Boris Scherbakov- Visepresident og daglig leder for Dell Technologies. I 1977 ble han uteksaminert fra økonomi
Han begynte sin karriere hos Dell i 2012.Fra stillingen som Dell CEO i Russland, Kasakhstan og Sentral-Asia, var han ansvarlig for forretningsstrategien for bedrifts- og forbrukerområdene til selskapet i regionen. Siden februar 2017 har Boris Shcherbakov vært sjef for det russiske kontoret til Dell EMC. Han er ansvarlig for utviklingen av alle virksomhetsområder - infrastrukturløsninger, tjenester og klientsystemer. I 2019 ble han visepresident og administrerende direktør for Dell Technologies i Russland, Kasakhstan og Sentral-Asia.
Om maskinlæring
- Er det generelt mer lønnsomt for menneskeheten å investere i maskin- eller menneskelig læring?
- Det er vanskelig å snakke for menneskeheten som helhet, menvirksomhet er vant til å velge den beste investerings- / investeringsløsningen fordi den påvirker lønnsomheten. Og hvis maskinen gjør jobben raskere og bedre, og samtidig er den billigere, og den ikke tar feil, og den er ikke syk, blir valget åpenbart. Ingenting personlig, som de sier, bare forretninger. Og det er selvfølgelig verdt å videreføre funksjonaliteten som datamaskiner kan håndtere raskere og mer nøyaktig for å frigjøre rammer fra monoton arbeidskraft.
Foto: Anton Karliner / Haytek
På den annen side for å gjøre disse maskinene strålendetaklet oppgavene, kreves det svært dyktige utviklere som kan lære og forbedre algoritmer. Spørsmålet om å trene mennesker og maskiner er et strategisk spørsmål. Se for deg at staten ikke har roboter, ingen datamaskiner, ingen programvare, ingen utviklere. Den faller automatisk ut av et konkurransedyktig løp og forblir på sidelinjen for teknologisk fremgang og innovasjon. Samtidig bør man ikke glemme at ofte teknologier og utviklinger er eksperimentelle i sin natur og ikke bør absolutiseres. Tross alt er det mest stabile i livene våre, som du vet, endring. Vi gjennomfører spesielle studier om hvordan teknologier endrer seg og vil endre livene våre i nåtiden og i fremtiden, og vi leter etter optimale løsninger for deres anvendelse innen forskjellige felt av menneskelig aktivitet. Og vi ønsker å gjøre livet på planeten bedre ved å gi mennesker med forskjellige evner tilgang til moderne løsninger. Vi transformerer virksomhet ikke bare gjennom dem, men bidrar også til transformasjon av mennesker med store ideer rundt om i verden gjennom tilgang til teknologi.
- Samtidig kan det ikke sies om maskinlæring at neste implementering av den berømte “mengden går i kvalitet”. Hvorfor?
- Egentlig nei, maskinlæring er barebare et sett med algoritmer. Selv om resultatene som oppnås noen ganger kan være overraskende. Med maskinlæring blir en datamaskin ikke bare opplært til å sammenligne mønstre som har skjedd i fortiden, men også for å forutsi fremtidig utvikling er ofte bedre enn mennesker (siden hele spekteret av kjente faktorer tas med i betraktningen og menneskelige feil er utelukket). Riktig nok gjør livet noen ganger justeringer som selv den mest nøyaktige datamaskinen ikke kan ta hensyn til.
Men med kvantitet som går i kvalitet,ikke så enkelt. Læringssystemer, som barn, går fra enkle til komplekse, og feil utelukkes ikke. Samtidig forbedrer hastigheten på informasjonsbehandling og nøyaktigheten av resultatene med hver iterasjon og oppdatering. Men selvfølgelig gjenstår spørsmålet om riktige algoritmer og feilsøking.
"Hva er da problemet?" Hvorfor, til tross for utviklingen av teknologi, fremdeles oppstår feil i anvendelsen av slike algoritmer?
— Spørsmålet er ikke for maskiner, men for folk somutvikle algoritmer. Ordet "datamaskin" er bokstavelig talt oversatt til russisk som "datamaskin". Kvaliteten på det endelige resultatet avhenger av hvor riktig algoritmen er spesifisert og resultatene og beregningsprosessen spores. Det er et konsept kalt "kvalitetsfunksjonalitet", som bestemmer hvor godt en maskin takler databehandling.
Folk har ikke nok tid til å bestemme seggrunnleggende problemer med dens utvikling. Dette er en relativt lav levealder, som er betydelig påvirket av medfødte eller ervervede sykdommer.
