Сквозные технологии цифровой экономики

Что такое сквозные цифровые технологии

Сквозные цифровые технологии — это цифровые структуры, технологии и методы, которые являются важными областями исследований сами по себе и обеспечивают базовые структуры в решении социальных и институциональных задач.

Виды

  • большие данные;
  • робототехника и сенсорные компоненты;
  • распределенные базы данных (например, блокчейн);
  • нейротехнологии и ИИ;
  • промышленный Интернет;
  • беспроводная связь;
  • виртуальная и дополненная реальность;
  • квантовые технологии.

Особенности

Это прогрессивное научно-техническое направление, которое обеспечивает продуктивность некоторых областей, например, разработку высокотехнологичных продуктов и услуг. Оно также оказывает положительное влияние на экономическое развитие в мире. Эта технология не связана с определенной сферой или продуктом, и специалисты могут использовать ее в образовании, энергетике, строительстве, машиностроении, медицине.

В эпоху Четвертой промышленной революции компании объединят в сеть свои системы, машины, компоненты, логистику и производственное оборудование. Благодаря современным информационным технологиям машины и компоненты смогут сами активно поддерживать производственный процесс.

Осторожно! Если преподаватель обнаружит плагиат в работе, не избежать крупных проблем (вплоть до отчисления). Если нет возможности написать самому, закажите тут.

Характеристика

Дополненная реальность и виртуальная реальность — это технологии реальности, которые либо улучшают, либо заменяют реальную среду на смоделированную.

  1. Дополненная реальность (AR) дополняет окружающее пространство, добавляя цифровые элементы к живому виду, часто с помощью камеры на смартфоне.
  2. Виртуальная реальность (VR) — это полное погружение в реальность, которое заменяет реальное окружение смоделированным.

Однако когда гарнитуры включаются, ЖК- или OLED-панели внутри них преломляются линзами и заполняют ваше поле зрения тем, что на них отображается. Это может быть игра, 360-градусное видео или просто виртуальное пространство интерфейсов платформ.

Нейротехнологии напрямую задействуют человеческий мозг для мониторинга, оценки, эмуляции и манипулирования его функциями. Одним из таких примеров являются мозговые компьютерные интерфейсы, которые могут поддерживать более интуитивное управление протезами и передавать сенсорную информацию пользователям. Среди основных этических проблем — как обеспечить сохранение свободы воли и автономии человека, а также вопросы конфиденциальности конфиденциальных данных.

Это семейство технологий объединяет ряд технологий, которые непосредственно контролируют, оценивают, опосредуют, манипулируют и эмулируют структуру, функции и возможности человеческого мозга.

Ожидается, что они изменят существующую медицинскую практику и переопределят клинический и неклинический мониторинг и вмешательство. Например, пациентов с дегенеративными двигательными заболеваниями можно будет лечить более эффективно с помощью нейроустройств, обеспечивающих регенерацию нейронов за счет стимуляции определенных зон мозга. В настоящее время такие нейроприборы являются объектом исследований для лечения болезней Паркинсона и Альцгеймера, последствий инсультов и тяжелых травм, а также многих других заболеваний.

Промышленный интернет вещей — это совокупность датчиков, приборов и автономных устройств, подключенных через интернет к промышленным приложениям.

Эта сеть позволяет собирать данные, проводить анализ и оптимизировать производство, повышая эффективность и снижая затраты на производственный процесс и оказание услуг. Промышленные приложения — это целые технологические экосистемы, которые соединяют устройства и их компоненты с людьми, управляющими процессами на сборочных линиях, в логистике и крупномасштабной дистрибуции.

Большие данные — это термин, обозначающий огромный объем данных, которые ежедневно генерируют организации. В прошлом эти данные были слишком большими и сложными, чтобы с ними могли справиться традиционные инструменты обработки данных.

С начала времен и до 2003 года на весь мир приходилось всего пять миллиардов гигабайт данных. В 2011 году такой же объем данных был сгенерирован всего за два дня. К 2013 году этот объем генерировался каждые десять минут. Поэтому неудивительно, что 90 % всех данных в мире было сгенерировано за последние несколько лет.

Аналитика больших данных предполагает выявление тенденций, закономерностей и корреляций в огромных массивах необработанных данных для принятия решений, основанных на данных. В этих процедурах используются известные методы статистического анализа, такие как кластеризация и регрессия, для больших массивов данных с помощью более современных инструментов.

1.Сбор данных
У каждой компании свой подход к сбору данных. Благодаря современным технологиям компании могут собирать неструктурированные и структурированные данные из различных источников, включая облачные хранилища, мобильные приложения, IoT-датчики в магазинах и многое другое.

