云技术、数字技术的发展和芯片的引入

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Development of cloud, digital technologies and the introduction of chip
  technologies》
---
作者：
Ali R. Baghirzade
---
最新提交年份：
2020
---
英文摘要：
  Hardly any other area of research has recently attracted as much attention as machine learning (ML) through the rapid advances in artificial intelligence (AI). This publication provides a short introduction to practical concepts and methods of machine learning, problems and emerging research questions, as well as an overview of the participants, an overview of the application areas and the socio-economic framework conditions of the research.   In expert circles, ML is used as a key technology for modern artificial intelligence techniques, which is why AI and ML are often used interchangeably, especially in an economic context. Machine learning and, in particular, deep learning (DL) opens up entirely new possibilities in automatic language processing, image analysis, medical diagnostics, process management and customer management. One of the important aspects in this article is chipization. Due to the rapid development of digitalization, the number of applications will continue to grow as digital technologies advance. In the future, machines will more and more provide results that are important for decision making. To this end, it is important to ensure the safety, reliability and sufficient traceability of automated decision-making processes from the technological side. At the same time, it is necessary to ensure that ML applications are compatible with legal issues such as responsibility and liability for algorithmic decisions, as well as technically feasible. Its formulation and regulatory implementation is an important and complex issue that requires an interdisciplinary approach. Last but not least, public acceptance is critical to the continued diffusion of machine learning processes in applications. This requires widespread public discussion and the involvement of various social groups.
---
中文摘要：
最近，通过人工智能（AI）的快速发展，几乎没有任何其他研究领域像机器学习（ML）那样受到如此多的关注。本出版物简要介绍了机器学习的实用概念和方法、问题和新出现的研究问题，并概述了参与者、应用领域和研究的社会经济框架条件。在专家圈中，ML被用作现代人工智能技术的关键技术，这就是为什么AI和ML经常互换使用，尤其是在经济环境中。机器学习，尤其是深度学习（DL），为自动语言处理、图像分析、医疗诊断、过程管理和客户管理开辟了全新的可能性。本文的一个重要方面是芯片化。由于数字化的快速发展，随着数字技术的进步，应用程序的数量将继续增长。未来，机器将越来越多地提供对决策非常重要的结果。为此，从技术方面确保自动化决策过程的安全性、可靠性和足够的可追溯性非常重要。同时，有必要确保ML应用程序符合法律问题，如算法决策的责任和责任，以及技术上的可行性。它的制定和监管实施是一个重要而复杂的问题，需要跨学科的方法。最后但并非最不重要的一点是，公众接受对机器学习过程在应用中的持续扩散至关重要。这需要广泛的公众讨论和各种社会团体的参与。
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Development_of_cloud,_digital_technologies_and_the_introduction_of_chip_technologies.pdf (854.65 KB)

2022-4-26 13:59:35 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：数字技术 Applications Technologies introduction Intelligence

云技术、数字技术的发展和芯片技术的引入经济硕士Ali R.Baghirzade“创新经济学”研究所初级研究员俄罗斯莫斯科普列汉诺夫经济大学电子邮件：fedorbagirov47@gmail.com摘要：由于人工智能（AI）的迅速发展，最近几乎没有任何其他研究领域像机器学习（ML）那样受到如此多的关注。本出版物简要介绍了机器学习的实用概念和方法、问题和新出现的研究问题，并概述了参与者、应用领域和研究的社会经济框架条件。在专家圈中，ML被用作现代人工智能技术的关键技术，这就是为什么AI和ML经常互换使用，尤其是在经济环境中。机器学习，尤其是深度学习（DL），为自动语言处理、图像分析、医疗诊断、过程管理和客户管理开辟了全新的可能性。本文的一个重要方面是芯片化。由于数字化的快速发展，随着数字技术的进步，应用程序的数量将继续增长。未来，机器将越来越多地提供对决策非常重要的结果。为此，从技术方面确保自动化决策过程的安全性、可靠性和足够的可追溯性非常重要。同时，有必要确保ML应用程序符合法律问题，如算法决策的责任和责任，以及技术上的可行性。

