Inteligentne urządzenia, spójny system, jaśniejsza przyszłość

W związku z Technologie firmy Dell

Jeśli potrzebujesz powodu, aby czuć się dobrze w kierunku, w jakim zmierza technologia, poszukaj na Twitterze CTO firmy Dell Technologies, Johna Roese. Skomponowany przez niego w 2006 roku pomysł to @theICToptimist. ICT oznacza informację i komunikację.

Ten odcinek podcastu został wyprodukowany przez Insights, dział zajmujący się treściami niestandardowymi MIT Technology Review. Nie został wyprodukowany przez redakcję MIT Technology Review.

Powodem tego akronimu było to, że głęboko wierzyłem, że przyszłość nie będzie dotyczyć niezależnych technologii informatycznych i komunikacyjnych, mówi Roese, prezes i dyrektor ds. technologii produktów i operacji w Dell Technologies. Chodziło o ich spotkanie.

Prawie dwie dekady później trudno nie nazwać go słusznie. Organizacje chcą, aby ogromne ilości gromadzonych i generowanych danych stały się w pełni cyfrowe, wykorzystują chmurę do przetwarzania i przechowywania wszystkich tych danych, a do zasilania żądnych danych korzystają z nowych technologii bezprzewodowych, takich jak 5G aplikacje takie jak sztuczna inteligencja (AI) i uczenie maszynowe.

W tym odcinku Business Lab Roese przedstawia konfluencję technologii i jej przyszłe wyniki. Na przykład pojazdy autonomiczne rozwijają się szybko, ale w pełni autonomiczne samochody jeszcze nie jeżdżą po ulicach. I nie zrobią tego, dopóki nie wykorzystają modelu obliczeniowego opartego na współpracy — inteligentnych urządzeń, które łączą się z kombinacją infrastruktury chmurowej i obliczeniowej, aby zapewnić efektywnie nieskończoną moc obliczeniową.

Jednym z największych problemów nie jest uczynienie urządzenia inteligentnym; To sprawia, że ​​urządzenie jest inteligentne i wydajne w skalowalnym systemie, mówi Roese.

Tak wielkie rzeczy są przed nami, ale dzisiejsza technologia robi ogromne postępy, mówi Roese. Mówi o inteligencji maszynowej, która wykorzystuje sztuczną inteligencję i uczenie maszynowe, aby naśladować ludzką inteligencję i rozwiązywać złożone problemy, takie jak przyspieszenie łańcuchów dostaw lub w opiece zdrowotnej, dokładniejsze wykrywanie guzów lub rodzajów raka. A możliwości są liczne. Podczas pandemii koronawirusa inteligencja maszyn może skalować pielęgniarstwo, zapewniając pielęgniarkom narzędzia oparte na danych, które pozwalają im widzieć więcej pacjentów. W cyberbezpieczeństwie może sprawić, że dobrzy ludzie będą o krok przed innowacjami złych. A w telekomunikacji może w końcu podejmować decyzje dotyczące sieci komórkowych, które mogą mieć bilion elementów” – mówi Roese. To jest bardzo, bardzo, bardzo duża sieć, która przekracza ludzką zdolność myślenia.

Business Lab prowadzi Laurel Ruma, dyrektor Insights, działu custom publishing w MIT Technology Review. Spektakl jest produkcją MIT Technology Review, przy wsparciu produkcyjnym Collective Next.

Ten odcinek podcastu został wyprodukowany we współpracy z firmą Dell Technologies.

Pokaż notatki i linki

Zakłócenia techniczne pojawiające się w 2020 roku , John Roese, Dell Technologies, 20 stycznia 2020 r.

Podróż do 5G: rozszerzenie chmury na mobilne urządzenia brzegowe , wywiad z Johnem Roese na EmTech Next 2020

Czwarta rewolucja przemysłowa i cyfryzacja zmienią Afrykę w globalną potęgę , Njuguna Ndung’u i Landry Signé, Brookings Institution, 8 stycznia 2020 r.

Pełny zapis

Laur Ruma: Z MIT Technology Review jestem Laurel Ruma. A to jest Business Lab, program, który pomaga liderom biznesowym zrozumieć nowe technologie wychodzące z laboratorium i wprowadzane na rynek.

Naszym dzisiejszym tematem jest sztuczna inteligencja. Ilość tworzonych przez nas danych rośnie wykładniczo każdego dnia, a to oznacza, że ​​musimy je szybciej przetwarzać i lepiej chronić. Tutaj wkracza sztuczna inteligencja, od 5G po przetwarzanie brzegowe i obliczenia kwantowe. Przyszłość świta, a sztuczna inteligencja jest prawdziwa.

Dwa słowa dla Ciebie, aplikacje oparte na sztucznej inteligencji.

Moim gościem jest John Roese, który jest prezesem i dyrektorem ds. technologii produktów i operacji w Dell Technologies. John dołączył do Dell EMC jesienią 2012 roku i odegrał kluczową rolę w kształtowaniu strategii technologicznej. Jest autorem publikacji i posiada ponad 20 oczekujących i przyznanych patentów w obszarach takich jak sieci oparte na polityce, usługi oparte na lokalizacji i bezpieczeństwo. Ten odcinek Business Lab jest produkowany we współpracy z Dell Technologies. John, dziękuję za przyłączenie się do Business Lab.

John Roese: Świetnie tu być.

Laur: Tak więc w styczniu pisałeś o trzech przełomowych technologiach, które pojawią się w 2020 roku. Obliczenia kwantowe, architektury specyficzne dla domeny i 5G. Jesteśmy w połowie 2020 roku. Więc jak myślisz, czy miałeś rację?

Jan: Cóż, myślę, że covid-19 zmienił ramy czasowe, ale nie sądzę, aby zmienił którykolwiek z tych trzech. Ci trzej wyraźnie posuwają się do przodu. Quantum to powolna, złożona podróż, ale to, co widzieliśmy, to przełom w tym roku. Widzieliśmy, jak zaczyna się materializować era lamp próżniowych, w której zaczyna się materializować bardzo prymitywny supremacja kwantowa. I myślę, że powiedziałem na tym blogu, że to będzie długa podróż – nie oczekuj, że jutro zakłóci świat, ale fizyka jest solidna i ostatecznie będziemy mieli przełomy. I myślę, że idziemy dalej tą ścieżką. Architektury specyficzne dla domeny przyspieszają. Śledzimy ponad 30 nowych technologii półprzewodnikowych używanych do przyspieszania obliczeń różnych obciążeń, w tym w szczególności obciążeń AI-ML [uczenia maszynowego]. A jeśli już, to widzimy, jak pojawia się więcej. Rozchodzą się teraz do krawędzi i tak wyraźnie, że to się dzieje.