2. Организация данных
Чтобы аналитические запросы давали правильные ответы, после сбора и хранения данные должны быть соответствующим образом организованы, особенно если речь идет о больших и неструктурированных данных.

3. Чистые данные
Все данные, независимо от их объема, должны быть очищены, чтобы повысить качество данных и получить более надежные выводы. Дублирующие или ненужные данные должны быть удалены или учтены, а все данные должны быть соответствующим образом структурированы. Грязные данные могут скрывать и обманывать, что приводит к неточным выводам.

4. Анализ данных
Для преобразования огромных объемов данных в пригодную для использования форму требуется время. Передовые методы анализа могут превратить огромные данные в значимые сведения, которые уже доступны. К таким методам анализа больших данных относятся:

Поиск аномалий и формирование кластеров позволяет просеивать огромные массивы данных, чтобы найти закономерности и взаимосвязи.
Используя исторические данные о бизнесе, предиктивная аналитика анализирует прогнозы на будущее, чтобы обнаружить потенциальные опасности и возможности.
Глубокое обучение объединяет алгоритмы для выявления закономерностей даже в самых сложных абстрактных данных, имитируя человеческие модели обучения.

Робототехника — это область техники и науки, включающая в себя машиностроение, электротехнику, информатику и другие.

Занимается проектированием, созданием, эксплуатацией и использованием роботов и компьютерных систем для их управления, сенсорной обратной связи и обработки информации.

Робот — это устройство, реализующее взаимодействие с физическим миром на основе датчиков, исполнительных механизмов и обработки информации. Ключевой областью применения роботов является промышленность, а точнее, Индустрия 4.0, где используются промышленные роботы.

Распределенная база — это база данных, которая не ограничивается одной системой, а разбросана по разным сайтам, то есть на нескольких компьютерах или в сети компьютеров.

Пользователям, разбросанным по разным регионам, часто требуется локальный доступ к данным. Глобально распределенная база данных обеспечивает согласованность транзакций и низкие задержки. Например, глобальные банки и гиганты электронной коммерции, такие как Amazon, используют распределенные базы данных для быстрого доступа к локальным данным, обеспечивая постоянный баланс счетов и эффективное время загрузки.

Если один из узлов выходит из строя, система перенаправляет запросы на другие работающие узлы. Этот автоматический и быстрый процесс восстановления работоспособности сводит к минимуму время простоя и потерю данных. Финансовые учреждения, ежедневно совершающие миллионы транзакций, нуждаются в такой высокой доступности и отказоустойчивости данных.

Типы:

1. Однородная БД:
В однородной БД все различные сайты хранят базу данных одинаково. Операционная система, система управления базой данных, используемые структуры данных — все это одинаково на всех сайтах. Следовательно, ими легко управлять.

2. Гетерогенная БД:
Разные сайты могут использовать разные схемы и программное обеспечение, что может привести к проблемам при обработке запросов и транзакций. Кроме того, конкретный сайт может быть совершенно не осведомлен о других сайтах. На разных компьютерах могут использоваться разные операционные системы, разные приложения для работы с базами данных. Они могут даже использовать разные модели данных для базы. Поэтому для взаимодействия разных сайтов необходимы переводы.

Существует 2 способа хранения данных на разных сайтах. К ним относятся:

  1. Фрагментация: при этом подходе отношения фрагментируются (т. е. делятся на более мелкие части), и каждый из фрагментов хранится в разных местах, где он необходим. Необходимо убедиться, что фрагменты таковы, что их можно использовать для восстановления исходного отношения (т. е. не происходит потери данных).
    Фрагментация выгодна тем, что не создает копий данных, и согласованность не является проблемой.
  2. Репликация: все отношения хранятся с избытком на 2 или более сайтах. Если вся база данных доступна на всех сайтах, то это полностью избыточная база данных. Таким образом, при репликации системы поддерживают копии данных.

Искусственный интеллект (ИИ) — это имитация человеческого интеллекта в машинах, которые запрограммированы думать и действовать как люди. Обучение, рассуждения, решение проблем, восприятие и понимание языка — все это примеры когнитивных способностей.

Это метод, позволяющий компьютеру, роботу, управляемому компьютером, или программному обеспечению мыслить разумно, как человек. ИИ достигается путем изучения закономерностей работы человеческого мозга и анализа когнитивных процессов. В результате этих исследований разрабатывается интеллектуальное программное обеспечение и системы.

