Noll
(Bild: Diagram av Christoph Roser på AllAboutLean.com (CC-BY-SA-4.0))
Diagram som förklarar den fjärde industriell revolution, som den här av Christoph Roser, är OK så långt som de går. Bortsett från att begreppet “cyber physical systems”. Usch. Vad de menar är att fysiska system blir digital. Tror av Internet of Things (IoT) överladdad av artificiell intelligens (AI).
Men enligt Distinguished Professor Genevieve Bell, dessa diagram saknas något viktigt: Människor och deras sociala strukturer.
“Nu för de av oss som har kommit ut av samhällsvetenskap och humaniora, och detta är ett utmärkt diagrammet på grund av att det arbete den utför i att städa historia,” Bell sade i sitt föredrag på Trinity Lång Rum Navet vid Trinity College i Dublin i juli.
“Det hjälper inte om vad du vill tänka på var vad som stod på. Var och en av dessa tekniska omvandlingar också om att djupa förändringar i sedvänjor, sociala strukturer, sociala organisationer, i grunden olika idéer om medborgarskap, styrning, reglering, idéer och civila samhället.”
Ett annat problem med denna förenklade uppfattning är det sätt Industri 4.0 folk bifoga datum för detta diagram. Ångkraften och mekanisering i 1760-1820 eller så. Massproduktion från kanske 1870, men det mest berömda kapitlet som Henry Fords arbete i 1913. Då datorer och automation började användas för att hantera tillverkningen, från 1950-talet.
“Den tiden systemet fungerar riktigt bra om du är i Väst. Det håller inte om du är i Kina eller Indien eller latinamerika eller Afrika, där de flesta av de saker som hände på 20-talet, många av dem sedan 1945,” Bell sade.
Bell vill veta vad vi kan lära oss av de första tre varv. Hon leder 3A Institute vid the Australian National University, som lanserades i September 2017 och arbetar reda på hur vi bör reagera på, och kanske till och med direkt, den fjärde revolution.
Ta ångmaskiner av den första industriella revolutionen. De var byggda av smeder och ironmongers, som visste vad de behövde för att bygga motorer. Men de visste inte hur de ska forma branscher motorer kan makten, eller hur kammaren dem, eller om de säkerhetssystem som de skulle behöva. Dessa och andra problem som genereras av de nya tillämpade vetenskapen om teknik. Den första school of engineering, École Polytechnique, grundades i Paris år 1794.
Den storskaliga fabriker och järnvägen av den andra industriella revolutionen behövde stora summor pengar. Öka och att hantera pengar bokstavligen lett till kapitalismen, och begrepp som vanliga aktiebolag och terminshandel. Och den första business school med finansiering från industrin.
Tidigt i computer revolution, den AMERIKANSKA regeringen hade ett problem. Nästan alla sina datorer förlitade sig på att proprietär programvara från företag som IBM och Honeywell. Så det frågade Stanford University matematikern George Forsythe för att skapa ett abstrakt språk för alla datorer. Två år senare, hans team utvecklat en sak som kallas för datavetenskap, och utfärdade en vanlig 10-sidan läroplanen. En uppdaterad version är fortfarande används världen över i dag.
“Så, teknik, business och computer science: Tre helt olika applied sciences, som härrör från tre helt olika tekniska system, med olika impulser,” Bell sade.
“Varje startar väldigt bred i termer av idéerna som det bygger på, snabbt och smalnar av till en mycket tydlig uppsättning av teoretiska verktyg och en idé om praktiken, sedan skalas mycket snabbt.”
Med detta i åtanke, Bell sa att en fjärde industriell revolution behöver en egen tillämpad vetenskap, så det är precis vad 3A Institutet kommer att bygga — som webbplatsen uttrycker det, “en ny tillämpad vetenskap kring hanteringen av artificiell intelligens, data och teknik och deras inverkan på mänskligheten”.
Och 3A Institutet planerar att göra det fram till 2022.
Nio månader in i denna stora projekt, det är identifierat fem uppsättningar av frågor som denna nya vetenskap måste kunna svara på.
Första är Autonomi. Om autonoma system fungerar utan färdigskriven regler, hur ska vi stoppa dem att vända det onda, som så många fiktiva robotar göra? Hur påverkar olika autonoma system interagerar? Hur gör vi för att reglera dessa interaktioner? Hur gör du för att säkra att dessa system och göra dem säkra? Hur gör reglerna ändras när systemen över nationsgränser?
