Лекция №12. Smart технологии

Цель: подготовка студентов к использованию Smart технологии План:

1.Интернет вещей. Большие данные. Технология Блок чейн. Искусственный интеллект.

2.Использование Smart-сервисов. Зеленые технологии в ИКТ. 3.Телеконференции. Телемедицина.

 

1.Интернет вещей. Большие данные. Технология Блок чейн. Искусственный интеллект.

 

Интернет вещей (англ. Internet of Things, IoT) — концепция вычислительной сети физических предметов («вещей»), оснащённых встроенными технологиями для взаимодействия друг с другом или с внешней средой, рассматривающая организацию таких сетей как явление, способное перестроить экономические и общественные процессы, исключающее из части действий и операций необходимость участия человека Интернет вещей. Это новый этап развития Интернета, значительно расширяющий возможности сбора, анализа и распределения данных, которые человек может превратить в информацию и в знания. В этом смысле Интернет вещей приобретает огромное значение.

Зачем нужен интернет вещей

Идеология интернета вещей направлена на повышение эффективности экономики за счет автоматизации процессов в различных сферах деятельности и исключения из них человека.

На начало 2016 года в использовании технологий интернета вещей компании ориентируются в первую очередь на массовые сегменты IoT, где побуждением конечных пользователей к использованию решений и сервисов IoT являются рыночные стимулы, такие как:

1. «Умный дом», включая:

· Решения для создания интеллектуальных сервисов безопасности

· Решения для создания интеллектуальных сервисов оптимизации использования ресурсов домохозяйствами

2. «Умный транспорт», включая:

· Сервисы класса fleet management для индивидуальных перевозчиков (некий аналог Uber для грузового транспорта)

· Сервисы UBI-страхования

· Сервисы технического обслуживания по фактическому состоянию

3. Торговля и финансовые услуги:

· Решения для автоматической передачи и анализа данных с POS-терминалов, включая виртуальные

· Управление запасами домохозяйств как сервис.

Как возник интернет вещей

Интернет вещей зародился в Массачусетском технологическом институте. В 1999 году там был создан Центр автоматической идентификации (Auto-ID Center), занимавшийся радиочастотной идентификацией (RFID) и новыми сенсорными технологиями. Центр координировал работу семи университетов, расположенных на четырех континентах. Именно здесь была разработана архитектура Интернета вещей.

В 2010 году в результате стремительного распространения смартфонов и планшетных компьютеров количество подключенных устройств выросло до 12,5 млрд, тогда как население Земли составило 6,8 млрд человек. Таким образом, впервые в истории на каждого человека стало приходиться более одного подключенного устройства (1,84 устройства на душу населения).

Большие данные (англ. big data, [ˈbɪɡ ˈdeɪtə]) в информационных технологиях — совокупность подходов, инструментов и методов обработки структурированных и неструктурированных данных огромных объёмов и значительного многообразия для получения воспринимаемых человеком результатов, эффективных в условиях непрерывного прироста, распределения по многочисленным узлам вычислительной сети, сформировавшихся в конце 2000-х годов, альтернативных традиционным системам управления базами данных и решениям класса Business Intelligence. В данную серию включают средства массово-параллельной обработки неопределённо структурированных данных, прежде всего, решениями категории NoSQL, алгоритмами MapReduce, программными каркасами и библиотеками проекта Hadoop.

Методы анализа

Методы и техники анализа, применимые к большим данным, выделенные в отчёте McKinsey:

· методы класса Data Mining: обучение ассоциативным правилам (англ. association rule learning), классификация (методы категоризации новых данных на основе принципов, ранее применённых к уже наличествующим данным), кластерный анализ, регрессионный анализ;

· краудсорсинг — категоризация и обогащение данных силами широкого, неопределённого круга лиц, привлечённых на основании публичной оферты, без вступления в трудовые отношения;

· смешение и интеграция данных (англ. data fusion and integration) — набор техник, позволяющих интегрировать разнородные данные из разнообразных источников для возможности глубинного анализа, в качестве примеров таких техник, составляющих этот класс методов приводятся цифровая обработка сигналов и обработка естественного языка (включая тональный анализ);

· машинное обучение, включая обучение с учителем и без учителя, а также Ensemble learning (англ.) — использование моделей, построенных на базе статистического анализа или машинного обучения для получения комплексных прогнозов на основе базовых моделей (англ. constituent models, ср. со статистическим ансамблем в статистической механике);

· искусственные нейронные сети, сетевой анализ, оптимизация, в том числе генетические алгоритмы;

· распознавание образов;

· прогнозная аналитика;

· имитационное моделирование;

· пространственный анализ (англ. Spatial analysis) — класс методов, использующих топологическую, геометрическую и географическую информацию в данных;

· статистический анализ, в качестве примеров методов приводятся A/B-тестирование и анализ временных рядов;

· визуализация аналитических данных — представление информации в виде рисунков, диаграмм, с использованием интерактивных возможностей и анимации как для получения результатов, так и для использования в качестве исходных данных для дальнейшего анализа.

Цепо́чка бло́ков транза́кций — выстроенная по определённым правилам цепочка из формируемых блоков транзакций. Впервые термин появился как название распределённой базы данных, реализованной в криптовалюте «Биткойн». Широко используется также термин Блокчейн как транслитерация от (англ. Blockchain, Block chain ^[1]: block — блок, chain — цепочка).

