Viedās ierīces, vienota sistēma, gaišāka nākotne

Saistībā ar Dell Technologies

Ja jums ir nepieciešams iemesls, lai justos labi par tehnoloģiju virzību, vietnē Twitter meklējiet Dell Technologies CTO Džonu Rūzu. Rokturis, ko viņš sacerēja 2006. gadā, ir @theICToptimist. IKT apzīmē informāciju un komunikāciju.

Šo aplādes epizodi veidoja Insights, MIT Technology Review pielāgotā satura nodaļa. To neizstrādāja MIT Technology Review redakcijas darbinieki.

Šī saīsinājuma iemesls bija tas, ka es stingri ticēju, ka nākotne nav saistīta ar informācijas tehnoloģijām un komunikāciju tehnoloģijām, saka Roese, uzņēmuma Dell Technologies prezidents un galvenais tehnoloģiju vadītājs par produktiem un darbībām. Runa bija par to, ka viņi sanāk kopā.

Gandrīz divas desmitgades vēlāk ir grūti viņu nesaukt par pareizu. Organizācijas meklē milzīgo datu apjomu, ko tās vāc un ģenerē, lai kļūtu pilnībā digitāli, tās izmanto mākoni, lai apstrādātu un uzglabātu visus šos datus, un tās pievēršas jaunām bezvadu tehnoloģijām, piemēram, 5G, lai nodrošinātu datu badu. tādas lietojumprogrammas kā mākslīgais intelekts (AI) un mašīnmācība.

Šajā Business Lab epizodē Roese iet cauri šai tehnoloģiju saplūšanai un tās nākotnes rezultātiem. Piemēram, autonomie transportlīdzekļi attīstās strauji, bet automobiļi bez vadītāja vēl nekursē ielās. Un viņi to nedarīs, kamēr netiks izmantots sadarbības skaitļošanas modelis — viedās ierīces, kas tiek savienotas ar mākoņdatošanas un malu skaitļošanas infrastruktūras kombināciju, lai nodrošinātu efektīvu bezgalīgu aprēķinu.

Viena no lielākajām problēmām nav padarīt ierīci gudru; tas padara ierīci viedu un efektīvu mērogojamā sistēmā, saka Roza.

Tik lielas lietas ir priekšā, bet tehnoloģija mūsdienās sper milzīgus panākumus, saka Roese. Viņš runā par mašīntelpu, kas izmanto AI un mašīnmācīšanos, lai atdarinātu cilvēka intelektu un risinātu sarežģītas problēmas, piemēram, paātrinātu piegādes ķēdes vai veselības aprūpē, lai precīzāk noteiktu audzējus vai vēža veidus. Un iespēju ir daudz. Koronavīrusa pandēmijas laikā mašīninteliģence var palielināt māsu pakalpojumu apjomu, nodrošinot medmāsām uz datiem balstītus rīkus, kas ļauj redzēt vairāk pacientu. Kiberdrošībā tas var noturēt labus puišus soli priekšā ļaundariem. Un telekomunikācijās tas galu galā varētu pieņemt lēmumus par mobilajiem tīkliem, kuros varētu būt triljons lietu, ”saka Roese. Tas ir ļoti, ļoti, ļoti liels tīkls, kas pārsniedz cilvēka spējas domāt.

Biznesa laboratoriju vada Laurela Ruma, Insights direktore, MIT Technology Review pielāgotās izdevējdarbības nodaļa. Izrāde ir MIT Technology Review iestudējums, kurā piedalās Collective Next.

Šī Podcast epizode tika izveidota sadarbībā ar Dell Technologies.

Rādīt piezīmes un saites

Tehniski traucējumi, kas radīsies 2020. gadā , autors Džons Rūzs, Dell Technologies, 2020. gada 20. janvāris

Ceļojums uz 5G: mākoņa paplašināšana līdz mobilajām malām, intervija ar Džonu Rūzu EmTech Next 2020

Ceturtā industriālā revolūcija un digitalizācija pārveidos Āfriku par globālu spēkstaciju , autors: Njuguna Ndung’u un Landry Signé, Brūkingsas institūcija, 2020. gada 8. janvāris

Pilns atšifrējums

Laurela Ruma: No MIT Technology Review es esmu Laurel Ruma. Un šī ir Business Lab — šovs, kas palīdz uzņēmumu vadītājiem izprast jaunas tehnoloģijas, kas nāk no laboratorijas un nonāk tirgū.

Mūsu šodienas tēma ir mākslīgais intelekts. Mūsu izveidoto datu apjoms katru dienu pieaug eksponenciāli, un tas nozīmē, ka mums tie ir jāapstrādā ātrāk un labāk jāaizsargā. Šeit parādās AI — no 5G līdz malu skaitļošanai un kvantu skaitļošanai. Nākotne ir rītausma, un AI ir reāls.

Divi vārdi jums, AI vadītas lietojumprogrammas.

Mans viesis ir Džons Rūzs, kurš ir uzņēmuma Dell Technologies prezidents un galvenais tehnoloģiju vadītājs par produktiem un operācijām. Džons pievienojās Dell EMC 2012. gada rudenī, un viņam bija liela nozīme tehnoloģiju stratēģijas veidošanā. Viņš ir publicēts autors, un viņam ir vairāk nekā 20 neapstiprinātu un piešķirtu patentu tādās jomās kā uz politiku balstīta tīklu veidošana, uz atrašanās vietu balstīti pakalpojumi un drošība. Šī Business Lab epizode tiek veidota sadarbībā ar Dell Technologies. Džon, paldies, ka pievienojāties man Business Lab.

Džons Rūzs: Lieliski būt šeit.

Laurels: Tātad janvārī jūs rakstījāt par trim graujošām tehnoloģijām, kas tiks parādītas 2020. gadā. Kvantu skaitļošana, domēnspecifiskas arhitektūras un 5G. Mēs esam 2020. gada pusceļā. Kā jūs domājat, vai jums bija taisnība?

Džons: Es domāju, ka Covid-19 mainīja laika grafikus, bet es nedomāju, ka tas mainīja nevienu no šiem trim. Šie trīs nepārprotami virzās uz priekšu. Quantum ir lēns, sarežģīts ceļojums, taču tas, ko mēs esam redzējuši, ir šī gada sasniegumi. Mēs esam redzējuši, ka sāk īstenoties vakuuma caurules laikmets, kurā valda ļoti elementāra kvantu pārākums. Un es domāju, ka es teicu tajā emuārā, ka tas būs garš ceļš — negaidiet, ka tas rīt izjauks pasauli, taču fizika ir pareiza, un galu galā mēs panāksim sasniegumus. Un es domāju, ka mēs turpinām iet pa šo ceļu. Domēna specifiskās arhitektūras paātrinās. Mēs izsekojam vairāk nekā 30 jaunas pusvadītāju tehnoloģijas, ko izmanto, lai paātrinātu dažādu darba slodžu aprēķināšanu, tostarp īpaši AI-ML [mašīnmācības] darba slodzes. Un mēs redzam, ka parādās vairāk. Tagad tie izplatās līdz malai, un tik skaidri redzams, ka tas notiek.

