Mikhail Tsvetkov, Intel - IoT ได้รับการพัฒนาอย่างไรเมื่อต้องรอ 5G และคอมพิวเตอร์ควอนตัม

มิคาอิล Tsvetkov- ผู้อำนวยการด้านเทคนิคของ Intel ในรัสเซีย ทำงานในสาขาเทคโนโลยีอิเล็กทรอนิกส์มานานกว่า 15 ปี

สำเร็จการศึกษาจากมหาวิทยาลัยแห่งรัฐโวโรเนซวิชาเอกฟิสิกส์เซมิคอนดักเตอร์และไมโครอิเล็กทรอนิกส์ ในปี 2551 เขาได้ร่วมงานกับ Intel Corporation ทำงานเป็นวิศวกรที่ Intel Labs, Intel Architecture Group และ SMG ปัจจุบันเขาเป็นผู้นำกลุ่มเทคนิคของ Intel ในรัสเซียและกลุ่มประเทศ CIS

เซ็นเซอร์แบตเตอรี่เครื่องช่วยฟัง

- อะไรคือทิศทางหลักของการพัฒนาของ Intel?

— ปัจจุบัน Intel เป็นบริษัทที่เน้นข้อมูลเป็นหลักในอีกด้านหนึ่งเราได้รับสถานะนี้จากอุตสาหกรรมไมโครอิเล็กทรอนิกส์ - โรงงานของเราไม่ได้หายไปไหน Intel ยังคงเป็นหนึ่งในซัพพลายเออร์ชั้นนำของรากฐานเซมิคอนดักเตอร์ของโลกดิจิทัลสมัยใหม่ ในทางกลับกัน เราได้เติบโตเกินกว่าสถานะของผู้ผลิตไมโครโปรเซสเซอร์เพียงอย่างเดียว และได้กลายเป็นผู้สร้างส่วนประกอบระดับโลกสำหรับโครงสร้างพื้นฐานดิจิทัลทั้งหมด เริ่มต้นจากสิ่งที่ IoT ใช้ในการรวบรวมข้อมูลหลัก ไปจนถึงศูนย์ข้อมูลที่ทรงพลังที่สุดซึ่งมีข้อมูลนี้อยู่ จะได้รับการประมวลผลและเปลี่ยนจากตัวเลขเป็นความรู้ ดังนั้นเราจึงแก้ไขงานสำคัญทั้งหมดที่ยืนอยู่บนเส้นทางวิวัฒนาการของข้อมูลนี้ การรวบรวม การจัดเก็บ และการส่งข้อมูล - ทั้งแบบมีสายและไร้สาย เรามีชุดเทคโนโลยีขนาดใหญ่ในด้านการสื่อสารเคลื่อนที่ 4G, LTE, 5G, ช่องสัญญาณออปติคัล

ตัวอย่างเช่นหนึ่งในเทคโนโลยีที่มีแนวโน้มมากที่สุด- Intel® Silicon Photonics ซึ่งจะขยายและสร้างช่องสัญญาณความเร็วสูงที่มีอยู่ในอนาคตอันใกล้ และแน่นอนองค์ประกอบการประมวลผล ซีพียู Intel รุ่นเก่าที่ดี - ทั้งในส่วนของเซิร์ฟเวอร์และในไคลเอนต์หนึ่งยังคงเป็นคอมพิวเตอร์ที่หลากหลายและเป็นที่ต้องการที่สุดสำหรับงานที่หลากหลาย นอกจากนี้พื้นที่ที่สำคัญที่สุดคือการจัดเก็บข้อมูล ตอนนี้ Intel ผลิต SSD ได้มากมาย: จาก SATA SSD ที่ผู้ใช้กำหนดไปจนถึง NVMe SSD ล้ำสมัยสำหรับศูนย์ข้อมูลรวมถึงฟิสิกส์พื้นฐานใหม่ของ 3D XPoint สิ่งนี้เรายังไม่ได้ยกประเด็นเรื่องการขับขี่แบบอิสระ

- คุณทำมันได้หรือไม่

- โดยส่วนตัวแล้วฉัน - ไม่ใช่ แต่เรามีหน่วยการขับขี่อัตโนมัติของ Intel Intel มองอย่างตั้งใจและกระตือรือร้นในการทำสิ่งนี้

