Boris Scherbakov- Vicepræsident og General Manager for Dell Technologies. I 1977 dimitterede han til økonomi
Han begyndte sin karriere hos Dell i 2012.Fra stillingen som Dell CEO i Rusland, Kasakhstan og Centralasien var han ansvarlig for forretningsstrategien for virksomhedens og forbrugerområderne i virksomheden i regionen. Siden februar 2017 har Boris Shcherbakov været chef for det russiske kontor for Dell EMC. Han er ansvarlig for udviklingen af alle forretningsområder - infrastrukturløsninger, tjenester og klientsystemer. I 2019 blev han vicepræsident og administrerende direktør for Dell Technologies i Rusland, Kazakhstan og Centralasien.
Om maskinlæring
- Er det generelt mere rentabelt for menneskeheden at investere i maskin- eller menneskelig læring?
- Det er svært at tale for menneskeheden som helhed, menvirksomheden er vant til at vælge den bedste investering / investeringsløsning, fordi den påvirker rentabiliteten. Og hvis maskinen fungerer hurtigere og bedre, og på samme tid er den billigere, og den ikke forkert, og den er ikke syg, bliver valget indlysende. Intet personlig, som de siger, kun forretning. Og det er naturligvis værd at videregive den funktionalitet, som computere kan håndtere hurtigere og mere præcist for at frigøre rammer fra monoton arbejdskraft.
Foto: Anton Karliner / "Hightech"
På den anden side for at gøre disse maskiner strålendeNår man arbejder med opgaverne, kræves der meget dygtige udviklere, der er i stand til at lære og forbedre algoritmer. Spørgsmålet om at uddanne mennesker og maskiner er et strategisk. Forestil dig, at staten ikke har nogen robotter, ingen computere, ingen software, ingen udviklere. Det falder automatisk ud af et konkurrencedygtigt race og forbliver på sidelinjen for teknologisk fremgang og innovation. Samtidig skal man ikke glemme, at teknologier og udviklinger ofte er eksperimentelle og ikke bør absolutiseres. Når alt kommer til alt er det mest stabile i vores liv, som du ved, forandring. Vi foretager specielle undersøgelser af, hvordan teknologier ændrer sig og vil ændre vores liv i nutiden og i fremtiden, og vi leder efter optimale løsninger til deres anvendelse inden for forskellige områder af menneskelig aktivitet. Og vi ønsker at gøre livet på planeten bedre ved at give mennesker forskellige kapaciteter adgang til moderne løsninger. Vi transformerer erhvervslivet ikke kun gennem dem, men bidrager også til transformationen af mennesker med store ideer rundt om i verden gennem adgang til teknologi.
- Samtidig kan det ikke siges om maskinlæring, at den næste implementering af den berømte “mængde går i kvalitet”. Hvorfor?
- Nej, maskinlæring er faktisk barebare et sæt algoritmer. Selvom de opnåede resultater undertiden kan være overraskende. Når alt kommer til alt, med maskinlæring, trænes en computer ikke kun til at sammenligne mønstre, der har fundet sted i fortiden, men det er ofte bedre at forudsige den fremtidige udvikling hos mennesker (da der tages hensyn til hele spektret af kendte faktorer og menneskelige fejl er udelukket). Rigtigt nok foretager livet undertiden justeringer, som selv den mest nøjagtige computer ikke kan tage højde for.
Men med kvantitet, der går i kvalitet,ikke så enkelt. Læringssystemer, som børn, går fra enkle til komplekse, og der udelukkes ikke fejl. Samtidig forbedres hastigheden af informationsbehandling og nøjagtigheden af resultaterne med hver iteration og opdatering. Men selvfølgelig forbliver spørgsmålet om korrekte algoritmer og fejlfinding.
”Hvad er så problemet?” Hvorfor trods udviklingen af teknologi forekommer der stadig fejl i anvendelsen af sådanne algoritmer?
— Spørgsmålet er ikke til maskiner, men til folk, derudvikle algoritmer. Ordet "computer" er bogstaveligt oversat til russisk som "computer". Kvaliteten af det endelige resultat afhænger af, hvor korrekt algoritmen er specificeret, og resultaterne og beregningsprocessen spores. Der er et koncept kaldet "kvalitetsfunktionalitet", som bestemmer, hvor godt en maskine kan håndtere databehandling.
Folk har ikke tid nok til at besluttegrundlæggende problemer med dens udvikling. Dette er en relativt lav levealder, der er markant påvirket af medfødte eller erhvervede sygdomme.
