17УДК 004
Суедов Егор Петрович Suedov Egor Petrovich
Студент Student
Санкт-Петербургский государственный университет аэрокосмического приборостроения
Saint Petersburg State University of Aerospace Instrumentation
Попова Анна Александровна Popova Anna Alexandrovna
Студент Student
Национальный исследовательский университет «Высшая школа экономики» Пермь
Higher School of Economics National Research University PERM
МЕТОД ОПРЕДЕЛЕНИЯ ВЕКТОРА РАЗВИТИЯ ТЕХНОЛОГИЧЕСКОГО ПРОГРЕССА И ПРЕДСКАЗАНИЯ ПОЯВЛЕНИЯ ИННОВАЦИОННЫХ ПРОДУКТОВ НА ОСНОВЕ МОНИТОРИНГА КОЛИЧЕСТВА НАУЧНЫХ ПУБЛИКАЦИЙ И ПАТЕНТОВ НА ПРИМЕРЕ ПОЯВЛЕНИЯ ТЕХНОЛОГИИ FACE ID КАК РЕЗУЛЬТАТА РАЗВИТИЯ ГЛУБИННЫХ КАМЕР
METHOD FOR DETERMINING THE DEVELOPMENT VECTOR OF TECHNOLOGICAL PROGRESS AND PREDICTING THE APPEARANCE OF INNOVATIVE PRODUCTS BASED ON MONITORING THE NUMBER OF SCIENTIFIC PUBLICATIONS AND PATENTS ON THE EXAMPLE OF THE APPEARANCE OF FACE ID TECHNOLOGY AS A RESULT OF THE DEVELOPMENT OF DEEP CAMERAS
Аннотация: В работе описывается метод определения направления развития технологического прогресса инновационной технологии. Рассматривается гипотеза корреляции количества научных статей и патентов по определенной тематике и появления в бизнесе инновационных продуктов. Для проверки данной гипотезы было решено исследовать появление и определить «слабые сигналы» появлении технологии FaceID, представленной компанией Apple в сентябре 2017 года в составе модели смартфона IPhone X.
Abstract: The paper describes a method for determining the direction of technological progress of innovative technology. The hypothesis of the correlation of the number of scientific articles and patents on a specific topic and the emergence of innovative products in the business is considered. To test this hypothesis, it was decided to investigate the appearance and determine "weak signals" of the appearance of FacelD technology, introduced by Apple in September 2017 as part of the iPhone X smartphone model.
Ключевые слова: трендвотчинг, трендлеттеры, новые научно-исследовательские инфраструктуры, «технологическое решение», «технология», «группа технологий», инструмент для измерения уровня готовности технологий (TRL), ЛИДАР, Face ID Time-offlight камер, камера глубины
Key words: trendwatching, trendletters, new research infrastructures, "technological solution", "technology", "technology group", instrument for measuring technology readiness level (TRL), LIDAR, Face ID Time-of-flight cameras, depth camera
Динамичное изменение бизнес-ландшафта определяет, каким будет жизненный цикл компаний в условиях гиперконкуренции [1]. Исследования тенденций развития экономических процессов предполагают, что внедрение инновационных методов управления и технологий станет основополагающим фактором для составления конкурентного преимущества и лидерства на рынке [2]. При игнорировании технологического прогресса и отсутствия понимания направлений его развития многие отрасли производства могут стать экономически нецелесообразными из-за появления прорывших технологий, меняющих структуру рынка [3]. В связи с этим риском устаревания основные стейкхолдеры рынка инноваций (бизнес, государство и экспертное сообщество), обладающие собственным влиянием на технологический прогресс и зависящие от поведения других участников данного рынка, используют разные методы прогнозирования тенденций. Необходимо учитывать многочисленные параметры в различной взаимосвязи и компании в основном используют взаимное наблюдение за своими прямыми конкурентами в надежде таким образом предсказать появление подрывных
инноваций и сохранить конкурентное преимущество в долгосрочной перспективе [4].
Данное исследование рассматривает один из объективных теоретических методов прогнозирования, применимый для отслеживания трендов в экономической среде. Его инструменты и результаты подойдут как для государственных структур, реализующих государственную научно -техническую политику России [5], и для подразделений НИОКР в инновационных компаниях, которые ищут новые возможности для определения и внедрения наиболее подходящих им технологий в свои продукты, а также отслеживают развитие конкурентов.
Метод заключается в отслеживании динамики развития научных статей и патентов по той или иной технологии с помощью библиометрических данных [6]. Цель настоящего исследования - проверить релевантность его инструментов, тем самым переходя от теоретической применимости к практической. Она заключается в прогнозировании технологий для разных прикладных научных отраслей и предсказания появление инноваций, в результате применения той или иной технологии к уже производимым высоко технологическим товарам для повышения их функциональных характеристик.
