Tech: Den fjerde industrielle revolusjonen: Fremveksten av den autonome økonomien

original forfatter : TechFoodLife

For å forstå nåtiden, må man undersøke fortiden. For å se fremtiden, må man føle fremdriften bygge i nåtiden.

Når vi undersøker fortiden, blir det klart at fremskritt innen teknologi utvilsomt har vært den ledende driveren i utviklingen av menneskelig sivilisasjon. Akkurat som hjulet og kompasset revolusjonerte tidligere generasjoner, har utviklingen av smarttelefonen og Internett fullstendig forandret samfunnet i dag, noe som gjør det vanskelig å til og med forestille seg en verden uten dem. Selv om det er lett å se tilbake i historien og identifisere de viktigste gjennombruddene, klarer de fleste ikke å forutse fremtidens teknologiske innovasjoner før de blir fullt innebygd i hverdagen. Faktisk blir de fleste nye teknologier latterliggjort i begynnelsen, med “eksperter” som hevder at de er uoppnåelige og unødvendige.

(Hilsen The Nomads)

Til tross for tvilen som hardnakket skyer nåtiden, tror imidlertid mange at dagens teknologiske trender er på bunnen av å antenne en fjerde industrielle revolusjon; denne gangen utløst av økningen av masseautomatisering. Mens økonomier ledet av mennesker sannsynligvis aldri vil forsvinne, er det som begynner å skje, dannelsen av en parallell økonomi som drives helt av maskiner. I likhet med tidligere industrielle revolusjoner, samles den nåværende rundt visse teknologiske gjennombrudd, spesielt i Internett av ting (IoT), Kunstig intelligens (AI), og Distribuert Ledger-teknologi(DLT).

(Nobelprisvinnende økonom Paul Krugman tok tydelig feil med hensyn til innvirkningen Internett ville ha på samfunnet; kilde)

Mens den gjennomsnittlige personen har liten eller ingen bevissthet om hva som kommer, går ikke banen til moderne teknologi ubemerket av alle. Brian Arthur, en økonom kjent for å utvikle den moderne tilnærmingen til å øke avkastningen, har foreslått en avhandling for å beskrive fenomenet og myntet det, “autonomi-økonomien.” Klaus Schwab, grunnlegger og utøvende styreleder for World Economic Forum, har gjentatt sammenlignbare følelser og til og med skrevet en bok om det som heter “Den fjerde industrielle revolusjonen.”

Før du ser nærmere på nåværende teknologiske trender, er det fordelaktig å studere virkningen de tre første industrielle revolusjonene hadde på samfunnet. Å ha historisk kunnskap kan komme langt i å hjelpe en se for seg hvordan den fjerde industrielle revolusjonen vil påvirke fremtiden.

De industrielle revolusjonene fra fortiden

De tre foregående industrielle revolusjonene har alle vært drevet av en rekke separate, men sammenkoblede teknologiske innovasjoner som sterkt økte humanistiske evner til å produsere produksjon, samtidig som de reduserte innspillene som trengs for å oppnå det, enten gjennom reduksjon i arbeidskraft, tid eller materialer. Disse fremskrittene omformet ikke bare samfunnet fra økonomisk forstand, men formet også hele konseptet om hvordan mennesker oppfattet sitt daglige liv..

Den første industrielle revolusjonen:

Fra omtrent 1750–1850 fant den første industrielle revolusjonen sted og var overveiende et resultat av menneskehetens evne til å utnytte to viktige energikilder, damp og kull. Hoveddriveren til den første industrielle revolusjonen var en rekke tekniske gjennombrudd i dampmotoren, sammen med oppdagelsen av et billigere, mer rikelig mineral, kull. Kombinasjonen ga til slutt opphav til kulldrevne forbrenningsdampmotorer, som var i stand til å produsere langt mer energi til en billigere pris enn noen gang før. Denne nye innspillet førte til store transformasjoner i produksjonen og ble brukt til å drive kraftige endringer i flere bransjer, for eksempel tekstiler, metallverk (spesielt jern) og transport.

