Ang Lim Go, HPE - Tietoja parvilajien älykkyydestä, kvanttiylivallasta ja pilvistä

Dr. Eng Lim Goh - varatoimitusjohtaja ja teknologiajohtaja korkean suorituskyvyn tietojenkäsittelyyn ja

tekoäly Hewlett PackardissaEnterprise. Hän työskenteli 27 vuotta Silicon Graphicsin teknisenä johtajana. Hänen tutkimuskohteisiinsa kuuluu ihmiskunnan eriyttäminen siirtyessämme analytiikasta induktiiviseen koneoppimiseen, deduktiiviseen ajatteluun ja yleiseen älykkyyteen liittyvään tekoälyyn. Jatkaa tutkimustaan ​​ihmisen havainnoista virtuaalisesta ja laajennetusta todellisuudesta.

Palkittiin NASA-mitali poikkeuksellisestaedistyy tekniikkaa päätutkijana kokeilulle ISS: ssä autonomisten supertietokoneiden käyttämiseksi pitkäaikaisissa avaruusoperaatioissa. Blockchain-pohjaisten parveoppimissovellusten luomisen lisäksi hän valvoo AI: n käyttöönottoa Formula 1 -kilpailuissa, teollistuttaa mestaripokeribotin takana olevaa tekniikkaa ja suunnittelee yhdessä järjestelmiä biologisesti yksityiskohtaisten nisäkkäiden aivojen simuloimiseksi. Sain kuusi Yhdysvaltain patenttia, vielä viisi on vireillä.

HPE (Hewlett Packard Enterprise) - Amerikkalainen IT-yritys, perustettu vuonna 2015HP Inc: n kanssa Hewlett-Packard Corporationin jakautumisen jälkeen. Peritty liiketoiminta yritysasiakkaiden segmentissä - se tuottaa palvelimia, supertietokoneita, tiedontallennusjärjestelmiä, tiedontallennusverkkoja, verkkolaitteita, konvergenssijärjestelmiä ja on mukana myös pilvipalveluiden rakentamisessa.

"Pilvi pysyy tärkeänä big data-maailmassa"

- Pilvitekniikat ovat jo kauan menneet innovaatioiden edelle nykyaikaisiin IT-standardeihin. Mikä rooli heillä on tänään uusien tuotteiden kehittämisessä?

- Keskitimme HPE: ssä tietokonelaskentaammeKehitys osana "ääreisestä pilveen" -suuntausta, pääasiassa siksi, että suurin osa tiedoista menee ensin perifeerialle. Meidän on siirrettävä kaikki tiedot reuna-alueelta pilvelle, esimerkiksi supermarketien, autojen tiedot, jos puhutaan kytketystä autosta (autosta, joka pystyy kaksisuuntaisesti kommunikoimaan muiden järjestelmien kanssa - HiTech), ilmailuteollisuuteen ja sairaaloihin. Monissa tapauksissa siirrämme tietoa pilvelle analysoidaksesi tiedot ja lähetämme tuloksen takaisin reuna-alueelle.

Cloud computing on tärkeää, koska se salliikäytä kaikkea pilveen keskittynyttä laskentatehoa, kun taas reuna-alueilla se on yleensä vähemmän. Perinteinen tapa on kerätä ensin tietoja reuna-alueelta ja määrittää sitten älykkäät oheislaitteet lähettämään vain tarvittava tieto pilvelle. Pilvellä on kaikki laskennalliset resurssit suorittaa koneoppiminen, analysointi, tulosten saaminen, jotka lähetetään takaisin reunaan. Siksi uskomme, että pilvi pysyy tärkeänä suurten tietojen maailmassa.

- Miksi tekoälyn avulla luodaan uusia tietokeskuksia? Mikä on sen päätarkoitus tässä yhteydessä?