- คุณพัฒนาโครงสร้างพื้นฐานตั้งแต่ต้นจนจบ - นี่คือการรวบรวมข้อมูลทั้งเซ็นเซอร์และการประมวลผล ระบบเหล่านี้เหมาะสำหรับอุตสาหกรรมเฉพาะหรือไม่

- ไม่ใช้งานเฉพาะโครงสร้างพื้นฐาน IoT เป็นงานการรวมเข้าด้วยกัน Intel ไม่ค่อยทำหน้าที่เป็นผู้รวมระบบ เราเป็นนักพัฒนาเทคโนโลยี ตัวอย่างเช่นเราสร้างตัวส่งสัญญาณชิปสำหรับการเชื่อมต่อบลูทู ธ และ Wi-Fi แล็ปท็อปส่วนใหญ่มีชิป Wi-Fi หรือบลูทู ธ ของเรา การพัฒนาโปรโตคอลเหล่านี้เราถ่ายโอนเทคโนโลยีจากโลกไอทีไปสู่โลกอุตสาหกรรม

รูปถ่าย: Anton Karliner / "Hightech"

ตัวอย่างเช่นเพื่อนร่วมงานของเราจาก Intel IT เคยเป็นนักบินที่น่าสนใจมากได้ดำเนินการในโรงงานแห่งหนึ่งสำหรับการติดตั้งเครือข่ายไร้สายจำนวน 150 เซ็นเซอร์ที่ตรวจสอบอุปกรณ์ความดันการมีสิ่งเจือปนของก๊าซต่าง ๆ ในอากาศ เป็นการผลิตเซมิคอนดักเตอร์ซึ่งใช้ส่วนประกอบทางเคมีจำนวนมาก และประสิทธิภาพสูงของ Bluetooth low energy (BLE) ได้รับการพิสูจน์แล้วว่าเป็นโครงสร้างสำหรับระยะทางสั้น ๆ ประมาณ 15 เมตรจากตัวรับสัญญาณแม้ในห้องที่ยากลำบากเช่นห้องโถงการผลิต จากการประมาณการภายในของบริการด้านไอทีของเราพบว่าค่าใช้จ่ายของเครือข่ายนี้มีเพียง 10% เมื่อเทียบกับเซ็นเซอร์แบบใช้สายแบบคลาสสิก

โครงสร้างพื้นฐานต่อไปนี้ถูกปรับใช้ที่นั่น:ในห้องโรงงานขนาดใหญ่มีเกตเวย์ IoT สองเกตเวย์ โดยพื้นฐานแล้วคือพีซี Intel ที่มี Intel Bluetooth และโมดูล Wi-Fi และเซ็นเซอร์ไร้สายถูกแขวนไว้ เกตเวย์เชื่อมต่อด้วยสายเคเบิลกับเครือข่ายอีเธอร์เน็ตและผ่าน Wi-Fi อาจมีการรบกวนระหว่างมาตรฐานไร้สายที่แตกต่างกัน เนื่องจากใช้ช่วงความถี่เดียวกัน BLE และ Wi-Fi ทำงานในย่านความถี่ 2.4 GHz แต่แตกต่างจากโปรโตคอลตระกูลอื่น ๆ เช่น IEEE 802.15.4 ซึ่งการอยู่ร่วมกับ Wi-Fi ไม่ได้ถูกนำมาใช้อย่างดีนัก Bluetooth และ Wi-Fi รวมกันอย่างกลมกลืน พวกเขาแบ่งปันทรัพยากรความถี่ค่อนข้างมีประสิทธิภาพและทนต่ออิทธิพลซึ่งกันและกันในแต่ละ อื่น. สิ่งสำคัญที่สุดคือผลจากการทดสอบระบบนี้ซึ่งกินเวลาหนึ่งปีครึ่งทำให้ได้รับความน่าเชื่อถือในการสื่อสารกับเซ็นเซอร์ถึง 99 เปอร์เซ็นต์ และเสถียรภาพของการทำงานก็สามารถคาดเดาได้อย่างมาก หากเซ็นเซอร์ไม่ทำงานแสดงว่าไม่ทำงานทันทีเนื่องจากวางไม่ถูกต้อง เช่น หลังเสาหรืออยู่ไกลเกินไป แต่หากรูปทรงเรขาคณิตสามารถเชื่อมต่อได้ เซ็นเซอร์จะทำงานได้อย่างถูกต้องและการเชื่อมต่อก็เชื่อถือได้

