211service.com
Slimme apparaten, een samenhangend systeem, een betere toekomst
In associatie met Dell Technologies
Als je een reden nodig hebt om je goed te voelen over de richting waarin de technologie gaat, zoek dan naar Dell Technologies CTO John Roese op Twitter. Het handvat dat hij in 2006 componeerde is @theICToptimist. ICT staat voor informatie en communicatie.
Deze podcastaflevering is geproduceerd door Insights, de afdeling voor aangepaste inhoud van MIT Technology Review. Het is niet geproduceerd door de redactie van MIT Technology Review.
De reden voor dat acroniem was omdat ik er vast van overtuigd was dat de toekomst niet onafhankelijk van informatietechnologie en communicatietechnologie zou zijn, zegt Roese, president en chief technology officer van producten en operaties bij Dell Technologies. Het ging erom dat ze bij elkaar kwamen.
Bijna twee decennia later is het moeilijk om hem niet gelijk te noemen. Organisaties zijn op zoek naar de enorme hoeveelheden gegevens die ze verzamelen en genereren om volledig digitaal te worden, ze gebruiken de cloud om al die gegevens te verwerken en op te slaan, en ze wenden zich tot nieuwe draadloze technologieën zoals 5G om hun datahongerige energie aan te drijven toepassingen zoals kunstmatige intelligentie (AI) en machine learning.
In deze aflevering van Business Lab wandelt Roese door deze samenvloeiing van technologieën en de toekomstige resultaten ervan. Autonome voertuigen ontwikkelen zich bijvoorbeeld snel, maar volledig zelfrijdende auto's rijden nog niet door de straten. En dat doen ze pas als ze gebruikmaken van een collaboratief rekenmodel: slimme apparaten die kunnen worden aangesloten op een combinatie van cloud- en edge-computinginfrastructuur om effectief oneindige rekenkracht te bieden.
Een van de grootste problemen is niet om het apparaat slim te maken; het maakt het apparaat slim en efficiënt in een schaalbaar systeem, zegt Roese.
Er staan dus grote dingen voor de deur, maar de technologie van vandaag maakt enorme vooruitgang, zegt Roese. Hij heeft het over machine-intelligentie, waarbij AI en machine learning worden gebruikt om menselijke intelligentie na te bootsen en complexe problemen aan te pakken, zoals het versnellen van toeleveringsketens, of in de gezondheidszorg, het nauwkeuriger detecteren van tumoren of soorten kanker. En kansen in overvloed. Tijdens de coronaviruspandemie kan machine-intelligentie de verpleging opschalen door verpleegkundigen datagestuurde tools te geven waarmee ze meer patiënten kunnen zien. Op het gebied van cyberbeveiliging kan het good guys een stap voor blijven op het innoveren van slechteriken. En op het gebied van telecommunicatie zou het uiteindelijk beslissingen kunnen nemen over mobiele netwerken waar misschien wel een biljoen dingen op staan', zegt Roese. Dat is een heel, heel, heel groot netwerk dat het denkvermogen van de mens te boven gaat.
Business Lab wordt gehost door Laurel Ruma, directeur van Insights, de custom publishing-divisie van MIT Technology Review. De show is een productie van MIT Technology Review, met productiehulp van Collective Next.
Deze podcastaflevering is geproduceerd in samenwerking met Dell Technologies.
Toon notities en links
Technische storingen die zich voordoen in 2020 , door John Roese, Dell Technologies, 20 januari 2020
De reis naar 5G: de cloud uitbreiden naar mobiele randen een interview met John Roese op EmTech Next 2020
De vierde industriële revolutie en digitalisering zullen Afrika omvormen tot een mondiale krachtpatser , door Njuguna Ndung'u en Landry Signé, Brookings Institution, 8 januari 2020
Volledig transcript
Laurel Ruma: Van MIT Technology Review, ik ben Laurel Ruma. En dit is Business Lab, de show die bedrijfsleiders helpt om nieuwe technologieën te begrijpen die uit het lab komen en op de markt komen.
