Dr Eng Limas Goh- Viceprezidentas ir vyriausiasis technologas, atsakingas už didelio našumo kompiuteriją ir
Apdovanotas NASA medaliu už išskirtinįpažanga technologijų srityje kaip pagrindinė tyrėja eksperimento, vykstančio ISS, skirto autonominių superkompiuterių veikimui išplėstinėse kosminėse misijose. Be to, kad kartu kuria „spynos“ pagrindu sukurtas spiečiaus mokymosi programas, jis prižiūri AI dislokavimą „Formulės 1“ lenktynėse, industrializuoja čempiono pokerio roboto technologiją ir kartu kuria biologiškai išsamių žinduolių smegenų modeliavimo sistemas. Gavo šešis JAV patentus, dar penki yra laukiami.
HPE („Hewlett Packard Enterprise“)yra Amerikos IT įmonė, įkurta 2015 mmetų kartu su HP Inc. po Hewlett-Packard Corporation padalijimo. Paveldėjo verslą verslo klientų segmente – gamina serverius, superkompiuterius, duomenų saugojimo sistemas, saugojimo tinklus, tinklo įrangą, konvergentines sistemas, taip pat užsiima debesų infrastruktūrų kūrimu.
„Debesis išliks svarbus didelių duomenų pasaulyje“
- Debesų technologijos jau seniai peržengė šiuolaikinių IT standartų inovacijas. Koks jų vaidmuo kuriant naujus produktus?
- „HPE“ sutelkė dėmesį į savo kompiuterijąplėtrą kaip „periferinio debesies“ tendenciją, daugiausia todėl, kad didžioji dalis duomenų pirmiausia patenka į periferiją. Turime perkelti visus duomenis iš periferijos į debesis, pavyzdžiui, prekybos centrų, automobilių duomenis, jei kalbame apie sujungtą automobilį (automobilį, kuris gali dvikryptį ryšį palaikyti su kitomis sistemomis - „HiTech“), aviacijos pramonę ir ligonines. Daugeliu atvejų mes perduodame duomenis į debesį, kad vėliau galėtume išanalizuoti duomenis ir išsiųsti rezultatą atgal į periferiją.
Debesų kompiuterija yra svarbi, nes tai leidžianaudokitės visa skaičiavimo galia, sukoncentruota debesyje, tuo tarpu periferijoje jos paprastai būna mažiau. Tradicinis būdas yra pirmiausia rinkti duomenis periferijoje, o tada sukonfigūruoti išmaniuosius periferinius įrenginius, kad debesyje būtų siunčiama tik reikiama informacija. Debesis turi visus skaičiavimo išteklius, kad galėtų mokytis kompiuteriu, atlikti analizę, gauti rezultatus, kurie bus siunčiami atgal į periferiją. Štai kodėl mes tikime, kad debesys išliks svarbūs didžiųjų duomenų pasaulyje.
- Kodėl kuriant naujus duomenų centrus reikia naudoti dirbtinį intelektą? Koks yra pagrindinis jos tikslas šiame kontekste?
- Duomenų centrai (DPC) tampasudėtingesni ir reikalaujantys vartotojų. Atsižvelgiant į duomenų centro sudėtingumą, šiandien jūs turite daugybę centrinių (CPU) ir grafinių (GPU) procesorių, skirtų AI, kurie turi daug branduolių. Taip pat yra dideli duomenų srautai, kurių saugojimą ir judėjimą būtina organizuoti. Visa tai sunaudoja daug energijos ir padidina duomenų centrų sudėtingumą.
GPU (grafikos apdorojimo įrenginys)- grafikos procesorius, specializuotasgrafikos ir vaizdo efektų apdorojimo įrenginys. Skirtingai nei CPU (centrinis procesorius), GPU architektūra geriau tinka lygiagrečiam skaičiavimui ir turi daug greitesnę atmintį. Šiuolaikiniai GPU gali būti naudojami ne tik grafikos apdorojimui, bet ir panašiems matematiniams skaičiavimams, kuriems svarbesnis apdorojimo greitis. Tuo pačiu metu GPU duomenų apdorojimo greitis, palyginti su CPU, gali būti tūkstančius kartų didesnis.
Procesoriaus branduoliai- nepriklausomi procesoriai, surinkti vienamefizinis lustas. Šis metodas leidžia sumažinti fizinį lusto dydį, jo energijos suvartojimą ir šilumos išsklaidymą, taip pat žymiai padidinti našumą nekeičiant procesoriaus architektūros.