A w przypadku 5G jedną z fajnych rzeczy, które wydarzyły się podczas kryzysu Covid-19, jest uznanie przez ludzi potrzeby hiperpołączenia, możliwości pracy tam, gdzie jest to potrzebne, możliwości uzyskania opieki zdrowotnej, kiedy jej potrzebujesz, bycia w stanie posiadać infrastrukturę logistyczną, która działa znacznie bardziej autonomicznie. Myślę, że jednym z najważniejszych wniosków było to, że potrzebujemy lepszej łączności bezprzewodowej, potrzebujemy nowych postępów w łączności mobilnej. A jeśli już, myślę, że uznanie branży bezprzewodowej i technologii bezprzewodowej jako fundamentalnego elementu transformacji cyfrowej znacznie wzrosło w ciągu ostatnich trzech miesięcy. Więc wszystkie trzy trzymają się, dwa z nich po prostu kontynuują. Ale trzecia, 5G, zdecydowanie została przyspieszona. I właśnie świadomość interpersonalna w społeczeństwie właśnie się poprawiła, co jest dobre dla technologii.

Laur: Aby jeszcze bardziej zadać pytanie o 5G, czuję, że firmy komputerowe zwracają większą uwagę na 4G, teraz na 5G. Czy to dlatego, że każda firma jest teraz mniej więcej firmą telekomunikacyjną? Każdy musi wiedzieć, co się dzieje z siecią bezprzewodową.

Jan: Tak. Tak. Myślę, że są na to dwie odpowiedzi. Po pierwsze, nie jest tak, że każdy staje się firmą telekomunikacyjną. Myślę, że zdajemy sobie sprawę, że jeśli naprawdę chcesz cyfrowo zmienić swoją branżę, swoją funkcję lub społeczeństwo, nie robisz tego w centrum danych. Robisz to w prawdziwym świecie. Centra danych są ważne; chmury są ważne, ale rzeczywiste dane są wytwarzane i zużywane w świecie rzeczywistym. Jest w szpitalach, miastach, fabrykach, w twoim domu. Aby to zadziałało, potrzebujesz lepszej sieci szkieletowej. I tak ludzie zdali sobie sprawę, że wszystkie chmury na świecie i wszystkie krawędzie na świecie, a także cała cyfrowa transformacja na świecie, jeśli są odizolowanymi silosami bez solidnej cyfrowej, fundamentalnej sieci łączności, są nie idzie do pracy.

I tak nagle ludzie, którzy nie byli tak zainteresowani telekomunikacją, nagle stają się bardzo zainteresowani, ponieważ zdali sobie sprawę, że nie można mieć przewagi, jeśli nie można połączyć się z rdzeniem. A jeśli krawędź może znajdować się tylko w trzech miejscach, a nie tam, gdzie powinna być, ponieważ ma niewłaściwą łączność, cała transformacja cyfrowa, inicjatywa inteligentnej fabryki, inicjatywa inteligentnego miasta po prostu się rozpada. Myślę więc, że pojawiło się zrozumienie i pilność tego, jak ważne jest nawiązywanie kontaktów, co zwiększa widoczność.

Po drugie, telekomunikacja jako branża zmierza w kierunku chmury i świata IT. Wszystko o 5G mówi nam, że nie będzie ono budowane jako tradycyjna telekomunikacja, a mam trochę historii w tradycyjnej telekomunikacji, nie zostanie ona zbudowana w taki sposób, w jaki zbudowaliśmy 3G i 4G. Zostanie zbudowany w erze chmury. Będzie wykorzystywał otwarty sprzęt, wirtualizację oprogramowania, konteneryzację. Będą ciężkimi konsumentami technologii AI i ML, po prostu wygląda bardziej jak rzeczy, na których koncentruje się większość amerykańskiego przemysłu technologicznego. A więc nie tylko będziemy dużymi konsumentami i jesteśmy w dużej mierze uzależnieni, ale rzeczywista technologia, której używasz do budowy systemu 5G i nie tylko, będzie znacznie bardziej zdominowana przez technologie IT i chmury niż tradycyjna telekomunikacja. W rzeczywistości nadal będzie miał pewne funkcje telekomunikacyjne, ale to przyciąga firmy takie jak Dell i wiele firm chmurowych do świata 5G. Nie tylko dlatego, że jest interesująca, ale dlatego, że jest nam niezbędna, aby została dostarczona we właściwy sposób.

Laur: Czuję, że teraz jest to idealne połączenie dla ciebie i twojego doświadczenia, ponieważ mieć kogoś, kto jest tak dobrze zorientowany w branży telekomunikacyjnej, a także w chmurze i całej innej technologii, naprawdę łączysz to wszystko w jedną całość. jedno miejsce i jedna przyczyna. I wydaje mi się, że jest to idealne miejsce, aby 5G naprawdę eksplodowało, i znowu, aby zabrać ludzi do tego myślenia siatkowego i z dala od tych silosów, w których masz swoją firmę telekomunikacyjną tutaj, a potem masz swoją drugą firmę komputerową tutaj, i tak dalej . Jak to się znowu zmienia, gdy covid i krawędź rozciągają się teraz na domy ludzi i poza biurem?

J bez: Hej, przy okazji, tak na marginesie, moje konto na Twitterze to @theICToptimist. A jeśli nie wiesz, co oznacza ICT, to jest to technologia informacyjna i komunikacyjna. I to sięga, myślę, że rok 2006 to czas, kiedy dołączyłem do Twittera, bardzo dawno temu. Powodem tego akronimu było to, że głęboko wierzę, że przyszłość nie dotyczy niezależnie technologii informacyjnej i komunikacyjnej; chodziło o ich spotkanie. Więc jesteśmy tutaj prawie 20 lat później i tak, myślę, że mieliśmy rację. Jak myślimy o 5G i Edge, Edge jest wciąż wcześnie. Tak naprawdę nie zbudowaliśmy inteligentnych rzeczy, które chcemy zbudować. Na przykład nie mamy automatycznych dronów dostawczych latających nad naszymi miastami, które inteligentnie wiedzą, jak dostarczyć nam nasze towary i usługi, nie zabijając nikogo.

To wciąż przed nami. Nie mamy też autonomicznych samochodów, niekoniecznie mamy inteligentne miasta, nie mamy jeszcze naprawdę inteligentnych fabryk, ale mamy o tym wczesne sygnały. I mamy wystarczająco dużo dowodów, kiedy patrzymy na wczesne fale inteligentnego świata, że ​​jednym z największych problemów nie jest uczynienie urządzenia inteligentnym, ale uczynienie go inteligentnym i wydajnym w skalowalnym systemie. Odkryliśmy więc, że jeśli oczekujesz, że urządzenie będzie samodzielną, w pełni samowystarczalną, hiper-inteligentną jednostką, nie będziesz mieć wystarczającej mocy, aby zrobić to, co powinno robić. Najmądrzejszy samochód na świecie, jeśli ma jeździć wokół pięciomegawatowego reaktora, bo tyle będzie zużywał IT, nie będzie bardzo dobrym samochodem. I tak oto zmaterializowała się krawędź, nie tylko jako ciekawe miejsce do robienia IT, ale jako odciążenie dla smartyfikacji świata.