Ons onderwerp van vandaag is kunstmatige intelligentie. De hoeveelheid data die we creëren neemt elke dag exponentieel toe, en dit betekent dat we deze sneller moeten verwerken en beter moeten beschermen. Hier komt AI om de hoek kijken, van 5G tot edge computing en quantum computing. De toekomst gloort en AI is echt.
Twee woorden voor jou, AI-gestuurde applicaties.
Mijn gast is John Roese, de president en chief technology officer van producten en operaties bij Dell Technologies. John kwam in de herfst van 2012 bij Dell EMC en speelde een belangrijke rol bij het vormgeven van de technologiestrategie. Hij is een gepubliceerde auteur en bezit meer dan 20 aangevraagde en verleende patenten, op gebieden zoals op beleid gebaseerde netwerken, locatiegebaseerde diensten en beveiliging. Deze aflevering van Business Lab is geproduceerd in samenwerking met Dell Technologies. John, bedankt voor je deelname aan Business Lab.
Jan Roese: Geweldig om hier te zijn.
Laurier: Dus in januari schreef je over drie disruptieve technologieën die in opkomst zijn voor 2020. Quantum computing, domeinspecifieke architecturen en 5G. We zijn halverwege 2020. Dus wat denk je, had je gelijk?
John: Nou, ik denk dat covid-19 de tijdlijnen heeft veranderd, maar ik denk niet dat het een van die drie heeft veranderd. Die drie gaan duidelijk vooruit. Quantum is een langzame, complexe reis, maar wat we dit jaar hebben gezien, zijn doorbraken. We hebben een soort vacuümbuis-tijdperk gezien van een zeer rudimentaire kwantumsuprematie die zich begon te materialiseren. En ik denk dat ik in die blog zei dat het een lange reis zal worden - verwacht niet dat het de wereld morgen zal ontwrichten, maar de fysica is goed en uiteindelijk zullen we de doorbraken hebben. En ik denk dat we op die weg doorgaan. Domeinspecifieke architecturen versnellen. We volgen meer dan 30 nieuwe halfgeleidertechnologieën die worden gebruikt om de rekenkracht van verschillende workloads te versnellen, waaronder specifiek AI-ML [machine learning]-workloads. En we zien er in ieder geval meer opduiken. Ze verspreiden zich nu naar de rand, en dat is zo duidelijk aan het gebeuren.
En dan op 5G, een van de leuke dingen die is gebeurd tijdens de covid-19-crisis, is de erkenning van mensen dat ze hyperverbonden moeten zijn, om te kunnen werken waar je maar wilt, om gezondheidszorg te kunnen krijgen wanneer je het nodig hebt, om kunnen beschikken over een logistieke infrastructuur die veel autonoom werkt. En ik denk dat een van de belangrijkste punten is geweest: we hebben betere draadloze verbindingen nodig, we hebben nieuwe ontwikkelingen nodig op het gebied van mobiele connectiviteit. En als er al iets is, denk ik dat de waardering van de draadloze industrie en draadloze technologie als een fundamenteel onderdeel van digitale transformatie de afgelopen drie maanden aanzienlijk groter is geworden. Dus ze houden alle drie vol, twee gaan gewoon door. Maar de derde, 5G, is zeker versneld. En alleen het interpersoonlijke bewustzijn in de samenleving is zojuist beter geworden, wat een goede zaak is voor technologie.
Laurier: Om die 5G-vraag nog een beetje in te drukken: ik heb het gevoel dat computerbedrijven meer aandacht besteden aan 4G, nu 5G. Komt dat omdat elk bedrijf nu min of meer een telecombedrijf is? Iedereen moet weten wat er gebeurt met draadloos.
John: Ja. Ja. Ik denk dat daar twee antwoorden op zijn. De eerste is dat niet iedereen een telecombedrijf wordt. Ik denk dat we ons realiseren dat als je je branche, je functie of je samenleving echt digitaal wilt transformeren, je dat niet in een datacenter doet. Dat doe je in de echte wereld. De datacenters zijn belangrijk; clouds zijn belangrijk, maar de feitelijke gegevens worden in de echte wereld geproduceerd en verbruikt. Het is in ziekenhuizen, in steden, in fabrieken, bij u thuis. En om dat te laten werken, heb je een betere verbindingsstof nodig. En dus hebben mensen zich gerealiseerd dat alle clouds in de wereld, en alle randen in de wereld, en alle digitale transformatie in de wereld, als ze geïsoleerde silo's zijn zonder een robuust digitaal fundamenteel connectiviteitsnetwerk, ze niet gaan werken.