Eller, som Bell frågade, “Vad innebär det att leva i en värld där objekt agera utan hänsyn till oss? Och hur vet vi vad de gör? Och behöver vi bry oss?”
Andra organ, som är en riktigt om gränserna för ett objekt: s självständighet. Med ett autonomt fordon, till exempel, har det stanna vid gränsen? Om så är fallet, vilken gräns? Bestäms av vem? Under vilka omständigheter?
“Har din bil så måste uppdateras på grund av Brexit, och om så hur skulle du göra det?” Bell frågade.
Om autonoma fordon är följande regler, hur är de regler som prövas? Göra regler sitta på objektet, eller någon annanstans? Om det finns några nätverk regel som får fordon av vägen för att låta utryckningsfordon igenom, vem bestämmer och hur? Om du har flera objekt med olika regeluppsättningar, hur ska de engagera sig med varandra?
För det tredje är Kvalitetssäkring, och som Bell förklarade, “att sitta under det [är] en hel rad med andra ord. Säkerhet, säkerhet, risk, tillit, ansvar, explicability, hanterbarhet.”
Fjärde är Statistik.
“Den industriella revolutionen hittills har gått på föreställningen att det är lämpligt mått var en ökning i produktivitet eller effektivitet. Så maskiner gjorde vad människor kunde inte, snabbare, utan avbrott för lunch, obevekligt,” Bell sade.
Gör det igen, vi kanske har gjort saker annorlunda, sade hon. Vi kanske har miljömässig hållbarhet ingår som ett mått.
“Vad du mäter är vad du gör, och så inbillar vi lägger våra mätmetoder upp på framsidan skulle vara ett riktigt intressant sätt att tänka kring detta.”
Statistik för fjärde revolution system kan innefatta säkerhet, kvalitet i beslutsfattandet och kvalitet för insamling av data.
Vissa AI-tekniker, inklusive djupt lärande, är energikrävande. Cirka 10 procent av världens energi går redan till att köra server gårdar. Kanske en energieffektivitet metriska skulle innebära att vissa uppgifter skulle göras mer effektivt genom en människa.
Femte och slutligen är Gränssnitt. Vårt nuvarande system för människa-dator-interaktion (MDI) kanske inte fungerar bra med autonoma system.
“Detta är ett objekt som du kommer att leva i, flyttas runt, som kan leva i dig, som kan leva runt omkring dig och inte bry dig alls … det sätt som vi väljer att samarbeta med dem som objekt känns mycket olika till sättet MDI har fått oss fram till detta ögonblick i tiden,” Bell sade.
“Vad skulle det betyda att [ha] system som var, jag vet inte, vårda? Omsorg? Robotar som inte vill döda oss, men ville att leta efter oss.”
Som med datavetenskap innan det, 3A Institutet är att utveckla en läroplan för detta ännu namnlösa ny vetenskap. Det första förslaget kommer att testas på 10 doktorander i och med 2019.
Bell ‘ s tal i Dublin, med titeln “att Hantera Maskiner”, ingår mycket mer ingående än vad som redovisas här. Versioner presenteras runt planeten, och videor börjar visas. Denna författare rekommenderar dem.
Relaterade Täckning
5 sätt machine learning gör livet svårare för it-proffs (TechRepublic)
Medan många företag vänder sig till maskinen lärande verktyg i kampen mot hackers, de kan inte vara så bra som de verkar tack vare en talang brist och brist på insyn.
Google Nästa 2018: En djupare dyk på AI och maskininlärning förskott
Google Cloud meddelanden föra djupt lärande och big data analytics utöver data forskare, men företagen vill ha mer.
Rör sig snabbt utan att bryta data: – Styrning för att hantera risk i maskininlärning och bortom
Hur gör du för att lösa spänningen mellan behovet av att bygga och distribuera exakta modeller för snabbt, och behovet av att förstå hur dessa modeller fungerar, vilka uppgifter som berörs, och vilka är konsekvenserna? Immuta säger data governance är svaret.
När skadlig kod visar artificiell intelligens i ett vapen (TechRepublic)
I framtiden, ditt ansikte kan bli den utlösande faktorn för genomförandet av skadlig kod.
Hyra kit: Android utvecklare (Tech Pro Forskning)
Företag blir allt mer beroende av mobila plattformar för att driva sin verksamhet och för att möjliggöra en produktiv arbetskraft – och det innebär att anställa finfin utvecklare att bygga appar som de behöver.
Relaterade Ämnen:
Tech-Industrin
CXO
Digital Omvandling
Smarta Städer
Cloud
0