Un tad, izmantojot 5G, viena no jaukajām lietām, kas notika Covid-19 krīzes laikā, ir cilvēku atziņa, ka ir jābūt hipersavienotiem, lai viņi varētu strādāt visur, kur vien nepieciešams, lai varētu saņemt veselības aprūpi, kad vien tā ir nepieciešama, būt var būt loģistikas infrastruktūra, kas darbojas daudz autonomāk. Un es domāju, ka viens no lielākajiem panākumiem ir bijis tas, ka mums ir vajadzīgs labāks bezvadu savienojums, mums ir vajadzīgi jauni sasniegumi mobilajā savienojumā. Un, ja kas, tad es domāju, ka pēdējo trīs mēnešu laikā bezvadu nozares un bezvadu tehnoloģiju kā digitālās transformācijas pamatkomponenta atzinība ir kļuvusi ievērojami augstāka. Tātad viņi visi trīs tur, divi no viņiem vienkārši turpina. Bet trešais, 5G, noteikti ir paātrināts. Un tikai starppersonu izpratne sabiedrībā ir tikko kļuvusi labāka, kas ir laba lieta tehnoloģijai.

Laurels: Tikai, lai nedaudz vairāk piespiestu šo 5G jautājumu, man šķiet, ka skaitļošanas uzņēmumi pievērš lielāku uzmanību 4G, tagad 5G. Vai tas ir tāpēc, ka katrs uzņēmums tagad vairāk vai mazāk ir telekomunikāciju uzņēmums? Ikvienam ir jāzina, kas notiek ar bezvadu tīklu.

Džons: Jā. Jā. Es domāju, ka uz to ir divas atbildes. Pirmais ir tas, ka ne visi kļūst par telekomunikāciju uzņēmumu. Es domāju, ka mēs saprotam, ka, ja jūs patiešām vēlaties digitāli pārveidot savu nozari, funkciju vai sabiedrību, jūs to nedariet datu centrā. Jūs to darāt reālajā pasaulē. Datu centri ir svarīgi; mākoņi ir svarīgi, taču faktiskie dati tiek ražoti un patērēti reālajā pasaulē. Tas ir slimnīcās, pilsētās, rūpnīcās, jūsu mājās. Un, lai tas darbotos, jums ir nepieciešams labāks savienojamības audums. Un tāpēc cilvēki ir sapratuši, ka visi pasaules mākoņi, visas pasaules malas un visas digitālās transformācijas pasaulē, ja tie ir izolēti tvertni bez spēcīga digitālā pamata savienojamības tīkla, tie ir neiet uz darbu.

Un pēkšņi cilvēki, kurus telekomunikācijas neinteresēja, pēkšņi ir ļoti ieinteresēti, jo viņi ir sapratuši, ka jums nevar būt priekšrocības, ja tas nevar izveidot savienojumu ar kodolu. Un, ja mala var būt tikai trīs vietās, nevis vietā, kur tai ir jābūt, jo tai ir nepareizs savienojums, visa jūsu digitālā transformācija, viedās rūpnīcas iniciatīva, viedās pilsētas iniciatīva vienkārši sabrūk. Tāpēc es domāju, ka ir bijusi izpratne un steidzamība par to, cik svarīga ir tīklu veidošana, kas palielina redzamību.

Tomēr otrs ir tas, ka telekomunikācijas kā nozare virzās uz mākoņu un IT pasauli. Viss par 5G mums norāda, ka tas netiks veidots kā mantotais telekomunikācijas tīkls, un man ir zināma vēsture mantotajā telekomunikācijā, tas netiks veidots tā, kā mēs izveidojām 3G un 4G. Tas tiks veidots mākoņu laikmetā. Tas izmantos atvērto aparatūru, programmatūras virtualizāciju, konteinerizāciju. Tie būs smagi AI un ML tehnoloģiju patērētāji, tas tikai vairāk izskatās pēc lietām, uz kurām koncentrējas lielākā daļa ASV tehnoloģiju nozares. Tādējādi mēs būsim ne tikai lieli patērētāji, un mums būs liela atkarība, bet arī faktiskajā tehnoloģijā, ko izmantojat, lai izveidotu 5G un ne tikai sistēmu, daudz vairāk dominēs IT un mākoņtehnoloģijas, nevis mantotās telekomunikācijas. Realitāte ir tāda, ka tai joprojām būs zināma telekomunikāciju funkcionalitāte, taču tas piesaista tādus uzņēmumus kā Dell un daudzus mākoņdatošanas uzņēmumus 5G pasaulē. Ne tikai tāpēc, ka tas ir interesanti, bet tāpēc, ka mēs esam nepieciešami, lai tas tiktu piegādāts pareizajā veidā.

Laurels: Man šķiet, ka tagad ir ideāla saplūsme tieši jums un jūsu izcelsmei, jo, ja jums ir kāds, kurš tik labi pārzina telekomunikāciju nozari un pēc tam arī ar mākoņiem un citām tehnoloģijām, jūs patiešām to visu apvienojat. viena vieta un viens iemesls. Un tā man šķiet ideāla vieta, kur 5G patiešām uzsprāgt un atkal aizvest cilvēkus uz šo tīklotu domāšanu un prom no šiem tvertnēm, kur jums ir jūsu telekomunikāciju uzņēmums, un tad jums šeit ir jūsu cits skaitļošanas uzņēmums utt. . Kā tas atkal mainās, kad Covid un tās robežas tagad attiecas uz cilvēku mājām un ārpus biroja?

Dž bez: Hei, starp citu, mans Twitter rokturis ir @theICToptimist. Un, ja jūs nezināt, ko nozīmē IKT, tās ir informācijas un komunikācijas tehnoloģijas. Un tas attiecas uz, manuprāt, 2006. gads ir tas, kad es pievienojos Twitter, ļoti sen. Un šī saīsinājuma iemesls bija tāpēc, ka es esmu stingri pārliecināts, ka nākotne nav saistīta ar informācijas tehnoloģijām un komunikāciju tehnoloģijām atsevišķi; runa bija par to, ka viņi sanāk kopā. Tātad, šeit mēs esam gandrīz 20 gadus vēlāk, un jā, es domāju, ka mums bija taisnība. Tā kā mēs domājam par 5G un Edge, Edge joprojām ir agrīna. Mēs neesam īsti izveidojuši gudras lietas, kuras mēs vēlamies būvēt. Piemēram, mums nav automatizētu piegādes bezpilota lidaparātu, kas lido pāri mūsu pilsētām, zinot, kā piegādāt mums preces un pakalpojumus, nevienu nenogalinot.

Tie joprojām ir mūsu priekšā. Un arī mums nav pašbraucošu automašīnu, mums nav obligāti jābūt viedām pilsētām, mums vēl nav īsti gudru rūpnīcu, bet mums ir agrīnas norādes par to. Un mums ir pietiekami daudz pierādījumu, skatoties uz pasaules viedināšanas agrīnajiem viļņiem, ka viena no lielākajām problēmām nav padarīt ierīci gudru, bet gan padarīt ierīci gudru un efektīvu mērogojamā sistēmā. Un tāpēc mēs esam atklājuši, ka, ja jūs sagaidāt, ka ierīce būs savrupa, pilnībā pašpietiekama, hiperinteliģenta vienība, jums nebūs pietiekami daudz jaudas, lai liktu tai darīt visu, ko tai vajadzētu darīt. Gudrākā automašīna pasaulē, ja tai ir jābrauc ap piecu megavatu reaktoru, jo tas patērēs tik daudz IT, nebūs pārāk labs auto. Tātad mala ir materializējusies ne tik daudz kā interesanta vieta, kur to darīt, bet gan kā slodze pasaules viedināšanai.

