uibot：みんなのためのロボット。
前書き
gartner 2020年のトップ10の戦略的技術トレンドは、これから5〜10年で大きな転覆と機会をもたらすトレンドについて紹介しました。
ここ数年、主なトレンドはスマートデジタルグリッドに焦点を置きました。これは、スマートデバイスが洞察に満ちたデジタルサービスをどこにでも提供できる未来です。 スマートデジタルグリッドは依然として重要ですが、2020年のトレンドは，「人を中心とするスマートスペース」という考え方に基づいています。つまり、テクノロジーが人々（顧客、従業員）や、人々が住むところ（家庭、オフィス、車）にどのように影響しているかを考えなければならなりません。
gartnerの優れた副社長であるdavid w. cearleyは、「これらの傾向は、人々と彼らが住んでいる空間に大きな影響を及ぼします。テクノロジースタックを構築して潜在的なアプリケーションを探る代わりに、組織はまずビジネス環境と人的環境を考慮する必要があります。」と言いました。
itリーダーは、どのトレンドの組み合わせがイノベーションと戦略を最も推進するかを決める必要がります。
たとえば、スーパーオートメーションとエッジコンピューティング機能を備えた機械学習（ml）の形式の人工知能（al）を組み合わせて使用することにより、高度に統合されたスマートビルディングと都市空間を実現することができます。 それはかえって、そのの組み合わせにより、テクノロジーをさらに民主化することもできます。
ハイパーオートメーション
自動化とは、組織がテクノロジーを使用して人間の判断または行動が必要とするポロセスを自動化させることです。 ハイパーオートメーションは、alとmlを組み合わせて使用し、あらゆるビジネスプロセスの状態を迅速に特定し、自動化させる状態です。スーパーオートメーションは、自動化できる一連のツールだけでなく、自動化の複雑程度（即ち検出、分析、設計、自動化、測定、監視、再評価）もカバーします。
ハイパーオートメーションは、4つの重要な意味があります:
シフト範囲 —自動化の範囲は単一の個別のタスクから知的作業に移行し、より多くの動的な体験をもたらし、最終的にはより良いビジネス結果をもたらします。
進化する技術 — ハイパーオートメーションをサポートするために必要な技術は、広範なビジネスをサポートし、より多くのmlを合弁し、進化し続けます。
俊敏性の向上 — ニーズ（および脅威）が進化するにつれて、組織はより機敏に対応する必要があります。
従業員を引き込む —従業員は、十分に関与し、或いは最も重要なのは十分に統合する必要があります。そこで、ハイパーオートメーションのすべての価値をいかすことができます。
2022年までに、ロボットプロセスオートメーション（rpa）によって実現されたアプリケーション統合は、前年比で40％増加します。
自動化は、複雑で重複し、最終的に補完的な一連のツールとテクノロジーをいかましたが、2つのコアコンポーネントがあります:
rpa — レガシーシステムを接続します
intelligent business process management suites
(ibpmss) — 長期実行プロセスを管理します
多重体験
多重体験は、テクノロジーに精通した人々をリテラシーに富んだ技術に置き換えます。 この傾向において、コンピューターの従来の考え方は、単一の対話ポイントインタラクションから、ウェアラブルデバイスや高度なコンピューターセンサーを含むマルチセンサーおよびマルチタッチインターフェイスに進化しました。多重体験は多くの人間の感覚にまたがり、より豊かで没入感のある体験を生み出します。
最終的には、複数のエクスペリエンスが環境エクスペリエンスに進化しますが、このテクノロジーはプライバシーの問題と、さまざまなエクスペリエンスに取り組む独立したクリエイターの課題に直面します。 シームレスなエクスペリエンスを得るには、時間がかかります（ある場合）。 ほとんどの場合、環境の経験は独自のエコシステムに存在します。
ピザを注文する100万通りの方法
domino's pizzaは、多重体験のプラットフォームを構築した。その機能は単なるアプリを使って食べ物を注文するものではありません。同社は、その体験をピザトラッカーとスマートスピーカーコミュニケーションを含むまで拡張し、自動運転車やドローンなどの技術を使用して食品を配達します。
2021年までに、少なくとも3分の1の企業は多重体験開発プラットフォームを展開し、モバイル、web、会話における現実的開発をサポートします。
民主化
民主化は人々を、より簡単に、低コストで/無料で、技術分野またはビジネス分野における専門知識を取得することができます。アプリケーション開発、データと分析、設計と知識―通常「市民訪問」と呼ばれる4つの主要分野に焦点を当てています。それによって、市民データ科学者、市民プログラマーなどの台頭をもたらしています。