Widzieliśmy już przykłady z takimi rzeczami, jak rzeczywistość rozszerzona [AR]. Niektóre z pierwszych przykładów krawędzi 5G faktycznie wykorzystują akcelerację rzeczywistości rozszerzonej w warstwie obliczeniowej krawędzi. Pomysł jest taki, że masz urządzenie mobilne, telefon komórkowy, gogle AR, cokolwiek to jest, że zamiast przetwarzać wszystkie artefakty, zamiast robić całe przetwarzanie wideo na urządzeniu, w rzeczywistości wrzucają około 80% tego do brzegową warstwę obliczeniową, która ma przycisk obliczeniowy i całą moc, jakiej może potrzebować, a rezultatem tego jest to, że teraz masz wysoce wydajne środowisko AR na urządzeniu mobilnym, które otrzymuje pomoc z brzegu, ale co ważniejsze, faktycznie przekracza swoją pierwotną zdolność, ponieważ wykorzystuje efektywnie nieskończone obliczenia. Ma więc więcej artefaktów, lepszą rozdzielczość wideo, większą głębię kolorów.

To są rzeczy, które już zademonstrowaliśmy, które mówią nam, że krawędź nie jest tylko warstwą IT, jest jednym z kluczowych elementów, które umożliwiają nam dostarczanie informacji do połączonych podmiotów na całym świecie bez obciążania podmiotu. Model obliczeniowy oparty na współpracy jest prawdopodobnie najpotężniejszym narzędziem, jakie mamy do rozwiązania problemu mocy, funkcjonalności i kosztów oraz uzyskania odpowiedniej kombinacji między nimi. Tak więc jest wcześnie, ale teraz widzimy wystarczająco dużo dowodów na to, że jest to wzór, który sprawia, że ​​krawędź jest jeszcze bardziej interesująca i faktycznie bardziej opłacalna, ponieważ wiemy, że samo urządzenie nie jest odpowiedzią, sama chmura nie jest odpowiedzią. odpowiedź. To połączenie infrastruktur chmurowych, infrastruktur brzegowych i urządzeń współpracujących ze sobą zapewnia nam lepszą równowagę między funkcjonalnością kosztową, zestawem funkcji i modelami wdrażania.

Laur: Mówiąc więc o tym, że technologia staje się coraz lepsza, mniejsza i szybsza, oznacza to również, że urządzenie, które masz pod ręką, jest częścią tej siatki i sieci. Dzięki temu sztuczna inteligencja może rozciągać się z chmury na Twoje urządzenie, a dzięki temu urządzenia mogą być bardziej inteligentne, ponieważ moc obliczeniowa jest teraz w Twoich rękach.

Jan: Tak. Nie, absolutnie. W rzeczywistości podałem ten przykład kilka lat temu, o którym mówiłem, wykonaliśmy dużo pracy w zakresie aktywności pojazdów autonomicznych na całym świecie. Współpracujemy z większością największych producentów samochodów i wiele się nauczyliśmy. Ale jednym z przykładów, które podałem dawno temu, było to, że wiemy, że sam samochód będzie całkiem sprytny. Nowoczesny, autonomiczny pojazd ma w sobie niestandardowe przetwarzanie AI; robi wiele naprawdę interesujących wyczuć i analiz. I do pewnego stopnia musi być samodzielny, ponieważ ze względów bezpieczeństwa nie chcesz, aby sieć przestała działać i samochód zjechał z drogi. Załóżmy więc, że to wszystko prawda. A więc, co byś zrobił, gdybyś był teraz samochodem, który był względnie samowystarczalny, ale był przyczepiony do drogi, z którą związane są obliczenia brzegowe? Przykładem, który podałem, było to, że jeśli spojrzysz na te samochody, mają rzeczy, które wyczuwają samochód przed sobą, mogą wyczuć nawierzchnię drogi.

Mogą zabrać ze sobą wiele danych, które podpowiadają im, jak przewidywać nawierzchnię i regulować zawieszenie. Mają nawet pewne rzeczy, które mogą zrozumieć wzorce ruchu w czasie nie rzeczywistym. Ale wyobraź sobie, że wszystkie te samochody zaczęłyby udostępniać nie tylko swoje długoterminowe dane, ale także bezpośredni widok świata, chmurę punktów otaczających je danych w czasie rzeczywistym i udostępniały je węzłom, które były z nimi w rzeczywistości. czas, aby Twoja droga miała doskonały obraz zrozumienia wszystkich samochodów w czasie rzeczywistym. A rezultatem tego było to, że jeśli twój samochód, kiedy próbował rozgryźć, jak powinienem dostosować moje zawieszenie do tego, co będzie dalej, nie robił tego tylko na podstawie bazy danych lub tego, co mógł zobaczyć, ale mógł zapytać pytanie, co widzą wszyscy inni? A teraz mógł wszystko przewidzieć. To samo dla bezpieczeństwa. Miał nie tylko czujniki, które widziały przed sobą, ale mógł zobaczyć to, co widziały samochody przed, przed samochodami.

Przykład, który podałem, to wyobraź sobie wyświetlacz przezierny, gdy użytkownik w półautonomicznym lub autonomicznym pojeździe pokazuje to, co samochód może zobaczyć, ale w chwili, gdy może wjechać na tę inteligentną drogę z tą krawędziową warstwą obliczeniową , że wyświetlacz przezierny może widzieć za rogiem. Może zobaczyć rzeczy, których nie możesz zobaczyć, może zobaczyć to, co widzą inni ludzie. A teraz twoja wizualizacja rzeczywistego świata w czasie rzeczywistym staje się po prostu znacznie lepszym widokiem na wszystko wokół ciebie dzięki temu zespołowemu modelowi obliczeniowemu. To niesamowicie potężne narzędzie, które nie jest możliwe, jeśli urządzenie samo próbuje rozwiązać ten problem. Można to przełożyć na wiele innych branż, ale ta autonomiczna jazda jest fascynująca, ponieważ będzie tam bardzo inteligentne i solidne urządzenie, które może działać samodzielnie, ale działa lepiej w wielu wymiarach, gdy może połączyć się ze zbiorowością świadomość wszystkich samochodów, wszystkich dróg i wszystkich rzeczy wokół nich w czasie rzeczywistym.

