Kako izgleda budućnost sveta sa 5+ milijardi pametnih telefona

Prvi Android telefon i prvi iPhone pojavili su se pre samo devet godina. Za kratak period, pametni telefoni su od “fino ih je imati” došli do toga da su nam svima neophodni.

Takođe, velika je verovatnoća da i ovaj tekst čitate preko njega, s obzirom na to da svaka treća poseta na Startit dolazi sa mobilnog telefona.

Na svetu trenutno postoji preko 5 milijardi ovih uređaja, a stanovnika koji su stariji od 14 godina oko 5.5 milijardi.

U ovom tekstu se bavimo predviđanjem scenarija sveta sa mobilnim telefonima, a dotaći ćemo se tehnoloških giganata, mašinskog učenja i kako softver utiče na različite industrije poput prodaje i samovozećih automobila, a samim tim i na celokupno društvo.

Benedikt Evans, stručnjak za ovu industriju, zaposlen u jednom od najboljih venture capital fondova, Andreessen Horowitz, od 2014. objavljuje godišnje prezentacije “Mobile Is Eating The World”. U prezentacijama predviđa buduće trendove i pravce razvoja u ovom delu tehnološke industrije.

Ovaj tekst je inspirisan poslednjom verzijom ove prezentacije koja je izašla krajem prethodne godine.

Pametni telefon je sredstvo, ne uređaj

Personalnim računarima trebalo je čak 30 godina da osvoje poziciju koju imaju danas. Onda su se pojavili pametni telefoni i stigli ih za četiri. Već 2013. u svetu je postojao veći broj uređaja sa Android/iOS sistemom nego računara.

Od tada se broj računara smanjivao, a pametnih telefona rastao.

Tako su mobilni telefoni došli do kritičnog broja koji je označio prelazak u sledeću fazu. Danas mobilni telefon nije više sam po sebi krajnji proizvod, već služi kao sredstvo. Više ne posedujemo telefone zbog njih samih, već zbog onoga što možemo da uradimo sa njima.

Tehnološki giganti — nekad i sad

U talasu personalnih računara, kao tehnološki giganti isplivali su zajedno Microsoft i Intel. Pri novom talasu, jasno je da su to Google, Apple, Facebook i Amazon.

Međutim, nije se promenila samo ekipa, već i pravila igre. Biti tehnološki gigant danas ne znači isto što i pre 15 godina.

Dakle, radi se o količini novca koje kompanije zarade. Svaki od četiri pomenuta giganta danas pravi čak 3 puta veći profit od onog koji su Microsoft i Intel ostvarivali u svojim “zlatnim godinama”.

Takođe, znatno se povećao i broj radnika. 2000. godine najveće tehnološke kompanije zajedno su zapošljavale 50 hiljada radnika dok je danas ta cifra 10 puta veća. Porasla je i veličina godišnjih ulaganja u dalja istraživanja i razvoj, koja su pre 16 godina iznosila jednu milijardu, a danas 34 milijarde.

Pritom, više nemamo dva prijateljska giganta, već četiri konkurentna, sa podjednako velikom željom za dalji rast.

Giganti grade sopstveni hardver

Prelaskom na cloud i smanjenjem popularnosti PC-eva, velike kompanije koje su pravile hardver više ne spavaju mirno.

Godinama unazad, Intel je važio gotovo za sinonim industrije čipova. Takođe, danas kada pričamo o Google-u, Apple-u, Facebooku ili Amazonu kao uspešnim kompanijama, uglavnom mislimo na uspešan softver.

Ipak, neki igrači su odlučili da hardver prilagode sebi i tako postanu nezavisniji.

Danas su čipovi izgubili status najbitnije komponente i postali dodatak onome što kompanija već radi.

Kako bi svoj razvoj veštačke inteligencije mogao da nastavi nesmetano, sredinom ove godine Google je razvio svoj TPU čip, prilagođen potrebama aplikacija zasnovanih na mašinskom učenju.

Amazon se u ovu trku uključio još pre dve godine akvizicijom izraelskog Annapuurna Laba, sa namerom da gradi čipove koji će moći efikasnije da rade sa podacima i time sačuva energiju u svojim data centrima.

Što se tiče Apple-a, već  je iPhone 6 posedovao A8 sa 600 puta više tranzistora nego Intelov originalni Pentium iz 1995. U iPhone 7 je, međutim, ugrađen 64-bitni A10 čip, koji predstavlja najbrži SOC (System on a Chip) do sada. Poređenja radi, A10 je 138% brži nego pomenuti A8.

