Борис Щербаков- Віце-президент і генеральний директор компанії Dell Technologies. 1977 року закінчив економічний
Свою кар'єру в компанії Dell він почав в 2012 роціз посади генерального директора Dell в Росії, Казахстані та Центральної Азії і відповідав за бізнес-стратегію корпоративного і споживчого напрямків компанії в регіоні. З лютого 2017 Борис Щербаков очолює російський офіс компанії Dell EMC. Він відповідає за розвиток всіх напрямків бізнесу - інфраструктурних рішень, послуг і клієнтських систем. У 2019 став віце-президентом і генеральним директором Dell Technologies в Росії, Казахстані та Центральній Азії.
Про машинному навчанні
- Людству в цілому вигідніше вкладати кошти в машинне або в людське навчання?
- За людство в цілому говорити складно, а осьбізнес звик вибирати оптимальні за поєднанням «вкладення / результат» рішення, так як вони впливають на прибутковість. І якщо машина робить роботу швидше і якісніше, та при цьому ще й обходиться дешевше, і не помиляється, і не хворіє, то вибір стає очевидним. Нічого особистого, так би мовити, тільки бізнес. І, звичайно, варто передавати функціонал, з яким обчислювальні машини справляються швидше і точніше, щоб вивільняти кадри від монотонної праці.
Фото: Антон Карлінер / «Хайтек»
З іншого боку, щоб ці машини блискучесправлялися із завданнями, потрібні висококваліфіковані, здатні навчатися і покращувати алгоритми розробники. Питання навчання людей і машин - стратегічний. Уявіть, що у держави немає ні роботів, ні комп'ютерів, ні софта, ні розробників. Воно автоматично випадає з конкурентної гонки і залишається на узбіччі технічного прогресу і інновацій. При цьому не варто забувати, що найчастіше технології та розробки носять експериментальний характер, і не варто їх абсолютизувати. Адже найстабільніший в нашому житті, як відомо, - це зміни. Ми проводимо спеціальні дослідження, як технології змінюють і будуть міняти наше життя в сьогоденні і майбутньому, шукаємо оптимальні рішення їх застосування в самих різних сферах людської діяльності. І хочемо зробити життя на планеті краще, надаючи людям з різними можливостями доступ до сучасних рішень. Трансформуємо бізнес не тільки за допомогою них, але і сприяючи трансформації людей з масштабними ідеями у всьому світі через доступ до технологій.
- У той же час, не можна сказати про машинне навчання, що чергова імплементація знаменитого «кількість переходить в якість». Чому?
- Насправді, немає, машинне навчання - всьоголише набір алгоритмів. Хоча результати, які виходять, іноді можуть здивувати. Адже при машинному навчанні комп'ютер не тільки навчається зіставляти закономірності, що відбулися в минулому, а й прогнозувати розвиток в майбутньому часто краще людей (так як береться до уваги весь спектр відомих факторів і виключаються людські помилки). Правда, і життя іноді вносить корективи, які не може врахувати навіть найточніший комп'ютер.
Але з кількістю, яке переходить в якість,не все так однозначно. Навчання систем, як і дітей, проходить від простого до складного, і помилки не виключені. При цьому швидкість обробки інформації і точність результатів поліпшуються з кожним итерацией і оновленням. Але, звичайно, питання коректних алгоритмів і налагодження залишається.
- Тоді в чому проблема? Чому, незважаючи на розвиток технологій, помилки в застосуванні подібних алгоритмів все одно трапляються?
— Питання не до машин, а до людей, якірозробляють алгоритми Слово «computer» адже і перекладається російською буквально як «обчислювач». Від того, наскільки коректно заданий алгоритм та простежено результати та процес обчислення, залежить якість кінцевого результату. Є поняття "функціонал якості", який визначає, наскільки добре машина справляється з обробкою даних.
Людям не вистачає часу для того, щоб вирішитибазові проблеми своєї еволюції. Це відносно низька тривалість життя, на яку істотно впливають вроджені чи набуті хвороби.