它的制定和监管实施是一个重要而复杂的问题，需要跨学科的方法。最后但并非最不重要的一点是，公众接受对机器学习过程在应用中的持续扩散至关重要。这需要广泛的公众讨论和各种社会团体的参与。关键词：数字化、云、芯片化、经济、进化、统计、技术。一、导言在现代世界，数字化正在加快发展步伐。如果说大约一个世纪前我们生活在一个工业化的时代，创新产品的生产需要很长时间，那么现在是数字化发展的时代，数字化的创新每天都在体现。由于该系统最近已渗透到人类生活中，其本质尚未得到充分研究，数字化进程无法停止，我们的主要任务是正确考虑风险[1]。本文讨论了数字化的利弊，以及俄罗斯所有行业和家庭层面IT服务结构的统计数据。二、统计数据每年，俄罗斯和欧美地区的IT市场，包括日本、新加坡、中国、香港等亚洲地区的增长量。以俄罗斯为例，2019年的指标（108.47亿美元）比2018年（99.17亿美元）增长了9.4%，同样在图1中，我们可以看到5年的回顾，5年的指标增长了41%。图1。俄罗斯IT市场的发展根据作者的预测，到2022年，与2019年相比，你可以看到这一点。IT市场可能会增长25%，这表明该市场将大幅增长。

制造业占25.1%，公共部门占21.4%，银行业占20.9%，运输业占4.3%，零售业占5.2%，服务和消费者占2.4%，电信业占12.1%，通信服务业占6.8%，保险业占1.8%（图2）。图2。2019年的市场结构，RAS表1 2022年的市场结构预测，RAS目前最广泛使用的设备之一是智能手机。20年来，智能手机不断发展，世界上大多数人都越来越容易使用。据班克迈塞尔的一位消息人士透露，目前全球45.12%（350万人）的人口使用智能手机。根据作者的预测，66.7%（517万人）的人口使用手机，2021，智能手机用户的增长将增加到380万卢布。到2025年，用户数量将达到57%（图3）。图3。使用智能手机的人口（百万）。如表2所示，中国是最大的智能手机用户，其次是印度人，第三是美国。这些地区的人口很高，这不言而喻。但也有例外，比如西班牙(№ 1840万）和尼日利亚(№ 2301.01亿）。制造业26,7%公共部门20,8%银行21,1%电信11,4%公用事业6,7%保险1,9%02000040006000100001200014000160002016 2017 2018 2019 2020*2021*2022*25.1%21.4%20.9%12.1%6.8%1.8%制造业公共部门银行电信公用事业保险2。52.72.93.23.53.84.14.44.750123456mln。尽管西班牙的人口低于尼日利亚，但西班牙的智能手机使用率却高出15%。在这种情况下，西班牙是一个发达国家，尼日利亚是一个发展中国家，西班牙的人均收入高于尼日利亚，因此，西班牙的智能手机用户多于尼日利亚（表2）。