Tātad mēs jau esam redzējuši piemērus ar tādām lietām kā paplašinātā realitāte [AR]. Daži no pirmajiem 5G malu piemēriem faktiski izmanto paplašinātās realitātes paātrinājumu malas aprēķināšanas slānī. Un ideja ir tāda, ka jums ir mobilā ierīce, mobilais tālrunis, AR aizsargbrilles, neatkarīgi no tā, ka tā vietā, lai apstrādātu visus artefaktus, nevis veiktu visu video apstrādi ierīcē, tie faktiski iespiež apmēram 80% no tā. malas skaitļošanas slānis, kurā ir poga skaitļošanā un visa tai nepieciešamā jauda, ​​un tā rezultātā tagad jums ir ļoti efektīva AR pieredze mobilajā ierīcē, kas saņem palīdzību no malas, taču vēl svarīgāk ir faktiski pārsniedz sākotnējās iespējas, jo tas efektīvi izmanto bezgalīgu aprēķinu. Tātad tai ir vairāk artefaktu, labāka video izšķirtspēja un lielāks krāsu dziļums.

Šīs ir lietas, ko mēs jau esam pierādījuši, un tas mums norāda, ka mala nav tikai IT slānis, tā ir viena no galvenajām sastāvdaļām, kas ļauj mums sniegt informāciju savienotajām entītijām visur, neuzliekot visu slogu entītijai. Un šis sadarbības skaitļošanas modelis, visticamāk, ir visjaudīgākais rīks, kas mums ir pieejams, lai atrisinātu šo problēmu, kas saistīta ar jaudu, funkcionalitāti un izmaksām, un pareizo kombināciju starp tiem. Tātad tas ir agri, bet tagad mēs redzam pietiekami daudz pierādījumu, ka tas ir modelis, kas padara malu vēl interesantāku un faktiski dzīvotspējīgāku, jo mēs zinām, ka ierīce pati par sevi nav risinājums, bet mākonis pats par sevi nav risinājums. atbilde. Šī mākoņa infrastruktūru un modernu infrastruktūru un ierīču, kas darbojas kopā, kombinācija nodrošina labāku līdzsvaru starp izmaksu funkcionalitāti, funkciju kopu un izvietošanas modeļiem.

Laurels: Runājot par to, ka tehnoloģija kļūst arvien labāka, mazāka un ātrāka, tas nozīmē arī to, ka jūsu rokā esošā ierīce ir daļa no šī tīkla un tīkla. Tādējādi mākslīgais intelekts var paplašināties no mākoņa līdz jūsu ierīcei, un tādēļ ierīces var padarīt viedākas, jo skaitļošanas jauda tagad ir jūsu rokās.

Džons: Jā. Nē, absolūti. Patiesībā es sniedzu šo piemēru pirms pāris gadiem, kur es runāju, mēs esam daudz strādājuši autonomo transportlīdzekļu darbībā visā pasaulē. Mēs sadarbojamies ar lielāko daļu no lielākajiem automobiļu ražotājiem un esam iemācījušies daudz. Bet viens no piemēriem, ko es minēju jau sen, bija tas, ka mēs zinām, ka pati automašīna būs diezgan gudra. Mūsdienīgam, autonomam transportlīdzeklim ir pielāgota AI apstrāde; tas veic daudz patiešām interesantas uztveres un analīzes. Un tai zināmā mērā ir jābūt pašbraucošai, jo dzīvības drošības apsvērumu dēļ jūs nevēlaties, lai tīkls pazūd un automašīna nobrauktu no ceļa. Tātad pieņemsim, ka tas viss ir taisnība. Tātad, labi, ko jūs darītu, ja tagad būtu automašīna, kas būtu samērā pašpietiekama, bet būtu piestiprināta pie ceļa, ar kuru ir saistīta malu aprēķins? Un piemērs, ko es minēju, bija, ja paskatās uz šīm automašīnām, tajās ir lietas, kas var sajust priekšā esošo automašīnu, tās var sajust ceļa virsmu.

Viņi var nēsāt līdzi daudz datu, kas viņiem norāda, kā paredzēt ceļa segumu un pielāgot balstiekārtu. Viņiem pat ir dažas lietas, kas var izprast satiksmes modeļus nereālā laikā. Bet iedomājieties, ja visas šīs automašīnas sāktu ne tikai kopīgot savus ilgtermiņa datus, bet arī savu tiešo skatījumu uz pasauli, savu apkārtējo datu punktu mākoni reāllaikā, un viņi tos kopīgotu ar tiem blakus esošajiem mezgliem. laiku, lai jūsu ceļš pats par sevi būtu galvenais priekšstats par visu automašīnu reāllaika izpratni. Un tā rezultāts bija tāds, ka, ja jūsu automašīna, kad tā mēģināja izdomāt, kā es noregulēju savu balstiekārtu turpmākajiem pasākumiem, nedarīja to tikai, pamatojoties uz datubāzi vai to, ko tā varēja redzēt, bet tā varēja jautāt jautājums, ko redz visi pārējie? Un tagad tas varēja paredzēt lietas. Tas pats par drošību. Tam nebija tikai sensori, kas varēja redzēt priekšā, bet tas varēja redzēt to, ko varēja redzēt automašīnas, kas atrodas automašīnu priekšā, automašīnu priekšā.

Un tāpēc es minēju piemēru: iedomājieties, ka jūsu brīdinājuma displejs daļēji autonomā vai autonomā transportlīdzekļa iekšpusē rāda, ko automašīna var redzēt, taču mirklī, kad tā var nokļūt šajā viedajā ceļā, izmantojot šo malu skaitļošanas slāni. , ko var redzēt aiz stūriem. Tas var redzēt lietas, ko jūs neredzat, tā var redzēt to, ko var redzēt citi cilvēki. Un tagad jūsu reālās pasaules vizualizācija reāllaikā kļūst par daudz plašāku priekšstatu par visu, kas jums ir apkārt, pateicoties šim sadarbības skaitļošanas modelim. Tas ir neticami spēcīgs rīks, kas nav iespējams, ja ierīce pati mēģina atrisināt šo problēmu. Un jūs varat to pārnest uz daudzām citām nozarēm, taču autonomā braukšana ir aizraujoša, jo tur jums būs ļoti gudra un izturīga ierīce, kas var darboties pati, taču tā darbojas labāk daudzās dimensijās, ja tā var iekļauties kolektīvā. apziņa par visām automašīnām un visiem ceļiem un visu apkārtējo lietu reāllaikā.

