보리스 셰 르바 코프- Dell Technologies의 부사장 겸 총괄 관리자입니다. 1977년 경제학과 졸업
2012 년 Dell에서 경력을 시작했습니다.러시아, 카자흐스탄 및 중앙 아시아의 Dell CEO 직책에서 그는 해당 지역 기업 및 소비자 영역의 비즈니스 전략을 담당했습니다. 2017 년 2 월 이후 Boris Shcherbakov는 Dell EMC의 러시아 지사장입니다. 그는 인프라 솔루션, 서비스 및 클라이언트 시스템 등 모든 비즈니스 영역 개발을 책임지고 있습니다. 2019 년에는 러시아, 카자흐스탄 및 중앙 아시아에서 Dell Technologies의 부사장 겸 CEO가되었습니다.
머신 러닝 정보
-인류가 기계 또는 인간 학습에 투자하는 것이 일반적으로 더 수익성이 있습니까?
-인류 전체를 말하는 것은 어렵지만비즈니스는 수익성에 영향을 미치기 때문에 최고의 투자 / 투자 솔루션을 선택하는 데 익숙합니다. 그리고 기계가 더 빠르고 더 잘 작동하고 동시에 더 저렴하고 실수하지 않고 아프지 않은 경우 선택의 여지가 분명해집니다. 그들이 말하는 것처럼 개인적인 것은 아무것도 없습니다. 물론 단조로운 노동에서 프레임을 확보하기 위해 컴퓨터가 더 빠르고 정확하게 처리 할 수있는 기능을 전달하는 것이 좋습니다.
사진 : Anton Karliner / "Hightech"
반면에,이 기계들을 화려하게 만들려면작업에 대처하기 위해 알고리즘을 배우고 개선 할 수있는 숙련 된 개발자가 필요합니다. 사람과 기계를 훈련시키는 문제는 전략적인 문제입니다. 주에는 로봇, 컴퓨터, 소프트웨어, 개발자가 없다고 상상해보십시오. 그것은 자동적으로 경쟁 경쟁에서 벗어나고 기술 진보와 혁신의 부업에 남아 있습니다. 동시에, 기술과 개발이 실험적이라는 점을 잊어서는 안되며 절대적으로 절대로 사용해서는 안됩니다. 결국, 우리 삶에서 가장 안정된 것은 변화입니다. 우리는 기술이 어떻게 변화하고 현재와 미래의 삶을 변화시킬 것인지에 대한 특별한 연구를 수행하며 다양한 인간 활동 분야에 적용 할 수있는 최적의 솔루션을 찾고 있습니다. 그리고 우리는 다양한 기능을 가진 사람들에게 현대적인 솔루션에 대한 액세스 권한을 제공함으로써 지구상의 삶을 더 좋게 만들고 싶습니다. 우리는이를 통해 비즈니스를 변화시킬뿐만 아니라 기술에 대한 접근을 통해 전 세계적으로 대규모 아이디어를 가진 사람들의 변화에 기여하고 있습니다.
-동시에, 유명한 "수량이 품질에 들어간다"는 기계 학습에 대해서는 말할 수 없습니다. 왜?
-사실, 기계 학습은 단지단지 일련의 알고리즘. 얻은 결과가 때로는 놀랍습니다. 실제로 머신 러닝을 통해 컴퓨터는 과거에 발생한 패턴을 비교할뿐만 아니라 미래의 개발이 사람들보다 더 나은 것으로 예측하는 훈련을받습니다. 사실, 인생은 때로는 가장 정확한 컴퓨터조차도 고려할 수없는 조정을합니다.
그러나 품질에 들어가는 수량으로그렇게 간단하지 않습니다. 어린이와 같은 학습 시스템은 단순에서 복합으로 진행되며 오류는 배제되지 않습니다. 동시에 정보 처리 속도와 결과의 정확성은 각 반복 및 업데이트마다 향상됩니다. 그러나 올바른 알고리즘과 디버깅 문제는 여전히 남아 있습니다.
“그럼 무슨 문제가 있습니까?” 기술 개발에도 불구하고 왜 그러한 알고리즘의 적용에 오류가 발생합니까?
— 문제는 기계가 아니라 사람을 위한 것입니다.알고리즘을 개발합니다. "컴퓨터"라는 단어는 문자 그대로 러시아어로 "컴퓨터"로 번역됩니다. 최종 결과의 품질은 알고리즘이 얼마나 정확하게 지정되고 결과와 계산 프로세스가 추적되는지에 따라 달라집니다. 기계가 데이터 처리에 얼마나 잘 대처하는지를 결정하는 '품질 기능'이라는 개념이 있습니다.
사람들은 결정할 시간이 충분하지 않습니다진화의 기본 문제. 이것은 상대적으로 수명이 짧으며 선천성 또는 후천성 질병의 영향을 크게받습니다.