- Tietokeskuksista (DPC) on tulossamonimutkaisempia ja käyttäjiä vaativampia. Tietokeskuksen monimutkaisuudesta huolimatta sinulla on tänään suuri määrä AI: n keskus- (CPU) ja graafisia (GPU) prosessoreita, joissa on monia ytimiä. On myös suuria datavirtoja, joiden varastointi ja siirto on järjestettävä. Kaikki tämä kuluttaa paljon energiaa ja lisää tietokeskusten monimutkaisuutta.

GPU (grafiikankäsittely-yksikkö) - erikoistunut grafiikkaprosessorilaite grafiikan ja visuaalisten tehosteiden käsittelyyn. Toisin kuin CPU (keskusyksikkö), GPU-arkkitehtuuri soveltuu paremmin rinnakkaislaskentaan ja siinä on paljon nopeampi muisti. Nykyaikaisia ​​GPU: ita voidaan käyttää graafisen prosessoinnin lisäksi myös samantyyppisiin matemaattisiin laskelmiin, joiden käsittelynopeus on tärkeämpi. Samaan aikaan GPU: n prosessointinopeus CPU: hen verrattuna voi olla tuhansia kertoja.

Suorittimen ytimet - riippumattomat prosessorit, jotka on koottu yhteenfyysinen siru. Tämän menetelmän avulla voit pienentää sirun fyysistä kokoa, sen virrankulutusta ja lämmönhöyryä sekä parantaa merkittävästi suorituskykyä muuttamatta prosessorien arkkitehtuuria.

Käyttäjien vaatimukset ovat myöslisääntynyt huomattavasti. Aikaisemmin he ostivat laitteita, käynnistivät ne, ja järjestelmän toimiessa käyttäjät olivat tyytyväisiä. Mutta tänään he kysyvät: "Toimivatko sovellukseni optimaalisesti?" - koska laskentatehon suora kasvu ei aina lisää tuottavuuden suhteellista nousua.

Seurauksena on käyttäjän vaatimukset,tietokeskusten monimutkaisuus, mikä tarkoittaa, että sinun on otettava käyttöön enemmän AI: tä, joka tarkastelee tietoja ja auttaa tekemään parempia päätöksiä. Ongelmana on, että meillä ei ole tarpeeksi tietoa AI: n oppimiseen. Noin 10 tuhatta asiakasta liittyi projektiimme ja lähetti tiedot tietokeskukseen pilveen. Nyt lähetämme AI-tietojen käsittelyn tulokset takaisin jokaiselle näille tietokeskuksille heidän työn optimoimiseksi.

- Käytetäänkö AI: tä tällä hetkellä aktiivisesti laitteiden luomisessa yritysasiakkaille? Kuinka pian sinun pitäisi odottaa samanlaisia ​​tekniikoita toimisto- ja kotituotteissa?

- Jos tarkoitat kykyä antaaennusteisiin, jotka perustuvat historiaan, niin sitä käytetään jo nyt hyvin laajasti. Nykyään sitä käytetään monilla aloilla: rahoituksessa, osakekannan arvon ennustamisessa, myymisessä ja ostamisessa, johdannaisten hinnoittelussa rahoitusmarkkinoilla tai röntgensäteiden poikkeavuuksien laskemisessa lääketieteessä. On autoja, jotka ovat riittävän älykkäitä ymmärtämään, että esimerkiksi iskunvaimentimen tärinä tarkoittaa jotain huonoa, ja lähettämään tietoja siitä kuljettajalle. Oppimisesta historian läpi voidakseen tehdä päätöksiä ja ennusteita on tullut totta. Mutta rohkeammat ennusteet, että supermies ilmestyy, ovat edelleen tieteiskirjallisuutta. On kuitenkin tärkeää alkaa miettiä sitä nyt.

"Kvantitietokoneet optimointimenetelmää käyttämällä tekevät AI: n käyttävän tietokoneen oppimaan nopeammin"

- Tavallisten ihmisten on vaikea ymmärtää tarkalleen, mitä kvantitietokoneet ovat, joista tänään puhutaan niin paljon. Kuinka määrittelet ne itsellesi?