Boris Scherbakov, Dell Technologies
For eksempel er Genome International ganskehar længe brugt maskinlæringsmetoder baseret på højtydende datacentre til at studere menneskets DNA og selvfølgelig forudsige så vidt muligt sandsynlige problemer for et bestemt individ i fremtiden. Hastigheden af at opnå resultater og deres nøjagtighed afhænger i dette tilfælde af følgende faktorer: kvaliteten af den primære diagnose, historiske data, datamodelalgoritme, hardwareklyngens ydeevne og… Held og lykke. Det er værd at stole på det, da vi ikke har studeret biologisk mekanik 100%.
- Efter hvilke kriterier vil vi fastslå, at en computer fuldstændig har overgået en person, som det skete i skak eller ispil gå?
- Jeg tror på potentialet hos mennesker og bløde færdigheder(overfaglige færdigheder, der ikke er relateret til en persons officielle opgaver - "High Tech"). Teknologier er gode inden for deres områder og hjælper med at udføre operationer hurtigere og mere præcist, på et niveau, der endda er potentielt utilgængeligt for mennesker. På samme tid er der en vippeside til mønten: den menneskelige hjerne og beslutningstagning er endnu ikke blevet undersøgt fuldt ud, og alle systemer, inklusive neurale netværk, er bygget på basis af data, der er tilgængelige for videnskab og mennesker, det vil sige indledningsvis uden at tage hensyn til hele matrixen. Derfor kan du ikke bekymre dig om menneskehedens fremtid og ikke demonisere maskiner.
Computermaskiner er et derivat af det menneskelige sind, operationerne er hurtigere og mere nøjagtige, men en person indstiller algoritmen.
Boris Scherbakov, Dell Technologies
Samtidig er kvaliteter vigtige (og ikke kun niveauetuddannelse og genialitet, men også moralsk) af mennesker, der skaber algoritmer. Robotter kan jo hjælpe, men de kan også ødelægge. Og som enhver teknologi tiltrækker de historisk set først og fremmest statens og militærets opmærksomhed. Under kampforhold i dag vil robotter og computere give et forspring til enhver person, men samtidig mangler de opfindsomhed og intuition. Hovedegenskaben, hvis den omsættes til menneskelig virkelighed, er sund fornuft (den åbenlyse korrekte beslutning givet de tilgængelige data), men samtidig kender vi mange historiske eksempler, hvor opfindsomheden slog den. Derfor vil jeg svare, at på nogle områder er overlegenheden allerede åbenlys, men det er stadig meget tidligt at tale om totalt tab på alle fronter. Og selvlærende systemer er også skræmmende.
At skelne en person fra en bil, brugtTuring test. Det blev først foreslået af Alan Turing i artiklen "Computere og sind" i 1950. Testen består i det faktum, at hver deltager fører korrespondance med en person og et computerprogram og skal, baseret på svar på spørgsmål, bestemme, hvem han snakker med. Hvis dommeren ikke med sikkerhed kan sige, hvilken af samtalepartnerne, der er en person, betragtes det som om bilen bestod prøven. For at teste maskinens intelligens og ikke dens evne til at genkende talesprog føres samtalen i "kun tekst" -tilstand, f.eks. Ved hjælp af tastaturet og skærmen. Korrespondance skulle udføres med kontrollerede intervaller, så dommeren ikke kunne drage konklusioner baseret på hastigheden af svarene. I Turing's tid reagerede computere langsommere end mennesker. Nu er denne regel også nødvendig, fordi de reagerer meget hurtigere end en person.
Cirka 5 g
— DELLHan erklæredeat menneskeheden venter på "5G digital transformation". Hvad mener du?
- Det, jeg sagde ovenfor, er overførsleninformation vil nu ikke kun være mellem mennesker, men også maskiner. Takket være implementeringen af IoT, indsamling og transmission af Big Data, kræver det mere båndbredde og behandlingsfunktioner. Folk er heldigvis eller desværre begrænset forberedt på en opgradering, hovedsagelig evolutionær (smilende). Men teknologier udvikler sig, og hver nye fase kræver udvikling af hele infrastrukturen og trækker svage forbindelser op. IoT-sensorer og enhedsdensitet, mængderne af information, der genereres af enheder, kræver nye dataoverførselsteknologier, og denne nye teknologi på dette tidspunkt er kun 5G. Hvis den ikke implementeres i tide, vil kommunikation blive et svagt led og en faktor, der hindrer udviklingen af hele systemet. Forestil dig selv, at du arbejder på et moderne kontor med internetadgang gennem et modem, der mildt sagt ikke er meget hurtigt. Kan du gøre meget? Hvor længe vil du vente med at downloade et bogstav? Under alle omstændigheder er denne situation uacceptabel. Vi vandrer allerede datacentre. De, der afviser denne strategi, vil miste betydeligt for “transformerne” i hverdagens opgaver. Tilstedeværelsen af højhastighedsdataoverførsel mellem datacenteret og dataindsamlingswebstedet gør det muligt at udføre grænseberegninger og overføre data gennem skyen indlæser ikke kernen i organisationens informationssystem.