En dus ineens zijn mensen die niet zo geïnteresseerd waren in telecom ineens erg geïnteresseerd omdat ze zich realiseren dat je geen voorsprong kunt hebben als het geen verbinding kan maken met een kern. En als de edge maar op drie plaatsen kan zijn in plaats van waar hij moet zijn omdat hij de verkeerde connectiviteit heeft, valt je hele digitale transformatie, je smart factory-initiatief, je smart city-initiatief gewoon uit elkaar. Dus ik denk dat er begrip en urgentie is voor hoe belangrijk netwerken is, waardoor de zichtbaarheid wordt vergroot.
De tweede is echter dat telecom als industrie op weg is naar de cloud- en IT-wereld. Alles over 5G vertelt ons dat het niet zal worden gebouwd als legacy telecom, en ik heb wat geschiedenis in legacy telecom, het zal niet worden gebouwd zoals we 3G en 4G hebben gebouwd. Het wordt gebouwd in het cloudtijdperk. Het zal gebruik maken van open hardware, softwarevirtualisatie, containerisatie. Het zullen zware consumenten zijn van AI- en ML-technologie, het lijkt gewoon meer op de dingen waar het grootste deel van de Amerikaanse technologie-industrie zich op richt. En dus worden we niet alleen grote consumenten en zijn we veel afhankelijk, maar de daadwerkelijke technologie die je gebruikt om een 5G-systeem te bouwen, zal veel meer worden gedomineerd door IT- en cloudtechnologieën dan door legacy-telecom. De realiteit is dat het nog steeds wat telecomfunctionaliteit zal hebben, maar dit trekt bedrijven zoals Dell en veel van de cloudbedrijven naar de 5G-wereld. Niet alleen omdat het interessant is, maar ook omdat we nodig zijn om het op de juiste manier aan te leveren.
Laurier: Ik heb het gevoel dat dit nu de perfecte samenvloeiing is voor jou en je achtergrond, want om iemand te hebben die zo goed thuis is in de telecomindustrie, en dan ook met cloud en alle andere technologie, trek je alles echt samen in één plaats en één oorzaak. En dat lijkt mij de perfecte plek voor 5G om echt te exploderen, en nogmaals, om mensen mee te nemen in dat mesh-denken en weg van deze silo's waar je je telecombedrijf hier hebt, en dan heb je je andere computerbedrijf hier, enzovoort . Hoe verandert dit weer met covid en de rand die zich nu uitstrekt tot bij mensen thuis en buiten kantoor?
J zonder: Hé, trouwens, even terzijde, mijn Twitter-handvat is @theICToptimist. En als je niet weet waar ICT voor staat, het is informatie- en communicatietechnologie. En dat gaat terug tot, ik denk dat ik in 2006 lid werd van Twitter, heel lang geleden. En de reden voor dat acroniem was omdat ik er vast van overtuigd ben dat de toekomst niet onafhankelijk van informatietechnologie en communicatietechnologie zou zijn; het ging erom dat ze bij elkaar kwamen. Dus hier zijn we bijna 20 jaar later, en ja, ik denk dat we gelijk hadden. Als we denken aan 5G en edge, is edge nog vroeg. We hebben niet echt de slimme dingen gebouwd die we willen bouwen. We hebben bijvoorbeeld geen geautomatiseerde bezorgdrones die over onze steden vliegen die intelligent weten hoe ze ons onze goederen en diensten moeten brengen zonder iemand te doden.