A jedynym sposobem, aby to zrobić, nie jest wysyłanie wiadomości przez Internet na drugą stronę wszechświata do chmury publicznej, ale uzyskanie reakcji w czasie rzeczywistym, jaką jest dostęp do brzegowej warstwy obliczeniowej. Uważamy więc, że ten wzorzec stanie się jednym z wielkich przełomów, że kiedy nie będziesz musiał przechodzić przez internet i możesz uzyskać to zbiorowe zrozumienie w czasie rzeczywistym, lokalnie, nawet w pełni autonomiczne urządzenia stają się lepsze i stają się bardziej interesujące i wykorzystują zupełnie nowe modele biznesowe.

Laur: Więc przeczytałem, że interesująca część twojej perspektywy jest taka, że ​​tam, gdzie teraz jesteśmy ze sztuczną inteligencją, nasze życie jest lepsze, może od 5% do 10%, ale jesteśmy naprawdę daleko od Terminatora. Więc nawet w przypadku pojazdów autonomicznych mówimy o tym, że rzeczy stają się coraz lepsze za każdym razem, gdy pojawia się coś nowego, ale jesteśmy jeszcze daleko od samochodów jeżdżących same, ale to jest ostateczny cel. W międzyczasie jednak te 5% do 10% jest nadal znaczące.

Jan: O tak, absolutnie. To znaczy, teraz samochody to ciekawa gra, ponieważ w zależności od tego, kogo zapytasz, możemy być za miesiąc od w pełni autonomicznego połączonego pojazdu piątego poziomu, a niektórzy udzielą ci innej odpowiedzi. Mogę wyrazić swoją opinię. Ale ogólnie rzecz biorąc, powodem, dla którego napisałem ten komentarz, jest to, że gdy spojrzysz na zastosowanie inteligencji maszynowej do czegokolwiek, niezależnie od tego, czy jest to autonomiczny samochód, czy proces biznesowy, wrażenia użytkownika lub cokolwiek innego, gry, są dwie rzeczy, o których możesz pomyśleć jako sukces. Po pierwsze, całkowicie to zrewolucjonizujesz. Zamieniasz go w coś, czego nigdy wcześniej nie rozważano, w samojezdny samochód piątego poziomu. To duży, duży skok i warto wykonać ten skok — po prostu dotarcie tam zajmuje bardzo dużo czasu.

Innym sposobem, w jaki patrzysz na inteligencję maszyn, jest rozszerzenie zadań poznawczych, które zwykle wykonują ludzie. Kiedy musisz myśleć, teraz jesteś zdany na siebie. Decyzja należy do Ciebie. Bardzo rzadko otrzymujesz pomoc w myśleniu. Możesz uzyskać dużo danych, ale musisz je przesortować. Zalecenia tak naprawdę nie pochodzą z technologii; musisz to rozgryźć. Tak więc na początku zdaliśmy sobie sprawę, że dzięki starannemu zastosowaniu inteligencji maszynowej w miejscach, w których ludzie muszą zbierać dane, rozumieć je i podejmować decyzje, możemy faktycznie przyspieszyć ten proces lub uczynić go bardziej precyzyjnym, mniej podatnym na błędy. I tak, jak rozbieraliśmy, czy był to proces łańcucha dostaw firmy Dell, czy proces serwisowy konserwacji predykcyjnej, czy też systemy radiologiczne w opiece zdrowotnej, gdzie po prostu próbujesz znaleźć coś na obrazie, te 5% i 10% usprawnienia polegające na tym, że proces działa trochę lepiej, były znacznie lepsze, niż kiedykolwiek można było uzyskać w przypadku ludzi, ponieważ ludzie byli podstawą.

I za każdym razem, gdy poprawiasz coś takiego jak łańcuch dostaw o 5% lub 10%, albo nie wiem, radiologia o 20% lub 30% większa dokładność w wykrywaniu takich rzeczy jak rak i guzy – to bardzo silny wynik, nie tylko jednostki, ale potencjalnie dla społeczeństwa. A więc jednym z komunikatów, które przekazujemy naszym klientom i staramy się wyjaśnić ludziom, jest to, że nie sprzeciwiamy się wielkim przełomom, uważamy, że są świetne. Ale jest o wiele więcej, co możemy zrobić z tą technologią, aby zająć dowolne miejsce w każdym naszym procesie, co oznacza, że ​​ludzie muszą podejmować decyzje i wzmacniać je inteligencją maszyn, aby podejmować decyzje dokładniejsze, szybsze, z większym prawdopodobieństwem. mieć pozytywny wynik. I używam słowa każdy ponieważ tak naprawdę to wszędzie, gdzie ludzie muszą podjąć decyzję, możemy podjąć tę decyzję lepiej dzięki starannemu zastosowaniu inteligencji maszynowej.

I wydaje się, że to naprawdę dobra rzecz do zrobienia w tej chwili, ponieważ nie wymaga to ogromnych przełomów — to technologia, którą mamy dzisiaj. I za każdym razem, gdy to robimy, proces staje się lepszy, struktura kosztów poprawia się, a wynik jest lepszy.

Laur: Mówiąc o lepszych wynikach, wciąż jesteśmy w początkowej fazie tej pandemii, ale czy widzisz konkretne możliwości pojawiające się w szczególności dzięki sztucznej inteligencji? Jak właśnie powiedziałeś, oczywistą byłaby opieka zdrowotna, ale jest tak dużo danych.

Jan: O tak, jest nieskończona liczba. Zasadniczo należy na to spojrzeć, jeśli zastanawiasz się, gdzie ma sens wykorzystanie inteligencji maszynowej do poprawy skuteczności i wydajności ludzkich zachowań, po prostu spójrz gdziekolwiek w okresie koronawirusa, gdzie zabrakło nam ludzi, gdzie ludzie po prostu został przytłoczony. Świetnym przykładem jest opieka zdrowotna. Są wczesne przykłady, hej, po prostu nie mieliśmy wystarczającej liczby pielęgniarek, aby poradzić sobie z nagłymi wypadkami w tych szpitalach. Więc nie wiem. Mamy pacjenta wyczulonego — dlaczego nie prześlemy wszystkich danych z czujników do inteligencji maszyny, która nie zastąpi pielęgniarki; po prostu daje pielęgniarce pełniejszy obraz pacjenta poprzez wstępne przetwarzanie, organizowanie i formułowanie zaleceń, więc teraz pielęgniarka może monitorować 30 pacjentów zamiast trzech? To skaluje pielęgniarstwo, które jest bardzo potężnym narzędziem. Oczywiście widzieliśmy to w kontekście opieki klinicznej, gdzie jeśli jest to procedura medyczna, to znaczy ludzie zajmujący się pneumonologiem, mieliśmy dużo problemów z oddychaniem. Czy nie byłoby miło, gdybyśmy mogli ułatwić im życie, mając, nie wiem, może nasze wentylatory trochę bardziej samoregulujące, trochę bardziej samodostrajające się? Widzieliśmy, że takie zachowania się zdarzają i zdaliśmy sobie sprawę, że są miejsca, w których po prostu nie mamy wystarczającej liczby ludzi do wykonania pracy.