(Noen av de viktigste oppfinnelsene av den første industrielle revolusjonen, muliggjort av dampmotorens innovasjoner; kilde)

Noen av historiens mest berømte oppfinnelser ble utviklet i løpet av denne tidsperioden, som bomullsgin, en maskin som brukes til å skille bomullsfibre fra frøene, og kraftveven, en maskin som brukes til å veve kluter og gobeliner. Andre bemerkelsesverdige gjennombrudd inkluderer utvikling av maskinverktøy, gjenoppdagelse av sement, innføring av glassplater og forbrenning av kull for å produsere gasslys.


Før den første industrielle revolusjonen ble de fleste varer produsert lokalt og arbeidet til individuelle håndverkere, men etter kommersialisering av kulldrevne dampmotorer dannet store industrier seg som kunne produsere produkter for en mye bredere forbrukerbase. Et grunnleggende skifte skjedde i samfunnet fra å være en landlig agrar kultur til oppbyggingen av industribyer sentrert rundt store produksjonsfabrikker. Arbeidsstyrken ble ikke lenger dominert av individuelle arbeidere, men ble i stedet langsomt erstattet av næringer drevet av kapitalister som ansatt arbeiderklassen. Byer begynte å bli økonomiske kraftverk for hele nasjoner. Trenden ville heller ikke avta, da det ikke tok lang tid før en ny industriell revolusjon ville finne sted, potensielt enda mer innflytelsesrik enn den første.

Den andre industrielle revolusjonen:

Også kjent som den teknologiske revolusjonen, varte den andre industrielle revolusjonen fra 1870–1914 (starten på første verdenskrig) og kan best beskrives som en mestring av teknologien introdusert i den første industrielle revolusjonen, blandet med to store gjennombrudd: utnyttelse av to nye energikilder: elektrisitet og petroleum.

Takket være mer avansert utvikling innen jern- og stålproduksjon begynte maskindeler å bli produsert i bulk og standardisert på tvers av bransjer, for eksempel standardstørrelser for skruer og metallstenger. Innviklet jernbaneinfrastruktur åpnet over flere avanserte land, samt utviklingen av dampturbinmotoren, som revolusjonerte marinefartøyene. I hovedsak utviklet samfunnet langt overlegne transportruter for alle fabrikkproduktene som ble masseprodusert. Markedene begynte virkelig å åpne seg i løpet av denne perioden på grunn av økt transporthastighet og redusert pris på maskindrevet produksjon.

(Jernbaneinfrastrukturen i 1860 var langt mer avansert enn bare 30 år tidligere, da det nesten ikke var jernbaner i USA; kilde)

Den kulminerende utveksten mot slutten av den andre industrielle revolusjonen må være elektrisitet og petroleum. Selv den moderne verden i dag er helt avhengig av elektrisitet og olje. Elektrifisering blir ofte sett på som det største fremskrittet i det 20. århundre fordi det ga samfunnet en billig, rikelig energikilde som ikke bare ville drive fabrikker og hjem når som helst på dagen, men ville legge grunnlaget for at alle enhetene skulle komme senere. . Mens elektrisitet var viktig, har olje vært den mest etterspurte varen i forrige århundre. Det har vært den dominerende drivstoffkilden for å drive de fleste transportkjøretøyer, enten det er biler, fly eller landbruksutstyr. Det har også gitt opphav til et stort utvalg av forbrukerprodukter (plast), gjødsel / kjemikalier og medisiner.

Det var også andre store fremskritt i løpet av denne tiden, for eksempel i kommunikasjon med oppfinnelser av telegrafen, telefonen og radioen. Papirfremstillingsmaskiner begynte også å få grep i begynnelsen av det 20. århundre, noe som resulterte i nye evner til å spre kunnskap, nyheter og litteratur over kontinenter. Til slutt fører utviklingen i gummiproduksjon til masseproduksjon av dekk som hjalp til med oppfinnelsen av sykler, biler og fly.