- Ensinnäkin, en ymmärrä kvanttejamekaniikka. En ymmärrä kvanttilojen takertumista, superpositiota ja romahduksen mittaamista klassiseen tilaan. Mutta sillä ei ole väliä. Hyväksyn kaikki nämä kolme käsitettä. Myönnän, että niitä on olemassa. Koska olen koulutukseltaan insinööri, käytän vain sitä, mitä ymmärrän enemmän. Esimerkiksi atomien erilaiset elektronitasot: alhainen, korkea ja erittäin korkea. Lisäksi takertuminen tapahtuu, kun kaksi atomia pääsevät niin lähelle, että ne alkavat takertua. Puhuimme myös funktion romahtamisesta, kun alun perin epävarma järjestelmä “valitsee” yhden hyväksyttävistä tiloista mittauksen seurauksena. Myönnän näiden kolmen käsitteen olemassaolon, mikä antaa minulle suunnittelun kannalta mahdollisuuden yhdistää kaikki erilaiset kvantijärjestelmät, joita kehitetään parhaillaan kvantitietojen käsittelyyn.

- Viime aikoina Google teki paljon melua ilmoittaen "kvanttisen paremmuuden" saavuttamisesta. Käytätkö kvantitekniikoita malleissasi?

- Uskon, että saamme analogisen tekniikankvanttilaskennan mittaukset seuraavan kymmenen vuoden aikana. Mutta digitaalisessa mielessä kvanttitietokone toimii kuten nykyinen kone, se vie yli kymmenen vuotta. Yksi suurimmista ongelmista on se, kuinka pitää takertuminen ja superpositiivi vakaa riittävän kauan laskelmien tekemiseen. Nykyään niissä on paljon virheitä, ja niiden korjaus vaatii paljon enemmän kvitejä yhden laskennallisen qubitin tukemiseksi. Siksi väitän, että yli kymmenen vuotta kestää saavuttaa piste, jossa kvantitietokoneesta tulee parempi kuin klassisessa tietokoneessa. Siksi on vielä aikaa, mutta kun se ilmestyy, voimme radikaalisti muuttaa asioiden järjestystä.

Kvanttinen paremmuus - kvanttilaskentalaitteiden kykyratkaise ongelmia, joita klassiset tietokoneet tuskin pystyvät ratkaisemaan. Google ilmoitti aiemmin aikovansa osoittaa kvantitatiivisen paremmuuden vuoden 2017 loppuun mennessä käyttämällä 49 suprajohtavan kvbitin ryhmää, mutta se ilmoitettiin vasta 23. lokakuuta 2019 NASA-yhteistyön tuloksena samanlaisen tuloksen saavuttamiseksi. Googlen mukaan "kvantti ylivoima saavutettiin 54 kvbittiryhmässä, joista 53 oli toiminnallisia ja joita käytettiin laskelmien suorittamiseen 200 sekunnissa, mikä olisi vaatinut tavallista supertietokonetta noin 10 tuhatta vuotta".

Qubit (kvanttibitistä) - kvanttipurkaus tai pienin elementtitietojen tallentaminen kvantitietokoneeseen. Kuten bitti, kvaditti sallii kaksi ominaistilaa, merkittynä 0 | 1, mutta se voi olla myös niiden ”superpositiossa”, ts. Samanaikaisesti molemmissa tiloissa. Missä tahansa kvbitin tilan mittauksessa se menee vahingossa yhteen omiin tiloihinsa. Qubitit voidaan “takertua” toisiinsa, ts. Heille voidaan asettaa havaitsematon yhteys, joka ilmaistaan ​​tosiasiassa, että jos muutos tapahtuu yhdestä useammasta qubitistä, muut muuttuvat sen mukaisesti.

- Kuinka kvantitietokone liittyy tekoälyyn?

