Boris Scherbakov- Dell Technologies'in Başkan Yardımcısı ve Genel Müdürü. 1977 yılında İktisat bölümünden mezun oldu.
Kariyerine 2012 yılında Dell'de başladı.Dell CEO'nun Rusya, Kazakistan ve Orta Asya'daki konumundan, bölgedeki şirketin kurumsal ve tüketici alanlarının iş stratejisinden sorumluydu. Şubat 2017'den bu yana Boris Shcherbakov, Dell EMC'nin Rus ofisinin başkanıdır. İş altyapısı çözümlerinin, hizmetlerinin ve müşteri sistemlerinin tüm alanlarının geliştirilmesinden sorumludur. 2019 yılında Rusya, Kazakistan ve Orta Asya'da Dell Technologies'in Başkan Yardımcısı ve CEO'su oldu.
Makine Öğrenmesi Hakkında
- İnsanlığın makine veya insan öğrenimine yatırım yapması genellikle daha karlı mıdır?
- Bir bütün olarak insanlık için konuşmak zor, amaiş, karlılığı etkilediği için en iyi yatırım / yatırım çözümünü seçmeye alışkındır. Makine daha hızlı ve daha iyi çalışırsa ve aynı zamanda daha ucuzsa ve yanlış değilse ve hasta değilse, seçim belirginleşir. Kişisel bir şey, dedikleri gibi, sadece iş. Ve elbette, monoton işçilikten kareleri serbest bırakmak için bilgisayarların daha hızlı ve daha doğru bir şekilde işleyebileceği işlevselliği aktarmaya değer.
Fotoğraf: Anton Karliner / "Hightech"
Öte yandan, bu makineleri parlaklaştırmak içingörevlerle başa çıkmak için, algoritmaları öğrenebilen ve geliştirebilen yüksek vasıflı geliştiriciler gereklidir. İnsanların ve makinelerin eğitimi konusu stratejik bir konudur. Devletin robotları, bilgisayarları, yazılımları ve geliştiricileri olmadığını hayal edin. Otomatik olarak rekabetçi bir yarıştan ayrılır ve teknolojik ilerleme ve inovasyonun aralarında kalır. Aynı zamanda, çoğu zaman teknolojilerin ve gelişmelerin doğada deneysel olduğunu ve mutlaklaştırılmaması gerektiğini unutmamak gerekir. Sonuçta, bildiğimiz gibi hayatımızdaki en istikrarlı değişim. Günümüzde ve gelecekte teknolojilerin nasıl değiştiği ve hayatımızı nasıl değiştireceği konusunda özel çalışmalar yürütüyor ve insan faaliyetlerinin çeşitli alanlarındaki uygulamaları için en uygun çözümleri arıyoruz. Ve farklı yeteneklere sahip insanlara modern çözümlere erişim sağlayarak gezegende yaşamı iyileştirmek istiyoruz. İşi sadece onlar aracılığıyla değil, aynı zamanda dünya çapında büyük ölçekli fikirlere sahip insanların teknolojiye erişim yoluyla dönüşümüne de katkıda bulunuyoruz.
- Aynı zamanda, makine öğrenimi hakkında ünlü “niceliğin bir sonraki uygulamasının kaliteye dönüştüğü” söylenemez. Neden?
- Aslında, hayır, makine öğrenimi sadecesadece bir algoritma kümesi. Elde edilen sonuçlar bazen şaşırtıcı olabilir. Sonuçta, makine öğrenimi ile, bir bilgisayar sadece geçmişte meydana gelen kalıpları karşılaştırmak için eğitilmemiştir, aynı zamanda insanlarda gelecekteki gelişmeleri tahmin etmek daha iyidir (çünkü bilinen faktörlerin tüm spektrumu dikkate alınır ve insan hataları hariç tutulur). Doğru, hayat bazen en doğru bilgisayarın bile dikkate alamayacağı ayarlamalar yapar.
Ancak kaliteye giren miktarla,o kadar basit değil. Çocuklar gibi öğrenme sistemleri basitten karmaşığa gider ve hatalar göz ardı edilmez. Aynı zamanda, her yineleme ve güncelleme ile bilgi işleme hızı ve sonuçların doğruluğu artırılır. Ancak, elbette, doğru algoritmalar ve hata ayıklama sorunu devam etmektedir.