เซ็นเซอร์แสดงความสามารถในการใช้ชีวิตจากแบตเตอรี่ใน 620 mAh เป็นเวลา 452 วัน นี่เป็นสิ่งที่ดี แต่ไม่ จำกัด เนื่องจากแบตเตอรี่ 620 mAh เป็นแบตเตอรี่สำหรับเครื่องช่วยฟังและตัวอย่างเช่นนิ้ว AA มีอยู่ประมาณ 2 พัน mAh

กาต้มน้ำเป็นแหล่งข้อมูลที่ไม่สำคัญ

— ในรัสเซีย การวิจัยและพัฒนาเกี่ยวข้องกับ IoT หรือไม่

— IoT ไม่ใช่สิ่งทรงกลมที่แยกจากกันสูญญากาศ นี่เป็นส่วนหนึ่งของวงจรชีวิตของข้อมูล ซึ่งเป็นเครื่องกำเนิดไฟฟ้าอัตโนมัติ มนุษยชาติสร้างข้อมูลโดยการอัพโหลดภาพถ่ายและพิมพ์ข้อความ แต่วิธีการรับข้อมูลนี้ไม่ได้ให้ภาพโดยรวมของโลก เพื่อที่จะวิเคราะห์โลกได้ละเอียดมากขึ้น จำเป็นต้องมีระบบอัตโนมัติ ความก้าวหน้าตามธรรมชาติของธุรกิจที่จำเป็นคือระบบอัตโนมัติ เพื่อให้การรวบรวมข้อมูลเป็นแบบอัตโนมัติ โครงสร้างพื้นฐานของเซ็นเซอร์จึงถูกนำมาใช้

ฉันเคยกล่าวไว้ว่าเซ็นเซอร์ IoT ที่ดีที่สุดคือนี่คือกล้องวิดีโอ สตรีมวิดีโอเป็นแหล่งข้อมูลที่หลากหลาย และที่สำคัญที่สุดคือเป็นแหล่งข้อมูลที่มนุษย์เข้าใจได้ง่าย หากเราพิจารณา IoT แยกจากแนวคิด Data-Centric ทั่วไป ในกรณีส่วนใหญ่จะไม่น่าสนใจมากนัก

ความสามารถในการเปิดกาต้มน้ำบนโทรศัพท์มือถือ- ตัวเลือกที่ดี แต่เพิ่มเติมจากหมวดของตัวเลือกเพิ่มเติมของเครื่องใช้ในครัวเรือนมากกว่าอินเทอร์เน็ตของสิ่งต่าง ๆ แต่ความสามารถในการวิเคราะห์ข้อมูลจากคนนับล้านหุ่นสามารถให้ความรู้ที่ไม่น่าสนใจเกี่ยวกับวิธีการที่โหลดบนเครือข่ายมีการเปลี่ยนแปลงเกี่ยวกับวิธีที่ผู้คนดื่มชาในตอนเช้าผู้อยู่อาศัยในบ้านส่วนใหญ่ จ่ายเงินเพิ่มสำหรับมัน

- ในอุตสาหกรรม IoT เป็นที่ชัดเจนว่าใครเป็นเจ้าของข้อมูล และถ้าเราบอกว่ามีเงื่อนไขเกี่ยวกับกาต้มน้ำในครัวเรือน IoT แล้วใครจะเป็นเจ้าของข้อมูลเหล่านี้เมื่อพวกเขาถูกรวบรวมจากอุปกรณ์ส่วนตัว

- ฉันคิดว่าในแต่ละกรณีจะถูกกำหนดโดยสัญญาที่บุคคลเซ็นสัญญาโดยตรงกับผู้ให้บริการข้อมูลของเขา

- ผู้ผลิตอุปกรณ์?