- AI käyttää koneoppimista, se oppiitarinan avulla. Tämä tapahtuu kokeilemalla ja erehdyksellä, hän yrittää yhden tarinan, ennustaa väärin, korjaa, sitten toisen tarinan - ennustaa, jos ei, sitten korjata. Ja niin tuhat yritystä. Kymmenentuhatta yritystä. Satatuhatta. Miljoona tai kymmenen miljoonaa. Hänen on tehtävä useita yrityksiä virittääkseen, kunnes hän näyttää oikean algoritmin ennusteille. Uskon, että optimointimenetelmää käyttävät kvantitietokoneet auttavat AI-tietokonetta oppimaan nopeammin. Joten hänen ei tarvitse tehdä niin monta yritystä ja yrittää miljoona kertaa oikean tuloksen saavuttamiseksi. Kvanttitietokone mahdollistaa sen nopeasti saavuttaa hyvän ennustetason.

Lohkoketju ja parvi älykkyys

- Kuinka blockchain-tekniikoita käytetään yritystasolla?

- AI ja blockchain liittyvät hyvin läheisesti toisiinsa. Uskomme, että ei itse blockchain, vaan sen taustalla oleva tekniikka on tärkeä oheislaitteille. Koska tiedot menevät reuna-alueelle, sinun on tehtävä niin paljon kuin mahdollista tallentaaksesi pilven laskentateho. Kuvittele, että sinulla on miljoona HD-kameraa. Et voi lähettää miljoonan kameran tietovirtaa pilveen. Sinun on asetettava reuna-alueelle tarpeeksi älykkäät tietokoneet päättääkseen: ”Minun ei tarvitse lähettää tätä. Lähetän vain tämän. ” Mutta sitten tarvitset älykkäitä tietokoneita. Uskomme, että kyvystä yhdistää monia oheislaitteita yhdeksi ryhmäksi, yksi “parvi” parviharjoitteluun tulee tärkeäksi. Tämä johtuu parvi älykkyydestä - ne ovat molemmat toisiinsa yhteydessä.

Parvi älykkyyden tarkka määritelmä ei vieläkään olemuotoiltu. Parvi älykkyys kuvaa hajautetun, itseorganisoivan järjestelmän kollektiivista käyttäytymistä. RI-järjestelmät koostuvat pääsääntöisesti monista aineista (boideista), jotka ovat paikallisesti vuorovaikutuksessa keskenään ja ympäristön kanssa. Käyttäytymisideat tulevat yleensä luonnosta, etenkin biologisista järjestelmistä. Jokainen poika noudattaa hyvin yksinkertaisia ​​sääntöjä. Huolimatta siitä, että ei ole keskitettyä käyttäytymisenhallintajärjestelmää, joka osoittaisi jokaiselle mitä tehdä, paikalliset ja hieman satunnaiset vuorovaikutukset johtavat älykkään ryhmäkäyttäytymisen syntymiseen, jota yksittäiset pojat eivät hallitse. Yleisesti ottaen RI: n tulisi olla monen edustajan järjestelmä, jolla olisi itseorganisoituva käyttäytyminen, jonka tulisi olla kaiken kaikkiaan järkevää.

Jos puhumme parviharjoittelumenetelmästämme, niinhän on sellainen. Oletetaan, että yksi sairaala tarjoaa koulutusta eristäen tiedot, se ei jaa tietoja, ja jakaa vain koulutuksensa tulokset. Niin ovat muutkin sairaalat. Koko siirtoprosessi koordinoidaan blockchain-tekniikan avulla. Olemme varmoja, että sitä tarvitaan, koska haluamme kaikkien oheislaitteiden toimivan, vaikkakin itsenäisesti, mutta kokonaisuutena parvana.

