متخصصان حوزه توسعه فناوری معتقدند شرکت‌ها باید با حساسیت بیشتری برای بازه‌های کوتاه‌مدت، میان‌مدت و بلندمدت در بهره‌برداری از این فناوری‌های نوپدید برنامهریزی کنند تا در جریان توسعه صنعت 4 بیشترین بهره را از موج‌های بعدی شکوفایی و تأثیر همه‌جانبه فناوری ببرند.
فناپ زیرساخت بعنوان نخستین اپراتور هوشمند با رصد پیوسته تازه‌ترین تحولات و روندهای توسعه فناوری‌های نوپدید در پی بومی‌سازی و بکارگیری مزایای این فناوری‌ها در کشور است.
افق کوتاه مدت برای بهره‌گیری از فناوری‌های نوپدید (تا 2 سال)
فناوری‌هایی که در این بخش ارائه می‌شوند، بازگشت سرمایه قابل‌توجهی را در بازه کمتر از دو سال نتیجه می‌دهند. بویژه، شرکت‌ها باید تحقیقات و آزمایش‌هایی برای برداشت بیشتر از این فناوری‌ها، پیش از توسعه و همه‌گیر شدن آنها، داشته باشند. فناپ زیرساخت در زمینه بهره‌مندی روزافزون از هر چهار فناوری زیر و ارائه راهکارهای بومی در حال تحقیق و توسعه است.
فناوری پهپاد
پهپادها سامانه‌های هوایی بدون سرنشینی هستند که از راه دور کنترل می‌شوند یا مستقل پرواز می‌کنند. این تجهیزات فرصت‌های تجاری جدیدی را برای اقتصادهای در حال توسعه یا حتی کمتر توسعه‌یافته ارائه می‌کنند. پهپادها فعالیت‌های کلیدی مانند نظارت بر زیرساخت، نگهداری و تعمیر پیش‌بینی‌کننده و حتی خدمات تحویل خودکار را تسهیل می‌کنند. با وجود چالش‌هایی مانند موانع قانونی، ظرفیت این فناوری‌ها بسیار بالا و تغییرات زیادی در انتظار آنهاست.
تراشه‌های هوش مصنوعی
پردازنده‌های ویژه‌ای هستند که برای بهینه‌سازی حجم محاسبات و استنباط‌های هوش مصنوعی، ازجمله آموزش و استنتاج در یادگیری ماشین طراحی شده‌اند. بازار این تراشه‌ها به سرعت در حال رشد است؛ علت اصلی این رشد، افزایش و پیچیده‌تر شدن مدل‌های هوش مصنوعی کارامدتر و با هزینه‌های کمتر است. این تراشه‌ها الگویتم‌های پیشرفته هوش مصنوعی را در لبه فعال می‌کنند، یعنی قابلیت‌های استنباط و واکنش خودکار و هوشمند را به دستگاه‌هایی مانند گوشی‌های هوشمند و تجهیزات اینترنت اشیا می‌دهند. روندهای توسعه فناوری نشان می‌دهد جایگاه هوش مصنوعی در توسعه صنایع را باید کاملا جدی بگیریم.
فناوری مدیریت پایداری
این فناوری از دسته از فناوری‌های نوپدید، شامل پلتفرم‌های نرم‌افزاری است که معیارهای پایداری را جمع‌آوری و تجزیه و تحلیل می‌کنند. این تجزیه و تحلیل‌ها به سازمان‌ها کمک می‌کنند تا مقررات نظارتی را برآورده کنند و استراتژی‌های زیست‌محیطی خود را ارتقا دهند. بنابراین، فناوری مدیریت پایداری در خط مقدم انطباق و هدایت سازمان‌ها به سمت اهداف پایداری است.
داده‌های مصنوعی
به داده‌هایی گفته می‌شود که نتیجه یک آزمایش یا رخداد واقعی نیستند، بلکه بصورت مصنوعی (مانند استفاده از یک الگوریتم هوش مصنوعی برای تولید داده) و با تقلید از رخدادهای دنیای واقعی تولید می‌شوند.
هدف از تولید این داده‌ها، افزایش حجم و کیفیت داده‌های آموزشی برای ارتقای مدل‌های یادگیری ماشین و هوش مصنوعی است. این فناوری بویژه برای سازمان‌هایی بسیار حیاتی است که به دنبال غلبه بر چالش‌های مرتبط با دسترسی داده هستند.
افق میان مدت برای بهره‌وری از فناوری‌های نوپدید (2 تا 5 سال)
این دسته از فناوری‌ها به سرعت در حال پیشرفت هستند و انتظار می‌رود طی دو تا پنج سال آینده مزایای قابل‌توجهی را ایجاد کنند. کارشناسان می‌گویند شرکت‌ها باید در پروژه‌های آزمایشی خود گزینش‌گر باشند و انتظارات واقع بینانه‌ای برای تأثیرگیری و انطباق با این فناوری‌ها برای خود ترسیم کنند.