Un vienīgais veids, kā to izdarīt, ir nevis sūtīt ziņojumus internetā uz visuma otru pusi publiskā mākonī, bet gan iegūt šo reāllaika reakciju, izmantojot malas skaitļošanas slāni. Tāpēc mēs domājam, ka šis modelis kļūs par vienu no lielākajiem sasniegumiem, kas, ja jums nav jāšķērso internets un jūs varat iegūt šo kolektīvo izpratni reāllaikā un vietējā līmenī, pat pilnībā autonomas ierīces kļūs labākas, un kļūst interesantāki, un viņi izmanto pilnīgi jaunus uzņēmējdarbības modeļus.

Laurels: Tāpēc es izlasīju interesantu daļu no jūsu perspektīvas, ka tur, kur mēs šobrīd atrodamies ar AI, tas padara mūsu dzīvi labāku, varbūt par 5% līdz 10%, bet mēs esam ļoti tālu no Terminatora. Tāpēc pat tikai ar autonomajiem transportlīdzekļiem mēs runājam par to, ka lietas kļūst arvien labākas katru reizi, kad tiek izdots kaut kas jauns, taču mēs vēl esam tālu no automobiļiem, kas paši brauc, taču tas ir gala mērķis. Tomēr tikmēr šie 5% līdz 10% joprojām ir nozīmīgi.

Džons: Ak, jā, absolūti. Es domāju, ka tagad automašīnas ir interesanta spēle, jo atkarībā no tā, kam jūs jautāsiet, mēs varētu būt mēneša attālumā no pilnībā autonoma piektā līmeņa savienota transportlīdzekļa, un daži cilvēki jums sniegs citu atbildi. Es varu sniegt savu viedokli. Bet kopumā iemesls, kāpēc es izteicu šo komentāru, ir tāds, ka, raugoties uz mašīnu inteliģences pielietošanu jebko, neatkarīgi no tā, vai tā ir pašbraucoša automašīna, biznesa process, lietotāja pieredze vai kas cits, spēlēšana, ir divas lietas, par kurām jūs varat iedomāties. kā veiksme. Viens no tiem ir tas, ka jūs to pilnībā maināt. Jūs to pārvēršat par kaut ko tādu, par ko vēl nekad nav ticis domāts — piektā līmeņa pašbraucošā auto. Tas ir liels, liels lēciens, un ir vērts veikt šo lēcienu — ir nepieciešams ļoti ilgs laiks, lai tur nokļūtu.

Otrs veids, kā jūs skatāties uz mašīnu intelektu, ir tas, ka tas ir kognitīvo uzdevumu papildinājums, ko parasti veic cilvēki. Kad jums ir jādomā, šobrīd jūs esat viens. Tas ir atkarīgs no jums, lai pieņemtu šo lēmumu. Ļoti reti jūs saņemat lielu palīdzību domāšanas pusē. Jūs varētu iegūt daudz datu, taču jums tie ir jākārto. Ieteikumi īsti nenāk no tehnoloģijām; tev tas ir jāizdomā. Tātad tas, ko mēs sapratām jau agri, ir, rūpīgi piemērojot mašīntelpu vietās, kur cilvēkiem ir jāsaņem dati, tie jāsaprot un jāpieņem lēmums, mēs faktiski varam paātrināt šo procesu vai padarīt to precīzāku un mazāk pakļautu kļūdām. Un tā, kā mēs atdalījām, vai tas bija Dell piegādes ķēdes process vai paredzamās apkopes pakalpojumu process, vai arī radioloģijas sistēmas veselības aprūpē, kur jūs vienkārši mēģināt kaut ko atrast attēlā, šie 5% un 10% uzlabojumi, lai process darbotos nedaudz labāk, bija daudz labāki, nekā jūs jebkad varētu iegūt ar cilvēkiem, jo ​​​​cilvēki bija pamats.

Un katru reizi, kad uzlabojat kaut ko, piemēram, piegādes ķēdi par 5% vai 10%, vai es nezinu, radioloģiju par 20% vai 30% lielāku precizitāti tādu lietu noteikšanā kā vēzis un audzēji — tas ir ļoti spēcīgs rezultāts, ne tikai indivīdam, bet potenciāli sabiedrībai. Un tāpēc viens no vēstījumiem, ko esam sūtījuši saviem klientiem un esam centušies cilvēkiem skaidri pateikt, ka mēs neiebilstam pret lielajiem sasniegumiem, mūsuprāt, tie ir lieliski. Taču ar šo tehnoloģiju mēs varam darīt daudz vairāk, lai ieņemtu jebkuru vietu katrā mūsu procesā, kas nozīmē, ka cilvēkiem ir jāpieņem lēmumi un jāpaplašina tie ar mašīnu inteliģenci, lai padarītu šos lēmumus precīzākus, ātrākus un lielākas iespējas ir pozitīvs rezultāts. Un es lietoju vārdu jebkura Tā kā cilvēkiem patiešām ir jāpieņem lēmums jebkurā vietā, mēs varam pieņemt šo lēmumu labāk, rūpīgi izmantojot mašīnu inteliģenci.

Un šķiet, ka tas ir patiešām laba lieta, ko darīt šobrīd, jo tas neprasa milzīgus sasniegumus — tā ir tehnoloģija, kas mums ir šodien. Un katru reizi, kad mēs to darām, process kļūst labāks, izmaksu struktūra kļūst labāka, rezultāts kļūst labāks.

Laurels: Runājot par labākiem rezultātiem, mēs joprojām esam šīs pandēmijas sākumā, taču vai jūs redzat īpašas iespējas, kas saistītas ar mākslīgo intelektu? Kā jūs tikko teicāt, veselības aprūpe būtu acīmredzama, taču datu ir tik daudz.

Džons: Ak, jā, ir bezgalīgs skaits. Pamatā uz to var skatīties, ja domājat, kur ir jēga izmantot mašīnu intelektu, lai uzlabotu cilvēku uzvedības efektivitāti, vienkārši paskatieties uz jebkuru vietu koronavīrusa periodā, kur mums pietrūka cilvēku, kur cilvēki vienkārši pārņēma. Un veselības aprūpe ir lielisks piemērs. Ir agrīni piemēri, ka mums vienkārši nebija pietiekami daudz medmāsu, lai tiktu galā ar viļņiem, kas nonāk šajās slimnīcās. Tāpēc es nezinu. Mēs esam pacientam sensorizēti — kāpēc gan mēs nenosūtām visus šos sensora datus mašīnas inteliģences sistēmai, kas neaizstāj medmāsu; tas tikai dod medmāsai pilnīgāku priekšstatu par pacientu, veicot priekšapstrādi, organizēšanu un ieteikumus, tāpēc tagad medmāsa var uzraudzīt 30 pacientus, nevis trīs? Tas samazina barošanu, kas ir ļoti spēcīgs instruments. Mēs to acīmredzami esam redzējuši saistībā ar klīnisko aprūpi, kur, ja tā ir medicīniska procedūra, es domāju cilvēkiem, kas nodarbojas ar plaušu speciālistu, mums bija daudz elpošanas problēmu. Vai nebūtu jauki, ja mēs varētu atvieglot viņu dzīvi ar, es nezinu, varbūt mūsu ventilatoriem būtu nedaudz vairāk pašregulācijas, nedaudz vairāk pašregulācijas? Mēs esam redzējuši, ka šāda uzvedība notiek, un esam sapratuši, ka ir vietas, kur mums vienkārši nav pietiekami daudz cilvēku, lai paveiktu darbu.

