Dlaczego niektóre „przełomowe” technologie nie sprawdzają się
HELIX Elvis Chipiro wybrał pamięć uniwersalną (z listy z 2005 roku). Wizja zakładała, że jedna technologia pamięci będzie rządzić wszystkimi — pamięć flash, pamięć o dostępie swobodnym i dyski twarde zostaną objęte nową metodą opierającą się na maleńkich strukturach zwanych nanorurkami węglowymi, które przechowują znacznie więcej bitów na centymetr kwadratowy. Firma stojąca za tą technologią, Nantero, zebrała znaczne fundusze i podpisała umowy z partnerami licencyjnymi, ale miała trudności z dostarczeniem produktu w wyznaczonym terminie. Nantero napotkała wyzwania, próbując wyprodukować pamięć na dużą skalę, ponieważ drobne różnice w sposobie ułożenia nanorurek mogły powodować błędy. Trudno było także wywrócić do góry nogami technologie pamięci, które były już głęboko zakorzenione w branży i dobrze zintegrowane z fabrykami. Fotografia w polu świetlnym (z listy z 2012 r.), wybrana przez Cherry Tang, pozwala zrobić zdjęcie i później dostosować ostrość obrazu. Już nigdy nie będziesz miał do czynienia z rozmazanym zdjęciem. Aby było to możliwe, startup Lytro opracował specjalną kamerę, która rejestruje nie tylko kolor i intensywność światła, ale także kąt jego promieni. Był to jeden z pierwszych aparatów tego typu przeznaczonych dla konsumentów. Mimo to firma została zamknięta w 2018 r. Unikalna kamera Lytro z polem świetlnym ostatecznie nie odniosła sukcesu wśród konsumentów.DOMENA PUBLICZNA/WIKIMEDIA COMMONS Ostatecznie Lytro zostało wyprzedzone przez konkurentów o ugruntowanej pozycji, takich jak Sony i Nokia. Sam aparat miał niewielki wyświetlacz, a generowane przez niego obrazy miały dość niską rozdzielczość. Ponowna regulacja ostrości obrazów przy użyciu oprogramowania firmy również wymagała sporo pracy ręcznej. A smartfony – z ich poręcznymi, wbudowanymi aparatami – stawały się wszechobecne. Wielu studentów na przestrzeni lat wybrało Projekt Loon (z listy z 2015 r.) – jeden z tak zwanych „strzałów księżycowych” Google X. Proponował on wykorzystanie gigantycznych balonów w celu zastąpienia sieci masztów telefonii komórkowej w celu zapewnienia dostępu do Internetu, głównie w odległych obszarach. Firma przeprowadziła testy terenowe w wielu krajach, a nawet zapewniła awaryjne usługi internetowe w Portoryko po huraganie Maria. Jednak firma zamknęła projekt w 2021 r., a dyrektor generalny Google X, Astro Teller, napisał w poście na blogu, że „droga do komercyjnej rentowności okazała się znacznie dłuższa i bardziej ryzykowna, niż oczekiwano”. Sean Lee z mojej klasy w 2025 r. dostrzegł przyczynę niepowodzenia w samej misji firmy: Project Loon działał w regionach o niskich dochodach, gdzie klienci mieli ograniczoną siłę nabywczą. Występowały również poważne przeszkody komercyjne, które mogły spowolnić rozwój — firma polegała na partnerstwie z lokalnymi dostawcami usług telekomunikacyjnych w celu świadczenia usług i musiała uzyskać zezwolenia rządowe na nawigację w krajowych przestrzeniach powietrznych. Jeden z balonów projektu Loon prezentowanych na Google I/O 2016.ANDREJ SOKOLOW/PICTURE-ALLIANCE/DPA/AP IMAGES Choć ten konkretny projekt nie okazał się przełomowy, ogólny cel, jakim było zwiększenie dostępności Internetu dzięki łączności na dużych wysokościach, został zrealizowany przez inne firmy, w szczególności Starlink z konstelacją satelitów na niskiej orbicie. Czasami firma ma dobry pomysł, ale złe podejście, a firma posiadająca inną technologię może osiągnąć większy postęp. W ramach tego ćwiczenia prosimy również uczniów, aby wybrali z listy technologię, która ich zdaniem może w przyszłości okazać się klapą. Tutaj także ich wybory mogą być dość pouczające. Lynn Grosso wybrała dane syntetyczne na potrzeby sztucznej inteligencji (wybór na rok 2022), co oznacza wykorzystanie sztucznej inteligencji do generowania danych naśladujących wzorce ze świata rzeczywistego, na których mogą bazować inne modele sztucznej inteligencji. Chociaż stało się to coraz bardziej popularne, ponieważ firmom technologicznym zabrakło rzeczywistych danych do zasilania swoich modeli, zwraca uwagę, że praktyka ta może prowadzić do załamania się modeli, ponieważ modele sztucznej inteligencji szkolone wyłącznie na wygenerowanych danych ostatecznie zrywają połączenie z danymi zaczerpniętymi z rzeczywistości.
已Opublikowany: 2026-01-12 11:15:00
źródło: www.technologyreview.com