- ไม่จำเป็น.ผู้ให้บริการที่บุคคลเชื่อมต่ออาจเป็นผู้ผลิตอุปกรณ์ บริษัทอินเทอร์เน็ต หรือแม้แต่บริษัทสตาร์ทอัพที่แยกต่างหาก ไม่ว่าในกรณีใด บุคคล (ซึ่งเป็นเรื่องของการตัดสินใจ) - ซึ่งแสดงให้เห็นโดยการเปลี่ยนแปลงทางกฎหมายล่าสุด - จะมีสิทธิ์ในการจัดการข้อมูลของเขาและแสดงการตัดสินใจของเขาในรูปแบบที่ผูกพันกับผู้ปฏิบัติงาน ตัวแทนบริการจะต้องปฏิบัติตามการตัดสินใจนี้

รูปถ่าย: Anton Karliner / "Hightech"

ปัญหาข้อมูลถูกแบ่งออกเป็นสองส่วน: นี่คือองค์กรทางกายภาพ / เทคโนโลยีของการเก็บข้อมูลและสังคม / กฎหมาย ส่วนสังคมและกฎหมายอยู่ในเขตของรัฐและบุคคลและเราซึ่งเป็น บริษัท เทคโนโลยีควรให้โอกาสที่สะดวกและคุ้มค่าในการตัดสินใจ

การวางผู้สังเกตการณ์ไว้หน้ากำแพงใน 24 หน้าจอนั้นโหดร้าย

- ส่วนใหญ่จะเป็นการรวบรวมข้อมูลแบบไร้สายหรือไม่

— เทรนด์ตอนนี้คือการเปลี่ยนมาใช้ระบบไร้สายเทคโนโลยี การวัดและส่งข้อมูลทางไกลนั้นเป็นพื้นที่ของระบบอัตโนมัติที่รู้จักกันดีมาเป็นเวลาครึ่งศตวรรษ อินเทอร์เฟซ RS-485 เป็นตระกูลอินเทอร์เฟซแบบอนุกรม และอีเธอร์เน็ตซึ่งมาแทนที่นั้นไม่ใช่เรื่องใหม่เลย แต่ขนาดของระบบเหล่านี้ถูกจำกัดโดยปัจจัยต่างๆ เช่น ความจำเป็นในการวางสายเคเบิล การวางสายเคเบิลเป็นงานที่จริงจังซึ่งต้องมีการวางแผนในระหว่างขั้นตอนการก่อสร้างอาคาร แค่มาติดตั้งเซ็นเซอร์แบบมีสาย 100 ตัวก็ยากมาก ฉันไม่ได้บอกว่ามันเป็นไปไม่ได้ แต่มันยากมาก แต่การเกิดขึ้นของเซ็นเซอร์ราคาถูกและต้านทานการรบกวนพร้อมวงจรอายุการใช้งานแบตเตอรี่ที่ยาวนานสามารถเปลี่ยนปริมาณให้เป็นคุณภาพใหม่ได้ ในกรณีนี้ เมื่อเซ็นเซอร์ถึงเกณฑ์ที่กำหนดและกลายเป็นระบบไร้สาย เซ็นเซอร์เหล่านั้นจะเป็นคุณลักษณะตามธรรมชาติของพื้นที่ใดๆ ก็ตามเช่นเดียวกับแสงสว่างในปัจจุบัน

RS-485 (ภาษาอังกฤษ: มาตรฐานที่แนะนำ 485)- มาตรฐานเลเยอร์ทางกายภาพสำหรับไม่ตรงกันอินเตอร์เฟซ มาตรฐานดังกล่าวได้รับความนิยมอย่างมากและกลายเป็นพื้นฐานสำหรับการสร้างเครือข่ายอุตสาหกรรมทั้งครอบครัวที่ใช้กันอย่างแพร่หลายในระบบอัตโนมัติอุตสาหกรรม

EIA ได้ระบุไว้ก่อนหน้าว่ามาตรฐานทั้งหมดคำนำหน้า "RS" (อังกฤษมาตรฐานที่แนะนำ - มาตรฐานที่แนะนำ) วิศวกรจำนวนมากยังคงใช้การกำหนดนี้อย่างไรก็ตาม EIA / TIA แทนที่ RS เป็น EIA / TIA อย่างเป็นทางการ