“O zaman sorun ne?” Teknolojinin gelişmesine rağmen, neden bu tür algoritmaların uygulanmasındaki hatalar hala oluyor?
— Soru makineler için değil, makineler için olan insanlar içindir.algoritmalar geliştirin. "Bilgisayar" kelimesi kelimenin tam anlamıyla Rusça'ya "bilgisayar" olarak çevrilmiştir. Nihai sonucun kalitesi, algoritmanın ne kadar doğru belirlendiğine ve sonuçların ve hesaplama sürecinin ne kadar doğru takip edildiğine bağlıdır. Bir makinenin veri işlemeyle ne kadar iyi başa çıkacağını belirleyen, "kaliteli işlevsellik" adı verilen bir kavram vardır.
İnsanların karar vermek için yeterli zamanı yokevriminin temel sorunları. Bu, konjenital veya edinsel hastalıklardan önemli ölçüde etkilenen nispeten düşük bir yaşam beklentisidir.
Boris Scherbakov, Dell Teknolojileri
Örneğin Genome International oldukçauzun süredir insan DNA'sını incelemek ve elbette belirli bir bireyin gelecekte karşılaşabileceği olası sorunları mümkün olduğunca tahmin etmek için yüksek performanslı veri merkezlerine dayalı makine öğrenimi yöntemlerini kullanıyor. Sonuç alma hızı ve doğruluğu bu durumda aşağıdaki faktörlere bağlıdır: birincil tanının kalitesi, geçmiş veriler, veri modeli algoritması, donanım kümesi performansı ve & #8230; İyi şanlar. Biyolojik mekaniği %100 incelemediğimiz için buna güvenmeye değer.
- Satrançta ya da futbolda olduğu gibi bir bilgisayarın bir insanı tamamen geride bıraktığını hangi kriterlere göre belirleyeceğiz?oyun git?
- İnsanların potansiyeline ve yumuşak becerilere inanıyorum(bir kişinin resmi görevleri ile ilgili olmayan aşırı mesleki beceriler - “Yüksek Teknoloji”). Teknolojiler kendi alanlarında iyidir ve insanlar için potansiyel olarak erişilemeyecek bir seviyede operasyonları daha hızlı ve daha doğru bir şekilde gerçekleştirmeye yardımcı olur. Aynı zamanda, madalyonun bir ters tarafı vardır: insan beyni ve karar verme henüz tam olarak çalışılmamıştır ve sinir ağları da dahil olmak üzere tüm sistemler, bilim ve insanlar için mevcut olan veriler temelinde, yani başlangıçta tüm diziyi dikkate almadan inşa edilmiştir. Bu nedenle, insanlığın geleceği hakkında endişelenemez ve makineleri şeytanlaştıramazsınız.
Hesaplama makineleri insan aklının bir türevidir, işlemler daha hızlı ve daha doğrudur, ancak bir kişi algoritmayı ayarlar.
Boris Scherbakov, Dell Teknolojileri
Aynı zamanda nitelikler de önemlidir (yalnızca seviye değil)Algoritmalar yaratan insanların eğitimi ve dehası ama aynı zamanda ahlaki değerleri. Sonuçta robotlar yardımcı olabilir ama aynı zamanda yok da edebilirler. Ve her teknoloji gibi, tarihsel olarak da her şeyden önce devletin ve ordunun dikkatini çekiyorlar. Günümüzün savaş koşullarında, robotlar ve bilgisayarlar herhangi bir kişiye bir avantaj sağlayacaktır, ancak aynı zamanda yaratıcılık ve sezgiden de yoksundurlar. İnsan gerçekliğine dönüştürülürse ana nitelik sağduyudur (mevcut veriler göz önüne alındığında bariz doğru karar), ancak aynı zamanda yaratıcılığın onu yendiği birçok tarihi örnek de biliyoruz. Bu nedenle, bazı alanlarda üstünlüğün zaten açık olduğu cevabını vereceğim, ancak tüm cephelerde toplam kayıptan bahsetmek için henüz çok erken. Kendi kendine öğrenen sistemler de korkutucudur.