(Bryter ned noen av de viktigste forskjellene mellom den første og andre industrielle revolusjon)

Det er viktig å forstå hvordan den første industrielle revolusjonen var det teknologiske smellet som startet konseptet med moderne industriøkonomier, mens den andre industrielle revolusjonen var mestring av teknologien, som ga opphav til moderne byer fylt med de første skyskrapene. Med land som er i stand til å handle og kommunisere som aldri før, gikk verden inn i begynnelsen av sin bevegelse mot globalisering. Trenden ville bare fortsette også, og til slutt nå enestående nivåer fra siste halvdel av det 20. århundre. Samfunnet ville oppleve et radikalt nytt teknologisk smell: den digitale revolusjonen.

Den tredje industrielle revolusjonen:

Fra slutten av 1950-tallet frem til i dag har den tredje industrielle revolusjonen, også kjent som den digitale revolusjonen, slått rot i samfunnet og er hovedsakelig kulminasjonen av et skifte fra mekanisk og analog elektronisk teknologi til digital elektronikk. De to store utvekstene har vært digital databehandling og kommunikasjonsteknologi. Den raske beregningen av datamaskiner, blandet med sammenkoblingen av Internett og satellitt kringkasting, har skapt en digital arkitektur der informasjon umiddelbart kan deles over hele verden av enheter med langt raskere prosesseringshastigheter enn mennesker. Det er ikke rart at folk refererer til denne tidsperioden som Age of Information.

(Overgangen fra digital til analog var ganske rask siden år 2000)

Den overflod av digital informasjon er resultatet av en mestring av elektrisitet og presisjonshåndverk, som kombinerer til fødselen stadig forbedrende mikroprosessorer, også kalt datamaskinbrikker. Fra smarttelefoner og HD-TV-skjerm til avansert fotograferingsutstyr og droner, er datamaskins ryggraden i all avansert elektronikk. Interessant nok har alle disse teknologiene konsekvent blitt erstattet med bedre versjoner innen en liten tidsperiode. Telefonen er et godt eksempel, går fra telefontelefonen, til fasttelefonen, til mobiltelefonen, til smarttelefonen, og blir potensielt en bioteknologi neste.

Akkurat som produksjonsinnovasjoner fra den første og andre industrielle revolusjonen fører til konstruksjon av industribyer som bruker alle materialene som produseres, fører de elektroniske innovasjonene til den tredje og fjerde industrielle revolusjonen til konstruksjon av intelligente applikasjoner som bruker alle dataene som produseres.

Den fjerde industrielle revolusjonen

For å vikle tankene rundt den fjerde industrielle revolusjonen, er det viktig å forstå begrepet intelligens. Den beste måten å forstå intelligensen på er å tenke på hvordan den oppnås, som vanligvis er en firetrinnsprosess.

1) Samle inn data

2) Behandle dataene ved å bruke tidligere data som referanse

3) Ta handling basert på de raffinerte dataene

4) Motta tilbakemeldingsdata, lær av resultatet, og lagre alt i minnet.

(En enkel løkke av intelligens; kilde)

Prosessen er en syklisk løkke med kontinuerlig innsamling av data, behandling av dem, handling og mottak av tilbakemelding. Jo flere ganger noen går gjennom prosessen, jo mer intelligente blir de, forutsatt at de er i stand til å lære av handlingene sine. To nøkkelfaktorer som ligger til grunn for alt er eksponering for så mye data som mulig og utvikling av upåklagelig ferdighetsegenskaper.

Mønstre påpeker ikke bare hva som fungerer mot hva som ikke fungerer, styrker mot svakheter og trender mot avvik, men det hjelper folk med å kategorisere informasjon, så det er lett å huske for fremtidig bruk. Overlegen mønstergjenkjenning som fører til forbedrede mentale og fysiske evner er ryggraden i å utnytte intelligens. Som Albert Einstein en gang sa: “Måling av intelligens er evnen til å forandre seg.” Den eneste måten noen kommer til å endre er ved å bli utsatt for et negativt mønster som holder dem tilbake eller se et bedre mønster for å komme videre. Det siste trinnet er implementering gjennom viljestyrke og handling.