คุณสมบัติที่น่าสนใจ - การพัฒนา IoT เรียกคืนกฎหมายของการพัฒนาวิศวกรรมสารกึ่งตัวนำ ในตอนแรกเมื่อยังไม่มีตลาดชิ้นส่วนชิปออกมาในโหมดนำร่องพวกเขามีราคาแพงมากเพราะการพัฒนาต้นทุนเงินจำนวนมาก แต่ด้วยการถือกำเนิดของลูกเดือยและการเพิ่มจำนวนของชิปที่ผลิตทำให้ราคาต่อหน่วยลดลง ดังนั้นตามกฎของมัวร์การพัฒนาเทคโนโลยีที่ปฏิวัติได้ทำให้โลกใหม่ของคอมพิวเตอร์ส่วนบุคคลเกิดขึ้นโดยมีราคาไมโครโปรเซสเซอร์น้อยกว่า $ 1,000 สิ่งเดียวกันที่เกิดขึ้นในยุค 80-90 กำลังเกิดขึ้นในโลกของสิ่งต่าง ๆ ของ IoT เมื่อค่าใช้จ่ายของส่วนประกอบและระบบ IoT แบบองค์รวมเอาชนะขีด จำกัด ของการกระจายวัตถุระเบิดขนาดใหญ่ผู้ผลิตจะทำกำไรเพื่อลงทุนในการพัฒนาระบบใหม่เพราะเขาจะเห็นตลาด

- สิ่งนี้จะเกิดขึ้นเมื่อใด

- สิ่งนี้กำลังเกิดขึ้นแล้วขณะนี้กลุ่มกล้องวงจรปิดกำลังเติบโตอย่างรวดเร็ว ไม่เพียงแต่ในด้านการรักษาความปลอดภัย แต่ยังอยู่ในรูปแบบของ AI ด้วย - การเฝ้าระวังวิดีโออัจฉริยะที่ดีพร้อมการจดจำสถานการณ์ การนับจำนวนคนในคิว การจราจร ตัวอย่างเช่น กล้องวิดีโอวงจรปิดในอุตสาหกรรมได้เข้ามาแทนที่การควบคุมคุณภาพในสายการผลิตไปแล้ว นั่นคือตอนนี้ไม่จำเป็นต้องบังคับให้บุคคลดูชิ้นงานที่บินอยู่ข้างหน้าเขาบนสายพานลำเลียงอย่างต่อเนื่องเพื่อตรวจสอบข้อบกพร่อง มีสิ่งที่น่าสนใจมากมายเกิดขึ้นในพื้นที่นี้และคำถามที่ถูกต้องก็เกิดขึ้นทันที: จะทำอย่างไรกับข้อมูลมหาศาลนี้? เครื่องมือคลาสสิกที่มีอยู่สำหรับการประมวลผลข้อมูลไม่ไร้ประโยชน์อีกต่อไป ขอย้ำอีกครั้งว่าเป็นไปไม่ได้ที่จะนั่งผู้สังเกตการณ์อยู่หน้ากำแพงที่มีหน้าจอ 24 จอ และกำหนดให้เขาต้องมีสมาธิและดึงข้อมูลจากสตรีมเหล่านี้อย่างต่อเนื่อง มันโหดร้ายมาก

AI ก็ไม่ใช่หัวข้อใหม่เป็นระยะๆ“ความฉลาดเกี่ยวกับซิลิคอน” ได้รับการแก้ไขตั้งแต่ทศวรรษที่ 50 แม้ว่าฉันจะติดกระแสแห่งปี 2000 เมื่อฉันเขียนงานหลักสูตรเกี่ยวกับการนำโครงข่ายประสาทเทียมไปใช้งานบน FPGA แต่ในขณะนั้นแพลตฟอร์มยังไม่พร้อมสำหรับการเติบโตอย่างรวดเร็วสำหรับการก้าวกระโดดเชิงคุณภาพ ยังคงมีข้อมูลและอุปกรณ์การผลิตจำนวนมาก Kolmogorov ยังค้นคว้าปัญหาเกี่ยวกับ AI อีกด้วย เขากล่าวว่าเขาไม่เห็นอุปสรรคทางคณิตศาสตร์ในการสร้างสิ่งมีชีวิตที่ครบถ้วนสมบูรณ์ซึ่งสร้างขึ้นจากกลไกการประมวลผลข้อมูลดิจิทัลทั้งหมด

Andrey Nikolaevich Kolmogorov- นักคณิตศาสตร์ชาวโซเวียต หนึ่งในนักคณิตศาสตร์ที่ยิ่งใหญ่ที่สุดแห่งศตวรรษที่ 20