В таком случае гипотеза заключается в том, что при увеличении количества научных статей и патентов о технологии, можно предсказать скорое появление основанных на ней инноваций на рынке. Данную гипотезу было решено проверить на примере технологии FacelD, которая была представлена в 12 сентября 2019 года на презентации корпорации Apple как составная часть IPhone X [7], которая дополнила существующую технологию TouchID, идентифицирующую хозяина устройства по отпечатку пальца.
Эта технология удовлетворяет основным требованиям метода, так как FaceID - является инновационным продуктом, набирающим популярность и приносящим выгоду своим производителям. Кроме того, прошло 3 года как данная инновация достигла стадии зрелости [8], поэтому информация о
структуре технологии, являющая конфиденциальной на стадии начала выпуска технологии в промышленное производство уже стала известной.
Инструментарием метода является трендвотчинг развития количества патентов и научных работ и их контент-анализе, заключающийся в определении частотности упоминаний и их последующей кластеризации, как предлагали разработчики методики.
Первым этапом был проведено исследование технологии FaceID по технической документации на сайте компании Apple [9]. Из нее были выявлены функциональные возможности данной технологии. Они заключаются в том, что, активируясь автоматически, FaceID проецирует лицо держателя устройства и анализирует более 30 000 датчиков на расстоянии 25-50 см, создавая структурную карту лица, в том числе, в инфракрасном спектре. Также выяснилось, что, технология, получившая в маркетинговой кампании Apple название «FaceID», состоит из искусственного интеллекта, обрабатывающего информацию с нескольких аппаратных элементов: 7-мегапиксельной фронтальной камеры, инфракрасной камеры, ИК-излучателя и точечного проектора. Данное аппаратное обеспечение было официально названо компанией производителем как TrueDepth камера («технология глубинных камер»), ставшей конкурентным преимуществом системы от компании Apple, которая первая сумела применить её, тем самым обойдя аналоги.
После определения технических составляющих и функциональных особенностей системы из технического руководства, было решено более подробно рассмотреть стек технологий, на котором строится камера TrueDepth, использование которой увеличило возможности систем распознавания лица на основе искусственного интеллекта. Выяснилось, что TrueDepth реализует метод Time-of-flight анализа объекта с помощью импульсной лазерной технологии. И до создания инновационного потребительского продукта, данная технология уже реализовывалась в различных отраслях, как «ЛИДАР». Лидар — это технология получения и обработки информации об удалённых
объектах с помощью активных оптических систем [10]. Существует множество вариаций данной технологии, но в данной работе акцент поставлен на «Сканирующие лидары», которые формируют трехмерную картину окружающего пространства для систем машинного зрения, что и было применено в БасеГО. Сканирующие лидары выполняют ту же функцию Т1ше-о^Ш^ анализа объекта с помощью импульсной лазерной технологии, однако для этого используются более мощные лазерные излучатели чем для камер глубины, которые используются для идентификации пользователя смартфона.
Несмотря на то, что технология получила известность благодаря БасеГО, за счет использования ЛИДАР в смартфоне для аутентификации пользователя, научным новшеством она не является.
На рис. 1 представлено количество упоминания слова LIDAR в открытой
литературе на английском языке, которая включала в себя как научные, так и
популярные публикации с 1958 по 1970 года, на основе использования метода
н-грамм. Можно сделать вывод, что данная технология стремительно
развивалась, начиная еще с 60х годов прошлого века.
0.000000160% 1
0000000140%-
0 000000120%-
0.000000100%-
0.000000080%-
0.000000060%-
0 000000040%-
0.000000020%-
0.000000000%- — 1958
Рисунок 1. График упоминания слова LIDAR в открытой литературе на английском языке с 1958 по 1970 года
На третьем этапе, было решено исследовать «слабые сигналы» [11] среди патентов и научных статей, по которым можно было определить появление инновации БасеГО, который привел к новому скачку развития
технологии LIDAR и внедрению Time-of-flight камер, с помощью метода трендвотчинг.
Был проанализирован график развития технологии LIDAR посредством анализа количества упоминаний данной технологии в научных публикациях в базах данных Web of science, чтобы конкретно определить популярность технологии в научном сообществе.
Рисунок 2. График упоминания технологии LIDAR в научных публикациях в базах данных Web of science
Можно наблюдать по рис. 2, что количество ссылок на технологию LIDAR в период с 2004 года увеличивалось и достигло пика в 2018 году. Было проведено сравнение данных с рис. 2 и с данными о развитии технологий Time-of-flight камер на рис. 3.
Рисунок 3. График количества научных публикациях по теме Time-of-flight камер в базах данных Web of science
Для выявления взаимосвязи был проведен поиск корреляции между увеличением количеством исследований и публикаций научных работ по теме Time-of-flight камер и технологии LIDAR. Это объясняется тем, что научные публикации по тематике Time-of-flight камер ссылаются на публикации по технологии LIDAR.
В результате проведенного исследования истории развития LIDAR и трендов развития персональных устройств, на основе выявления корреляции между технологиями была построена предиктивная модель, которая позволяет предположить вектор развития технологий Time-of-flight камер для персональных мобильных устройств.