Boris Scherbakov, Dell Technologies
For eksempel er Genome International ganskehar lenge brukt maskinlæringsmetoder basert på datasentre med høy ytelse for å studere menneskelig DNA og forutsi, selvfølgelig, så langt det er mulig, sannsynlige problemer for en bestemt person i fremtiden. Hastigheten for å oppnå resultater og deres nøyaktighet avhenger i dette tilfellet av følgende faktorer: kvaliteten på primærdiagnosen, historiske data, datamodellalgoritme, maskinvareklyngeytelse og… Lykke til. Det er verdt å stole på det, siden vi ikke har studert biologisk mekanikk 100%.
– Etter hvilke kriterier vil vi fastslå at en datamaskin har overgått en person fullstendig, slik som skjedde i sjakk eller igame go?
- Jeg tror på potensialet til mennesker og myke ferdigheter(supraprofesjonelle ferdigheter som ikke er relatert til den offisielle plikten til en person - "High Tech"). Teknologier er gode innen sine felt og hjelper til med å utføre operasjoner raskere og mer nøyaktig, på et nivå som til og med potensielt er utilgjengelig for mennesker. Samtidig er det en bakside for mynten: menneskets hjerne og beslutningsprosesser er ennå ikke studert fullt ut, og alle systemer, inkludert nevrale nettverk, er bygget på grunnlag av data tilgjengelig for vitenskap og mennesker, det vil si innledningsvis uten å ta hensyn til hele matrisen. Derfor kan du ikke bekymre deg for menneskehetens fremtid og ikke demonisere maskiner.
Datamaskiner er et derivat av det menneskelige sinn, operasjoner er raskere og mer nøyaktig, men en person stiller algoritmen.
Boris Scherbakov, Dell Technologies
Samtidig er kvaliteter viktige (og ikke bare nivået).utdanning og genialitet, men også moral) av mennesker som lager algoritmer. Tross alt kan roboter hjelpe, men de kan også ødelegge. Og som all teknologi, tiltrekker de seg historisk sett oppmerksomheten til staten og militæret, først av alt. Under kampforhold i dag vil roboter og datamaskiner gi et forsprang til enhver person, men samtidig mangler de oppfinnsomhet og intuisjon. Hovedkvaliteten, hvis den omsettes til menneskelig virkelighet, er sunn fornuft (den åpenbare riktige avgjørelsen gitt tilgjengelige data), men samtidig kjenner vi mange historiske eksempler hvor oppfinnsomhet slår det. Derfor vil jeg svare at på enkelte områder er overlegenhet allerede åpenbar, men det er fortsatt veldig tidlig å snakke om totaltap på alle fronter. Og selvlærende systemer er også skumle.
For å skille en person fra en maskin, brukes denTuring test. Det ble først foreslått av Alan Turing i artikkelen "Computing Machines and the Mind" i 1950. Testen består i at hver deltaker er i korrespondanse med en person og ett dataprogram og må ut fra svarene på spørsmålene bestemme hvem han snakker med. Hvis dommeren ikke kan si med sikkerhet hvilken av samtalepartnerne som er et menneske, anses bilen for å ha bestått testen. For å teste maskinens intelligens, og ikke dens evne til å gjenkjenne talespråk, blir samtalen ført i en tekst-bare modus, for eksempel ved bruk av tastaturet og skjermen. Korrespondanse bør gjennomføres med kontrollerte intervaller slik at dommeren ikke kan trekke konklusjoner basert på svarens hastighet. På tidens tid svarte datamaskiner tregere enn mennesker. Nå er denne regelen også nødvendig, fordi de reagerer mye raskere enn mennesker.
Ca 5g
— DELLuttalteat menneskeheten venter på "5G digital transformasjon". Hva har du i tankene?
- Akkurat det jeg sa ovenfor - overføringinformasjon vil nå ikke bare være mellom mennesker, men også mellom maskiner. Takket være introduksjonen av IoT, innsamlingen og overføringen av Big Data, krever det mer båndbredde og prosesseringsevner. Folk er heldigvis eller dessverre begrenset klare for en oppgradering, for det meste evolusjonære (smiler). Men teknologier utvikler seg, og hvert nye trinn krever utvikling av hele infrastrukturen, og trekker opp de svake leddene. IoT-sensorer og enhetstetthet, mengden informasjon generert av enheter krever nye dataoverføringsteknologier, og denne nye teknologien på dette stadiet er nøyaktig 5G. Hvis den ikke blir implementert i tide, vil kommunikasjon bli et svakt ledd og en faktor som hindrer utviklingen av hele systemet. Se for deg at du jobber på et moderne kontor med Internett-tilgang gjennom et ikke så veldig raskt, for å si det mildt, modem. Hvor mye kan du gjøre? Hvor lenge vil du vente til ett brev blir lastet ned? I alle fall er denne situasjonen uakseptabel. Vi vandrer allerede datasentre. De som avviser denne strategien vil i det vesentlige miste "transformatorene" i de daglige oppgavene. Tilstedeværelsen av høyhastighets dataoverføring mellom datasenteret og stedet for datainnsamling gjør det mulig å utføre kantberegninger, og ved å overføre data gjennom skyen, ikke laste kjernen i organisasjonens informasjonssystem.