Die liggen nog voor ons. En we hebben ook geen zelfrijdende auto's, we hebben niet per se slimme steden, we hebben nog niet echt slimme fabrieken, maar we hebben er vroege aanwijzingen voor. En we hebben genoeg bewijs als we kijken naar de eerste golven van het slimmer maken van de wereld, dat een van de grootste problemen niet is om het apparaat slim te maken, maar om het apparaat slim en efficiënt te maken in een schaalbaar systeem. Dus wat we hebben ontdekt, is dat als je verwacht dat het apparaat een op zichzelf staande, volledig zelfvoorzienende, hyperintelligente entiteit is, je niet genoeg kracht hebt om het te laten doen wat het zou moeten doen. De slimste auto ter wereld, als hij rond een reactor van vijf megawatt moet rijden omdat hij zoveel IT gaat gebruiken, zal geen erg goede auto zijn. En zo is edge werkelijkheid geworden, niet zozeer als alleen een interessante plek om IT te doen, maar als een offload voor de smartificatie van de wereld.
We hebben dus al voorbeelden gezien met zaken als augmented reality [AR]. Sommige van de eerste 5G edge-voorbeelden gebruiken daadwerkelijk augmented reality-versnelling in de edge-computinglaag. En het idee hier is dat je een mobiel apparaat hebt, een mobiele telefoon, AR-bril, wat het ook is, dat in plaats van alle artefacten te verwerken, in plaats van alle videoverwerking op het apparaat te doen, ze feitelijk ongeveer 80% daarvan naar een edge-computinglaag met een knop in compute en alle kracht die het nodig zou kunnen hebben, en het resultaat daarvan is dat je nu een zeer efficiënte AR-ervaring hebt op een mobiel apparaat dat de hulp van de edge krijgt, maar nog belangrijker, het overtreft in feite zijn oorspronkelijke capaciteit omdat het gebruikmaakt van effectief oneindige rekenkracht. Het heeft dus meer artefacten, een betere videoresolutie, een grotere kleurdiepte.
Dit zijn dingen die we al hebben gedemonstreerd, die ons vertellen dat de edge niet alleen een laag IT is, het is een van de belangrijkste componenten waarmee we intelligentie naar verbonden entiteiten overal kunnen brengen zonder de hele last op de entiteit te leggen. En dat collaboratieve rekenmodel is waarschijnlijk de krachtigste tool die we hebben om dit probleem van kracht plus functionaliteit plus kosten op te lossen en de juiste combinatie daartussen te krijgen. Het is dus vroeg, maar we zien nu genoeg bewijs dat dat het patroon is, dat edge nog interessanter en zelfs levensvatbaarder maakt, omdat we weten dat het apparaat op zich niet het antwoord is, de cloud alleen niet het antwoord. Het is deze combinatie van cloudinfrastructuren plus edge-infrastructuren plus de apparaten die allemaal samenwerken die ons een betere balans geeft tussen kostenfunctionaliteit, functieset en implementatiemodellen.
Laurier: Dus als we het over technologie hebben die steeds beter en kleiner en sneller wordt, dat betekent ook dat aan de rand, je apparaat dat je in de hand hebt deel uitmaakt van dat mesh en netwerk. Dus de AI kan zich vanuit de cloud uitbreiden naar je apparaat, en apparaten kunnen daardoor slimmer worden gemaakt, omdat de rekenkracht nu in jouw handen ligt.
John: Ja. Nee, absoluut. In feite gaf ik dit voorbeeld een paar jaar geleden, waar ik het over had, we hebben veel werk verricht op het gebied van autonome voertuigactiviteiten over de hele wereld. We werken samen met de meeste grote autofabrikanten en we hebben veel geleerd. Maar een van de voorbeelden die ik lang geleden gaf, was dat we weten dat de auto zelf behoorlijk slim zal zijn. Een modern, autonoom voertuig heeft aangepaste AI-verwerking; het doet veel echt interessante detectie en analyse. En het moet tot op zekere hoogte zelfrijdend zijn, want om veiligheidsredenen wil je niet dat het netwerk uitvalt en de auto van de weg raakt. Dus laten we aannemen dat dat allemaal waar is. Dus, wat zou je doen als je nu een auto was die relatief zelfvoorzienend was, maar was verbonden met een weg waaraan edge-computing was gekoppeld? En het voorbeeld dat ik gaf was, als je naar deze auto's kijkt, ze hebben dingen die de auto voor hen kunnen voelen, ze kunnen het wegdek voelen.