Otrs piemērs, pavisam cits Covid spektra gals, bija loģistika un piegāde. Kad pēkšņi jums vienkārši nav šoferu vai jūs nevarat sazināties ar cilvēkiem, bet cilvēkiem ir jāsaņem piegādes, viņiem ir jāsaņem pārtikas preces, viņiem ir jāpārvieto lietas. Šķiet, ka autonomu transportlīdzekļu vai daļēji autonomu transportlīdzekļu vai mākslīgā intelekta izmantošana, lai labāk veiktu maršruta plānošanu, ievērojami ietekmētu šīs funkcijas efektivitāti.

Un tā, aha mirkļi Covid ne vienmēr bija pārsteidzoši, kad jūs tos saprotat, bet jūs varat tos atrast jebkur, kur mēs sapratām, ka cilvēka spējām ir ierobežotas robežas. Un ikreiz, kad mēs nonākam vietā, kur cilvēki ir pārslogoti, veicot kādu uzdevumu, un uzdevums ir saistīts ar lēmumu pieņemšanu, datu pārdomāšanu, mēģinājumu kaut ko paveikt, tās ir piemērotas vietas, kur izmantot mašīnu intelektu, lai mēs varētu mērogot cilvēku. , ne vienmēr, lai tos aizstātu.

Laurels: Tātad kādu dienu mēs tiksim ārā no Covid. Kur vēl mēs sākam padarīt AI reālu?

Džons: Nu, es domāju, ka visur, godīgi sakot. Patiešām nav nozares vai telpas, kas nemēģina. Tagad mums dažreiz ir izaicinājumi. Tāpat kā veselības aprūpē, ir grūti ieviest AI veselības aprūpē, jo tā ir regulēta nozare; termiņi ir ļoti gari. Tātad mēs esam redzējuši sasniegumus nevis veselības aprūpē, bet gan labsajūtā. Ir dažas diezgan foršas lietas. Tāpat kā tur ir gredzens, ko sauc par Oura gredzenu, kas pamatā uzrauga jūsu temperatūru un virkni dzīvībai svarīgu pazīmju. Tas ir labsajūtas rīks; tas šobrīd nav obligāti veselības aprūpes instruments. Taču, tā kā tas var izmantot uzlabotu mašīnu inteliģenci, tas var radīt interpretācijas, mēs esam atklājuši, ka šis gredzens var sniegt jums diezgan labu agrīnu brīdinājumu, ka jūs varētu kaut ko saslimt, vai arī pirms jūs zināt, ka esat slims, tas var pateikt. jūs gatavojaties saslimt, kas ir diezgan spēcīgs rīks un diezgan novatorisks.

Bet visā spektrā mēs redzam, ka mašīnu inteliģences pielietojums ir dabisks tehnoloģiju attīstības punkts. Piemēram, 5G pasaulē šeit ir labs piemērs: mēs nevaram izveidot 5G tīklus, kas mums būs nepieciešami, visur iesaistoties cilvēkam. Viņi vienkārši ir pārāk sarežģīti. Un tik atklāti mēs sagaidām, ka 5G un ne tikai nākotnes telekomunikāciju infrastruktūras iezīme būs automatizācija. AI pieņems lēmumus par spektrālo efektivitāti, joslas platuma regulēšanu un visādām lietām, jo ​​cilvēks vienkārši nevar vadīt simts miljonu abonentu tīklu, un tas ir pirms tam, kad mēs tajā ievietojam visas lietas. Tas būtu iespējams tikai ASV, jo dažos no šiem mobilo sakaru tīkliem pēc 10 gadiem varētu būt triljoni lietu. Tas ir ļoti, ļoti, ļoti liels tīkls, kas pārsniedz cilvēka spējas domāt.

Un tāpēc mēs jau redzam mašīntelpas ievadīšanu telekomunikāciju tīklos, liela mēroga datu centros, automatizējot infrastruktūru tādā veidā, kas ļauj cilvēkiem sekot līdzi. Un tad, kad jūs lēkājat apkārt, mums ir iniciatīvas, kas notiek kravu pārvadājumu un loģistikas jomā, kur cilvēki saprot: hei, tur pārvietojas daudz preču un pakalpojumu, taču tie pārvietojas lēnām un neveikli. Ko darīt, ja mēs mēģinātu patiešām savienot un apvienot viedos autoiekrāvējus, kā arī vizuālo uzraudzību, objektu kartēšanu un algoritmus, lai izlemtu, kā pareizi iepakot kravas automašīnu vai kā pareizi iekraut lidmašīnu vai kā pārvietot lietas caur šo loģistikas infrastruktūru. vieta, kur tas palēninās, jo tur nav īsti skaidra modeļa? AI ir lieliski, ja jums nav skaidra modeļa. Ļaujiet AI izdomāt modeli un izveidot ap to loģikas kopumu.

Tātad tas ir universāls. Ir ļoti grūti atrast vietu, ja uzdodat pretējo jautājumu, kur cilvēki neizmanto mašīninteliģenci, izņemot vietas, kur regulējošais režīms ir novecojis, ir kļuvuši par šķērsli cilvēkiem agresīvāk pieņemt šāda veida tehnoloģijas. . Un tāpēc viens no mūsu kā nozares slogiem ir sadarboties ar regulatoriem, lai atjauninātu šos noteikumus, lai mēs neradītu situāciju, kurā regula kavē tehnoloģiju dabisku progresu, kas virza cilvēces progresu uz priekšu.

Laurels: Jā. Un es domāju, ka jūs domājat, ka regulējums un drošība iet roku rokā, it īpaši, ja ļaundariem ir pieejami tie paši rīki, kādi jums ir tīkla veidošanai. Tātad, kā sākt nodrošināt visu šo apbrīnojamo datu nodrošināšanu?

Džons: Jā. Es domāju, ka dati ir tikai dati. Jūs varat to izmantot labā vai sliktā labā, un diemžēl tas patiesībā ir neticami vērtīgs, un tāpēc tas kļūst par milzīgu mērķi. Drošības kompromisi nenotiek tāpēc, ka kādam ir garlaicīgi; tie notiek tāpēc, ka ir mērķis, kuru ir vērts nozagt. Un mūsu digitālā vide, valūta ir dati, ieskati, modeļi — šīs lietas ir patiesi vērtīgi rīki. Un realitāte ir tāda, ka viņi būs mērķis. Tāpēc mums patiešām ir jādomā par to, kā mēs nodrošināsim šo vidi citādā veidā, nekā mēs vēsturiski darījām fizisko pasauli. Atklāti sakot, pašreizējā pieeja drošībai vienkārši nedarbosies, jo mūsu pašreizējā pieeja drošībai ir tāda, ka mums ir lieta, kas darbojas neatkarīgi no drošības, un tad mums ir lietas, kas tai uzbrūk, un tad mēs izveidojam drošības tehnoloģiju, lai pretotos. tās lietas, kas tai uzbruka.