表2全球智能手机的使用情况。排名国家/市场总人口智能手机用户智能手机渗透率中国1。42B851M59。9%印度137B346M25。3%来自美国329M260M79。1%巴西212M96。9M45。6%俄罗斯联邦144M95。4M66。3%印度尼西亚270M83。9M31。1%日本127M72。6M57。2%德国82。4M65。9M79。9%墨西哥132M65。6M49。5%联合王国67。0M55。5M82。9%法郎65。5M50。7M77。5%伊朗82。8M45。4M54。8%土耳其83。044。8M54。0%越南97。4M43。7M44。菲律宾为9%，菲律宾为36%。3M33。6%来自韩国51。3M36。1M70。4%是59。2M36。0M60。8%的受访者为46人。4M34。5M74。3%的巴基斯坦人205M32。5M15。9%的国家/市场总人口智能手机用户智能手机渗透率孟加拉国168M31。0M18。5%埃及101M30。5M30。1%泰国69。3M30。2M43。6%尼日利亚人201M30。0M14。9%加拿大37。3M27。5M73。8%波兰人38。0M25。3M66。4%阿根廷44。6M23。6M53。0%来自南非55。8M23。2M41。6%沙特阿拉伯33。3M22。7M68。3%马来西亚31。5M20。9M66。5%哥伦比亚49。4M20。3M41。1%的澳大利亚人24。9M17。2M69。3%来自中国台湾23。6M17。0M72。0%阿尔及利亚41。715。8M37。9%是35%。6M13。9M39。0%32。5M13。7M42。2%委内瑞拉32。3M12。9M39。9%乌克兰44。1M12。6M28。6%的荷兰17。0M12。1M71。2%罗马尼亚人19。1M11。5M60。2%儿童18岁。4M11。1M60。第39季度为3%。7M9。6M24。2%比利时11。5M8。0M69。6%哈萨克斯坦18。2M7。9M43。4%的国家/市场总人口智能手机用户智能手机渗透率阿拉伯联合酋长国9。5M7。8M82。1%瑞典人9。9M7。3M73。7%捷克共和国10。5M7。1M67。6%的阿塞拜疆人10。0M6。9M69。0%葡萄牙10。2M6。9M67。6%的人表示欢迎。8M6。8M63。0%瑞士8。5M6。2M72。9%考虑到人口的年龄类别，智能手机的主要用户是18-29岁的人，最小的是65岁以上的人（表3）。表3使用智能手机的年龄类别仅使用智能手机（非智能手机）总计95%77%17%男性95%80%16%女性94%75%19%年龄18-29100%94%6%30-4998%89%9%50-6494%73%21%65+85%46%40%探索这个话题，我们可以说数字化涵盖了所有活动领域。

值得回顾一下医学领域。三、 互联网技术和云技术的重要性今天，在专家圈中，机器学习被理解为人工智能中的一项关键技术。人工智能是计算机科学的一个分支，旨在使机器“智能地”执行任务。“智能”是什么意思，以及使用了什么技术，没有具体说明。人工智能的第一个具有商业意义的进步是通过所谓的专家系统和手工构建的知识库实现的。有了这些手动输入的知识，甚至是解决方案的显式编程，就不可能处理更复杂的人工智能任务。另一种方法是机器学习，它现在实际使用[2]。代表了智能系统的关键技术。机器学习寻求从“经验”中获得“知识”，使用学习算法开发基于示例的复杂模型。然后，该模型以及自动生成的知识表示可以应用于同一类型的新的、潜在未知的数据。当过程过于复杂，无法用分析方法描述，但有足够的样本数据可用时，如传感器数据、图像或文本，机器学习是理想的解决方案。所研究的模型可用于做出预测、建议和决策，而无需事先设定任何规则或计算规则。云计算是一种IT基础设施，例如通过互联网。它通常包括磁盘空间、计算能力或应用软件作为服务。从更专业的角度来说，云计算描述了一种方法，可以通过计算机网络提供IT基础设施，而无需安装在本地计算机上。

这些服务仅通过网络浏览器等技术接口和协议提供和使用。云计算环境下提供的服务涵盖了整个信息技术领域，包括基础设施、平台和软件，以及存储空间和数据库[3]。云是信息技术最古老的符号之一，因此代表着计算机网络，其内部可以忽略不计或未知。早在20世纪90年代初，IT行业的一些人预测“计算机将通过网络分布”，也就是说，一旦技术成熟，云计算就会出现。这个时代是随着20世纪90年代末多租户体系结构的发展而到来的。社交网络Facebook于2004年推出时，其成员有机会在互联网上保存和发布（“发布”）照片、视频等。然而，“云计算”一词主要是由一些快速增长的互联网公司创造的，比如亚马逊、谷歌和雅虎。由于用户群的快速增长，这些公司面临的问题是，必须储备不断增长的系统，即使在高峰期也能提供足够的性能（例如，亚马逊的圣诞节业务）。对于亚马逊来说，2006年的峰值负荷是日常工作基本负荷的10倍。为了解决这个问题，决定将（面向服务的）体系结构和服务转变为面向外部世界的产品，这些体系结构和服务的设计和构建是为了应对有时高度波动或大量用户。这意味着，这个问题在高峰期会蔓延到云用户[4]。