Innym przykładem, zupełnie innym krańcem spektrum w covid, była logistyka i dostawa. Kiedy nagle po prostu nie masz kierowców albo nie możesz mieć kontaktu z ludźmi, ale ludzie muszą dostawać swoje dostawy, muszą kupować, muszą przenosić rzeczy. Wygląda na to, że wykorzystanie pojazdów autonomicznych lub półautonomicznych lub sztucznej inteligencji do lepszego planowania tras miałoby ogromny wpływ na zwiększenie efektywności tej konkretnej funkcji.

Tak więc momenty aha w covid niekoniecznie były zaskakujące, gdy je zrozumiesz, ale możesz je znaleźć wszędzie, gdzie zdaliśmy sobie sprawę, że ludzkie możliwości mają skończoną granicę. I kiedy natkniemy się na miejsce, w którym ludzie są przytłoczeni wykonywaniem zadania, a zadanie to wymaga podejmowania decyzji, przemyślenia danych, próby wykonania czegoś, są to dobre miejsca, w których możemy zastosować inteligencję maszynową, aby móc skalować człowieka , niekoniecznie po to, by je zastąpić.

Laur: Więc pewnego dnia wyjdziemy z covid. Gdzie jeszcze zaczynamy urzeczywistniać sztuczną inteligencję?

Jan: Cóż, myślę, że wszędzie, szczerze mówiąc. Tak naprawdę nie ma przemysłu ani przestrzeni, która by nie próbowała. Teraz czasami mamy wyzwania. Podobnie jak w opiece zdrowotnej, trudno jest umieścić sztuczną inteligencję w opiece zdrowotnej, ponieważ jest to branża regulowana; ramy czasowe są bardzo długie. Widzieliśmy więc przełomy, nie w opiece zdrowotnej, ale w zdrowiu. Jest kilka fajnych rzeczy. Na przykład pierścień o nazwie Oura Ring, który zasadniczo monitoruje twoją temperaturę i szereg parametrów życiowych. To narzędzie odnowy biologicznej; w tej chwili niekoniecznie jest to narzędzie opieki zdrowotnej. Ale ponieważ może wykorzystywać zaawansowaną inteligencję maszynową, może dokonywać interpretacji, odkryliśmy, że ten pierścień może dać ci całkiem dobre wczesne ostrzeżenie, że możesz mieć coś do czynienia lub zanim zorientujesz się, że jesteś chory, może powiedzieć zaraz zachorujesz, co jest dość potężnym i innowacyjnym narzędziem.

Jednak w całym spektrum widzimy, że zastosowanie inteligencji maszynowej jest po prostu naturalnym punktem ewolucji technologii. Na przykład w świecie 5G, oto dobry przykład: nie możemy budować sieci 5G, których będziemy potrzebować, wszędzie z interwencją człowieka. Są po prostu zbyt skomplikowane. I tak szczerze oczekujemy, że 5G i nie tylko, znakiem rozpoznawczym przyszłej infrastruktury telekomunikacyjnej będzie automatyzacja. Będzie to sztuczna inteligencja, która będzie podejmować decyzje dotyczące wydajności widmowej, dostrajania przepustowości i wszelkiego rodzaju rzeczy, ponieważ po prostu nie ma mowy, aby człowiek mógł uruchomić sieć stumilionową abonentów, a to jest zanim włożymy w nią wszystkie rzeczy. Byłoby to możliwe w samych Stanach Zjednoczonych, niektóre z tych sieci komórkowych za 10 lat mogą mieć na sobie bilion rzeczy. To jest bardzo, bardzo, bardzo duża sieć, która przekracza ludzką zdolność myślenia.

I tak już teraz widzimy zastrzyk inteligencji maszynowej w sieci telekomunikacyjne, wielkoskalowe centra danych, automatyzujące infrastrukturę w sposób, który pozwala ludziom nadążyć. A potem, kiedy się podskakujesz, mamy inicjatywy w dziedzinie transportu i logistyki, w których ludzie zdają sobie sprawę, hej, dużo towarów i usług się przemieszcza, ale poruszają się one trochę powoli i niezdarnie. Co z tego, jeśli spróbujemy naprawdę połączyć i połączyć inteligentne wózki widłowe, a także nadzór wizualny, mapowanie obiektów i algorytmy, aby decydować, jak prawidłowo zapakować ciężarówkę, jak prawidłowo załadować samolot lub jak przenosić rzeczy przez tę infrastrukturę logistyczną w miejsce, w którym trochę zwalnia, ponieważ nie ma tam naprawdę wyraźnego wzoru? Cóż, sztuczna inteligencja jest świetna, gdy nie masz wyraźnego wzoru. Niech sztuczna inteligencja odkryje wzorzec i opracuje wokół niego zestaw logiki.

Więc to jest uniwersalne. Bardzo trudno jest znaleźć miejsce, jeśli zadasz pytanie odwrotne, gdzie ludzie nie używają inteligencji maszynowej, inne niż miejsca, w których reżim regulacyjny jest przestarzały, stały się przeszkodą dla ludzi do bardziej agresywnego przyjmowania tego rodzaju technologii . I tak, jednym z naszych obciążeń jako branży jest współpraca z organami regulacyjnymi w celu aktualizacji tych przepisów, tak abyśmy nie stwarzali sytuacji, w której przepisy uniemożliwiają naturalny postęp technologii, który posuwa postęp ludzkości.

Laur: Tak. I myślę, że można by pomyśleć, że regulacje i bezpieczeństwo idą w parze, zwłaszcza gdy złoczyńcy mają dostęp do tych samych narzędzi, co ty budujący sieć. Jak więc zacząć od zabezpieczenia wszystkich tych niesamowitych danych?

Jan: Tak. Cóż, mam na myśli dane to tylko dane. Można go używać na dobre lub na złe, a niestety w rzeczywistości jest niezwykle cenny i dlatego staje się gigantycznym celem. Naruszenia bezpieczeństwa nie zdarzają się dlatego, że ktoś się nudzi; zdarzają się, ponieważ istnieje cel, który warto ukraść. A nasze cyfrowe środowisko, walutą, są dane, spostrzeżenia, modele — te rzeczy są naprawdę cennymi narzędziami. A rzeczywistość jest taka, że ​​będą celem. Tak więc musimy naprawdę pomyśleć o tym, jak zabezpieczymy te środowiska w być może inny sposób niż historycznie rzecz biorąc, świat fizyczny. Mówiąc bardzo dosadnie, obecne podejście do bezpieczeństwa po prostu nie zadziała, ponieważ nasze obecne podejście do bezpieczeństwa jest takie, że mamy coś, co działa niezależnie od bezpieczeństwa, a potem mamy rzeczy, które to atakują, a następnie tworzymy technologię bezpieczeństwa, aby przeciwdziałać te rzeczy, które go zaatakowały.