Hvis teknologien skal replikere intelligens og utvikle den til en digital vare som selges på det åpne markedet, må den utnyttes ved hjelp av samme modell. Mens de fleste ikke er klar over den nylige utviklingen, åpner dagens teknologi nye muligheter på denne fronten, spesielt på grunn av fremskritt innen IoT-industrien, AI, DLT og noen få andre makrotrender. Ved å bruke fremskritt innen maskinvare, programvare og data er teknologien på randen av produksjonsintelligens. Den autonome økonomien er nærmere enn de fleste tror.

Tingenes internett (IoT):

En stor utvekst av den digitale tidsalderen har vært masseproduksjon av data. Det har blitt en så anerkjent følelse at folk begynte å si at “data er den nye oljen”. Det er egentlig to kategorier av data: offentlige data og private data. Internett er den største oljebrønnen med offentlige data og er unik fordi den er en stadig økende ressurs. Private data er for det meste konsentrert om private servere, spesielt i Clouds, og inneholder sensitiv informasjon som folk ikke vil dele fritt eller ikke vil se. Det burde egentlig ikke være overraskende lenger at mange av de største selskapene i verden eier mest data, som Google, Facebook, Amazon og Baidu.

(Det er interessant å merke seg hvordan de fleste av de største selskapene i verden dreier seg om undervisning og data, i motsetning til ressurser for bare 10 år siden; kilde)

Det meste av dataene som samles inn i dag, gjøres ved bruk av applikasjoner, for eksempel Google som samler inn data basert på søkeresultater, eller Facebook som samler inn data basert på din sosiale profil, eller til og med Amazon som samler inn data basert på folks utgiftsvaner. I hovedsak er selskaper vertskap for applikasjoner som forbrukere vil bruke, og samler deretter data beregninger basert på deres aktivitet. Det er også applikasjoner med åpen kildekode som alle kan utlede beregninger fra som markeder, sport eller åpne saksregistreringer.

For å utnytte intelligens som er i stand til å gjøre raske vurderinger som mennesker, må det imidlertid være tilgang til sanntidsdata. Inntil nylig har sanntidsdata vært vanskelig å få tak i, men nå, takket være noen store innovasjoner innen sensor- og aktuatorteknologi, har det blitt en reell realitet. Alle typer sensoraktiviteter er mulige, for eksempel sensorer som måler temperatur, plassering, hastighet, akselerasjon, dybde, trykk, blodkjemi, luftkvalitet, farge, fotoskanning, stemmeskanning, biometri, elektrisk og magnetisk kraft. Normalt kreves det at mennesker tar slike målinger, men det endrer seg raskt på grunn av masseproduksjonen av billige, men nøyaktige sensorer og aktuatorer. De er ikke bare plassert i miljøet, men i maskiner, som industrielle maskiner og roboter, og i / på mennesker, som en Fit eller høyteknologiske pacemakere.

(De forskjellige typer sensorer og aktuatorer som finnes; kilde)

Hvis det kommer til å være en autonom økonomi, må det være en elv med sanntidsinformasjon som kontinuerlig flyter. Den eneste måten autonom handling er effektiv er hvis den kan svare raskt med selvsikker vurdering. Å ha evnen til å overvåke intrikate detaljer i sanntid om et anlegg, dets utstyr, miljøet det opererer i, og til og med dets arbeidere (mennesker eller roboter), er transformerende på mange nivåer og har ennå ikke blitt sett i masse. I det vesentlige blir alt, både fysisk og ikke-fysisk, brakt online som data til et sammenkoblet nett, derav navnet Tingenes internett. Det er menneskets sanser i digital form.

Imidlertid er rådata bare like gode som filtreringsmekanismen som analyserer dem. Uten riktig analyse vil applikasjoner være som dyr som handler ut fra instinkt, og derfor er kunstig intelligens en viktig komponent i automatisering.

Kunstig intelligens (AI):

Mens data er drivstoffet for intelligens, er hjernen motoren som tar inn data, kryssreferanser den med tidligere data, sorterer dem i kategorier, treffer vurderinger, utløser handlinger i den virkelige verden og lagrer dem. Menneskets hjerne er utrolig kraftig og er fortsatt et mysterium for forskere. Det er organet som virkelig skiller mennesker fra andre arter på planeten på grunn av dets kognitive evner. Som et resultat vil det å replikere den menneskelige hjerne som en teknologi bli veldig kompleks og ta betydelig tid å mestre. Gjennombrudd begynner imidlertid å finne sted innen kunstig intelligens, noe som gir selskaper muligheten til å kjøre programvare som etterligner menneskelig intelligens i en eller annen form.