对于亚马逊来说，这一举动在21世纪初是一个合乎逻辑的结果，因为他们已经在内部转移到了小规模、快节奏的团队（快节奏的“两个披萨团队”），这些团队在现有云基础设施的基础上拥有新的功能。实施。因此，云服务的扩展效应成为云计算产品本身的基础，该产品不仅在内部提供，也在外部提供。亚马逊如今是世界上最大的云计算提供商。图4。云计算工作使用和分发云计算服务的一个先决条件是宽带连接，其速度如此之快，以至于数据是否存储在本地PC或云中的远程服务器上不再重要。因此，云计算对私人用户越来越重要，这与向市场提供快速、可靠、经济高效的DSL和LTE连接有关[5]。芯片是未来将网络与使用云管理技术的人的日常生活联系起来的最重要的技术之一。下一章将对芯片进行更详细的描述。四、 芯片化在我们2001年的日子里，ADS提供了一个12\'AE2.1mm的VeriChip芯片植入物。该芯片可读取多达六行的信息，并内置GPS。据开发者称，该功能将有助于防止人员失踪。2017年，在图门市（俄罗斯），一名学生（Konstantin Polyakov）使用植入芯片，有能力支付公共交通费用。从2003年7月17日起，该公司（ADS应用数字解决方案）开始在墨西哥进行“芯片化”，该国1万多居民被“芯片化”，70%的诊所拥有从这些芯片读取信息的设备[6]。21世纪的惊人发明之一是3D打印机。

特拉维夫分子细胞生物学和生物技术大学的以色列科学家使用3D打印机打印出了一个心脏的迷你原型，它更适合兔子而不是人，但人类心脏需要同样的设备和材料，包括脂肪组织、水凝胶，它可以作为墨水和细胞。正如科学组织Dvir的负责人所报告的那样，“细胞必须产生泵送能力才能协同工作。”研究人员计划首先将3D心脏移植到动物身上，如果成功，接下来的步骤将是在人类身上进行类似的手术。Dvir（科学小组负责人）还指出，“也许在10年内，当器官将被打印出来时，这种方法将出现在世界上最好的诊所中，并且程序将定期进行”。这篇文章的作者——利用开放式微流控芯片检测和控制人全血循环肿瘤细胞的气液界面——提出了一种从全血中分离和回收循环肿瘤细胞（CTC）的生物自动化系统。为了分离CTC，使用了一种基于开放通道微流控芯片的方法。所提出的微流控芯片设计可以形成稳定的气液界面。由于气液界面处弯月面的毛细力，MSW被困在微流控芯片支架之间的缝隙中。作者提出了一种稳定气液界面和样品流量的微电路设计。作者提出了一种确定气液界面位置的图像分析算法。利用图像分析算法的视觉反馈，提出了一种控制气液界面位置的控制系统。

作者能够稳定流速，这使得在30分钟内完成5毫升全血的分离成为可能。我们获得了4μm气液界面位置的平均误差，标准偏差为7μm。作者证实，气液界面位置是CTC捕获面积的决定性因素。通过控制气液界面的位置，我们实现了在高浓度的窄带中捕获CTC[7]。2019年，埃隆·马斯克启动了名为“Neuralink”的新项目。该项目涉及植入物的制作，植入物的电极线将通过神经外科机器人插入并连接到人脑。将这种带有电极丝的芯片植入人脑的首次试验计划于2020年底进行。这种植入物的功能在于，接受这种手术的人应该能够使用他们的大脑通过电子设备执行动作，打电话，这也将使人们了解大脑、脊柱等疾病的治疗，但到目前为止，这种活动还没有得到很好的研究。正如埃隆·马斯克（Elon Musk）所言，未来这种工具可能会与人工智能（AI）和人脑共生，从而产生超人智能。与这个想法类似，亚特兰大埃默里的科学家罗伊·巴基和菲利普·肯尼迪将52岁的约翰·雷植入大脑，并在其大脑中植入了一个微电路，借助该电路，他可以进行通信和控制电器。这种芯片已经被用于治疗帕金森氏症、癫痫、硬化症等疾病。