Problem polega na tym, że jest to bitwa nie do wygrania, ponieważ ktoś może po prostu wymyślić nowy sposób zaatakowania go, a następnie branża bezpieczeństwa musi znaleźć na to odpowiedź. A to nie jest dobry sposób na prowadzenie organizacji lub technologii. I tak wierzymy, że musimy przejść do naszego modelu, w którym naprawdę patrzymy na wewnętrzne bezpieczeństwo, że budujemy bezpieczeństwo w rzeczy, którą chronimy, niezależnie od tego, czy robimy to w środowisku chmury, czy robimy to w środowisku sieciowym. Ale najważniejsze jest to, że musimy odejść od idei, że bezpieczeństwo jest reakcją na zewnętrzne wydarzenie. Zamiast tego musi być czymś nieodłącznie wbudowanym w rzeczywisty system i jego architekturę.

Brzmi to jak marketing, ale najważniejsze jest to, że nie jest to walka do wygrania, jeśli mamy mieć produkt zabezpieczający dla każdego problemu związanego z bezpieczeństwem. Musimy mieć architektury, infrastrukturę i systemy, które nie są zbudowane tak, aby reagować na żaden konkretny problem bezpieczeństwa, ale są zbudowane tak, aby reagować na każde zagrożenie. Mają wszechstronne zrozumienie swojej tożsamości. Mają zdolność kontrolowania dostępu i rozumienia zachowań w ich obrębie. Zawsze twierdziłem, że w świecie bezpieczeństwa masz do czynienia z trzema rzeczami. Znane dobro, znane zło i nieznane. A dzisiaj większość naszych zasad bezpieczeństwa dotyczy prób blokowania znanych złych, których nie da się wygrać, i prób przesiewania nieznanego, ale nie robią tego zbyt dobrze. I co ciekawe, znane dobro, które rzadko budujemy w tym celu. Teraz mój argument jest taki, że musimy zrozumieć, czym jest znane dobre zachowanie i musimy to zablokować i upewnić się, że tak się stanie. Musimy zakazać znanego zła, to oczywiste stwierdzenie. Ale to nie wiadomo, skąd przyjdą wszystkie innowacje.

A to prowadzi nas z powrotem do rzeczy takich jak AI i ML. Pomysł wykorzystania inteligencji maszynowej do przesiewania nieznanego w celu bardzo szybkiego ustalenia, czy jest to znane zło czy znane dobro? Do jakiego obozu należy? I rób to szybciej niż druga strona może to zrobić, ponieważ mamy lepsze narzędzia do zrozumienia zachowań i do samych frameworków wbudowanych w infrastrukturę. Najważniejsze jest to, że nawet jeśli używasz sztucznej inteligencji, aby zrozumieć nowe zagrożenia i zdecydować, czy są dobre, czy złe, jeśli dzieje się to poza infrastrukturą, nadal będziesz musiał wdrożyć inny produkt, aby na nie zareagować. Jeśli z drugiej strony infrastruktura jest produktem, który reaguje na zdarzenia związane z bezpieczeństwem, jeśli dosłownie mówi o infrastrukturze, zmień łańcuch usług w SDN, zmień warstwę wirtualizacji, zmień swój manifest Kubernetes, ale nie wdrażasz żadnego nowa technologia — po prostu narzucasz nowe zachowania istniejącej infrastrukturze. Wtedy nagle ten mózg może faktycznie przejść do produkcji znacznie szybciej niż konieczność wdrożenia zupełnie nowego produktu lub całego nowego systemu.

Tak więc, ale bezpieczeństwo to takie, które, oto zła wiadomość, nigdy nie zniknie. Nieustannie toczymy dynamiczny wyścig o bezpieczeństwo ze złymi i dobrymi facetami. Ale myślę, że możemy działać znacznie szybciej, jeśli wyjdziemy z tego sposobu myślenia, że ​​na każdy problem związany z bezpieczeństwem jest produkt. Musi być tak, że nasza infrastruktura jest mechanizmem reaktywnym i agresywnie wykorzystujemy inteligencję maszyn, aby spróbować zrozumieć, kiedy zareagować. Ale ta reakcja nie wymaga wymiany całej infrastruktury, zmiany naszych architektur, aby zareagować. Jeśli wejdziesz w ten tryb, możesz poruszać się szybciej niż przeciwnicy i masz podejście do wewnętrznego bezpieczeństwa na poziomie systemu, co jest dużą zmianą dla ludzi, ale logicznie rzecz biorąc, jedynym miejscem, do którego będziemy mogli się dostać jakikolwiek sukces, gdy zaczynamy myśleć o skali tej przyszłości, która jest przed nami.

Laur: Podoba mi się wyrażenie „inteligencja maszynowa”, ponieważ tak naprawdę to jest. Musi to dotyczyć całego systemu, niezależnie od tego, czy budujesz dobry atak, czy lepsze systemy, aby reagować szybciej i szybciej. To nie tylko sztuczna inteligencja, to nie tylko uczenie maszynowe. W rzeczywistości jest to połączenie tych dwóch, które pozwalają zrobić o wiele więcej. A także nakłada na osoby tworzące te systemy wiele oczekiwań i obciążeń, aby działały w określony sposób. Więc wiem, że jesteś w zarządzie Cloud Foundry i open source jest ważny, ale to jest coś w rodzaju korzenia open source, tak, myślenie o tym, jak wszyscy możemy współpracować i w pewien sposób zdemokratyzować tę technologię w sposób, w jaki wszyscy kto się wtrąca, w końcu coś zyskuje.

Jan: Tak. Nie, absolutnie. Mam na myśli, jak sądzę, metodologie open source – ta idea rozwoju opartego na społeczności, nawiasem mówiąc, nie jest nowa i nie jest unikalna dla open source. Pracuję w organach normalizacyjnych od ponad 20 lat. A jeśli wejdziesz do IEEE [Instytut Inżynierów Elektryków i Elektroników] lub IETF [Internet Engineering Task Force], jest to społeczność. Porusza się trochę wolniej, ponieważ zawiera więcej Zasad Porządku i podejść Roberta. Ale chodzi o to, że zawsze wierzyłem, że najlepsza technologia to taka, która jest budowana w świetle dnia, że ​​nie jest to jedna inteligentna osoba w jakimś zapleczu, która znajduje rozwiązanie problemu. Wyrzucasz tam swój problem i jako społeczność pracujesz nad tym problemem. Masz głosy sprzeciwu i konsensus.