I følge Adelyn Zhou, en ledende stemme innen AI og markedsdirektør for Chainlink, er det syv typer kunstig intelligens:

1) Handling– systemer som fungerer basert på regler som en røykvarsler eller cruise control.

2) Forutsi– systemer som er i stand til å analysere data og produsere sannsynlige spådommer basert på dataene, som målrettede annonser eller foreslått innhold.

3) Lære– systemer som gjør vurderinger basert på spådommer, for eksempel selvkjørende biler som handler basert på sensordata som kommer inn.

4) Skape– systemer som lager basert på data, for eksempel å designe et kunstverk, arkitektere bygninger eller komponere musikk.

5) Forhold– systemer som plukker opp følelser basert på ansikts-, tekst-, stemme- og kroppsspråkanalyse, for eksempel tale-til-tekst-applikasjon og ansiktsskanningsteknologi.

6) Herre– systemer som overfører intelligens på tvers av domener, for eksempel å erkjenne at fire forskjellige bilder alle representerer den samme ideen / ordet.

(Selv om det er lett for mennesker å gjenkjenne alle disse bildene representerer en tiger, har maskiner som bruker AI-programvare vanskeligere å gjøre det. Det krever eksponering for mye data å mestre; kilde)

7) Utvikle deg– systemer som kan oppgradere seg selv på programvare- eller maskinvarenivå, slik at mennesker i fremtiden har muligheten til å laste ned intelligens i hjernen som om det er programvare.

Den grunnleggende ideen er at ny programvare er i stand til å ta inn nye data, behandle den mot store databaser med lagret informasjon, gjøre vurderinger som fører til virkelige ordhandlinger, og motta tilbakemeldinger som kan brukes til å lære av. Hele prosessen er ikke noe mer enn en programvarealgoritme som kan utvikle seg jo mer den samhandler med data. Det er ikke rart at AI blir hovedfokuset til Google med tanke på at de har mest data på jorden.

Mens de fleste kanskje ikke tenker på å streame sanger fra Pandora eller foreslåtte videoer fra YouTube som kunstig intelligens, er det akkurat det det er. YouTube-servere tilbyr et bredt utvalg av videoer på plattformen, brukere klikker på videoer de vil se, de gir tilbakemelding på disse videoene, for eksempel en tommel opp / ned eller etterlater metadata i form av hvor lenge de så på videoen, og tilbakemeldingen brukes deretter til å oppdatere programvarealgoritmen. AI-programvaren kan også ta andres aktivitet og kryssreferanse den med dataene til andre brukere som liker lignende videoer, for deretter å foreslå bedre valg. Effektivt endrer den seg selvutviklende algoritmen basert på inndata. Denne typen AI blir referert til som maskinlæring.

Noen av de nyere fremskrittene har imidlertid kommet gjennom utviklingen av nevrale nettverk som brukes til dyp læring. Nevrale nettverk er en delmengde av maskinlæring som sentrerer seg om algoritmer modellert etter den menneskelige hjerne, spesielt gjenkjenne mønstre og kategorisere / klassifisere informasjon ved å sammenligne den med kjent informasjon. Deep learning er en type nevrale nettverk som har lag basert på relaterte konsepter eller beslutningstrær, hvor svaret på ett spørsmål fører til et dypere relatert spørsmål til dataene er riktig identifisert.

Hovedideen er å designe programvare som kan ta avgjørelser basert på data i stedet for menneskelig inngripen. Dagens programvare utfører enkle funksjoner basert på innganger, men AI-programvare tar handlinger på tvers av bransjer og utvikler seg i de handlingene den tar basert på evnen til å ta inn et mye større sett med innganger. AI-programvare er intelligens i digital form som tilbys til bredere publikum som teknologi. De fleste tenker bare på roboter som AI, og selv om det absolutt er spennende gjennombrudd innen dette feltet, er programvaren nøkkelen til det hele, for hva er en kropp uten hjerne?