Блок транзакций

Блок транзакций — специальная структура для записи группы транзакций в системе Биткойн и аналогичных ей.

Чтобы транзакция считалась достоверной («подтверждённой»), её формат и подписи должны проверить и затем группу транзакций записать в специальную структуру — блок. Информацию в блоках можно быстро перепроверить. Каждый блок всегда содержит информацию о предыдущем блоке. Все блоки можно выстроить в одну цепочку, которая содержит информацию о всех совершённых когда-либо операциях в этой базе. Самый первый блок в цепочке — первичный блок (англ. genesis block) — рассматривается как отдельный случай, так как у него отсутствует родительский блок.

Блок состоит из заголовка и списка транзакций. Заголовок блока включает в себя свой хеш, хеш предыдущего блока, хеши транзакций и дополнительную служебную информацию. В системе Биткойн первой транзакцией в блоке всегда указывается получение комиссии, которая станет наградой пользователю за созданный блок.

Далее идут все или некоторые из последних транзакций, которые ещё не были записаны в предыдущие блоки. Для транзакций в блоке используется древовидное хеширование, аналогичное формированию хеш-суммы для файла в протоколе BitTorrent. Транзакции, кроме начисления комиссии за создание блока, содержат внутри атрибута input ссылку на транзакцию с предыдущим состоянием данных (в системе Биткойн, например, даётся ссылка на ту транзакцию, по которой были получены расходуемые биткойны). Комиссионные транзакции могут содержать в атрибуте любую информацию (для них это поле носит название англ. Coinbase parameter), поскольку у них нет родительских транзакций.

Созданный блок будет принят остальными пользователями, если числовое значение хеша заголовка равно или ниже определённого числа, величина которого периодически корректируется. Так как результат хеширования (функции SHA-256) необратим, нет алгоритма получения желаемого результата, кроме случайного перебора. Если хеш не удовлетворяет условию, то в заголовке изменяется параметр nonce и хеш пересчитывается. Обычно требуется большое количество пересчётов. Когда вариант найден, узел рассылает полученный блок другим подключенным узлам, которые проверяют блок. Если ошибок нет, то блок считается добавленным в цепочку и следующий блок должен включить в себя его хеш^[2].

Величина целевого числа, с которым сравнивается хеш, в системе Биткойн корректируется через каждые 2016 блоков. Запланировано, что вся сеть системы Биткойн должна тратить на генерацию одного блока примерно 10 минут, на 2016 блоков — около двух недель. Если 2016 блоков сформированы быстрее, то цель немного уменьшается и достичь её становится труднее, в противном случае цель увеличивается. Изменение сложности вычислений не влияет на надёжность сети Биткойн и требуется лишь для того, чтобы система генерировала блоки почти с постоянной скоростью, не зависящей от вычислительной мощности участников сети.

Цепочка блоков

Рисунок 23- Цепочка блоков

 

Основная последовательность блоков (чёрные) является самой длинной от начального (зелёный) до текущего. Побочные ветви (фиолетовые) отсекаются.

Иску́сственный интелле́кт (ИИ, англ. Artificial intelligence, AI) — 1) наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ^[1]; 2) свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека.

ИИ связан со сходной задачей использования компьютеров для понимания человеческого интеллекта, но не обязательно ограничивается биологически правдоподобными методами.

Можно выделить два направления развития ИИ:

· решение проблем, связанных с приближением специализированных систем ИИ к возможностям человека, и их интеграции, которая реализована природой человека;

· создание искусственного разума, представляющего интеграцию уже созданных систем ИИ в единую систему, способную решать проблемы человечества.

Но в настоящий момент в области искусственного интеллекта наблюдается вовлечение многих предметных областей, имеющих скорее практическое отношение к ИИ, а не фундаментальное. Многие подходы были опробованы, но к возникновению искусственного разума ни одна исследовательская группа пока так и не подошла. Ниже представлены лишь некоторые наиболее известные разработки в области ИИ.

Применение

· Deep Blue — победил чемпиона мира по шахматам. Матч Каспаров против суперЭВМ не принёс удовлетворения ни компьютерщикам, ни шахматистам, и система не была признана Каспаровым (подробнее см. Человек против компьютера). Затем линия суперкомпьютеров IBM проявилась в проектах brute force BluGene (молекулярное моделирование) и моделирование системы пирамидальных клеток в швейцарском центре Blue Brain.

· Watson — перспективная разработка IBM, способная воспринимать человеческую речь и производить вероятностный поиск, с применением большого количества алгоритмов. Для демонстрации работы Watson принял участие в американской игре «Jeopardy!», аналога «Своей игры» в России, где системе удалось выиграть в обеих играх.

· MYCIN — одна из ранних экспертных систем, которая могла диагностировать небольшой набор заболеваний, причем часто так же точно, как и доктора.

· 20Q — проект, основанный на идеях ИИ, по мотивам классической игры «20 вопросов». Стал очень популярен после появления в Интернете на сайте 20q.net.

· Распознавание речи. Системы такие как ViaVoice способны обслуживать потребителей.

Банки применяют системы искусственного интеллекта (СИИ) в страховой деятельности (актуарная математика), при игре на бирже и управлении собственностью. Методы распознавания образов (включая, как более сложные и специализированные, так и нейронные сети) широко используют при оптическом и акустическом распознавании (в том числе текста и речи), медицинской диагностике, спам-фильтрах, в системах ПВО (определение целей), а также для обеспечения ряда других задач национальной безопасности.