В качестве последнего этапа был проведен анализ научных публикаций и патентов США за последние 5 лет. Так, например, была найдена публикация «Scanning depth engine»[12], на основе которой был выпущен патент компании Apple под названием «Standalone depth camera»[13] на устройство, позволяющее проводить полный 3D анализ окружающего пространства. При этом предполагается использование данного устройства вместе с персональным устройством, установленном на столе.
Основными выводами, полученными в ходе исследования, стали следующие векторы развития Time-of-flight камер для смартфонов, выявленными благодаря определению частотности данных:
Исследование окружающего пространства (получение информации о температуре в определенных точках пространства, а также об опасности возгорания)
Камеры для 3D сканирования отдельных предметов и создание компьютерной модели на основе полученных данных.
Полное 3D сканирование окружающего пространства в радиусе до нескольких десятков метров.
Улучшение качества фотосъемки благодаря полученной дополнительной информации о расстоянии до определенных элементов данного объекта.
По рассмотрению результатов применения инструментов изучаемого метода, гипотезу можно считать подтвержденной. Была найдена зависимость между количеством научных статей и патентов по той или иной технологии и скорым появлением инновационных продуктов в бизнесе с ее применением. Ретроспектива технологии FacelD и создание хронологического датасета, помимо подтверждения гипотезы, открыло новые особенности применения данного метода: в качестве предикторов можно использовать не только данные о научных работах по рассматриваемой инновационной технологии, но и смежные технологии с подобным принципом работы. Это открывает новые перспективы дальнейших исследований, используя в качестве входного датасета не количество научных работ, а количество ссылок на публикации со смежной технологией, что позволит обширно посмотреть на важные факторы развития этого тренда.
Дополненный метод исследования удачно подойдет для изучения динамики развития и перспективности какой-то конкретной технологии. Однако, если необходимо отобрать в принципе технологии, которые на данный момент могут являться источником новых инноваций, то придется исследовать большой объем данных. Проблему можно решить через автоматизации поиска с использованием технологий BigData и искусственного интеллекта.
Библиографический список:
1. Суетин С.Н., Объедкова Л.П., Матосян В.А., Суетин А.Н., Ильин С.Ю. Современные тенденции развития корпораций // Современные проблемы науки и образования. - 2015. - № 1-2. - С. 6.
2. D'Aveni R.A. Hypercompetition: Managing the Dynamics of Strategic Maneuvering. New York, Free Press, 1994.
3. Как важно быть новатором: четыре причины внедрять инновации в бизнесе // rbc URL:
https://www.rbc.ru/trends/innovation/5da5ded49a7947c96e101178 Дата
обращения: 28.04.2020
4. Кепп Н.В. Подрывные и поддерживающие инновации: сущность, особенности, тенденции развития // Организатор производства. 2018. Т.26. №2. С. 41-52.
5. Федеральный закон "О науке и государственной научно-технической политике" от 23.08.1996 N 127-ФЗ.
6. Oleg Ena, Nadezhda Mikova, Ozcan Saritas, Anna Sokolova A methodology for technology trend monitoring: the case of semantic technologies // Scientometrics от 25 июня 2016 г.
7. iPhone X спустя десять лет: что показала Apple на презентации 12 сентября // rbc URL: https://www.rbc.ru/photoreport/12/09/2017/59b80ff59a7947a2f7a88348 Дата обращения: 28.04.2020.
8. Жизненный цикл технологии // 4brain URL: https://4bram.m/Mog/%D0%B6%D0%B8%D0%B7%D0%BD%D0%B5%D0%B D%D0%BD%D1%8B%D0%B9-%D1%86%D0%B8%D0%BA%D0%BB-%D1%82%D0%B5%D1%85%D0%BD%D0%BE%D0%BB%D0%BE%D0%B3 %D0%B8%D0%B8/ Дата обращения: 28.04.2020
9. Сведения о передовой технологии Face ID // Официальный сайт Apple Inc. URL: https://support.apple.com/ru-ru/HT208108 Дата обращения: 28.04.2020
10. Георгиев Н. И., Нойберт Р., Татевян С. К., Хайретдинов К. А. Лазерные спутниковые дальномеры // Наука и человечество, 1989. — М.: Знание, 1989. — С. 314—327.
11. В. ван Рай Зарождающиеся тенденции и «джокеры» как инструменты формирования и изменения будущего // Форсайт от 2012 URL: https://foresight-journal.hse.ru/data/2013/03/29/1294347383/6-vanRij-60-73.pdf Дата обращения: 28.04.2020.
12. Alexander Shpunt, Raviv Erlich: Scanning depth engine // United States Patent Application Publication Pub. No.: US 2013/0207970 A1
13. Standalone depth camera // JUSTIA Patents URL: https://patents.justia.com/patent/10298913 Дата обращения: 28.04.2020.