— Antallet af mobile kommunikationsbasestationer vokser i dag kritisk hurtigt. Hvad vil der ske med 5G?
- Jeg har svært ved at forudsige antallet af stationer5G, når alt kommer til alt, for os er dette tilstødende komplementær viden. Jeg kan svare, at hastigheden i informationsudvekslingen, dens mængder og mængde vokser eksponentielt, og naturligvis kræves der en teknisk løsning. Så vidt jeg ved, at 5G-stationer, hvis du sammenligner dem med processorer i computere, giver et større antal operationer, ikke kun ved at øge deres antal, men også på grund af multi-element digitale antennearrays (analogt med kernerne og transistorer på en chip). Når alt kommer til alt ser vi ikke i dag en pc med tusinder af kerner for at øge strømmen, men ifølge Moore's lov ser vi fordoblingen af transistorer på en chip hver 24. måned. Der sker noget lignende med basestationer og teknologier. Ikke kun deres mængde, men også kvaliteten ændrer sig.
Foto: Anton Karliner / "Hightech"
— Ifølge DELL, 5G-netværkvil værefuldstændig uafhængig af udstyr og det helebehandlingen vil blive koncentreret i et distribueret softwarecenter. I det væsentlige, foreslår du fuldstændig at ændre arkitekturen af både netværksmodellen og tænkning generelt?
- Vi taler om Edge- eller periferberegninger I dag er der faktisk en tendens til decentralisering, mod at behandle og lagre data samme sted, hvor de genereres og bruges. Databehandling og analyse bevæger sig til kanten af netværket – hvor store mængder data indsamles. Med multimedietidens æra stiger mængden og hastigheden af datatransmission fra mobiloperatører også (alle fotos og videoer, live-udsendelser), mens brugerne ikke ønsker at affinde sig med forsinkelser i transmissionen eller afspilningen af indhold. Og til dette skal du finde en "gratis" node placeret så tæt som muligt på brugeren. Det vil sige, at efterspørgsel og realiteter former transformationen af både hardware og computermodeller og databehandlingsscenarier. Du kan køre i en trafikprop og vente et par timer, indtil du kommer til din destination (generelt set er dette mere sikkert ved første øjekast, men faktisk ikke altid, som vi ved), eller du kan vælge en gratis motorvej og haste med den maksimale (tilladte) hastighed.
Perifer computing (Edge)— princippet om at konstruere en hierarkiskIT-infrastruktur, hvor computerressourcer delvist flyttes fra kernen - det centrale datacenter til periferien - og er placeret i umiddelbar nærhed af det sted, hvor de primære data skabes til dens primære behandling, før de overføres til en højere niveau computer node.
En perifer enhed kan behandlessådan en mængde data, som kun en stor computer kunne håndtere før. Perifer computing forenkler datastyring ved at reducere tilfældighed i strukturen, øge anvendeligheden og reducere sikkerhedsrisici.
- Omkostningerne ved den nye infrastruktur er enorme, det virker logisk at skabe en slags "national mester" med direkte statsdeltagelse. Kunne dette fuldstændigt dræbe konkurrencen på markedet?
- Helt ærligt er spørgsmålet i stor skalaFor at besvare det er det nødvendigt at tage højde for en enorm mængde inputdata, som ikke alle er på overfladen. Som vi diskuterede med dig tidligere, når den menneskelige faktor griber ind, påvirker undertiden ikke-åbenlyse faktorer resultatet.
Foto: Anton Karliner / "Hightech"
Drabskonkurrence er normalt kortsigtet, fordidette påvirker udviklingen af både branchen og prispolitikken negativt. I dag konkurrerer forskellige operatører ikke kun på grund af hardware (selvom niveauet af signalmodtagelse og kommunikationskvalitet selvfølgelig er en af de vigtigste faktorer for brugeren), men også på grund af prispolitikker og endda marketingkampagner. Og det her er godt. Manglende konkurrence vil føre til stagnation for både teleoperatører og løsningsudbydere. Spredningshastigheden er funktionelt relateret til markedets behov. Fremkomsten af monopoler er reguleret ved lov. Én operatør vil simpelthen ikke være i stand til at klare lavinen af efterspørgsel efter cloud-tjenester i 2025-2030.