بلاکچین
فناوری بلاکچین به زیرساخت قابل اعتمادی برای فرایندهای چندجانبه، یکپارچگی داده‌ها و حتی ایجاد زیرساخت‌های مالی تبدیل شده است. پذیرش آن همچنان محدود به چند صنعت خاص بوده و به‌نظر سرعت این سازگاری‌ها کند است، اما ظرفیت بلاکچین برای مدیریت ایمن و غیرمتمرکز داده آینده روشنی دارد.
هویت دیجیتال غیرمتمرکز (DDID)
این فناوری رویکرد جدیدی برای احراز و مدیریت هویت است که به کاربران امکان می‌دهد دسترسی به هویت دیجیتال خود را از طریق اعتبارنامه‌های مبتنی بر بلاکچین کنترل کنند. DDID وعده افزایش امنیت حریم خصوصی و تعاملات دیجیتال را می‌دهد و همین امر DDID را به سنگ‌بنا و چارچوب اعتماد دیجیتال آینده بدل می‌کند.
هوش مصنوعی توصیف‌پذیر (XAI)
با ادغام سیستم‌های هوش مصنوعی در فرایندهای تجاری، نیاز به شفافیت و اعتماد به حضور دیجیتال بیشتر می‌شود. هوش مصنوعی توصیف‌پذیر، بینشی در مورد نحوه تصمیم‌گیری مدل‌های هوش مصنوعی ارائه می‌دهد و به کاهش خطرات سوگیری و چالش‌های نظارتی کمک شایانی می‌کند. بخصوص، این فناوری‌های نوپدید، نویدبخش پذیرش بیشتر و همه‌جانبه هوش مصنوعی در صنایع مختلف است.
هوش مصنوعی حسی
هدف در هوش مصنوعی حسی، ادغام ورودی‌های حسی کاربر انسانی (مانند حس بینایی، شنوایی و لامسه) با الگوریتم‌های هوش مصنوعی است. با ادغام این داده‌های بسیار شخصی بصورت در لحظه، تعامل بیشتر و عمیق‌تری بین انسان و ماشین ایجاد می‌شود.
کاربردهای هوش مصنوعی حسی شامل ایجاد رابط‌های کاربری بسیار هوشمند و شخصی‌شده، عملیات تطبیقی در بخش تولید و تدارکات و ایمنی در محیط کار است. این فناوری در دوران بلوغ اولیه است، اما آینده نویدبخشی را برای بهینه‌سازی تصمیم‌گیری در واحدهای مختلف صنعتی ترسیم می‌کند.
افق بلندمدت (5 سال و بیشتر)
این نوع فناوری‌های نوپدید هنوز به بلوغ کافی نرسیده‌اند و در مراحل اولیه توسعه و ایده‌‌پردازی‌اند؛ بنابراین، شاید بیشتر از پنج سال طول بکشد که نمو کنند یا بتوانند ظرفیت‌های خود را فعال کنند. شرکت‌ها باید همچنان به رصد این فناوری‌ها ادامه دهند، اما سرمایه‌گذاری‌های بسیار محتاطانه‌ای روی آنها داشته باشند.
فناوری 6G
انتظار می‌رود نسل بعدی شبکه‌های سلولی با قابلیت‌های هوش مصنوعی یکپارچه و امنیت بسیار بالا عرضه شود. با این حال مانند فناوری 5G، استقرار فناوری 6G نیز تدریجی خواهد بود و تأثیرات شاخص آن احتمالا در سال‌های 2030 و بعد از آن محقق می‌شود.
پلتفرم‌های پردازش کوانتومی
این پردازش‌ها در مراحل نخست توسعه خود باقیمانده و پلتفرم‌های فعلی همچنان در تلاشند تا از ابر رایانه‌های سنتی پیشی بگیرند. با این حال، پیشرفت‌های حاصل در الگوریتم‌های کوانتومی و سخت‌افزارهای مبتنی بر آنها در نهایت امکانات جدیدی در زمینه‌هایی مانند رمزنگاری، علم مواد و هوش مصنوعی بوجود خواهند آورد.
شرکت‌ها در تمام صنایع باید تعادل را رعایت کنند و متناظر با فعالیت‌ها و نیاز خود، روی این فناوری‌های نوپدید سرمایه‌گذاری کنند. با این حال، مطمئنا باید تمرکز بیشتری روی فناوری‌هایی مانند هوش مصنوعی و مدیریت داده داشته باشیم و در تمام افق‌های زمانی برای توسعه آنها برنامهریزی اختصاصی انجام دهیم.
منبع: datacenterknowledge.com