Kaip ir vartotojams, jų reikalavimai taip pat yralabai padidėjo. Anksčiau jie pirko įrangą, ją paleido, o kol sistema veikė, vartotojai liko patenkinti. Tačiau šiandien jie klausia: „Ar mano programos veikia optimaliai?“ - kadangi ne visada tiesioginis skaičiavimo galios padidėjimas proporcingai padidina produktyvumą.
Dėl to turite vartotojo reikalavimus,duomenų centrų sudėtingumas, o tai reiškia, kad reikia įdiegti daugiau AI, kurie leistų peržiūrėti duomenis ir padėtų priimti geresnius sprendimus. Problema yra ta, kad mes neturime pakankamai duomenų, kurie padėtų AI mokytis. Apie 10 tūkstančių klientų pateko į mūsų projektą ir išsiuntė savo duomenis duomenų centre į debesį. Dabar mes siunčiame AI duomenų tvarkymo rezultatus atgal į kiekvieną iš šių duomenų centrų, kad būtų galima optimizuoti jų darbą.
- Ar AI šiuo metu aktyviai naudojama kuriant įrangą verslo klientams? Kaip greitai turėtumėte tikėtis panašių technologijų biuro ir namų gaminiuose?
- Jei turite omenyje sugebėjimą duotiprognozių, pagrįstų istorija, tada ji jau dabar yra labai plačiai naudojama. Šiandien jis naudojamas daugelyje sričių: finansuose, numatant atsargų vertę, kada jas parduoti ir pirkti, nustatant išvestines finansines priemones finansų rinkose arba apskaičiuojant rentgeno spindulių anomalijas medicinoje. Yra automobilių, kurie yra pakankamai protingi, kad suprastų, kad, pavyzdžiui, vibracija amortizatoriuje reiškia ką nors blogo, ir nusiųstų informaciją apie tai vairuotojui. Mokymasis per istoriją, kad būtų galima priimti sprendimus ir numatyti, tapo realybe. Tačiau drąsesnės prognozės, kad pasirodys antžmogis, vis dar yra mokslinė fantastika. Vis dėlto svarbu apie tai pradėti galvoti dabar.
„Kvantiniai kompiuteriai, naudojant optimizavimo metodą, leis kompiuteriui su AI mokytis greičiau“
- Paprastiems žmonėms sunku tiksliai suprasti, kas yra kvantiniai kompiuteriai, apie kuriuos tiek daug kalbama šiandien. Kaip jūs juos apibrėžiate?
- Pirmiausia aš nesuprantu kvantųmechanikai. Aš nesuprantu kvantinių būsenų įsipainiojimo, griūties superpozicijos ir matavimo į klasikinę būseną. Bet nesvarbu. Aš priimu visas tris šias sąvokas. Aš pripažįstu, kad jie egzistuoja. Kadangi pagal kvalifikaciją esu inžinierius, naudoju tik tai, ką suprantu daugiau. Pavyzdžiui, skirtingi elektronų energijos lygiai atome: žemi, aukšti ir labai aukšti. Be to, susipainiojimas yra tada, kai du atomai tampa taip arti, kad pradeda įsipainioti. Mes taip pat kalbėjome apie funkcijos žlugimą, kai iš pradžių neapibrėžta sistema „pasirenka“ vieną iš leistinų būsenų kaip matavimo rezultatas. Aš pripažįstu, kad egzistuoja šios trys sąvokos, kurios inžineriniu požiūriu leidžia man sujungti visas skirtingas kvantines sistemas, kurios šiuo metu yra kuriamos kvantinės informacijos apdorojimui.
- Visai neseniai „Google“ sukėlė daug triukšmo, pranešdama apie „kvantinio pranašumo“ pasiekimą. Ar savo dizainuose naudojate kvantines technologijas?
- Manau, kad gausime analoginę technologijąkvantinio skaičiavimo matavimai per ateinančius dešimt metų. Tačiau skaitmenine prasme, jei kvantinis kompiuteris veiks kaip šiuolaikinis aparatas, prireiks daugiau nei dešimties metų. Viena didžiausių problemų yra tai, kaip pakankamai ilgai išlaikyti įsipainiojimą ir superpoziciją, kad būtų galima atlikti skaičiavimus. Šiandien jie turi daug klaidų, ir norint ištaisyti vieną skaičiavimo kvadratą, jų taisymui reikia daug daugiau kvotų. Todėl tvirtinu, kad prireiks daugiau nei dešimties metų, kol kvantinis kompiuteris taps geresnis nei klasikinis kompiuteris. Todėl laiko dar yra, bet kai jis atsiranda, mes galime radikaliai pakeisti daiktų tvarką.