Problēma ir tā, ka tā ir neuzvarama cīņa, jo atklāti kāds var vienkārši izdomāt jaunu veidu, kā tai uzbrukt, un tad drošības nozarei ir jānāk klajā ar atbildi uz to. Un tas nav labs veids, kā vadīt organizāciju vai tehnoloģiju. Un tāpēc mūsu pārliecība ir tāda, ka mums ir jāpāriet uz mūsu modeli, kurā mēs patiešām skatāmies uz iekšējo drošību, ka mēs veidojam drošību lietā, ko aizsargājam neatkarīgi no tā, vai mēs to darām mākoņa vidē vai mēs to darām tīkla vidē. Bet būtība ir tāda, ka mums ir jāatsakās no šīs idejas, ka drošība notiek kā reakcija uz ārēju notikumu. Tā vietā tam ir jābūt kaut kam iekšēji iebūvētam faktiskajā sistēmā un tās arhitektūrā.

Tas izklausās pēc mārketinga, taču būtība ir tāda, ka tā nav uzvarama cīņa, ja mums būs drošības produkts katrai drošības problēmai. Mums ir jābūt arhitektūrām, infrastruktūrai un sistēmām, kas nav izveidotas, lai reaģētu uz kādu konkrētu drošības problēmu, tās ir veidotas tā, lai reaģētu uz jebkādiem draudiem. Viņiem ir visaptveroša izpratne par savu identitāti. Viņiem ir iespēja kontrolēt piekļuvi un izprast viņu uzvedību. Es vienmēr esmu apgalvojis, ka drošības pasaulē jums ir jārisina trīs lietas. Zināmais labais, zināmais sliktais un nezināmais. Un šodien lielākā daļa no mūsu drošības principiem ir saistīti ar mēģinājumu bloķēt zināmo slikto, kas ir neuzvarams, un mēģinājumu izsijāt nezināmo, taču viņi to nedara pārāk labi. Interesanti, ka zināmo labumu mēs reti veidojam šim nolūkam. Tagad mans arguments ir tāds, ka mums ir jāsaprot, kas ir zināmā labā uzvedība, un mums tā ir jābloķē un jāpārliecinās, ka tā notiek. Mums ir jāaizliedz zināmais sliktais, tas ir acīmredzams paziņojums. Taču nav zināms, no kurienes nāks visi jauninājumi.

Un tas mūs atgriež pie tādām lietām kā AI un ML. Ideja izmantot mašīnu intelektu, lai izsijātu nezināmo, lai ļoti ātri noteiktu, vai tas ir zināms sliktais vai zināms labums? Kurai nometnei tā pieder? Un dariet to ātrāk, nekā to var izdarīt otra puse, jo mums ir labāki rīki, lai izprastu uzvedību un pašā infrastruktūrā būtu iebūvēti ietvari. Pat ja jūs izmantojat mākslīgo intelektu, vissvarīgākais ir tas, ka, lai izprastu jaunus draudus un izlemtu, vai tie ir labi vai slikti, ja tas tiek darīts ārpus infrastruktūras, jums joprojām būs jāizvieto cits produkts, lai uz to reaģētu. Ja, no otras puses, infrastruktūra ir produkts, kas reaģē uz drošības notikumiem, ja tā burtiski tikai informē infrastruktūru, mainiet pakalpojumu ķēdi savā SDN, mainiet virtualizācijas slāni, mainiet savu Kubernetes manifestu, bet jūs neizvietojat nevienu jaunas tehnoloģijas — jūs vienkārši uzspiežat jaunas darbības infrastruktūrai, kāda tā pastāv. Tad pēkšņi smadzenes var sākt ražošanu daudz ātrāk, nekā būtu jāievieš pilnīgi jauns produkts vai pilnīgi jauna sistēma.

Tātad, drošība ir tāda, ka, lūk, sliktās ziņas, tā nekad nepazūd. Mēs pastāvīgi esam drošības dinamiskā sacīkstē ar sliktajiem puišiem un labajiem puišiem. Bet es domāju, ka mēs varam virzīties daudz ātrāk, ja mēs izkļūsim no šāda veida domāšanas, ka katrai drošības problēmai ir produkts. Mūsu infrastruktūrai ir jābūt reaģējošam mehānismam, un mēs agresīvi izmantojam mašīnu inteliģenci, lai mēģinātu saprast, kad reaģēt. Taču šai reakcijai nav nepieciešams pārbūvēt visu infrastruktūru, mainīt mūsu arhitektūru, lai reaģētu. Ja nokļūstat šajā režīmā, jūs varat pārvietoties ātrāk nekā pretinieki, un jums ir sistēmas līmeņa iekšējās drošības pieeja, kas ir lielas pārmaiņas cilvēkiem, bet loģiski, ka vienīgā vieta, kur mēs varēsim nokļūt. jebkāda veida panākumus, kad mēs sākam domāt par šīs nākotnes mērogu.

Laurels: Man patīk frāze “mašīninteliģence”, jo tā tas tiešām ir. Tam ir jābūt visā sistēmā neatkarīgi no tā, vai veidojat labu pārkāpumu vai labākas sistēmas, lai reaģētu ātrāk un ātrāk. Tas nav tikai mākslīgais intelekts, tā nav tikai mašīnmācība. Faktiski tā ir abu kombinācija, kas ļauj jums paveikt daudz vairāk. Un arī uzliek lielas cerības un slogu cilvēkiem, kuri veido šīs sistēmas, lai tie darbotos noteiktā veidā. Tāpēc es zinu, ka esat Cloud Foundry padomē un atvērtais avots ir svarīgs, taču tā ir sava veida atvērtā koda sakne, pareizi, ir domāšana par to, kā mēs visi varam strādāt kopā un demokratizēt šo tehnoloģiju tā, lai ikviens. kurš piesakās, galu galā kaut ko iegūst.

Džons: Jā. Nē, absolūti. Es domāju, ka tas ir atvērtā pirmkoda metodoloģijas — šī kopienas attīstības ideja, starp citu, nav jauna, un tā nav raksturīga tikai atvērtajam pirmkodam. Esmu strādājis standartu institūcijās jau apmēram 20 gadus. Un, ja jūs ieejat IEEE [Elektrotehnikas un elektronikas inženieru institūtā] vai IETF [Internet Engineering Task Force], tad tā ir kopiena. Tas ir nedaudz lēnāks, jo tajā ir vairāk Roberta kārtības noteikumu un pieeju. Taču ideja ir tāda, ka es vienmēr esmu ticējis, ka labākā tehnoloģija ir tā, kas tiek veidota dienas gaismā, ka tas nav viens gudrs cilvēks, kas atrodas aizmugures birojā un izdomā atbildi uz problēmu. Jūs izmetat savu problēmu, un jūs kā kopiena strādājat ar šo problēmu. Jums ir atšķirīgas balsis un vienprātība.

Pašreizējā atvērtā pirmkoda pasaulē interesanti ir tas, ka, salīdzinot ar standartu struktūrām, tradicionālajām standartu struktūrām, kas virzās ļoti lēni, var paiet desmit gadi, lai standarts tiktu publicēts IETF, atvērtais avots vienkārši pārvietojas ātrāk, tas ir likvidējis daļu birokrātijas. Tajā teikts, ka mēs nedomāsim, kā jūs veicat darbu, bet mēs uzstīsim, lai tā būtu kopienas vienprātība, lai kopiena virzītos uz priekšu šajā ceļā.