(Bedrifter innser i økende grad viktigheten av å ta i bruk AI-teknologi; kilde)

Det er allerede mange bransjer som bruker AI-programvare for å øke bunnlinjen. Et eksempel er SAP HANA, en intelligent database som er i stand til å ta inn alle typer informasjon fra selskapet, behandle den og oppdage uregelmessigheter. Bedrifter som Walmart bruker SAP HANA fordi de kan behandle transaksjonsposter med høyt volum på få sekunder, alt på ett sted. Det sparer ikke bare penger på grunn av en betydelig reduksjon i arbeidskraften som trengs for å avstemme kontoer på tvers av forskjellige systemer, men det oppdager feil før de skjer, og foreslår ledere for selskapet å forfølge. Det hjelper også til budsjettprognoser på grunn av dets evne til å kryssreferanse sanntidsdata med store siloer av eksisterende data. Bedrifter begynner sakte å kjøre selv, minus noe ledertilsyn.

Regjeringer utnytter også AI-teknologi for å forbedre byene. Et eksempel er transportsystem i Pittsburgh, der i stedet for å stole på forhåndsprogrammerte sykluser, har lys blitt utstyrt med sensorer som overvåker trafikkbevegelser og reagerer i sanntid for å maksimere flyten. Det er tilfeldigvis byen der mange automatiserte biler blir testet, som bruker innebygde sensorer for å overvåke miljøet, samt datastrømmer fra trafikksensorer for å operere autonomt..

Med kommoditert intelligens som nå er mulig takket være store mengder data og intelligente algoritmer, er det siste trinnet å opprette infrastruktur for det hele å kommunisere videre i sanntid med liten eller ingen friksjon. Den nye infrastrukturen ser ut til å være distribuert hovedboksteknologi.

Distribuert ledgerteknologi (DLT):

Menneskelig intelligens er så bemerkelsesverdig fordi den er samarbeidende, noe som betyr at kunnskapens sosiale reservoar er et resultat av intelligens som samhandler med annen intelligens. Å ha barrierer mellom to intelligente systemer bremser veksten fordi det hindrer forbindelser i å finne sted. Jo flere forbindelser som skjer, jo mer intelligent kan noe bli. For å maksimere forbindelsen i samfunnet, må alle systemer være i stand til å enkelt samhandle med hverandre slik at data og verdi kan bevege seg fritt i samfunnet.

Den ideelle infrastrukturen for en autonom økonomi krever en database, et behandlingslag, et transaksjonslag og et tilkoblingslag som gjør at ethvert system kan motta innganger og sende utganger til et hvilket som helst annet system. Nettverket må være sikkert, operere i sanntid og tilby konfidensialitetsalternativer når det er nødvendig. Det må også gi kvitteringer for alle involverte parter, være samarbeidsvillige med loven og tjene penger på verdien på den. Til slutt må det være tillatelsesfritt og offentlig å legge til rette for nettverkseffektene som trengs for maksimal tilkobling.

For det første er det viktig å forstå begrepet distribuert hovedboksteknologi, som bare er et altomfattende begrep for en familie av teknologier sentrert rundt delte distribuerte hovedbøker og desentraliserte databaser..

Blockchain & Annen Shared Ledger Technology

Blockchain, det mest kjente DLT, er et delt lagringslag som kan behandle sine egne transaksjoner og lagre resultatene i en felles hovedbok. Den drives av et distribuert nettverk av datamaskiner som alle kjører den samme programvaren med åpen kildekode. Foruten første oppsett og periodisk vedlikehold utført av hver enkelt som kjører en klientapplikasjon, er en blockchain et fullstendig automatisert og selvdrevet nettverk, som er i stand til å oppnå perfekt konsensus, mens det ikke gir noe sentralt angrepspunkt for ondsinnede aktører. Faktisk kan det hevdes at blockchain som teknologi er den sikreste databasen i hele verden. Ingen sentral autoritet er nødvendig for en offentlig blockchain, hvem som helst kan bruke nettverket og bygge applikasjoner på toppen av det, og transaksjoner er peer-to-peer (P2P), i stedet for å ha mellomledd mellom parter. Ligner på hvordan Internett sprengte for dataoverføring på grunn av sin tillatelsesløse natur; offentlige blokkjeder kan ha en nettverkseffekteksplosjon som de dominerende databasene og byttemidlene for både menneske- og maskinøkonomien.