Kvantinis pranašumas– kvantinio skaičiavimo prietaisų galimybėišspręsti problemas, kurių klasikiniai kompiuteriai praktiškai negali išspręsti. „Google“ anksčiau skelbė apie planus pademonstruoti kvantinę viršenybę iki 2017 m. pabaigos, naudojant 49 superlaidžių kubitų masyvą, tačiau apie realų tokio rezultato pasiekimą buvo paskelbta tik 2019 m. spalio 23 d., bendradarbiaujant su NASA. „Google“ teigimu, „kvantinė viršenybė buvo pasiekta naudojant 54 kubitų masyvą, iš kurių 53 buvo funkcionalūs ir buvo naudojami skaičiavimams atlikti per 200 sekundžių, o tai įprastam superkompiuteriui užtruktų apie 10 000 metų“.
„Qubit“ (iš kvantinio bito)- kvantinis išlydis arba mažiausias elementasinformacijos saugojimas kvantiniame kompiuteryje. Kaip ir bitas, kubitas leidžia turėti dvi savąsias būsenas, žymimas 0|1, tačiau jis taip pat gali būti jų „superpozicijoje“, ty abiejose būsenose vienu metu. Kai matuojama kubito būsena, ji atsitiktinai pereina į vieną iš savo būsenų. Kubitai gali būti „supainioti“ vienas su kitu, tai yra, jiems gali būti primestas nepastebimas ryšys, išreikštas tuo, kad pasikeitus vienam iš kelių kubitų, kiti keičiasi kartu su juo.
- Kaip kvantinis kompiuteris susijęs su dirbtiniu intelektu?
- PG naudojasi mašininiu mokymu, mokosi kartunaudojant istoriją. Tai atsitinka bandymais ir klaidomis, jis bando vieną istoriją, neteisingai prognozuoja, taiso, tada kitą istoriją - nuspėja, jei ne, tada teisingai. Taigi tūkstantis bandymų. Dešimt tūkstančių bandymų. Šimtas tūkstančių. Milijonas ar dešimt milijonų. Jis turi daug kartų bandyti sureguliuoti, kol parodys teisingą prognozių algoritmą. Tikiu, kad kvantiniai kompiuteriai, naudodamiesi optimizavimo metodu, kompiuterį su AI mokys greičiau. Kad jam nereikėtų tiek daug bandyti ir milijoną kartų bandyti, norint pasiekti teisingą rezultatą. Kvantinis kompiuteris leis labai greitai pasiekti gerą prognozių lygį.
„Blockchain“ ir „spiečiaus“ intelektas
— Kaip „blockchain“ technologijos naudojamos įmonėse?
- AI ir „blockchain“ yra labai glaudžiai susiję. Manome, kad periferiniams įrenginiams bus svarbu ne pati „grandininė grandinė“, o technologija, kuria grindžiama. Kadangi duomenys pateks į periferiją, norėsite padaryti kuo daugiau, kad išsaugotumėte debesies skaičiavimo galią. Įsivaizduokite, kad turite milijoną aukštos raiškos HD kamerų. Negalite siųsti duomenų srauto iš milijono kamerų į debesį. Turėsite pastatyti periferijoje pakankamai protingus kompiuterius, kad nuspręstumėte: „Man to nereikia siųsti. Aš atsiųsiu tik tai. “ Bet tada jums reikia išmaniųjų kompiuterių. Manome, kad svarbu sujungti daugybę periferinių kompiuterių į vieną grupę, vieną „spiečius“ mokant spiečius. Taip yra dėl spiečių intelekto - jie abu yra tarpusavyje susiję.
Tikslaus spiečiaus intelekto apibrėžimo vis dar nėrasuformuluotas. Spiečio intelektas (spiečio intelektas) apibūdina decentralizuotos, savarankiškai organizuojančios sistemos kolektyvinį elgesį. RI sistemas, kaip taisyklę, sudaro daugybė agentų (elementų), kurie sąveikauja tarpusavyje ir su aplinka. Elgesio idėjos dažniausiai kyla iš gamtos, ypač iš biologinių sistemų. Kiekvienas berniukas laikosi labai paprastų taisyklių. Nepaisant to, kad nėra centralizuotos elgesio valdymo sistemos, kuri kiekvienam iš jų nurodytų, ką reikia daryti, vietinė ir šiek tiek atsitiktinė sąveika sukelia intelektualų grupės elgesį, kurio nekontroliuoja atskiri berniukai. Apskritai, RI turėtų būti kelių agentų sistema, pasižyminti savarankiškai organizuojančiu elgesiu, kuris iš viso turėtų parodyti pagrįstą elgesį.