Interesujące w obecnym świecie open source jest to, że w porównaniu z organami normalizacyjnymi, tradycyjnymi organami normalizacyjnymi, które działają bardzo wolno, wydobycie standardu z IETF może zająć dekadę, open source po prostu porusza się szybciej, eliminuje część biurokracji. Mówi, że nie będziemy z góry zakładać, jak wykonujesz pracę, ale będziemy nalegać, aby była to zgoda społeczności, aby społeczność ruszyła naprzód w tej podróży.

Teraz mamy dzisiaj problem z open source, a to oznacza, że ​​open source wciąż ma problem z silosem. Projekty open source zazwyczaj nie są problemami na poziomie systemu. Są tak, mamy grupę, która idzie i buduje Kafkę, albo mamy grupę, która idzie i robi Hadoop, i mamy grupę, która buduje Kubernetes i CNCF [Cloud Native Computing Foundation]. A te są cudowne. Ale jedynym sposobem, w jaki to naprawdę działa, jest to, że te projekty open source zaczną się łączyć, ponieważ nikt nie rozwiązuje cyfrowego wyniku z żadnym z nich. Kubernetes, tak dobry, jak jest, sam w sobie nic nie robi, szczerze mówiąc, jeśli chodzi o wynik biznesowy. Musi być na nim obciążenie, musi być strumień danych, musi działać w infrastrukturze.

Myślę więc, że ze świata open source są dwa rodzaje wniosków. Po pierwsze, rozwój oparty na społeczności, niezależnie od tego, czy został zrobiony w organie normalizacyjnym, czy w otwartym kodzie źródłowym, jest najszybszym sposobem, w jaki ludzie mogą to zrozumieć, i powinniśmy go przyjąć, rozszerzyć i używać, gdzie tylko możemy. Po prostu działa lepiej. Po drugie, nawet jeśli wykonujemy tego rodzaju pracę nad konkretnym komponentem, musimy przyjąć zasady tego rodzaju procesu myślowego patrzenia na rzeczy z szerszej perspektywy, z perspektywy otwartej innowacji, i zastosować je w architektury na poziomie systemu. Jednym z najlepszych przykładów jest coś, o czym właśnie wspomnieliśmy wcześniej, czyli 5G. Na świecie toczy się obecnie ogromna debata na temat tego, jak należy zbudować 5G. Istnieje tradycyjne podejście Legacy 3GPP [3rd Generation Partnership Project], które mówi: ach, dobrze jest mieć elementy składowe, ale będziemy bardzo, bardzo zorganizowani i zdyscyplinowani, i nie będzie zbyt wiele miejsca na innowacje ponieważ zdecydowaliśmy, czym jest 5G. Oto odpowiedź; idź go wdrożyć.

Nie zgadzam się z takim podejściem, ponieważ zostało zbudowane w oparciu o technologie, które już dawno są przestarzałe. Istnieje nowy sposób myślenia o tym, który mówi: hej, nadal chcemy osiągnąć ten sam wynik, nadal wierzymy w te same interfejsy i te same standardy, ale sposób, w jaki faktycznie to realizujesz, powinien być otwarty na to, jak zrobić wirtualizację i jak łączysz się ze sprzętem i jak otwierasz sieć dostępu radiowego. A ten poziom myślenia jest bezpośrednio związany z tym, jak ludzie myślą w społecznościach open source i w nowoczesnych projektach rozwoju oprogramowania. Widzimy więc tę interesującą kolizję między, nazwijmy to światem otwartych ekosystemów, a światem telekomunikacyjnym, która naprawdę powoduje wiele stresu i ciekawą ewolucję ekosystemów 5G. Ale dla mnie uważam, że to bardzo pozytywny wynik, ponieważ ta technologia jest tak ważna, że ​​lepiej robimy to we właściwy sposób. Mamy mnóstwo dowodów na to, że open source, otwarte ekosystemy, otwarte systemy są w rzeczywistości szybszym, lepszym sposobem na uzyskanie lepszych wyników w przypadku wielu rzeczy, które ludzie próbowali zrobić w inny sposób.

Zobaczymy, jak to się rozegra, ale open source jako koncepcja i model rozwoju społeczności wpłynął na znacznie więcej niż tylko projekty, w których ma miejsce open source.

Laur: I uwielbiam to, ten rodzaj energii i podniecenia, a zwłaszcza, znowu, zbieżność. Łączymy wszystkich, aby wprowadzić tę zmianę. A propos, jak to robisz w firmie Dell? Jak strategicznie myślisz o sztucznej inteligencji i prowadzisz tę ogromną firmę? Tyle różnych zespołów, a wy macie wspaniałych ludzi i wspaniałe zespoły. Ale jak myślisz o tym strategicznie i jak radzisz innym liderom, aby myśleli o sztucznej inteligencji i inteligencji maszynowej w sposób, który ma sens, w sposób, który być może jest otwarty, co stanowi wyzwanie dla sposobu, w jaki wcześniej prowadzili interesy?

Jan: Tak tak. A ogólna odpowiedź na to pytanie: w firmie Dell jesteśmy ogromną firmą zajmującą się prawie każdym aspektem infrastruktury, od sprzętu typu „bare metal” po stosy aplikacji i środowiska programistyczne. Jesteśmy po prostu ekstremalnie duzi i ekstremalnie obszerni, co jest częścią propozycji wartości firmy. Jedną z rzeczy, z których zdaliśmy sobie sprawę na samym początku, było to, że kiedy jesteś tak duży, musisz mieć pewne zasady rządzące. Musi być wokół tego coś w rodzaju ram. Dlatego jesteśmy bardzo zdyscyplinowani, jeśli chodzi o posiadanie strategii, posiadanie Gwiazdy Północnej, rozumienie jasnych ról i obowiązków. Ale upewnienie się, że rozumiemy, że wdrożenia, gdy robisz coś dużego, jak edge lub cloud, będą miały miejsce w wielu miejscach. Ale jeśli nie masz struktury, w której wszyscy rozumieją, dlaczego to robisz, jakie są pierwsze zasady, z którymi będziesz się zmagać.

Na przykład, niedawno w Edge podjęliśmy pewne decyzje dotyczące tego, jak firma Dell pozycjonuje Edge'a. Są na wysokim poziomie, ale kształtują sposób myślenia naszych programistów. Na przykład uważamy, że krawędzie nie są samodzielnymi bytami. Krawędzie to rozszerzenia modeli działających w chmurze. Nie budujesz przewagi, aby zbudować przewagę. Budujesz przewagę, aby rozszerzyć swoją architekturę chmury, niezależnie od tego, czy jest to publiczne lub prywatne środowisko chmury, czy też hybrydowe środowisko wielochmurowe, do świata rzeczywistego. Brzmi to bardzo subtelnie, ale jeśli nie podejmujesz tej decyzji wewnątrz firmy, to po prostu rzucasz kostką, aby zobaczyć, czy twoje zespoły budują więcej silosów, czy faktycznie budują rozszerzenie twojej podstawowej propozycji wartości, która ma na celu zbuduj multi-chmurę. A więc mając tę ​​gwiazdę polarną, jest to jasne. Inne przykłady w edge, podjęliśmy decyzję, że uważamy, że krawędzie powinny być platformami. Brzmi to bardzo oczywiste, z wyjątkiem tego, że większość dzisiejszych krawędzi to silosy na zamówienie dla określonego obciążenia.