Emme halua keskitettyä hallintaa,koska parvassa ei ole. Mehiläisparvessa on mehiläispesä pesässä. Mutta hän ei anna ohjeita, kun parvi lentää. Mehiläiset koordinoivat itseään. Ja vasta palattuaan pesään he kommunikoivat mehiläisten kanssa, palvelevat sitä ja niin edelleen. Mutta kun he ovat parven sisällä, heitä koulutetaan, heidän on koordinoitava toimia keskenään. Ja niin parvi elää. Mutta miten koordinoida sitä ilman johtajaa? Blokcheyn. Siksi blockchain on tärkeä reuna-alueelle. Jos parvea koordinoi vain yksi johtaja ja se putoaa pois, koko parvi ei toimi. Mehiläisten on etsittävä toinen johtaja. Lohkoketjussa ei ole johtajaa.

- Mitä voit sanoa RI-tekniikoista? Onko analogia hermoverkkojen kanssa sopiva tässä?

"Roy on aivan kuin hermoverkko." Jokaisella reuna-alueen mehiläisellä tai palvelimella on oma hermoverkko. Jokaisella sairaalalla, kuten parvessa, on oma erillinen harjoitushermoverkko. Mutta blockchain sallii tämän koulutuksen jakamisen kaikille sairaaloille. Siksi jokaisella reuna-alueen mehiläisellä, sairaalalla tai tietokoneella on oma hermoverkko. Mutta kun he jakavat oppimisen mehiläisestä mehiläiseen, he käyttävät blockchainia. Seurauksena on, että he käyttävät sekä hermoverkkoja että lohkoketjua. Neuraaliverkkoa käytetään itseopiskeluun ja lohkoketjua käytetään jakamiseen muiden kanssa.

”Maavastuu houkuttelee nuoria insinöörejä”

- Yritykset kiinnittävät nykyään erityistä huomiota ympäristöhoitoon. Millaisia ​​toimenpiteitä HPE toteuttaa työssään ympäristön hoitamiseksi?

- Tämä on tärkeä aihe. Ensinnäkin, me yrityksenä olemme vastuussa maasta. Toiseksi, monet nuoret insinöörit haluavat saada työtä yrityksessä, joka tuntee tällaisen vastuun. Kyllä, mielestäni tässä uudessa sukupolvessa on taipumus suurempaan tietoisuuteen. Haluamme houkutella nuoria insinöörejä. Ja kolmanneksi, nämä ovat oikeita asioita.

Meillä on kaksi suurta hyödyntämiskeskustaUSA ja Skotlanti. Karkeiden arvioiden mukaan ostimme, käsitelimme ja myimme 99 prosenttia palautetuista vanhoista laitteista viime vuonna, yhteensä 3 miljoonaa dollaria. Jäännöksistä uutemme suurimman osan raaka-aineista: hopeasta, kullasta - ja käytämme ne uudelleen. Ja vain hyvin pieni, noin 0,3%, heitetään pois.

Toinen alue on asiakasvuorovaikutusympäristönsuojelun alueet. Yksi suosikki esimerkkejäni on asiakkaamme Salling Group -sovelluksen sovellus, joka on tarkoitettu torjumaan ruoan irrationaalista käyttöä. Nykyään niihin on kytketty noin 2000 supermarketia. Esimerkiksi myymälät aikovat heittää pois 26 912 ruokatuotetta, koska niiden voimassaoloaika on vanhentunut. Myymällä tällaisia ​​tuotteita suurella alennuksella vähittäiskaupan ketjut voivat kasvattaa voittoaan 10% ja asiakkaat voivat saada tavaroita halvalla.

Toinen alue on puhdas energia. Maailmassa syntyy valtava määrä hiilidioksidia, koska ihmiset tarvitsevat energiaa. Teemme erittäin tiivistä yhteistyötä ITER-hankkeen (kansainvälinen kokeellinen ydinreaktori) kanssa yrittäämme käyttää ydinfuusioita energiantuotantoon. Ydinfuusion monimutkaisuus on pitää plasma magneettikentässä, joka pyörii TOKAMAKin (magneettikäämillä varustetun toroidisen kammion - “HiTech”) ympärillä. Tarjoamme supertietokoneen, joka laskee TOKAMAK-magneettikentän optimaalisen rakenteen plasman pitämiseksi vakaana.