Legea intoarcerilor accelerate ca implicatie a

ubiquitous computing
Dorin-Marian Ionita
Specializarea: C3,Grupa: 342, Universitatea Politehnica din Bucuresti
Spl. Independentei, nr.313, sector 6, Bucuresti, Romania
dorin.marian.ionita@gmail.com

Abstract— Acest document ofera o viziune actualizata la cyborgi: avem pacemarkeruri in inima, ce transmit informatii
contemporaneitate a viitorului calculatoarelor, asa cum era in timp real catre exterior. Avem bratari ce ne masoara pulsul
perceput la inceputul anilor 90. Vom arata in ce fel si pasii pe care ii facem.
calculatoarele au reusit sa se estompeze in realitate si cum Sunt calculatoarele omniprezente? Bineinteles! Doar
consideram ca aceasta reprezinta doar urmatoarul pas din legea
intoarcerilor accelerate.
uintandu-ne in camera noastra si observam, cu foarte mare
dificultate, ca avem controlere in frigider, in cuptorul cu
microunde, in periuta cu dinti. Ba mai mult, se propune
Keywords— IoT, Awareness, Big Data, AGI, Noduri Senzoriale
(Noem Sharky, 2018) inclusiv sa facem sex cu roboti, pentru
I. INTRODUCERE ca ar fi mai buni decat oamenii.
Toate aceste dispositive sunt interconectate, si avem chiar
In anii ce au trecut de la publicarea articolului lui Mark
si tehnologii care sa opreasca acccidentele rutiere inainte de a
Weiser, calculatoarele au devenit omniprezente iar toate
se produce, bazate pe radare embedded si camere tot
dispozitivele din jurul nostru au devenit smart. Faptul ca
embedded [2].
putem comunica instantaneu, de oriunde, cu prietenii nostrii,
Daca aceste dispozitive sunt cu adevarat constiente de
si faptul ca putem sa vedem in timp real cat de departe este
mediul in care se afla este o intrebare filosofica, dar daca
taxiul de noi sunt toate demonstratii ale faptului ca Weiser a
simplificam problema si consideram suficient ca aceste
avut dreptate in articolul sau – calculatoarele s-au estompat in
dispositive doar sa aiba un numar mare de senzori si un sistem
realitate.
de procesare a acestor date, atunci putem asemui aceasta
Mai mult decat atat, in documentul de fata, vom prezenta
constienta a dispozitivelor cu ideea de noduri senzoriale si
cum asteptarile i-au fost intrecute, demonstrand astfel o noua
retele wireless de senzori [3].
etapa din legea intoarcerilor accelerate. Aceasta afirma [1] ca
salturile tehnologice (agricultura, motorul cu aburi, tehnologia
informatiei) se intampla din ce in ce mai rapid, noi
presupunand ca urmatorul salt tehnologic va fi obtinut din
fuziunea dispozitivelor embedded ubiquitous cu machine
learning.
Documentul este divizat in 4 parti corespunzatoare
introduceri, emergentei domeniul IoT si revolutiei Inteligentei
Artificiale, inainte de a concluziona ideile lucrarii de fata.

II. EMERGENTA IOT

Am ajuns in punctul in care ne este din ce in ce mai dificil
sa spunem ce nu este smart in jurul nostru si ce este. Ne este
din ce in ce mai greu sa discernem lumea naturala de
tehnologia embedded, tocmai pentru ca aceasta tehnologie s-a
integrat intr-un mod cat se poate de natural in vietile noastre,
mai ales din perspectiva interactiunii om-calculator.
Am ajuns in punctul in care noi insine suntem parte din IoT,
pentru ca, sa fim sinceri cu noi, avem telefonul in mana tot
timpul. Suntem conectati la stiri, la conversatile cu prietenii, la
informatii despre propria sanatate sau despre vreme, direct din
buzunar. Mai mult de atat, nu este nevoie nici macar sa
apasam un buton, ci doar sa indicam pe ecranul tactil, sau sa
comandam direct prin voce telefonul.
In plus, cei mai ghinionisti dintre noi, cu probleme
medicale serioase, isi pot da seama ca au devenit adevarati
Fig. 1 Exemplu de retea wireless de senzori, cu noduri senzoriale
Mai mult de atat, in sectiunea ce urmeaza vom arata ca
procesarea acestor date duce la intoarceri accelerate, iar
nodurile senzoriale reprezinta cheia acestui process.
III. REVOLUTIA INTELIGENTEI ARTIFICIALE SI INTOARCERILE
ACCELERATE
Modelul retelelor neurale exista de decenii [4], dar nu a fost
de success, intre altele, pana ce am dispus de cantitati mari de
date (unul dintre cei 2 factori care vor duce, in opinia noastra
la o noua intoarcere accelerata).
Totusi, procesul de a obtine un set de date de dimensiuni
mari ar fi limitat fara IoT si prezenta dispozitivelor embedded
in cele mai marunte detalii ale vietii noastre, din simplul
motiv ca aceste seturi de date ar trebui construite manual.
Inteligenta artificiala (machine learning in particular) a
cunoscut o adevarata explozie mai ales dupa 2010, deloc
coincidal odata cu boom-ul IoT (figurile 2 si 3), desi au existat
si alti factori care au dus acest eveniment. Putem sa folosim
cantitatea imensa de date de la retelele de senzori (al 2-lea
factor ce duce la urmatoarea intoarcere accelerata) ca seturi de
date pentru Deep Learning. Cum unii cercetatori [5] considera
ca machine learning este cheia spre Inteligenta Artificiala Tare,
si cum acestia cad de acord ca odata cu AGI (Artificial
General Intelligence) tehnologia va evolua atat de rapid incat
nu putem sa presupunem ce se va intampla, putem conchide
ca sistemele embedded ubiquintous, prin retelele de senzori si
retelele neurale vor duce la intoarceri accelerate.
[1]
[2]
[3]
[4]
[5]
Fig. 2 Interesul investitorilor in inteligenta artificiala
Fig. 2 Interesul investitorilor in IoT
IV. CONCLUZII
Am aratat cum previziunile lui Weiser au avut loc,
iar acum ubiquitous computing este parte din viata de zi
cu zi, prin pacemakere, radare si smartphoneuri cu
comanda vocala, spre exemplu.
Mai mult, am aratat ca Weiser nu a reusit sa
anticipeze ca previziunile sale sunt, in fapt, parte dintr-o
imagine mai mare, in care joaca un rol crucial in teoria
intoarcerilor accelerate, alaturi de Big Data si
Inteligenta Artificiala.
Nu am putea sa fim mai norocosi din perspectiva
perioadei in care traim! Suntem parte dintre cele cateva
generatii care au fost suficient de norocoase incat sa
aiba sansa sa vada lumea schimbandu-se radical sub
ochii lor, si nimic din toate acestea nu ar fi fost posibile
fara ubiquitous computing.
REFERENCES
Ray Kurzweill, The Law of Accelerating Returns, 2001
NXP Semiconductors, Autoradarfs
Stefan Dulman, Paul Halvinga, Introduction to Wireless Network
Sensors, 2005
Valentin Grigor’ev, A. G. Ivakhnenko, Cybernetics and forecasting
techniques, 1967
Ben Lorica, Why continuous learning is the key to AI, 2017