Kolmogorov - หนึ่งในผู้ก่อตั้งที่ทันสมัยทฤษฎีความน่าจะเป็นเขาได้ผลลัพธ์เบื้องต้นในด้านทอพอโลยีเรขาคณิตตรรกศาสตร์คณิตศาสตร์กลศาสตร์คลาสสิคทฤษฎีความปั่นป่วนทฤษฎีความซับซ้อนของอัลกอริทึม

รูปถ่าย: Anton Karliner / "Hightech"

แต่ประสิทธิภาพของคอมพิวเตอร์ในยุค 60s นั้นไม่เพียงพอที่จะทำงานกับเครือข่ายประสาทที่มีประโยชน์ในทางปฏิบัติ และในช่วงครึ่งหลังของปี 2010 ประสิทธิภาพของคอมพิวเตอร์ที่ใช้งานทั่วไปมีค่าถึงเกณฑ์ที่จำเป็นสำหรับการเปิดตัวเครือข่ายประสาทหลายชั้นที่มีพารามิเตอร์นับล้าน และที่สำคัญที่สุดคืออินเทอร์เน็ตได้รวบรวมข้อมูลเพียงพอสำหรับชุดข้อมูลขนาดใหญ่สาธารณะที่มีการกำหนดความหมายเช่น ImageNet และที่นี่โปรดก้าวกระโดดปฏิวัติ - เครือข่าย AlexNet บน ImageNet ไม่ได้แสดงความแม่นยำของการรับรู้วัตถุในรูปถ่ายซึ่งเทียบได้กับของบุคคล และเราคุ้นเคยกับการมีชีวิตอยู่กับความผิดพลาดของมนุษย์

“ เร็ว ๆ นี้คณะกรรมการ 3GPP จะถูกเปลี่ยนชื่อเป็นคณะกรรมการ 5GPP”

- Intel ยังมีข้อตกลงกับ 5G ทำงานบนเวทีตอนไหน

- ตอนนี้สเปคเป็นทางการ การปรับใช้ครั้งแรกจะปรากฏขึ้นใกล้กับครึ่งหลังของปี 2562 ทั่วโลกและแพร่หลายในปี 2563 5G ดีอย่างไร? มันแก้ปัญหางานที่สำคัญสามอย่างในครั้งเดียว - การรวบรวมข้อมูลที่เกี่ยวข้องอย่างมีประสิทธิภาพ, การถ่ายโอนและการประมวลผล 5G เป็นวิธีการแก้ปัญหาการถ่ายโอนข้อมูลจำนวนมากสตรีมวิดีโอที่มีประสิทธิภาพและความล่าช้าต่ำ เพราะ IoT ไม่ได้เป็นเพียงระบบโทรมาตรเท่านั้น แต่ยังส่งสัญญาณไปยังแอคทูเอเตอร์ เวลาแฝงต่ำเมื่อจัดการวัตถุเชิงกลการคำนวณแบบเรียลไทม์ มีช่วงเวลาที่วัดในหน่วยมิลลิวินาทีและความล่าช้าที่เข้มงวดดังกล่าวไม่ได้มีให้ในระบบที่มีอยู่ หนึ่งในกลุ่มย่อยของ 5G รับประกันเวลาการแพร่กระจายของทีม และจุดที่สามคือการเติบโตอย่างมากของอุปกรณ์ที่เชื่อมต่อ ใน LTE ความจุของสถานีฐานมีขนาดค่อนข้างเล็ก การเชื่อมต่อกับผู้ใช้นับหมื่นคนเกินความสามารถของเทคโนโลยี 4G ที่ทันสมัย และพื้นที่ที่สามซึ่ง 5G กำลังพัฒนาอย่างแข็งขันคือการเพิ่มความจุฐานสมาชิก เพื่อให้ผู้ประกอบการสามารถเชื่อมต่อเครือข่ายเซ็นเซอร์ที่ใช้พลังงานต่ำและส่งสัญญาณต่ำ