Mūsdienās mums ir problēma ar atvērto pirmkodu, un tas ir, ka atvērtā koda problēma joprojām pastāv. Atvērtā pirmkoda projekti parasti nav sistēmas līmeņa problēmas. Tie ir, mums ir grupa, kas gatavojas būvēt Kafka, vai mums ir grupa, kas gatavojas strādāt Hadoop, un mums ir grupa, kas veido Kubernetes un CNCF [Cloud Native Computing Foundation]. Un tie ir brīnišķīgi. Bet vienīgais veids, kā tas patiešām darbojas, ir tad, ja šie atvērtā pirmkoda projekti sāk apvienoties, jo neviens ne ar vienu no tiem neatrisina digitālo rezultātu. Kubernetes, lai cik tā ir, pati par sevi neko nedara, godīgi sakot, biznesa iznākuma ziņā. Tam ir jābūt slodzei, jābūt datu straumei, tai ir jādarbojas infrastruktūrā.

Un tāpēc es domāju, ka atvērtā pirmkoda pasaulē ir divas iespējas. Pirmkārt, uz kopienām balstīta izstrāde neatkarīgi no tā, vai tā tika veikta standartu struktūrā vai atvērtā pirmkoda ietvaros, ir ātrākais veids, kā cilvēki izdomā lietas, un mums tas ir jāpieņem, jāpaplašina un jāizmanto visur, kur vien iespējams. Tas vienkārši darbojas labāk. Tomēr otrs ir tas, ka pat tad, ja mēs veicam šāda veida darbu pie konkrēta komponenta, mums ir jāņem vērā šāda veida domāšanas procesa principi, skatoties uz lietām no plašākas perspektīvas, no atvērtas inovācijas perspektīvas, un jāpiemēro tie sistēmas līmeņa arhitektūras. Viens no labākajiem piemēriem ir tas, kam mēs tikko pieskārāmies iepriekš, proti, 5G. Šobrīd pasaulē notiek milzīgas debates par to, kā būtu jāveido 5G. Ir mantotā 3GPP [3rd Generation Partnership Project] tradicionālā pieeja, kas saka: ak, ir labi, ka mums ir sastāvdaļas, taču mēs būsim ļoti, ļoti strukturēti un disciplinēti, un nebūs daudz iespēju inovācijām. jo mēs esam izlēmuši, kas ir 5G. Tur ir atbilde; ej to īstenot.

Es nepiekrītu šai pieejai, jo tā tika izveidota, pamatojoties uz tehnoloģijām, kas jau sen ir novecojušas. Ir jauns domāšanas veids, kas saka: 'Hei, mēs joprojām vēlamies sasniegt to pašu rezultātu, mēs joprojām ticam tām pašām saskarnēm un tiem pašiem standartiem, taču tam, kā jūs to faktiski izpildāt, ir jābūt atvērtam. veikt virtualizāciju, kā izveidot saiti ar aparatūru un kā atvērt radiopiekļuves tīklu. Un šis domāšanas līmenis ir tieši saistīts ar to, kā cilvēki domā atvērtā pirmkoda kopienās un mūsdienu programmatūras izstrādes projektos. Tātad, mēs redzam šo interesanto sadursmi starp, sauksim to par atvērto ekosistēmu pasauli un telekomunikāciju pasauli, kas patiešām rada daudz stresa un interesantu 5G ekosistēmu attīstību. Bet es uzskatu, ka tas ir ļoti pozitīvs rezultāts, jo šī tehnoloģija ir tik svarīga, ka mēs to darām pareizi. Un mums ir daudz pierādījumu, ka atklātais avots, atvērtas ekosistēmas, atvērtās sistēmas patiesībā ir ātrāks un labāks veids, kā sasniegt izcilu rezultātu daudzām lietām, ko cilvēki ir mēģinājuši darīt citos veidos.

Tātad, mēs redzēsim, kā tas izpaudīsies, taču atvērtais avots kā jēdziens un kopienas attīstības modelis ir ietekmējis daudz vairāk nekā tikai projektus, kuros darbojas atvērtais pirmkods.

Laurels: Un man tas patīk, tāda enerģija un aizrautība, un it īpaši atkal saplūšana. Mēs apvienojam visus, lai šīs pārmaiņas notiktu. Runājot par to, kā jūs to darāt uzņēmumā Dell? Kā jūs stratēģiski domājat par AI un vadāt šo milzīgo uzņēmumu? Tik daudz dažādu komandu, un jums ir brīnišķīgi cilvēki un brīnišķīgas komandas. Bet kā jūs domājat par to stratēģiski un kā jūs iesakāt citiem vadītājiem domāt par mākslīgo intelektu un mašīntelpu tādā veidā, kas ir saprātīgs, iespējams, atklātā veidā, kas izaicina viņu iepriekš veikto uzņēmējdarbību?

Džons: Jā jā. Un vispārīga atbilde uz šo jautājumu — Dell mēs esam milzīgs uzņēmums, kas aptver gandrīz visus infrastruktūras aspektus, sākot no metāla aparatūras līdz pat lietojumprogrammu skursteņiem un izstrādātāju vidēm. Mēs vienkārši esam ārkārtīgi lieli un ārkārtīgi plaši, kas ir daļa no uzņēmuma vērtības piedāvājuma. Viena no lietām, ko mēs sapratām jau agri, bija tā, ka tad, kad esat tik liels, jums ir jābūt sava veida vadības principiem. Tam ir jābūt sava veida ietvaram. Un tāpēc mēs esam ļoti disciplinēti attiecībā uz stratēģiju, Ziemeļzvaigzni, skaidru lomu un pienākumu izpratni. Taču pārliecinoties, ka mēs saprotam, ka, veicot kaut ko lielu, piemēram, malu vai mākonis, ieviešana notiks daudzās vietās. Bet, ja jums nav struktūras, kurā visi saprastu, kāpēc jūs to darāt, kādi ir pirmie principi, ar kuriem jūs cīnīsities.

Piemēram, nesen Edge esam pieņēmuši dažus lēmumus par to, kā Dell pozicionē priekšrocības. Un tie ir augsta līmeņa, taču tie atspoguļo mūsu izstrādātāju domas. Piemēram, mēs uzskatām, ka malas nav atsevišķas vienības. Malas ir mākoņa darbības modeļu paplašinājumi. Jūs nebūvējat malu, lai izveidotu malu. Jūs veidojat priekšrocības, lai paplašinātu savu mākoņa arhitektūru, neatkarīgi no tā, vai tā ir publiska vai privāta mākoņa vide vai hibrīda, vairāku mākoņu vide, lai izvērstu reālo pasauli. Un tas izklausās ļoti smalki, bet, ja jūs nepieņemat šo lēmumu uzņēmuma iekšienē, tad jūs vienkārši metat kauliņus, lai noskaidrotu, vai jūsu komandas būvē vairāk tvertņu vai faktiski nepaplašina jūsu pamatvērtības piedāvājumu, proti, izveidot multimākoni. Un tāpēc, ka jums ir šī Ziemeļzvaigzne, tas ir skaidrs. Citi malas piemēri, mēs pieņēmām lēmumu, ka, mūsuprāt, malām ir jābūt platformām. Tagad tas izklausās ļoti pašsaprotami, izņemot to, ka vairums malu mūsdienās ir pielāgotas konkrētai darba slodzei.