(Nettverkseffekter er muligens den største grunnen til at offentlige blokkjeder vil se masseadopsjon på et tidspunkt i fremtiden; kilde)

Blokkjeder er ofte differensiert av måten nettverket når konsensus på og hvem som blir belønnet for å hjelpe til med å oppnå det. Det finnes en rekke mekanismer for blockchain-konsensus, for eksempel Proof-of-Work (POW) i Bitcoin, Delegert Proof-of-Stake (DPoS) i EOS, Delegert bysantinsk feiltoleranse (dBFT) i NEO, praktisk bysantinsk feiltoleranse (PBFT) ) i Stellar, and Proof-of-Stake (POS), som ennå ikke er fullstendig oppnådd, men Ethereum presser på for å være den første. Det er også tillatte blokkeringer, for eksempel IBM Hyperledger, som bare tillater visse parter å bruke nettverket, i likhet med et privat konsortium. Det er mye tvil om at tillatte blokkeringer faktisk er gunstige når offentlige blokkeringer blir skalerbare og tillater personvern. I likhet med Intranett vs Internet-debatten, er det sannsynlig at tillatte kjeder har sin nisje-brukstilfelle, men til slutt vil offentlige blokkjeder bli den viktigste motorveien for samtrafikk for verdioverføring rundt om i verden.

Det er også andre former for DLT som tilbyr lignende forslag til blockchain. Disse inkluderer Directed Acyclic Graphs (DAG) som IOTA og NANO eller teknologier som Hashgraph og Holochain som bruker sladderprotokoller i stedet for full nettverkskonsensus. Det overordnede temaet er imidlertid at alle disse databasene lagrer og behandler data på et felles distribuert nettverk. Som Blythe Masters of Digital Asset uttrykker det, gir det en “gylden kilde til sannhet”.

Smarte kontrakter

Den nest mest kjente DLT er smarte kontrakter, som er protokoller innen blockchain som etterligner juridiske avtaler og rettssalsdommere. Økonomier krever alle typer avtaler og voldgift av disse avtalene basert på virkelige resultater. Smarte kontrakter er i stand til å gjenskape dette i den digitale verdenen ved å bruke if / then uttalelser for å utløse transaksjoner basert på kontraktens tilstand. Den grunnleggende forutsetningen er at en kontrakt er kodet akkurat som den ville blitt skrevet, ved hjelp av hvis / da parametere. Et eksempel kan være en derivatkontrakt der, hvis produktet treffer en bestemt pris, så blir kunden betalt ut, men hvis ikke, betaler kunden den andre parten.

(Et eksempel på hvordan smarte kontrakter utløser automatiserte handlinger i en økonomi; kilde)

Mens IoT samler inn data og AI behandler data, er smarte kontrakter programvareinfrastrukturen som bruker data for å utløse faktiske handlinger, for eksempel betaling, overføring av data eller lagring av et resultat. Det kan sammenlignes med det menneskelige håndtrykket i en forretningsavtale eller et menneske som trykker på SEND-knappen for å utløse en handling. Siden smarte kontrakter ligger innenfor blokkjeder, får de alle sikkerhetsfordelene som følger med det også. Smarte kontrakter er egentlig et funksjonelt transaksjonslag som utløser autonome handlinger ved hjelp av data for å skape det som bare kan beskrives som en selvdrevet økonomi med automatisert verdibevaring. Smarte kontrakter representerer virkelige handlinger og handel.

Opprinnelig forfatter : TechFoodLife

Gjengitt fra: https://medium.com/@TechFoodLife/tech-the-fourth-industrial-revolution-the-rise-of-the-autonomous-economy-f42bc7b5667d

Mike Owergreen Administrator
Sorry! The Author has not filled his profile.
follow me
Like this post? Please share to your friends:
Adblock
detector
map