- คุณกำลังพัฒนาอะไรในบริบทนี้

— เรากำลังพัฒนาโมเด็มIntel เป็นผู้ผลิตโมเด็ม 4G, 3G และ 5G ที่ดีในปัจจุบัน โมเด็ม XMM 8160 5G ที่เพิ่งเปิดตัวใหม่พร้อมสำหรับการใช้งานทั่วโลก งานกำหนดมาตรฐานกำลังดำเนินการภายในคณะกรรมการ 3GPP ที่พัฒนาข้อกำหนดเฉพาะของเซลลูลาร์ มีข่าวลือว่าคณะกรรมการ 3GPP จะถูกเปลี่ยนชื่อเป็นคณะกรรมการ 5GPP เร็วๆ นี้ คณะกรรมการประกอบด้วยเพื่อนร่วมงานของเราจาก Nizhny Novgorod ซึ่งเรามีส่วนร่วมอย่างแข็งขันในการพัฒนามาตรฐานนี้ แต่การมีส่วนร่วมที่ดีที่สุดคือการสร้างผลิตภัณฑ์

อิเล็กตรอนควบ, qubits และลบหนึ่งพันเคลวิน

- หากคุณดำเนินการตามหัวข้อของข้อมูลและการเพิ่มขึ้นของข้อมูลคุณเห็นข้อ จำกัด ในการพัฒนาที่เก็บข้อมูลหรือไม่

- จนถึงขีด จำกัด นั้นไม่ปรากฏ ตอนนี้มันเป็นเรื่องจริงที่จะพูดคุยเกี่ยวกับพื้นที่เก็บข้อมูล Petabyte ในเซิร์ฟเวอร์ 1U นี่คือพรุ่งนี้ของเราจริงถ้าไม่ได้วันนี้ และเมื่อพูดไปทั่วโลกมากขึ้นฉันกลัวที่จะคาดการณ์ในแง่ร้ายเพราะตลอดประวัติศาสตร์ 50 ปีที่เราทำมาแล้วเท่านั้นที่เราไม่เห็นด้วยกับความคลางแคลงใจ แต่ในขณะเดียวกันด้วยโอกาสในอนาคต Intel กำลังพัฒนาด้านการคำนวณควอนตัมและตอนนี้พวกเขาได้ถึง 49 qubits ร่วมกับสถาบันการศึกษา

- ที่รัสเซีย

- ไม่ในยุโรปพร้อมกับเนเธอร์แลนด์ศูนย์วิจัย QuTech ปัญหาที่ไม่เกี่ยวกับการรักษา qubits ในสภาวะที่คงที่ที่แตกต่างจากศูนย์สัมบูรณ์โดยมีเพียงเศษเสี้ยวขององศา นอกจากนี้เรายังทำการวิจัยสถาปัตยกรรมใหม่ ๆ เช่นการคำนวณ neuromorphic ตอนนี้แบบจำลองของเครือข่ายประสาทเทียมบนโปรเซสเซอร์จะเลียนแบบการทำงานของเซลล์ประสาทของโลกที่มีชีวิตเท่านั้นทางร่างกายมันคือการคูณเมทริกซ์บนตัวคูณแบบดิจิทัล ซึ่งแตกต่างจากพวกเขา quantizer neuromorphic emulates ฟิสิกส์ของเซลล์ประสาท และ Intel ก็สร้างดิจิตอลอื่นขึ้นมา แต่ชิพแบบอะซิงโครนัสแล้วสำหรับการใช้งานโมเดลดังกล่าว

- การคำนวณควอนตัมเช่นที่ IBM นั้นใช้ความเป็นตัวนำยิ่งยวดคุณมีเทคโนโลยีที่คล้ายคลึงกันหรือไม่?

- เราสำรวจเอฟเฟกต์ต่าง ๆ ขณะนี้มีวิธีการประมาณหกวิธีบนพื้นฐานที่พวกเขาพยายามสร้างซูเปอร์คอมพิวเตอร์ควอนตัม Intel ใช้สปิตบิตที่เสถียรแม้ที่อุณหภูมิ 1 เคลวินซึ่งค่อนข้างอบอุ่นเมื่อเทียบกับตัวนำยิ่งยวด

รูปถ่าย: Anton Karliner / "Hightech"