Ze kunnen veel gegevens bij zich dragen die hen vertellen hoe ze het wegdek kunnen voorspellen en hun vering kunnen aanpassen. Ze hebben zelfs een aantal dingen die verkeerspatronen in een soort van niet-realtime kunnen begrijpen. Maar stel je voor dat al die auto's niet alleen hun langetermijngegevens zouden delen, maar ook hun directe kijk op de wereld, hun puntenwolk van de gegevens om hen heen in realtime, en ze zouden deze delen met knooppunten die er in het echt naast stonden tijd zodat uw weg zelf een meesterbeeld had van het realtime begrip van alle auto's. En het resultaat daarvan was dat als je auto, toen hij probeerde te bedenken, hoe ik mijn vering moet aanpassen voor wat komen gaat, het niet alleen deed op basis van een database of wat hij kon zien, maar hij zou de vraag van, wat ziet iedereen? En nu kon het dingen voorspellen. Hetzelfde voor de veiligheid. Het had niet alleen sensoren die ervoor konden kijken, maar het kon ook zien wat de auto's, voor de auto's, voor de auto's konden zien.
Het voorbeeld dat ik gaf is: stel je heads-up-display voor terwijl de gebruiker in een semi-autonoom of autonoom voertuig je laat zien wat de auto kan zien, maar op het moment dat hij deze intelligente weg kan aanboren met deze edge compute-laag , dat heads-up display om hoeken kan kijken. Het kan dingen zien die jij niet kunt zien, het kan zien wat andere mensen kunnen zien. En nu wordt uw visualisatie van de echte wereld in realtime gewoon een veel groter beeld van alles om u heen vanwege dat collaboratieve rekenmodel. Dat is een ongelooflijk krachtige tool die niet mogelijk is als het apparaat zelf dit probleem probeert op te lossen. En je kunt dat vertalen naar veel andere industrieën, maar de autonoom rijdende is fascinerend omdat je daar een heel slim en robuust apparaat hebt dat helemaal alleen kan werken, maar het werkt beter in vele dimensies wanneer het gebruik kan maken van het collectieve bewustzijn van alle auto's en alle wegen en alle dingen eromheen in realtime.
En de enige manier om dat te doen, is niet door berichten via internet naar de andere kant van het universum naar een openbare cloud te sturen, maar door deze realtime responsiviteit te krijgen van het aanboren van een edge-computinglaag. Dus we denken dat dat patroon een van de grote doorbraken zal worden dat, als je het internet niet hoeft over te steken, en je dit collectieve begrip in realtime lokaal voor je kunt krijgen, zelfs volledig autonome apparaten beter worden, en ze interessanter worden en ze tappen een geheel nieuw bedrijfsmodel aan.
Laurier: Dus ik las dat een interessant deel van je perspectief is dat, waar we nu met AI zijn, het ons leven beter maakt, misschien 5% tot 10%, maar we zijn echt ver weg van de Terminator. Dus zelfs alleen met de autonome voertuigen hebben we het erover dat dingen stapsgewijs beter worden elke keer dat er iets nieuws uitkomt, maar we zijn nog ver verwijderd van de auto's die zelf rijden, maar dat is een einddoel. Maar intussen is die 5% tot 10% nog steeds aanzienlijk.
John: O ja, absoluut. Ik bedoel, nu zijn auto's een interessant spel, want afhankelijk van wie je het vraagt, zijn we misschien een maand verwijderd van een volledig autonoom niveau-vijf verbonden voertuig, en sommige mensen zouden je een ander antwoord geven. Ik kan je mijn mening geven. Maar over het algemeen is de reden dat ik die opmerking maakte, dat als je kijkt naar het toepassen van machine-intelligentie op wat dan ook, of het nu een zelfrijdende auto is of een bedrijfsproces of gebruikerservaring of wat dan ook, gamen, er zijn twee dingen die je kunt bedenken als succes. Een daarvan is dat je het volledig revolutioneert. Je verandert het in iets dat nog nooit eerder is overwogen, een zelfrijdende auto van niveau vijf. Dat is een grote, grote sprong, en het is de moeite waard om die sprong te maken - het duurt alleen erg lang om daar te komen.