Bir insanı kullanılan bir arabadan ayırt etmek içinTuring testi. İlk olarak Alan Turing tarafından 1950'de "Bilgisayarlar ve Zihin" makalesinde önerildi. Test, her katılımcının bir kişi ve bir bilgisayar programı ile yazışma yürütmesi ve soruların cevaplarına dayanarak kiminle konuştuğunu belirlemesi gerektiğinden oluşur. Hâkim özellikle hangi muhataplardan birinin kişi olduğunu söyleyemezse, makinenin testi geçtiği düşünülür. Konuşma dilini tanıma yeteneğini değil, makinenin zekasını test etmek için, konuşma "sadece metin" modunda, örneğin klavye ve ekran kullanılarak yapılır. Hâkim, cevapların hızına bağlı olarak sonuç çıkaramayacak şekilde kontrollü aralıklarla yapılmalıdır. Turing zamanında bilgisayarlar insanlardan daha yavaş tepki gösterdi. Şimdi bu kural da gereklidir, çünkü bir kişiden çok daha hızlı tepki verirler.
Yaklaşık 5g
— DELLO belirttiinsanlık "5G dijital dönüşümü" bekliyor. Ne demek istiyorsun?
- Sadece yukarıda söylediğim şey transferbilgi artık sadece insanlar arasında değil aynı zamanda makineler arasında da olacak. Büyük Verilerin toplanması ve iletilmesi IoT'nin uygulanması sayesinde daha fazla bant genişliği ve işleme kapasitesi gerektirir. Neyse ki veya maalesef insanlar, çoğunlukla evrimsel (gülümseyen) bir yükseltme için sınırlı olarak hazırlanırlar. Ancak teknolojiler gelişiyor ve her yeni aşama, zayıf bağlantıları çekerek tüm altyapının geliştirilmesini gerektiriyor. IoT sensörleri ve cihaz yoğunluğu, cihazların oluşturduğu bilgi hacimleri yeni veri aktarım teknolojileri gerektirir ve bu aşamadaki bu yeni teknoloji sadece 5G'dir. Zaman içinde uygulanmazsa, iletişim zayıf bir bağlantı ve tüm sistemin gelişimini engelleyen bir faktör olacaktır. En azından, çok hızlı olmayan bir modemle internet erişimi olan modern bir ofiste çalıştığınızı hayal edin. Çok şey yapabilir misin? Bir mektubu indirmek için ne kadar bekleyeceksiniz? Her durumda, bu durum kabul edilemez. Veri merkezlerini zaten yürüyoruz. Bu stratejiyi reddedenler günlük işlerde “transformatörlere” kaybolacaklar. Veri merkezi ve veri toplama sitesi arasında yüksek hızlı veri aktarımının varlığı, sınır hesaplamalarının yapılmasını mümkün kılar ve verileri bulut üzerinden iletmek, kuruluşun bilgi sisteminin çekirdeğini yüklemez.
— Günümüzde mobil iletişim baz istasyonlarının sayısı kritik derecede hızlı bir şekilde artıyor. 5G ile ne olacak?
- İstasyon sayısını tahmin etmeyi zor buluyorumSonuçta, bizim için bu bitişik tamamlayıcı bilgidir. Bilgi alışverişinin hızının, hacimlerinin ve miktarının katlanarak arttığını ve elbette teknik bir çözümün gerekli olduğunu cevaplayabilirim. 5G istasyonları, bildiğim kadarıyla, bilgisayarlardaki işlemcilerle karşılaştırırsanız, sadece sayılarını artırarak değil, aynı zamanda çok elemanlı dijital anten dizilerinden de (bir çip üzerindeki çekirdekler ve transistörler ile benzer şekilde) daha fazla sayıda işlem sağlar. Sonuçta, bugün gücü arttırmak için binlerce çekirdeğe sahip bir bilgisayar görmüyoruz, ancak Moore’un yasalarına göre, her 24 ayda bir çip üzerindeki transistörlerin iki katına çıktığını görüyoruz. Baz istasyonları ve teknolojileri ile benzer bir şey oluyor. Sadece miktarları değil, aynı zamanda kalitesi de değişiyor.