— Antall basestasjoner for mobilkommunikasjon vokser i dag kritisk raskt. Hva vil skje med 5G?
- Det er vanskelig for meg å spå antall stasjoner5G, tross alt, for oss er dette tilstøtende utfyllende kunnskap. Jeg kan svare at hastigheten på informasjonsutveksling, volum og mengde vokser eksponentielt og naturlig nok er det nødvendig med en teknisk løsning. 5G-stasjoner, så vidt jeg vet, hvis vi sammenligner dem med prosessorer i datamaskiner, gir flere operasjoner, ikke bare ved å øke antallet, men også på grunn av multi-element digitale antennearrays (i analogi med kjerner og transistorer på en chip). Vi ser ikke en PC i dag med tusenvis av kjerner for å øke effekten, men vi ser, ifølge Moore's Law, en dobling av transistorer på en brikke hver 24. måned. Noe lignende skjer med basestasjoner og teknologi. Ikke bare mengden endrer seg, men også kvaliteten.
Foto: Anton Karliner / Haytek
— Ifølge DELL, 5G-nettverkvil værehelt uavhengig av utstyr og altbehandlingen vil bli konsentrert i et distribuert programvaresenter. I hovedsak, foreslår du å fullstendig endre arkitekturen til både nettverksmodellen og tenkningen generelt?
– Vi snakker om Edge- eller perifertberegninger I dag er det virkelig en trend mot desentralisering, mot å behandle og lagre data på samme sted der de genereres og brukes. Databehandling og analyser beveger seg til kanten av nettverket – der store mengder data samles inn. Med multimedias æra øker også volumet og hastigheten på dataoverføring fra mobiloperatører (alle bilder og videoer, direktesendinger), mens brukerne ikke vil tåle forsinkelser i overføring eller avspilling av innhold. Og for dette må du finne en "gratis" node plassert så nært brukeren som mulig. Det vil si at etterspørsel og realiteter former transformasjonen av både maskinvare og datamodeller og databehandlingsscenarier. Du kan kjøre i en trafikkork og vente et par timer til du kommer til bestemmelsesstedet ditt (generelt sett er dette tryggere ved første øyekast, men faktisk ikke alltid, som vi vet), eller du kan velge en gratis motorvei og rush med maksimal (tillatt) hastighet.
Edge Computing— prinsippet om å konstruere en hierarkiskIT-infrastruktur, der dataressurser delvis flyttes fra kjernen - det sentrale datasenteret til periferien - og er plassert i umiddelbar nærhet til stedet der primærdataene opprettes for primærbehandling før de overføres til en databehandling på høyere nivå. node.
Én perifer enhet kan håndtereet datamengde som tidligere bare kunne behandles av en stor datamaskin. Edge computing forenkler datahåndtering ved å redusere rot, brukervennlighet og sikkerhetsrisiko.
- Kostnadene ved den nye infrastrukturen er enorme, det virker ganske logisk å skape en viss “nasjonal mester” med direkte statsdeltakelse. Vil ikke dette drepe konkurransen i markedet helt?
- Ærlig talt er saken storstilt, og detfor å svare på det, er det nødvendig å ta hensyn til den enorme mengden inngangsdata, som ikke alle er på overflaten. Som vi diskuterte med deg tidligere, når menneskelige faktorer griper inn, påvirker noen ganger ikke-åpenbare faktorer utfallet.
Foto: Anton Karliner / Haytek
Drapskonkurranse er vanligvis kortsiktig fordidette påvirker utviklingen av både bransjen og prispolitikken negativt. I dag konkurrerer forskjellige operatører ikke bare på grunn av maskinvare (selv om nivået på signalmottak og kommunikasjonskvalitet selvfølgelig er en av de viktigste faktorene for brukeren), men også på grunn av prispolitikk og til og med markedsføringskampanjer. Og dette er bra. Mangel på konkurranse vil føre til stagnasjon for både teleoperatører og løsningsleverandører. Hastigheten på diversifisering er funksjonelt relatert til markedets behov. Fremveksten av monopoler er regulert ved lov. Én operatør vil rett og slett ikke være i stand til å takle skredet av etterspørsel etter skytjenester i 2025–2030.