Boris Scherbakov, Dell 기술
예를 들어 Genome International은 꽤는 오랫동안 고성능 데이터 센터를 기반으로 한 기계 학습 방법을 사용해 인간 DNA를 연구하고 미래에 특정 개인에게 발생할 수 있는 문제를 가능한 한 예측해 왔습니다. 이 경우 결과를 얻는 속도와 정확도는 기본 진단의 품질, 기록 데이터, 데이터 모델 알고리즘, 하드웨어 클러스터 성능 및… 행운을 빌어요. 우리는 생물학적 역학을 100% 연구하지 않았기 때문에 이에 의존할 가치가 있습니다.
- 체스나 게임에서처럼 컴퓨터가 사람을 완전히 능가했다고 판단하는 기준은 무엇입니까?게임 이동?
-나는 사람들의 잠재력과 부드러운 기술을 믿는다(개인의 직무와 관련이없는 전문 기술-“하이테크”). 기술은 해당 분야에 능숙하며 잠재적으로 사람이 접근 할 수없는 수준에서 더 빠르고 정확하게 작업을 수행하는 데 도움이됩니다. 동시에, 동전에 대한 반대 측면이 있습니다. 인간의 두뇌와 의사 결정은 아직 완전히 연구되지 않았으며, 신경망을 포함한 모든 시스템은 과학과 사람이 이용할 수있는 데이터를 기반으로, 즉 처음에는 전체 배열을 고려하지 않고 구축됩니다. 따라서 인류의 미래에 대해 걱정할 수 없으며 기계를 악마 화 할 수 없습니다.
컴퓨팅 머신은 인간의 마음에서 파생 된 것이며, 작업이 더 빠르고 정확하지만 사람이 알고리즘을 설정합니다.
Boris Scherbakov, Dell 기술
동시에 품질도 중요합니다(레벨뿐만 아니라교육과 천재성뿐만 아니라 도덕적이기도 함) 알고리즘을 만드는 사람들. 결국 로봇은 도움을 줄 수도 있지만 파괴할 수도 있습니다. 그리고 다른 기술과 마찬가지로 역사적으로 그들은 우선 국가와 군대의 관심을 끌었습니다. 오늘날의 전투 상황에서 로봇과 컴퓨터는 누구에게나 앞서 나갈 수 있지만 동시에 독창성과 직관력이 부족합니다. 인간의 현실로 해석하면 주요 특성은 상식(사용 가능한 데이터를 고려할 때 명백히 올바른 결정)이지만 동시에 독창성이 이를 능가한 많은 역사적 사례를 알고 있습니다. 그러므로 일부 분야에서는 우월성이 이미 명백하지만 모든 면에서 총손실을 논하기에는 아직 이르다고 대답하겠습니다. 그리고 자가 학습 시스템도 무섭습니다.
사람과 자동차를 구별하기 위해튜링 테스트. Alan Turing은 1950 년 "Computers and Mind"기사에서 처음 제안했습니다. 테스트는 각 참가자가 한 사람 및 한 컴퓨터 프로그램과 통신을 수행하고 질문에 대한 답변을 바탕으로 대화 상대를 결정해야한다는 사실로 구성됩니다. 판사가 대담 자 중 어느 것이 사람인지 구체적으로 말할 수 없으면 기계가 시험을 통과 한 것으로 간주됩니다. 컴퓨터의 지능을 테스트하고 음성 언어를 인식하는 능력을 테스트하기 위해 키보드와 화면을 사용하는 등의 "텍스트 만"모드로 대화가 수행됩니다. 판사는 응답 속도에 따라 결론을 도출 할 수 없도록 통제 된 간격으로 대응해야한다. 튜링 시대에는 컴퓨터가 인간보다 느리게 반응했습니다. 이제이 규칙은 사람보다 훨씬 빨리 응답하기 때문에 필요합니다.
약 5g
-작은 골짜기언급인류는 "5G 디지털 전환"을 기다리고 있습니다. 무슨 소리 야?
-내가 위에서 말한 것은 이전입니다정보는 이제 사람들 사이뿐만 아니라 기계들 사이에서도 존재할 것입니다. IoT 구현, 빅 데이터 수집 및 전송 덕분에 더 많은 대역폭 및 처리 기능이 필요합니다. 다행스럽게도 불행히도 사람들은 업그레이드를 위해 제한적으로 준비되어 있으며 대부분 진화 적입니다. 그러나 기술이 발전하고 있으며 새로운 단계마다 전체 인프라의 개발이 필요하며 약한 연결 고리가 필요합니다. IoT 센서 및 장치 밀도, 장치에서 생성되는 대량의 정보에는 새로운 데이터 전송 기술이 필요하며이 단계에서이 새로운 기술은 5G에 불과합니다. 시간 내에 구현되지 않으면 통신은 약한 링크가되고 전체 시스템의 개발을 방해하는 요소가됩니다. 가장 빠르지 않은 모뎀을 통한 인터넷 액세스가 가능한 현대적인 사무실에서 일한다고 상상해보십시오. 많이 할 수 있습니까? 한 글자를 다운로드하기까지 얼마나 걸립니까? 어쨌든이 상황은 용납 할 수 없습니다. 우리는 이미 데이터 센터를 걷고 있습니다. 이 전략을 거부하는 사람들은 일상적인 작업에서 "변압기"를 크게 잃게됩니다. 데이터 센터와 데이터 수집 사이트간에 고속 데이터 전송이 존재하면 경계 계산을 수행 할 수 있으며 클라우드를 통해 데이터를 전송하더라도 조직의 정보 시스템의 핵심을로드하지 않습니다.