Trend uključivanja softveraša u proizvodnju hardvera desio se upravo u trenutku kada na svetu imamo 5 milijardi mobilnih telefona. Hardver je sada samo osnovno sredstvo za stvaranje vrednosti. Međutim, kako se dolazi do vrednosti?

Budućnost uz mašinsko učenje

Razvojem mašinskog učenja sve o čemu pričamo dobija novu dimenziju. Sposobnost da računar sam uči iz podataka, a da ne bude eksplicitno isprogramiran za posebne procese, daje nam mnogo novih mogućnosti.

Napredak se odlično vidi na primeru vizuelnog prepoznavanja. U pitanju je samo jedan od primera čitave klase problema koji su za ljude laki, a za računare nemogući — ili su bar to bili.

Već dugo se radi na tome da računar nauči da prepoznaje objekte na fotografijama. Nakon 50 godina truda, 2012. godine, najnapredniji sistemi su mogli da dobro da prepoznaju vizuelne objekte u 72% slučajeva. Onda se u priču uključilo mašinsko učenje.

U poslednje četiri godine, uz pomoć mašinskog učenja, ovaj procenat sada iznosi 93%.

Napredak je vidljiv i kod sličnog problema — prepoznavanja govora, gde se procenat greške smanjio sa 26% na 4%.

Značajno poboljšanje je proizvod kompletne promene pristupa — do 2012. verovalo se da se može uspeti korišćenjem pravila i procedura, a onda su počeli da se koriste podaci.

50 godina smo se mučili da napravimo računar koji čuje, vidi i kreće se, zatim da napišemo gramatička pravila i isprogramiramo način na koji razmišljamo.

Ipak, problem je u tome što zapravo još uvek nismo sigurni u to kako ljudi razmišljaju. Zato se prešlo na drugačiji pristup.

Ako želimo da naučimo računar da prepozna mačku ubacićemo u njega 10 hiljada slika označenih sa “mačka” i 10 hiljada slika označenih sa “nije mačka” i pustiti neuronsku mrežu da sama uči. Sledeći put kada uploadujemo fotografiju, računar će moći sa određenom preciznošću da prepozna da li je na njoj mačka ili ne. Sa svakom novom fotografijom, ta preciznost će se povećavati.

Umesto da mi pišemo pravila, puštamo da ih računar sam nauči.

Ranije bi nas pitali odakle nam tolika količina podataka za sve što bismo voleli da računar nauči. Danas to nije veliki problem. Imamo sredstva za skupljanje podataka — dve i po miljarde malih uređaja sa kamerom koje nosimo svuda. Kada bismo svi uključili tu kameru, koliko bi vremena trebalo da prođe kako bi računar imao dovoljno podataka da odlično prepoznaje bilo šta? Verovatno ne puno.

Tržište vizuelnog prepoznavanja u 2016. vredelo je 10 milijardi dolara.

Međutim, šta bi se konkretno promenilo kada bi računar mogao da čita fotografije poput teksta?

Fej Fej Li, direktorka AI Laba na Stanfordu, važnost vizuelnog prepoznavanja objašnjava na sledeći način:

Kada bi mašine mogle da vide, lekari bi dobili još jedan ekstra par neumornih očiju koji bi im pomogao da preciznije utvrde dijagnozu i pažljivije leče pacijente. Automobili bi bili pametniji i bezbedniji na putevima. Roboti, ne samo ljudi, pomogli bi da se spasu ugrožene zone i zarobljeni u njima. Otkrićemo bolje materijale i prevazići granice koje trenutno ne možemo ni da vidimo.

Po prvi put, ljudske oči ne bi bile jedine koje istražuju svet.

Ni Srbija nije isključena iz ovog trenda. Startap DeepNets, predstavljen na prošlodišnjem Znam da možemo događaju, bavi se takođe izgradnjom platforme za vizuelno prepoznavanje.

Kako smo naučili računar da prepozna mačku, možemo ga naučiti i bilo šta drugo — samo su nam potrebni odgovarajući podaci. Pored toga, nismo ograničeni samo na vizuelno učenje, na telefonu imamo i druge senzore koji nam mogu doneti ogromnu hrpu podataka.

Benedikt Evans takođe ne krije oduševljenje mašinskim učenjem:

Mašinsko učenje omogućava nam da sa računarom uradimo stvari koje je mogao samo čovek, ali u obimu koji čovek nikada ne bi mogao da postigne.

