Tolerance (PBFT) ) στο Stellar και στο Proof-of-Stake (POS), το οποίο δεν έχει ακόμη επιτευχθεί πλήρως, αλλά το Ethereum πιέζει να είναι το πρώτο. Υπάρχουν επίσης επιτρεπόμενα blockchain, όπως το Hyperledger IBM, που επιτρέπουν μόνο σε ορισμένα μέρη να χρησιμοποιούν το δίκτυο, παρόμοιο με μια ιδιωτική κοινοπραξία. Ωστόσο, υπάρχει μεγάλη αμφιβολία σχετικά με το ότι οι επιτρεπόμενες μπλοκ αλυσίδες είναι πραγματικά ωφέλιμες όταν οι δημόσιες μπλοκ αλυσίδες γίνονται επεκτάσιμες και επιτρέπουν το απόρρητο. Παρόμοια με τη συζήτηση Intranet εναντίον Διαδικτύου, αυτό που είναι πιθανό να συμβεί είναι ότι οι εγκεκριμένες αλυσίδες έχουν την εξειδικευμένη θήκη χρήσης τους, αλλά τελικά οι δημόσιοι αποκλεισμοί θα αποτελέσουν τον κύριο δρόμο διασύνδεσης για μεταφορά αξίας σε όλο τον κόσμο.

Υπάρχουν και άλλες μορφές DLT, που προσφέρουν παρόμοιες προτάσεις για το blockchain. Αυτά περιλαμβάνουν κατευθυνόμενα ακυκλικά γραφήματα (DAG) όπως το IOTA και το NANO ή τεχνολογίες όπως το Hashgraph και το Holochain που χρησιμοποιούν πρωτόκολλα κουτσομπολιού αντί για πλήρη συναίνεση δικτύου. Το γενικό θέμα όμως είναι ότι όλες αυτές οι βάσεις δεδομένων αποθηκεύουν και επεξεργάζονται δεδομένα σε ένα κοινό κατανεμημένο δίκτυο. Όπως το θέτει ο Blythe Masters of Digital Asset, παρέχει μια «χρυσή πηγή αλήθειας».

Έξυπνες συμβάσεις

Το δεύτερο πιο γνωστό DLT είναι έξυπνα συμβόλαια, τα οποία είναι πρωτόκολλα εντός του blockchain που μιμούνται νομικές συμφωνίες και δικαστές. Οι οικονομίες απαιτούν όλους τους τύπους συμφωνιών και διαιτησία αυτών των συμφωνιών με βάση τα αποτελέσματα του πραγματικού κόσμου. Τα έξυπνα συμβόλαια μπορούν να το επαναδημιουργήσουν στον ψηφιακό κόσμο χρησιμοποιώντας δηλώσεις if / then για ενεργοποίηση συναλλαγών βάσει της κατάστασης της σύμβασης. Η βασική προϋπόθεση είναι ότι μια σύμβαση κωδικοποιείται όπως θα ήταν γραμμένη, χρησιμοποιώντας παραμέτρους if / then. Ένα παράδειγμα θα ήταν μια σύμβαση παραγώγων όπου, εάν το προϊόν φτάσει σε μια συγκεκριμένη τιμή, τότε ο πελάτης πληρώνεται, αλλά αν όχι, τότε ο πελάτης πληρώνει το άλλο μέρος.

(Ένα παράδειγμα του τρόπου με τον οποίο τα έξυπνα συμβόλαια ενεργοποιούν αυτοματοποιημένες ενέργειες σε μια οικονομία. πηγή)

Ενώ το IoT συλλέγει δεδομένα και επεξεργάζεται δεδομένα AI, τα έξυπνα συμβόλαια είναι η υποδομή λογισμικού που χρησιμοποιεί δεδομένα για την ενεργοποίηση πραγματικών ενεργειών, όπως πληρωμές, μεταφορά δεδομένων ή αποθήκευση ενός αποτελέσματος. Είναι συγκρίσιμο με την ανθρώπινη χειραψία σε μια επιχειρηματική συμφωνία ή έναν άνθρωπο πατώντας το κουμπί ΑΠΟΣΤΟΛΗ για να ενεργοποιήσετε μια ενέργεια. Δεδομένου ότι τα έξυπνα συμβόλαια βρίσκονται εντός των blockchain, αποκτούν όλα τα πλεονεκτήματα ασφάλειας που συνοδεύουν επίσης. Τα έξυπνα συμβόλαια είναι πραγματικά ένα λειτουργικό επίπεδο συναλλαγών που ενεργοποιεί αυτόνομες ενέργειες χρησιμοποιώντας δεδομένα για να δημιουργήσει αυτό που μπορεί να περιγραφεί μόνο ως αυτο-τρέχουσα οικονομία με αυτοματοποιημένη κίνηση αξίας. Οι έξυπνες συμβάσεις αντιπροσωπεύουν πραγματική δράση και εμπόριο.

Αρχικός συγγραφέας: TechFoodLife

Ανατυπώθηκε από: https://medium.com/@TechFoodLife/tech-the-fourth-industrial-revolution-the-rise-of-the-autonomous-economy-f42bc7b5667d

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me
Like this post? Please share to your friends:
Adblock
detector
map