  1. Слабый ИИ относится к системам ИИ, которые предназначены для выполнения конкретных задач и ограничены только этими задачами. Такие системы ИИ отлично справляются с поставленными перед ними задачами, но не обладают общим интеллектом. Примерами слабого ИИ являются голосовые помощники, такие как Siri или Alexa, алгоритмы рекомендаций и системы распознавания изображений. Слабый ИИ работает в заданных границах и не может выйти за пределы своей специализированной области.
  2. Сильный ИИ, также известный как общий ИИ, относится к системам ИИ, которые обладают интеллектом на уровне человека или даже превосходят его в широком диапазоне задач. Сильный ИИ будет способен понимать, рассуждать, обучаться и применять знания для решения сложных проблем в манере, схожей с человеческим познанием. Однако разработка сильного ИИ все еще остается в значительной степени теоретической и на сегодняшний день не достигнута.

Примеры

Квантовые компьютеры

Квантовые компьютеры — одно из самых заметных применений квантовых технологий. Эти устройства заметно отличаются от традиционных компьютеров по способу хранения и обработки информации. Если в обычных компьютерах для представления данных используются биты, которые могут существовать в двух различных состояниях (0 или 1), то в квантовых компьютерах используются кубиты. Наиболее интригующей особенностью кубитов является их способность существовать в суперпозиции, что означает, что они могут представлять состояние, находящееся в промежуточной точке между двумя возможными состояниями. Это свойство сродни подбрасыванию монеты, когда вместо того, чтобы выпасть решка или голова, она остается в неопределенном состоянии.

Они способны значительно ускорить решение некоторых задач, но важно отметить, что это ускорение применимо только к определенным типам задач. Поэтому такие системы считаются машинами специального назначения, подобно графическим процессорам (GPU), предназначенным для ускорения графики в играх и подобных приложениях.

Квантовый интернет

Квантовый интернет использует квантовые эффекты для безопасной передачи информации. Одним из главных достижений является квантовое распределение ключей (QKD), которое предотвращает вмешательство, опираясь на квантовый принцип, согласно которому вмешательство в квантовую систему свидетельствует о вторжении.

Чтобы проиллюстрировать это простым способом, мы можем сравнить это с подбрасыванием монет: протоколы связи могут быть разработаны для обнаружения любых манипуляций с «монетами», передаваемыми по сети, что указывает на возможное присутствие злоумышленника. Квантовая криптографическая система не устраняет возможность атаки, но обеспечивает возможность ее обнаружения.

Квантовое моделирование

Основная цель квантового моделирования — понять поведение систем с квантовыми свойствами, характеристики которых не могут быть точно рассчитаны с помощью классических компьютеров. Например, чтобы понять поведение очень сложной молекулы, необходимо смоделировать взаимодействие между ее компонентами. Поскольку эти взаимодействия имеют квантовую природу, их невозможно эффективно смоделировать на обычном компьютере. Напротив, квантовые симуляторы, разработанные в соответствии с принципами квантовой механики, предлагают более эффективное решение.

Если мы хотим понять, как различные варианты молекулы взаимодействуют друг с другом, то вместо того, чтобы проводить дорогостоящие тесты на всех возможных комбинациях, мы представляем эти варианты в квантовом симуляторе. Представление не обязательно должно быть идеальным, но достаточно точным, чтобы можно было изучить поведение. Затем мы просто измеряем результаты, полученные симулятором.

ИИ

Например, ранний слой может распознать, что что-то имеет определенную форму; основываясь на этих знаниях, последующий слой может идентифицировать эту форму как знак «Стоп». Подобно машинному обучению, глубокое обучение использует итерации для самокоррекции и улучшения своих возможностей прогнозирования. Например, узнав, как выглядит знак, он сможет распознать его на новом изображении.

Промышленный интернет вещей

  1. Носимые устройства, такие как очки, браслеты и перчатки, позволяют собирать данные о носящем их операторе. Например, данные о местонахождении или близости к оборудованию, пульсе, температуре и кровяном давлении, что снижает вероятность несчастных случаев.
  2. Транспортировка компонентов на завод или продукции на склад может осуществляться с помощью автономных транспортных средств, способных перемещаться из одной части завода в другую, обнаруживая препятствия.
  3. Операторы-люди будут по-прежнему необходимы для выполнения многих задач, но инструменты, которые они используют, будут подключены к системе, чтобы сэкономить время и избежать ошибок.
  4. Хранимые продукты оснащаются датчиками, которые в режиме реального времени предоставляют данные об их местонахождении и даже о температуре и окружающих условиях, что особенно полезно, например, при распределении вакцины.

Робототехника

кресло

Источник: sweetwaternow.com

Хирургические роботы, такие как da Vinci Surgical System, позволяют хирургам выполнять минимально инвазивные процедуры с большей точностью и контролем. Эти роботы используют передовые системы компьютерного зрения и тактильной обратной связи, обеспечивая хирургам высокую степень ловкости и точности во время операций.

Насколько полезной была для вас статья?

У этой статьи пока нет оценок.

Заметили ошибку?

Выделите текст и нажмите одновременно клавиши «Ctrl» и «Enter»