この技術トレンドは、アドバイスを提供し、行動を起こし、ユーザーの専門知識を拡大できます。また、特定のプロジェクトのスケジュールとリソースを削減できます。たとえば、現在、アプリケーションの開発者はプロのデータサイエンティストと協力してal拡張ソリューションを作成する必要があります。民主化の台頭により、開発者はalモデルまたはal機能を統合するために設計された措置しやすい開発ツールを使用できます。
これらのオプションは、コードにプラグインできるものから、特定のプロジェクトとその事前トレーニングのためにより多くのデータを必要とするツールまで、洗練されています。モデルに対して事前にトレーニングし、画像認識を行うことができるが、特定の画像セットを認識するにはトレーニングデータセットが必要とすることを意味します。
2024年までに、大企業の75％は少なくとも4つの低コード開発ツールを使用してitアプリケーションの開発および市民開発プログラムを行います。
人間増強
人間増強とは、技術と科学の使用で人々の認知と身体的経験を強化することです。 人体の強化は新しい概念ではありません。何世紀もの間、人々は眼鏡と人工装具で自己強化してきましたが、コンピューターの導入はこの可能性に新しい次元を加えました。 例えば、人々は眼鏡の代わりに矯正レーザー眼科手術を受けることを選択できます。
現在、技術は先端にあり、人間の能力を置き換えるだけでない。例えば、人間の脳をコンピューターに直接に接続し、超人間の力を提供するインプラントや、外骨格デバイスなど、超人間の能力を作成することもできます。
2023年までに、30％のit組織は「独自強調機能（byoe）」を通じてbyodポリシーを拡張し、従業員のうちの増強した人間に対応します。
身体的対認知的
身体増強:身体にテクノロジー要素の移植またはホストにより、固有の身体能力を変えます。
感覚増強（聴覚、視覚、知覚）
付属器および生物学的機能の増強（外骨格、補綴）
脳増強（発作を治療するためのインプラント）
遺伝的増強（体細胞遺伝子および細胞療法）
cognitive augmentation: 人々の思考力や判断力を強化します。
学習や新しい体験を強化するための情報とアプリケーションの活用
拡張インテリジェンスシナリオ（aiと共に仕事する）
認知的推論を処理する物理的インプラント
透明性とトレーサビリティ
消費者は組織がデータをどのように使用するかますます理解しするようになるにつれ、組織がビジネス上の意思決定を行ううえで、alとmlを使用することについて、信頼の危機が生まれます。
倫理的やビジネス上の考慮で、企業は解釈可能なalや透明なデータ戦略などの考えを受け入れなければなりません。法律を立て、潜在的な規制問題に対する解決法を改善し、消費者はその政策に基づいて組織を判断して選択します。
信頼の6つの要素
倫理: 組織には、個人データの使用、アルゴリズム、および規定以外のシステムの設計に対して道徳的な原則を持っていますか？すべての関係者に対する透過性はありますか？
誠実:システムを設計する際、組織には個人データへの偏見や不適切な使用を削減や排除する信頼性のある記録がありますか？
開放性:倫理原則とプライバシーに対する承諾は明確で簡単にアクセスできますか？また、政策を変更する際、適切な支持者を対象に決定のプロセスに入れていますか？
説明責任:プライバシーまたは倫理の問題を認識し、解決できるように、テスト、保証、監査のシステムを構築していますか？ これは、法律規定の遵守だけでなく、将来の新しい技術による倫理的またはプライバシーの問題にも適用されます。
能力: 組織は関連する有権者が安心できる設計原則、プロセス、テスト、およびトレーニングのシステムを立て実施していますか？
一貫性:政策とプロセスは一貫して実施されていますか？
gartnerは、2020年までに、デジタルの信頼性を備えた企業は、デジタルを持ていない企業より、20％のオンライン利益を生み出すと予測しています。
エンパワードエッジ
エッジコンピューティングは、一種のトポロジーです。このトポロジーの中で、情報処理とコンテンツを収集や配信するところはソースに近いです。このアイデアは、トラフィックをローカルに維持し、また分散させることで、待ち時間を短縮することができます。モノのインターネット（lot）上のすべてのテクノロジーが含まれます。
empowered edgeは、これらのデバイスの成長方法に注目し、スマートスペースの基盤を築きます。 また、主要なアプリケーションとサービスを、それを使用している人と設備により近寄ります。
2028年までに、センサー、ストレージ、コンピューティング、高度なal機能がエッジデバイスでの組み込みが着実に進んでいます。しかし、これらのデバイスは、単純なセンサーから携帯電話や自動運転車に至るまで、寿命は1～40年の範囲です。エッジデバイスの機能を強化する以外、複雑で継続的な管理と統合への挑戦をもたらします。
2023年までに、ネットワークのエッジのスマートデバイス数は、従来のitの20倍以上の役割を担う可能性があります。
分散クラウド
分散クラウドは、パブリッククラウドサービスをクラウドプロバイダーの物理データセンターの外部に分散させることです。また、プロバイダーによってコントロールします。 分散クラウドでは、クラウドプロバイダーがクラウドサービスアーキテクチャ、配信、運用、ガバナンス、および更新のすべてのサービスを担当します。