Kāds nolemj, ka es vēlos savu AI sistēmu izvest rūpnīcā, tāpēc es izveidošu malu. Pat daži publiskie mākoņi ir efektīvi izveidojuši ļoti šaurus, pēc pasūtījuma izgatavotas tvertnes, kas paplašina tikai dažas to publiskā mākoņa funkcijas. Nekas cits. Tagad, kad sākām uz to skatīties, teicām, pagaidi. Edge ir iespēja gūt pieredzi no gala līdz beigām. Jums būs daudz pieredzes no gala līdz beigām. Un, ja jums ir jāizveido priekšrocības katram no tiem, jūs liksit malu tirgum izskatīties ļoti līdzīgi drošības tirgum, ko mēs nevēlamies darīt. Drošības tirgos, ieejot uzņēmuma drošības datu centrā, jūs atradīsit aprīkojuma plauktu. Katram aprīkojuma elementam ir atšķirīgs logotips, un tas veic vienu darbību. Mēs nevēlamies, lai mala izskatās tā. Tāpēc mēs pieņēmām lēmumu, ka malai ir jābūt platformai. Tas, kas mums būtu jāveido, ir horizontālās spējas. Mums jāatzīst, ka šī mala var tikt izmantota AI uzdevumam, tas varētu būt rūpnieciskās automatizācijas uzdevums, tas varētu būt videonovērošanas uzdevums.

Mums ir jābūt vairākām dažādām malu arhitektūrām, lai pielāgotos dažādām pieejām, taču jūs nemēģināt izveidot vienu, vertikāli specifisku tvertni katrai malu problēmai. Jūs mēģināt izveidot platformu, kas ļauj klientam šodien atrisināt savas problēmas. Un, kad viņi nāk klajā ar savu nākamo malas problēmu, viņiem vienkārši jāiespiež kods platformā un pēc tam jāstrādā pie malas, nevis jāveido jauna mala. Tagad šīs lietas, ko es tikko teicu, cerams, ir pilnīgi acīmredzamas, bet lielākā daļa cilvēku nepieņem šādus lēmumus. Tā mēs, Dell, darām. Mēs pieņemam pirmās kārtas lēmumus par to, kāda ir mūsu filozofija? Kā mēs domājam par lietām? Pēc tam mēs tos pārvēršam par arhitektūrām, kas precīzi apraksta veicamo tehnisko darbu, taču mēs nenonākam tik tālu, lai noteiktu ieviešanu un produktu, kā tieši viņi ieviesīs jauninājumus, lai sasniegtu šo rezultātu. Tā ir lieliska pētniecības un izstrādes komandu burvība. Viņi izslēdzas un izdomā labāko veidu, kā izveidot produktu. Tie ir novatoriski šajā ziņā, bet tas viss apvienojas sistēmā.

Patiesībā šodien es vadu centienus, lai šajās sešās lielajās Dell zonās būtībā pārliecinātos, ka mēs esam konsekventi savā arhitektūrā, ka mēs tajās orientējamies kā uzņēmums sistēmas līmenī. Tie ietver mākoņu attīstību, evolūciju par jaunu datu ekosistēmu, kustīgus datus un to, kā mēs tur spēlējam. Tās ir malas un tas, kā mēs IT paplašinām reālajā pasaulē. Tie ir AI un ML, kas ir veids, kā mēs visu tehnoloģiju ekosistēmu pārvēršam par atšķirīgu darba dalīšanu starp cilvēkiem un mašīnām saistībā ar domāšanas uzdevumiem. Tie ir 5G, šis lielais telekomunikāciju līkums un IT un mākoņu pasaule, kas saduras viens otrā. Un, mūsuprāt, tai tiešām ir jābūt mākoņpakalpojumiem un IT, un tai ir jābūt modernai infrastruktūrai. Un tad visbeidzot par drošību, un mēs pieskārāmies tam ar iekšējo drošību. Tās ir milzīgas lietas, taču, lai atbildētu uz jūsu jautājumu, tādā uzņēmumā kā Dell vai jebkurā citā uzņēmumā jums ir jāzina, kas ir jūsu Ziemeļzvaigznes, kādas ir lietas, kas jūs saskaras?

Mūsu gadījumā tas ir liels sešnieks. Jums ir nepieciešams viedoklis, kas apraksta vispirms principus un ietvaru, kas apraksta spēles apstākļus, un pēc tam jums ir jābūt struktūrai, kas darbojas, lai šo vēstījumu nonāktu jūsu izstrādes kopienā, produktu grupās, pakalpojumu organizācijā. , savās mārketinga komandās, lai viņi visi strādātu pareizajā spēles laukā ar pareizo, sauksim to par skriptu. Bet jūs nevēlaties būt tik preskriptīvs, lai neļautu viņiem ieviest jauninājumus un to, kā viņi ievieš un izstrādā atšķirīgu ritmu. Tas ir līdzsvars starp izstrādātāja pārvietošanās brīvību un ietvaru, arhitektūru un Ziemeļzvaigzni. Jūs pareizi saprotat, ka varat orientēties tehnoloģijā. Bet, ja jums pietrūkst Ziemeļzvaigznes, jūs palaidat garām ietvaru vai jums nav pārvietošanās brīvības inovāciju jomā, jūs īsti nedarbosieties labi. Tātad mums tie tiešām ir tie trīs lielie.

Laurels: Tas ir lieliski. Mēs varētu pavadīt veselu citu dienu, runājot par malu skaitļošanu un visu pārējo, bet es ļoti novērtēju jūsu šodien šeit pavadīto laiku, Džon. Paldies, ka pievienojāties mums šodien fantastiskajā sarunā par uzņēmumu Lab.

Džons: Jā, liels paldies, ka esat mani.

Laurels: Tas bija Džons Rūzs, uzņēmuma Dell Technologies prezidents un galvenais tehnoloģiju virsnieks par produktiem un operācijām, ar kuru es runāju no Kembridžas, Masačūsetsas štatā, MIT un MIT Technology Review mājas, no kura paveras skats uz Čārlza upi.

Tas ir viss šajā Business Lab epizodē. Es esmu jūsu saimnieks Laurel Ruma. Es esmu Insights direktors, MIT Technology Review pielāgotās izdevējdarbības nodaļa. Mēs esam dibināti 1899. gadā Masačūsetsas Tehnoloģiju institūtā. Un jūs varat mūs atrast arī drukātā veidā, tīmeklī un pasākumos katru gadu visā pasaulē. Lai iegūtu plašāku informāciju par mums un šovu, lūdzu, apmeklējiet mūsu vietni technologyreview.com.

Raidījums ir pieejams visur, kur saņemat aplādes. Ja jums patika šī sērija, mēs ceram, ka veltīsit brīdi, lai mūs novērtētu un sniegtu atsauksmi. Biznesa laboratorija ir MIT Technology Review iestudējums. Šo sēriju producēja Collective Next. Paldies par klausīšanos.

paslēpties