Борис Щербаков, Dell Technologies
Наприклад, компанія Genome International доситьдавно використовує методи машинного навчання на базі високопродуктивних ЦОД для досліджень ДНК людини та передбачення, звичайно, наскільки це можливо, ймовірних проблем у конкретного індивідууму в майбутньому. Швидкість одержання результатів та їх точність залежать у даному випадку від наступних факторів: якість первинної діагностики, історичні дані, алгоритм моделі даних, продуктивність апаратного кластера та ін. Успіхів. Надіятись на неї варто, оскільки біологічна механіка нами не вивчена на 100%.
— За якими критеріями ми визначимо, що комп'ютер повністю перевершив людину, як це сталося у шахах чи вгрі го?
- Я вірю в потенціал людей і soft skills(Надпрофесійних навички, не пов'язані з посадовими обов'язками людини - «Хайтек»). Технології гарні в своїх сферах і допомагають здійснювати операції швидше і точніше, на рівні, який навіть потенційно недоступний людині. При цьому є зворотна сторона медалі: мозок людини і прийняття рішень так і не вивчені на сьогодні повністю, а всі системи, в тому числі нейромережі, будуються виходячи з доступних науці і людям даних, тобто спочатку без урахування всього масиву. Тому можна поки не переживати за майбутнє людства і не демонізувати машини.
Обчислювальні машини - похідна людського розуму, операції відбуваються швидше і точніше, але алгоритм задає людина.
Борис Щербаков, Dell Technologies
При цьому важливі якості (і не лише рівеньосвіти та геніальність, а й моральні) людей, які створюють алгоритми. Бо ж роботи можуть допомагати, а можуть і руйнувати. І як будь-які технології, історично привертають увагу держави та військових насамперед. У бойових умовах вже сьогодні роботи та обчислювальні машини дадуть фору будь-якій людині, але при цьому вони не мають кмітливості та інтуїції. Основна якість, якщо переводити на людські реалії, — це здоровий глузд (очевидне правильне рішення з урахуванням наявних даних), але при цьому ми знаємо багато історичних прикладів, коли кмітливість обігравала його. Тому я б відповів, що в деяких областях перевага вже очевидна, але говорити про тотальний програш на всіх фронтах поки що дуже рано. Та й лякатися систем самонавчання — теж.
Щоб відрізнити людину від машини, використовуєтьсятест Тьюринга. Вперше був запропонований Аланом Тьюрингом в статті «Обчислювальні машини й розум» в 1950 році. Тест полягає в тому, що кожен учасник веде переписку з однією людиною і однієї комп'ютерною програмою і повинен на підставі відповідей на питання визначити, з ким розмовляє. Якщо суддя не може сказати точно, хто з співрозмовників є людиною, то вважається, що машина пройшла тест. Щоб протестувати саме інтелект машини, а не її можливість розпізнавати усне мовлення, бесіда ведеться в режимі «тільки текст», наприклад, за допомогою клавіатури і екрану. Листування повинна проводитися через контрольовані проміжки часу, щоб суддя не міг робити висновки, виходячи з швидкості відповідей. За часів Тьюринга комп'ютери реагували повільніше людини. Зараз це правило теж необхідно, тому що вони реагують набагато швидше, ніж людина.
Про 5G
- DELLзаявила, Що людство чекає «цифрова трансформація 5G». Що ви маєте на увазі?
- Якраз те, про що я говорив вище - передачаінформації тепер буде не тільки між людьми, але і машинами теж. Завдяки впровадженню IoT, збору і передачі Big Data вона вимагає більшого пропускного каналу і можливостей обробки. Люди, на щастя чи на жаль, обмежено готові до апгрейду, в основному еволюційному (посміхається). А ось технології розвиваються, і кожен новий етап вимагає розвитку всієї інфраструктури, підтягування слабких ланок. IoT-датчики і щільність пристроїв, обсяги генерується пристроями інформації вимагають нових технологій передачі даних, і ця нова технологія на даному етапі - як раз 5G. Якщо її вчасно не впровадити, то зв'язок стане слабкою ланкою і фактором, який гальмує розвиток всієї системи. Уявіть себе працюючим в сучасному офісі з доступом в інтернет через не надто швидкий, м'яко кажучи, модем. Багато ви зможете зробити? Скільки часу будете чекати завантаження одного листа? У будь-якому випадку ця ситуація є неприпустимою. Ми вже є ходячими центрами по обробці даних. Ті, хто відкине цю стратегію, будуть істотно програвати в повсякденних завданнях «трансформерам». Наявність високошвидкісної передачі даних між ЦОДом і місцем збору даних дає можливість здійснювати граничні обчислення і, передаючи через хмару дані, не завантажувати ядро інформаційної системи організації.