集中型パブリッククラウドから分散型パブリッククラウドへの進化は、クラウドコンピューティングの新しい時代をリードしています。 プロバイダーがハイブリッドクラウドの承諾を果たすことができます。このシステムは、プロバイダーの外部とローカルのサービスと統合します。しかし、ハイブリッドクラウドを経済的効果的の高い方法で、または合理的な方法で実装するのが難しいことです。
分散クラウドはまだ開発の初期段階にあるため、ほとんどのプロバイダーは現在、ほんの一部のサービスだけを分散方式で提供し、最終的にはすべてのサービスを提供できる予定です。
2024年までに、ほとんどのクラウドサービスプラットフォームは、少なくとも必要な時点で実行できるサービスを提供します。
自律的なもの
自律的なものとは、以前に人間が実行していた機能を自動化させるためにalを使用する物理デバイスです。 それらは、小型ドローンから自律船に至るまでサイズと洗練度が異なり、異なる環境（例えば、陸、海、空）で行います。自律物はますます鉱山や倉庫などの閉鎖環境で作業を行いますが、最終的にはより多くのオープンスペースへ進化します。
自律的なものの操作は、半自律的なデバイスから完全に自動化された車まで行いわれます。また、自律的なものの数の増加につれて、単独で操作するものから協調的なインテリジェントのものへと変化します。たとえば、ロボットのグループは、協調性のあるアセンブリプロセスを操作できます。
2023年までに、機械を操作できる作業員の30％以上は、ロボットの参入で満足度を高めます。
本田の安全な群れ
本田の安全な群れは通信を車対車で行われ、車が周辺の他の車に情報を伝えることができます。たとえば、数マイル先の事故があるというアラートを車に中継することで、協調的かつインテリジェントに操作し、事故を避け、渋滞を緩和することができる。
実用的ブロックチェーン
ブロックチェーンは、分散型台帳である。時系列順に配置され、ネットワーク中のすべての参加者に共有され、暗号化した署名を通じ、撤回不可能のトランザクションレコードのリストです。 それにより、見知らぬの二人（または二人事情）の当事者が、一元化した承認のないうえで価値を交換することができます。
完全的なブロックチェーンは5つの要素があります：配布、不変性、分散化、暗号化、トークン
技術的と拡張性の挑戦により、現在の組織は、配布とトークン化が欠けている実用的な方法を採用してブロックチェーンを開発しています。そこで、「ブロックチェーンに触発された」ソリューションとなっています。 台帳をそれぞれのアプリケーションや参加者から独立させ、また分散式ネットワークでコピーを行うことで重大な出来事についての信頼できる記録を作成します。組織はプライベートブロックチェーンを作成しています。
アクセス権を持つすべての人が同じ情報を見ることができ、共有のブロックチェーンを一つで統合を簡単にします。コンセンサスは、より伝統的なプライベートモデルを通じて処理されます。
2023年までに、ブロックチェーンは技術面で拡張され、機密性のあるデータを備え、信頼できるプライベートトランザクションをサポートします。
輸送用コンテナのブロックチェーン
コストを削減するために、紙を使って手動システムの伝統的（しばしば信頼性の低い）な海上貨物輸送の追跡に対して、maerskとibmはtradelensを始めました。tradelensは、出荷コンテナの追跡と書類処理のために、ブロックチェーンベースに基づいたプラットフォームです。 このプラットフォームには大手海運会社が参入し、世界海上コンテナ貨物の半分以上をカバーでき、効率低下の問題を改善し、すべての参加者に可視性をもたらします。
al セキュリティ
lotデバイスと高度的な接続サービスを通じて、alソリューション数および潜在的な攻撃ポイントの増加は、実際のセキュリティの挑戦をもたらします。
alセキュリティに関する3つの重要な視点:
al駆動システムの保護 — alトレーニングデータ、トレーニングパイプライン、およびmlモデルを保護します。
alを活用してセキュリティ防御を強化する — mlを使用してパターンを把握し、攻撃点を見つけ、ネットワークセキュリティプロセスを自動化させます。
攻撃者によるalの不正な使用を予測する — 攻撃に対する防御を行います。
2022年までに、30％のalサイバー攻撃は、トレーニングデータ中毒、alモデルの盗難、または敵対的なサンプルを使用してal電力システムを攻撃します。
攻撃者がalを使用する方法
“こんにちは、エイミー。バミューダで撮った写真を共有したい。 ―親愛なる母。”これはお母さんからのメールのように見えますが、実際にはフィッシングリンクのある詐欺師からのメールです。 フィッシング攻撃では、機械学習はソーシャルメディアを介して通常の人間のコミュニケーションを理解し学習することができます。以上の方法を用い、実際の人間のコミュニケーションを模倣して攻撃を行います。