- มีความเสถียรกี่มิลลิวินาทีหรือไม่

- ใช่ไม่กี่มิลลิวินาที นักทฤษฎีบอกว่าคอมพิวเตอร์ควอนตัมจะสามารถแสดงผลลัพธ์ที่ใช้ได้จริงในจำนวนควิบิตจากหนึ่งพันหรือมากกว่า แต่ 49 ศอกเล็กไหม? ตัวอย่างเช่นเมื่อชิปหน่วยความจำสองขั้วแรกของโลกที่สร้างโดย Intel ในปี 1969 ปรากฏความจุหน่วยความจำของมันคือ 64 บิตเท่านั้น แต่มันเปิดตัววิวัฒนาการอย่างรวดเร็วและแท้จริงในปีต่อมาชิป CMOD DRAM ที่ 1024 บิตถูกสร้างขึ้น กระบวนการเปิดตัวเทคโนโลยีที่ได้รับการเริ่มต้นในชีวิต ในการคำนวณควอนตัมงานจำนวนมากกำลังดำเนินการแบบขนานในส่วนของทฤษฎี ค้นหางานที่แก้ไขได้ในหลักการเร็วกว่าสถาปัตยกรรมคอมพิวเตอร์แบบดั้งเดิม

ไม่มีทรัพยากรคอมพิวเตอร์ไม่มีใครทำการทดลองทางคลินิก

- Intel มีส่วนร่วมในการดูแลสุขภาพแบบดิจิทัล คุณยังเปิดตัวผลิตภัณฑ์ Basis Peak watches ซึ่งถูกถอนออกในปี 2559

— มันไม่ได้ดูแลสุขภาพมากนักอุตสาหกรรมการออกกำลังกาย การดูแลสุขภาพซึ่งมีข้อกำหนดและงานทั้งหมดเป็นพื้นที่แยกต่างหาก เรากำลังดำเนินการอย่างแข็งขันโดยเฉพาะในแง่ของการพัฒนาโครงสร้างพื้นฐานและเทคโนโลยีการประมวลผลข้อมูล การแพทย์เป็นกิจกรรมของมนุษย์ที่ต้องอาศัยความรู้และข้อมูลเข้มข้นมาโดยตลอด และตอนนี้ เมื่อเป็นไปได้ที่จะทำให้การรวบรวมและประมวลผลข้อมูลเป็นแบบอัตโนมัติ การแพทย์เชิงวิเคราะห์และอิงข้อมูลก็กำลังพัฒนาอย่างแข็งขัน

เราต้องจ่ายส่วยให้แพทย์พวกเขาได้รับมากทำงานได้ดีกับสถิติ ตอนนี้เราได้แนะนำ AI สำหรับการวิเคราะห์ภาพ เครือข่ายประสาทไม่สามารถสร้างการวินิจฉัย แต่มันสามารถทำหน้าที่เป็นเครื่องมือที่ปรึกษาสำหรับแพทย์ การรวบรวมข้อมูลและสถิติเกี่ยวกับโรงพยาบาลระบบสุขภาพภายในประเทศและทั่วโลกให้ข้อมูลจำนวนมากสำหรับการวิเคราะห์ การทดลองทางคลินิกของยาใหม่เป็นส่วนใหญ่และยากของการวิจัยทางการแพทย์ ไม่สามารถคาดหวังได้ว่าในกรณี 100% ผลลัพธ์จะถูกทำซ้ำ ผลลัพธ์นั้นเป็นสถิติในธรรมชาติอยู่เสมอคุณต้องมองหาความสัมพันธ์เพื่อทำความเข้าใจว่าความสัมพันธ์ที่แท้จริงและที่ไหน และที่นี่หากปราศจากทรัพยากรการคำนวณฉันคิดว่าไม่มีใครทำการทดลองทางคลินิกอยู่แล้ว

- คุณพูดถึงอุปสรรคต่าง ๆ มากมายที่จำเป็นต้องได้รับการแก้ไขในด้านข้อมูล อะไรคือสิ่งที่ยากที่สุดในการพัฒนาในทิศทางนี้ อะไรหายไป?

- หลายคนชอบบ่นว่าพวกเขามีบางอย่างขาดหายไป ตอนนี้ฉันกำลังพยายามคิดถึงสิ่งที่จะบ่นและมันใช้งานไม่ได้ มีงานจำนวนมากในทุกทิศทางและที่สำคัญที่สุดสิ่งที่ขาดหายไปคือเวลา