Fotoğraf: Anton Karliner / "Hightech"
— DELL'e göre 5G ağlarıolacakekipmandan ve her şeyden tamamen bağımsızişleme, dağıtılmış bir yazılım merkezinde yoğunlaşacaktır. Esas olarak hem ağ modelinin hem de genel olarak düşüncenin mimarisini tamamen değiştirmeyi mi öneriyorsunuz?
- Edge veya çevre biriminden bahsediyoruzhesaplamalar Bugün gerçekten de merkezi olmayan bir yapıya, verinin üretildiği ve kullanıldığı yerde işlenmesine ve saklanmasına yönelik bir eğilim var. Bilgi işlem ve analiz, büyük miktarda verinin toplandığı ağın ucuna doğru ilerliyor. Multimedya çağıyla birlikte, mobil operatörlerin veri aktarım hacmi ve hızı da artıyor (tüm fotoğraf ve videolar, canlı yayınlar), kullanıcılar ise içeriğin aktarımında veya oynatılmasında gecikmelere katlanmak istemiyor. Bunun için kullanıcıya mümkün olduğu kadar yakın bir yerde bulunan “serbest” bir düğüm bulmanız gerekiyor. Yani talep ve gerçeklikler, hem donanım hem de bilgi işlem modellerinin ve veri işleme senaryolarının dönüşümünü şekillendiriyor. Trafik sıkışıklığında araç kullanabilir ve hedefinize ulaşana kadar birkaç saat bekleyebilirsiniz (genel olarak bu ilk bakışta daha güvenlidir, ancak aslında bildiğimiz gibi her zaman değildir) veya ücretsiz bir otoyol seçebilir ve Maksimum (izin verilen) hızda acele edin.
Çevresel Hesaplama (Edge)- hiyerarşik bir yapı oluşturma ilkesiBilgi işlem kaynaklarının kısmen çekirdekten (merkezi veri merkezinden çevreye) taşındığı ve daha yüksek seviyeli bir bilgi işleme aktarılmadan önce birincil verilerin birincil işlenmesi için oluşturulduğu yere yakın konumlandırıldığı BT altyapısı düğüm.
Bir çevresel aygıt işlenebilirsadece büyük bir bilgisayarın daha önce işleyebileceği bir veri hacmi. Çevresel hesaplama, yapıdaki rasgeleliği azaltarak, kullanılabilirliği artırarak ve güvenlik risklerini azaltarak veri yönetimini basitleştirir.
- Yeni altyapının maliyetleri çok büyük, doğrudan devlet katılımı ile bir tür "ulusal şampiyon" yaratmak mantıklı görünüyor. Bu piyasadaki rekabeti tamamen öldürebilir mi?
- Dürüst olmak gerekirse, soru büyük ölçekli ve bu yüzdenCevaplamak için, hepsi yüzeyde olmayan çok sayıda giriş verisini dikkate almak gerekir. Sizinle daha önce tartıştığımız gibi, insan faktörü müdahale ettiğinde, bazen belirsiz faktörler sonucu etkiler.
Fotoğraf: Anton Karliner / "Hightech"
Öldürme rekabeti genellikle dar görüşlüdür çünkübu durum hem sektörün gelişimini hem de fiyat politikasını olumsuz etkiliyor. Günümüzde farklı operatörler yalnızca donanım nedeniyle değil (her ne kadar sinyal alım düzeyi ve iletişim kalitesi elbette kullanıcı için en önemli faktörlerden biri olsa da), aynı zamanda fiyatlandırma politikaları ve hatta pazarlama kampanyaları nedeniyle de rekabet ediyor. Ve bu iyi. Rekabetin olmaması hem telekom operatörleri hem de çözüm sağlayıcılar için durgunluğa yol açacaktır. Çeşitlendirmenin hızı işlevsel olarak pazar ihtiyaçlarıyla ilişkilidir. Tekellerin ortaya çıkışı kanunla düzenlenir. Tek bir operatör, 2025-2030'da bulut hizmetlerine yönelik çığ gibi büyüyen taleple baş edemeyecek.