Jei mes kalbėsime apie mūsų spiečių mokymo metodą, tadajis toks. Tarkime, viena ligoninė vykdo mokymus, išskirdama savo duomenis, ji nebendrauja su duomenimis ir dalijasi tik savo mokymo rezultatais. Taip yra ir kitose ligoninėse. Visas perdavimo procesas yra koordinuojamas naudojant „blockchain“ technologiją. Esame tikri, kad to reikia, nes norime, kad visi išoriniai įrenginiai veiktų, nors ir nepriklausomai, bet kaip visuma.
Mes nenorime centralizuoto valdymo,nes spietyje to nėra. Bičių spiečius avilyje yra bičių karalienė. Bet ji neduoda jokių nurodymų, kol spiečius skrieja. Bitės koordinuoja save. Ir tik grįžę į avilį, jie bendrauja su bičių karaliene, ją aptarnauja ir pan. Bet būdami spiečiaus viduje jie treniruojasi, jie turi derinti veiksmus tarpusavyje. Ir taip gyvena spiečius. Bet kaip tai suderinti be vadovo? „Blockchain“ Todėl „blockchain“ yra svarbus periferijai. Jei yra tik vienas lyderis, koordinuojantis spiečius, ir jis iškrenta, tada visas spiečius neveikia. Bitės turi ieškoti kito lyderio. Blokinėje grandyje nėra lyderio.
- Ką galite pasakyti apie RI technologijas? Ar čia tinka analogija su neuroniniais tinklais?
„Roy yra visiškai panašus į neuroninį tinklą“. Kiekviena atskira periferijos bitė ar serveris turi savo neuroninį tinklą. Kiekviena ligoninė, kaip ir spiečius, turi savo atskirą treniruojamąjį nervų tinklą. Bet „blockchain“ suteikia galimybę mokymąsi dalyti visose ligoninėse. Todėl kiekviena bitė, ligoninė ar kompiuteris periferijoje turi savo nervų tinklą. Bet kai jie dalijasi savo mokymu nuo bičių prie bičių, jie naudoja „blockchain“. Dėl to jie naudoja ir neuroninius tinklus, ir „blockchain“. Neuroninis tinklas naudojamas savarankiškam darbui, o „blockchain“ naudojamas dalintis su kitais.
„Atsakomybė už žemę traukia jaunus inžinierius“
- Šiandien korporacijos ypatingą dėmesį skiria aplinkos apsaugai. Kokių priemonių imasi HPE, rūpindamasi aplinka?
– Tai svarbi tema.Pirma, mes, kaip įmonė, esame atsakingi už Žemę. Antra, daug jaunų inžinierių nori prisijungti prie tokią atsakomybę jaučiančios įmonės. Taip, manau, kad šioje naujoje kartoje yra didesnė sąmoningumo tendencija. Norime pritraukti jaunus inžinierius. Ir trečia, tai yra teisingi dalykai.
Mes turime du didelius atkūrimo centrusJAV ir Škotija. Remiantis apytiksliais skaičiavimais, per praėjusius metus mes nusipirkome, perdirbėme ir pardavėme 99% restauruotos senos įrangos, iš viso 3 mln. USD. Iš likučių mes išgauname didžiąją dalį žaliavų: sidabro, aukso - ir vėl juos panaudojame. Ir išmetama tik labai maža dalis, apie 0,3 proc.
Antroji sritis yra sąveika su klientaisaplinkos apsaugos sritis. Vienas iš mano mėgstamiausių pavyzdžių yra mūsų kliento „Salling Group“ programa, skirta kovoti su neracionaliu maisto vartojimu. Šiandien prie jų prijungta apie 2000 prekybos centrų. Pavyzdžiui, parduotuvės ketina išmesti 26 912 maisto prekių, nes jų galiojimo laikas pasibaigęs. Parduodami tokius produktus su didele nuolaida, mažmeninės prekybos tinklai gali padidinti savo pelną 10%, o klientai gali gauti prekių už mažą kainą.
Kita sritis yra švari energija. Pasaulyje gaminamas didžiulis anglies dioksido kiekis, nes žmonėms reikia energijos. Mes labai glaudžiai bendradarbiaujame su ITER (Tarptautinis eksperimentinis branduolinis reaktorius) projektu, siekdami panaudoti branduolių sintezę energijos gamybai. Branduolio sintezės sudėtingumas yra išlaikyti plazmą magnetiniame lauke, kuris sukasi aplink TOKAMAK (toroidinę kamerą su magnetinėmis ritėmis - „HiTech“). Mes aprūpiname superkompiuteriu, kad būtų galima apskaičiuoti optimalią TOKAMAK magnetinio lauko struktūrą, kad plazma išliktų stabili.