— Кількість базових станцій мобільного зв’язку сьогодні зростає критично швидко. Що буде у випадку з 5G?
- Мені складно прогнозувати кількість станцій5G, все-таки для нас це суміжне комплементарное знання. Можу відповісти, що швидкість обміну інформацією, її обсяги та кількість ростуть в геометричній прогресії і, природно, потрібне технічне рішення. Станції 5G, наскільки я знаю, якщо порівняти їх з процесорами в комп'ютерах, забезпечують більшу кількість операцій не тільки за рахунок збільшення їх кількості, а й за рахунок багатоелементних цифрових антенних решіток (по аналогії з ядрами і транзисторами на чіпі). Адже ми не бачимо сьогодні ПК з тисячами ядер для збільшення потужності, але бачимо, відповідно до закону Мура, подвоєння транзисторів на кристалі кожні 24 місяці. Щось подібне відбувається і з базовими станціями і технологіями. Змінюється не тільки їх кількість, але і якість.
Фото: Антон Карлінер / «Хайтек»
— За версією DELL, 5G-мережібудутьповністю незалежні від обладнання та всяобробка зосередиться у розподіленому програмному центрі. Насправді, ви пропонуєте повністю змінити архітектуру як моделі мережі, так і мислення в цілому?
— Ми говоримо про Edge- або периферійніобчислення. Сьогодні дійсно спостерігається тенденція до децентралізації, до обробки та зберігання даних там, де вони генеруються та використовуються. Обчислення та аналітика зміщуються до межі мережі – місця збору великих обсягів даних. З ерою мультимедіа обсяги та швидкість передачі даних мобільними операторами також збільшуються (всі фото та відео, живі трансляції), при цьому користувачі не хочуть миритися із затримками у передачі або відтворенні контенту. А для цього потрібно знайти "вільний" вузол, розташований максимально близько до користувача. Тобто попит та реалії формують трансформацію як заліза, так і моделей обчислення, сценаріїв обробки даних. Можна їхати в пробці і чекати пару годин, поки дістанетеся до місця призначення (загалом, це й безпечніше, на перший погляд, але не завжди фактично, як ми знаємо), а можна вибрати вільний хайвей і помчати на максимальній (дозволеній) швидкості.
Периферійні обчислення (Edge)- принцип побудови ієрархічноїІТ-інфраструктури, при якому обчислювальні ресурси частково переміщаються з ядра - центрального дата-центру на периферію - і розташовуються в безпосередній близькості від місця створення первинних даних для їх первинної обробки перед передачею обчислювальному вузлу.
Одним периферійним пристроєм можна оброблятитакий обсяг даних, який раніше міг обробити тільки великий комп'ютер. Периферійні обчислення спрощують управління даними, зменшуючи хаотичність в структурі, підвищуючи зручність їх використання і знижуючи ризики, пов'язані з безпекою.
- Витрати на нову інфраструктуру величезні, цілком логічним видається створення якогось «національного чемпіона» з прямим державним участю. Чи не вб'є це остаточно конкуренцію на ринку?
- Чесно кажучи, питання масштабний, і щобвідповісти на нього, необхідно взяти до уваги величезну кількість вступних даних, не всі з яких знаходяться на поверхні. Як ми обговорювали з вами раніше, в разі, коли втручається людський фактор, іноді неочевидні фактори впливають на результат.
Фото: Антон Карлінер / «Хайтек»
Вбивати конкуренцію зазвичай недалекоглядно, оскількице негативно впливає на розвиток як галузі, так і цінової політики. Сьогодні різні оператори конкурують не лише завдяки «залізу» (хоча рівень прийому сигналу та якість зв'язку, безумовно, є одним із найважливіших факторів для користувача), а й за рахунок цінової політики і навіть маркетингових акцій. І це добре. Відсутність конкуренції призвела до стагнації як операторів зв'язку, і постачальників рішень. Швидкість диверсифікації функціонально пов'язані з потребою ринку. Поява монополій регулюється законодавчо. Один оператор впоратися з лавиноподібним попитом на сервіси у хмарі у 2025–2030 роках просто не зможе.