Ktoś decyduje, że chcę przenieść mój framework AI do fabryki, dlatego zbuduję przewagę. Nawet niektóre chmury publiczne zbudowały w rzeczywistości bardzo wąskie silosy na zamówienie, które rozszerzają tylko kilka funkcji ich chmury publicznej. Nic więcej. Teraz, kiedy zaczęliśmy na to patrzeć, powiedzieliśmy, poczekaj chwilę. Edge to możliwość pełnego doświadczenia. Będziesz miał wiele doświadczeń od końca do końca. A jeśli musisz zbudować przewagę dla każdego z nich, sprawisz, że rynek przewagi będzie bardzo przypominał rynek zabezpieczeń, czego nie chcemy robić. Rynki bezpieczeństwa, jeśli wejdziesz do centrum danych bezpieczeństwa przedsiębiorstwa, znajdziesz zębatkę. Każdy element wyposażenia ma inne logo i robi jedną rzecz. Nie chcemy, żeby krawędź tak wyglądała. Podjęliśmy więc decyzję, że krawędź powinna być platformą. To, co powinniśmy zbudować, to zdolności horyzontalne. Powinniśmy przyznać, że ta krawędź może być używana do zadań AI, może to być zadanie automatyki przemysłowej, może to być zadanie nadzoru wideo.

Potrzebujemy może kilku różnych architektur brzegowych, aby dostosować się do różnych podejść, ale nie próbujesz zbudować jednego, pionowo określonego silosu dla każdego problemu brzegowego. Próbujesz zbudować platformę, która pozwoli dziś klientowi rozwiązać jego problemy z krawędzią. A kiedy wymyślą kolejny problem z krawędzią, muszą po prostu wepchnąć kod na platformę, a następnie pracować na krawędzi, w przeciwieństwie do budowania nowej krawędzi. Mam nadzieję, że te rzeczy, które właśnie powiedziałem, są całkowicie oczywiste, ale większość ludzi nie podejmuje takich decyzji. Tak więc w firmie Dell to robimy. Podejmujemy decyzje pierwszego rzędu, jaka jest nasza filozofia? Jak myślimy o rzeczach? Następnie przekształcamy je w architektury, które dokładnie opisują prace techniczne, które należy wykonać, ale nie posuwamy się tak daleko, aby dyktować implementacji i produktowi dokładnie, w jaki sposób będą wprowadzać innowacje, aby osiągnąć ten wynik. To magia posiadania wspaniałych zespołów badawczo-rozwojowych. Odchodzą i wymyślają najlepszy sposób na zbudowanie produktu. Są pod tym względem innowacyjni, ale to wszystko łączy się w system.

W rzeczywistości dzisiaj prowadzę wysiłki, aby zasadniczo upewnić się, że w tych sześciu ogromnych obszarach wewnątrz firmy Dell jesteśmy spójni w naszej architekturze, że poruszamy się po nich jako firma na poziomie systemu. Obejmują one ewolucję chmury, ewolucję w nowy ekosystem danych, dane w ruchu i sposób, w jaki tam gramy. Są krawędzią i sposobem, w jaki rozszerzamy IT na rzeczywisty świat. Są to sztuczna inteligencja i ML, w ten sposób zmieniamy cały ekosystem technologiczny w inny podział pracy między ludźmi i maszynami, wokół zadań myślowych. To 5G, ta wielka odmiana telekomunikacji, a świat IT i chmura zderzają się ze sobą. Uważamy, że to naprawdę musi być zdominowane przez chmurę i IT oraz musi to być nowoczesna infrastruktura. I wreszcie, w kwestii bezpieczeństwa, i poruszyliśmy to z bezpieczeństwem wewnętrznym. To są gigantyczne rzeczy, ale aby odpowiedzieć na twoje pytanie, w firmie takiej jak Dell lub jakiejkolwiek innej firmie, musisz wiedzieć, jakie są twoje North Stars, jakie rzeczy na ciebie czekają?

W naszym przypadku to ta wielka szóstka. Musisz mieć punkt widzenia, który opisuje najpierw zasady i ramy, które opisują pole gry, a następnie musisz mieć strukturę, która operacjonalizuje to, aby przekazać ten komunikat do społeczności programistów, do grup produktów, do organizacji usługowej , w zespołach marketingowych, aby wszyscy pracowali na odpowiednim polu gry z odpowiednim, nazwijmy to skryptem. Ale nie chcesz być tak nakazowy, aby uniemożliwić im wprowadzanie innowacji oraz sposób, w jaki wdrażają i wymyślają różne tempo. To ta równowaga między swobodą ruchu dewelopera i posiadaniem frameworka, a architekturą i gwiazdą północy. Masz rację, możesz poruszać się po technologii. Ale jeśli przegapisz North Star, przegapisz ramy lub nie masz swobody poruszania się po innowacjach, tak naprawdę nie będziesz dobrze działał. Więc dla nas to naprawdę te trzy wielkie.

Laur: To wspaniale. Moglibyśmy spędzić cały kolejny dzień rozmawiając o Edge Computing i wszystkim innym, ale bardzo doceniam Twój czas tutaj dzisiaj, John. Dziękujemy za przyłączenie się do nas dzisiaj w fantastycznej rozmowie na temat Biznesu Laboratorium.

Jan: Tak, bardzo dziękuję za przyjęcie mnie.

Laur: Był to John Roese, prezes i dyrektor ds. technologii produktów i operacji w firmie Dell Technologies, z którym rozmawiałem z Cambridge w stanie Massachusetts, siedziby MIT i MIT Technology Review, z widokiem na rzekę Charles.

To tyle w tym odcinku Business Lab. Jestem twoim gospodarzem, Laurel Ruma. Jestem dyrektorem Insights, działu custom publishing w MIT Technology Review. Powstaliśmy w 1899 roku w Massachusetts Institute of Technology. Możesz nas również znaleźć w druku, w Internecie i na corocznych wydarzeniach na całym świecie. Więcej informacji o nas i programie znajdziesz na naszej stronie internetowej technologyreview.com.

Program jest dostępny wszędzie tam, gdzie zdobędziesz swoje podcasty. Jeśli podobał Ci się ten odcinek, mamy nadzieję, że poświęcisz chwilę, aby nas ocenić i zrecenzować. Business Lab to produkcja Przeglądu Technologii MIT. Ten odcinek został wyprodukowany przez Collective Next. Dziękuję za słuchanie.

ukryć