Algoritmi mašinskog učenja mogu nam otkriti koje potencijalne kupce možemo grupisati zajedno, ili kako optimizovati proces hlađenja u data centrima, kao što je to uradio Google, čime je uštedeo 15% energije. To su uspeli primenivši pristup već razvijen za potrebe Alpha Go računara, nakon što je on pobedio svetskog Go prvaka.

Ipak neke specifičnosti nam ne idu baš u korist. Već smo definisali hardver kao sredstvo — štos je u tome što on nije dovoljan, ali jeste neophodan uslov za sve o čemu pričamo. Za učenje računara potrebne su nam veoma dobre performanse — brzina i velika memorija. U protivnom, čitav proces je veoma spor.

Ide se ka tome da se proces učenja ubrza poboljšavanjem performansi računara. Za sada je i dalje potrebno mnogo resursa za ozbiljnije procese. Velika nada za ubrzani razvoj veštačke inteligencije leži u kvantnim računarima.

Iako je “učenje” skupo i teško, mnogi modeli, jednom istrenirani, mogu raditi na malim i jeftinim uređajima.

Možemo kupiti najjeftiniji telefon sa kamerom i koristiti ga da fotografijom pretražujemo ljude, automobile ili nešto što želimo da nabavimo.

Rasprostranjenost lako prenosivih uređaja sa velikim brojem senzora za prikupljanje podataka u trenutku velikog napretka mašinskog učenja može znatno promeniti svet kakav poznajemo.

Budućnost UX-a — izbegavanje suvišnih koraka

Čim su se pojavili, za Amazonovom Alexom i Snapchatovim Spectaclesom korisnici su poludeli. Iako različiti na prvi pogled, ovi servisi imaju bitnu zajedničku karakteristiku: koristimo ih bez bilo kakvih posebnih koraka — bez da stisnemo taster, uključimo aplikaciju ili povežemo neki kabl.

Modeli za komunikaciju sa korisnikom razvijaju se u pravcu uklanjanja svih suvišnih pitanja i zavisnosti od različitih uređaja.

Da li posedujete štampač, koja je vaša lozinka, da li želite da isključite/uključite računar — ova pitanja nikome nisu interesantna.

Uklanjanje ovih koraka nije nova stvar, ali danas, kada imamo pametnije uređaje moguće je više nego što je to bilo ranije. Suština pristupa je godinama unazad prisutna u vidu pravila automatizacije Erika Rejmonda, popularnog ESR-a:

Računar nikada ne treba da pita korisnika za informacije koje može sam saznati ili iskopirati.

Ako kažemo Alexi da nam naruči nešto da li joj kažemo gde to da nađe? Da li Spectaclesu kažemo gde da podeli našu fotografiju? Naravno da ne.

Međutim, ti dodatni koraci su nam omogućavali izbor. Njihovim uklanjanjem, oduzima nam se mogućnost da biramo. Da li onda korisnici vladaju servisom ili servisi vladaju korisnicima?

Cilj pomenutih giganata se upravo vezuje za ovu vrstu moći — svi oni žele da budu jedini naš izbor.

Pametni telefoni su danas dovoljno pametni da uče na osnovu podataka dobijenih preko senzora (kamera, mikrofon), ali i da odlučuju umesto nas.

Kako bismo ilustrovali kako tehnologija menja čitave industrije, pozabavićemo se onom na koju ima najveći uticaj:

Prodaja

Kada uporedimo industrije u koje se “umešao” softver, prodaja je daleko najinteresantnija — ukupan prihod od nje je skoro 20 puta veći od druge rangirane — automobilske industrije.

U prodaji, računari prave ogromne bumove još od 90ih, kada su to bili ERP sistemi i kada je pažnja bila posvećena lancu snabdevanja i logistici.

2000ih reklamiranje preuzima krunu, sa posebnim akcentom na internet. U 2016, na onlajn reklamiranje potrošeno je čak 500 milijardi dolara. Od tog novca, čak polovina je otišla na Google reklame.

Vremenom, prodaja je prešla onlajn. To potvrđuje i činjenica da je Amazon u 2016. godini bio četvrti najveći prodavac u Americi.

Ljudi danas kupuju onlajn sve što znaju da na taj način mogu da kupe. Ipak, možda nam i dalje fali navika da na internetu idemo u šoping:

Amazon je Google za proizvode. Međutim, fali nam Facebook — nedostaje dobar način da istražujemo ili dobijemo sugestiju.

Nakon ERP sistema i reklamiranja, sledeća velika stvar koja menja prodaju je vezana za njenu suštinu — tražnju.