— 오늘날 이동통신 기지국의 수는 매우 빠르게 증가하고 있습니다. 5G에서는 어떤 일이 일어날까요?
-방송국 수를 예측하기가 어렵습니다.결국 5G는 우리에게 이것은 보완적인 지식에 인접 해 있습니다. 정보 교환 속도, 용량 및 수량이 기하 급수적으로 증가하고 있으며 기술적 인 솔루션이 필요하다고 대답 할 수 있습니다. 내가 아는 한, 5G 스테이션은 컴퓨터의 프로세서와 비교하면 그 수를 늘릴뿐만 아니라 다중 요소 디지털 안테나 어레이 (칩의 코어 및 트랜지스터와 유사)로 인해 더 많은 작업을 제공합니다. 결국, 우리는 오늘날 전력을 증가시키는 수천 개의 코어를 갖춘 PC를 보지 못하지만 무어의 법칙에 따르면 24 개월마다 칩에서 트랜지스터가 두 배로 증가하는 것을 볼 수 있습니다. 기지국과 기술에서도 비슷한 일이 일어나고 있습니다. 수량뿐만 아니라 품질도 변화하고 있습니다.
사진 : Anton Karliner / "Hightech"
— DELL에 따르면 5G 네트워크는될 것이다장비와 모든 것으로부터 완전히 독립처리는 분산 소프트웨어 센터에 집중됩니다. 본질적으로, 네트워크 모델과 사고 전반의 아키텍처를 완전히 바꾸겠다고 제안하시나요?
- 우리는 Edge 또는 주변 장치에 대해 이야기하고 있습니다.계산 오늘날 실제로 데이터가 생성되고 사용되는 동일한 장소에서 데이터를 처리하고 저장하는 분산화 추세가 있습니다. 컴퓨팅과 분석은 대량의 데이터가 수집되는 네트워크 가장자리로 이동하고 있습니다. 멀티미디어 시대로 인해 이동통신사의 데이터 전송량과 속도(모든 사진 및 동영상, 라이브 방송)도 증가하고 있으며, 사용자는 콘텐츠 전송이나 재생의 지연을 참지 않으려고 합니다. 이를 위해서는 사용자에게 최대한 가까운 "무료" 노드를 찾아야 합니다. 즉, 수요와 현실이 하드웨어와 컴퓨팅 모델, 데이터 처리 시나리오 모두의 변화를 형성합니다. 교통 체증 속에서 운전하고 목적지에 도착할 때까지 몇 시간을 기다릴 수 있습니다(일반적으로 이것은 언뜻보기에 더 안전하지만 우리가 알고 있듯이 실제로는 항상 그런 것은 아닙니다). 또는 무료 고속도로를 선택하여 최대(허용된) 속도로 돌진합니다.
주변 컴퓨팅 (에지)— 계층 구조를 구성하는 원리컴퓨팅 리소스가 부분적으로 코어(중앙 데이터 센터)에서 주변 장치로 이동되고 상위 컴퓨팅으로 전송되기 전 1차 처리를 위해 1차 데이터가 생성되는 장소와 매우 가까운 곳에 위치하는 IT 인프라 마디.
하나의 주변 장치를 처리 할 수 있습니다큰 컴퓨터 만이 이전에 처리 할 수 있었던 데이터의 양. 주변 컴퓨팅은 구조의 임의성을 줄이고 사용성을 높이며 보안 위험을 줄임으로써 데이터 관리를 단순화합니다.
-새로운 인프라의 비용은 엄청 나며, 직접 국가에 참여하는 일종의 "국가 챔피언"을 만드는 것이 논리적으로 보입니다. 이것이 시장에서 경쟁을 완전히 죽일 수 있습니까?
-솔직히 말하면 문제는 대규모이므로이에 대한 답을 위해서는 엄청난 양의 입력 데이터를 고려해야합니다. 모든 데이터가 표면에있는 것은 아닙니다. 앞서 논의했듯이, 인적 요소가 개입하면 때로는 불명확 한 요소가 결과에 영향을 미칩니다.
사진 : Anton Karliner / "Hightech"
살인 경쟁은 대개 근시안적입니다.이는 산업 발전과 가격 정책 모두에 부정적인 영향을 미칩니다. 오늘날 다양한 통신업체는 하드웨어(신호 수신 수준과 통신 품질이 사용자에게 가장 중요한 요소 중 하나임에도 불구하고)뿐만 아니라 가격 정책 및 마케팅 캠페인으로 인해 경쟁하고 있습니다. 그리고 이것은 좋은 것입니다. 경쟁 부족은 통신 사업자와 솔루션 제공업체 모두에게 정체로 이어질 것입니다. 다각화의 속도는 기능적으로 시장 요구와 관련이 있습니다. 독점의 출현은 법으로 규제됩니다. 한 운영자는 2025~2030년에 급증하는 클라우드 서비스 수요에 대처할 수 없을 것입니다.