Kako biramo šta kupujemo? Algoritmi mašinskog učenja za predlaganje proizvoda brzo napreduju. Dalji pravac njihovog razvoja može biti usko povezan sa činjenicama koje smo do sada izneli.

Da li će za nove UX modele pitanje “Šta želite da kupite?” postati suvišno?

Budimo iskreni, nekada nismo baš sigurni šta bismo kupili. Međutim, sigurno da postoje ljudi sa kojima delimo interesovanja i stavove, pa nam se tako i izbor često poklapa. Interesovanja  i stavove određenih grupa ljudi čovek već može dobro prepoznavati — prodavac u tržnom centru predlaže različite proizvode studentu, a različite biznismenu u srednjem dobu. Prodavac pravi ove grupe samo na osnovu trenutnog izgleda osobe koja uđe u radnju, svrstavajući je u određenu grupu koristeći prethodno iskustvo.

Nije teško zaključiti da danas na internetu imamo velike količine podataka o svim mogućim grupama ljudi — na društvenim mrežama i internet magazinima. Ako algoritmima mašinskog učenja damo ove podatke, oni će postati daleko precizniji u predlaganju proizvoda od prodavca, za koga je fizički nemoguće da procesuira sve informacije sa interneta.

Prilikom pravljenja naloga na internetu, dozvolićemo pristup senzorima na našem telefonu — neka prodavnica dobiće fotografije nas, našeg stana, garderobera i mesta koja posećujemo.

Tako će ovaj sistem izbaciti prilagođenu ponudu, odnosno predviditi sa izuzetnom preciznošću šta je to što bi se korisniku svidelo.

Zastrašujuć ili ne, ovaj scenario zvuči kao sjajna poslovna prilika.

Budućnost automobila

Budućnost automobila se grana na dva pravca — električne i samovozeće.

Električni su u velikoj meri već sadašnjost, a dalji razvoj bi mogao uzdrmati čitavu “klasičnu” automobilsku industriju.

Međutim, električni automobili ne menjaju značajno način na koji koristimo automobil.

Sa druge strane, samovozećih još uvek nema, ali je velika verovatnoća da neće tako biti još dugo. Ispred proizvođača stoji još dosta izazova, ali većina stručnjaka smatra da nas do pojave pravih komercijalnih samovozećih automobila deli svega 5 do 10 godina.

Za razliku od električnih, samovozeći menjaju koncept automobila i način na koji se oni koriste, a samim tim i njihovu primarnu vrednost. Njihovom pojavom, i gradovi se znatno menjaju.

Pojavom samovozećih automobila, vrednost više ne leži u automobilu, već u softveru.

Većina tehnoloških giganata je već uključena u trku za samovozeća kola. Softverske kompanije koje nikada nisu proizvodile klasične automobile postale su i te kako relevantni igrači, i po prototipovima i po ulaganjima. Na top 5 listi kompanija koje najviše ulažu u razvoj automobila prošle godine našle su se i Google i Apple.

Značaj ovakvih automobila je veliki. Njihovim dolaskom, mogla bi se prepoloviti potrošnja ulja, a na godišnjem nivou izbeći čak 1.25 miliona smrtnih slučajeva.

Međutim, novi automobili bi uticali na druge industrije i oblasti. Gradovi su već pomenuti, a dalji uticaj se vezuje za industriju baterija, naftu, na taxi industriju… Nestankom potrebe za vozačem, menjamo logistiku, a time i prodaju (opet?).

Čini se da automobili prate opisani obrazac pametnih telefona.

Tehnologija i društvo

Kada se bavimo predviđanjem novih tehnoloških trendova i društva u nekim drugim tehnološkim okvirima, greške često znaju da budu velike.

Na kraju svoje prezentacije, Evans prikazuje sliku Aberta Robide iz 1882. godine. Na ovoj slici Robida predviđa svet u 21. veku. Prikazana je scena odlaska u parisku operu 2000. godine.

Robida zamišlja napredak tehnologije — leteće automobile i restorane na nebu. Tim automobilima se, međutim, voze Parižani iz 19. veka. Umesto Pariza u 21. veku, na slici je ipak Pariz iz 19. sa dodatkom — letećim automobila. Ništa značajno sa samim društvom nije drugačije.

Najčešće i najveće greške koje ljudi prave kada predviđaju budućnost je što zamišljaju trenutno društvo samo sa dodatkom nove tehnologije.

Tehnologija i društvo nisu međusobno isključivi koncepti. Svaka promena jednog utiče na drugo.