De andere manier waarop je naar machine-intelligentie kijkt, is dat het een aanvulling is op de cognitieve taken die mensen normaal gesproken doen. Als je moet nadenken, sta je er nu alleen voor. Het is aan jou om die beslissing te nemen. Zeer zelden krijg je veel hulp aan de denkkant. Je krijgt misschien veel gegevens, maar je moet er doorheen. De aanbevelingen komen niet echt uit de technologie; je moet het uitzoeken. Dus wat we ons al vroeg realiseerden, is dat we door zorgvuldige toepassing van machine-intelligentie op plaatsen waar mensen gegevens moeten verzamelen, begrijpen en een beslissing moeten nemen, dat proces daadwerkelijk kunnen versnellen of nauwkeuriger kunnen maken, minder vatbaar voor fouten. En dus, zoals we uit elkaar haalden, of het nu het supply chain-proces van Dell was, of het serviceproces van voorspellend onderhoud, of dat het radiologische systemen binnen de gezondheidszorg waren, waar je gewoon iets probeert te vinden in de afbeelding, die verbeteringen van 5% en 10% om het proces gewoon een beetje beter te laten werken, waren veel beter dan je ooit zou kunnen krijgen met mensen, omdat de mensen de basis vormden.
En elke keer dat je iets als een toeleveringsketen verbetert met 5% of 10%, of ik weet het niet, radiologie met 20% of 30% meer nauwkeurigheid bij het detecteren van zaken als kanker en tumoren - dat is een zeer krachtig resultaat, niet alleen om een individu, maar potentieel voor de samenleving. Een van de boodschappen die we onze klanten hebben gegeven en we hebben geprobeerd om mensen duidelijk te maken, is dat we niet tegen de grote doorbraken zijn, we vinden die geweldig. Maar er is zoveel meer dat we met deze technologie kunnen doen om elke plaats in te nemen in elk proces dat we hebben, wat impliceert dat mensen beslissingen moeten nemen, en deze moeten aanvullen met machine-intelligentie om die beslissingen nauwkeuriger, sneller en waarschijnlijker te maken. een positief resultaat hebben. En ik gebruik het woord ieder omdat het echt overal is waar mensen een beslissing moeten nemen, kunnen we die beslissing beter maken met de zorgvuldige toepassing van machine-intelligentie.
En dat lijkt een heel goede zaak om nu te doen, omdat er geen enorme doorbraken voor nodig zijn - het is de technologie die we vandaag hebben. En elke keer dat we het doen, wordt het proces beter, de kostenstructuur beter, het resultaat beter.
Laurier: Over betere resultaten gesproken, we bevinden ons nog steeds in het begin van deze pandemie, maar zie je specifieke kansen die specifiek opduiken met kunstmatige intelligentie? Zoals je net zei, een voor de hand liggende zou gezondheidszorg zijn, maar er zijn gewoon zoveel gegevens.
John: Oh, ja, er is een oneindig aantal. Eigenlijk is de manier om ernaar te kijken, als je je afvraagt waar het gebruik van machine-intelligentie om de effectiviteit en efficiëntie van menselijk gedrag te verbeteren zinvol is, kijk dan ergens in de coronavirusperiode waar we geen mensen meer hadden, waar de mensen gewoon overweldigd geraakt. En de gezondheidszorg is daar een goed voorbeeld van. Er zijn vroege voorbeelden van, hé, we hadden gewoon niet genoeg verpleegsters om de pieken in deze ziekenhuizen op te vangen. Dus ik weet het niet. We hebben de patiënt gesensibiliseerd - waarom sturen we al die sensorgegevens niet naar een machine-intelligentie die de verpleegster niet vervangt; het geeft de verpleegster gewoon een completer beeld van de patiënt door voorbehandeling, organisatie en aanbevelingen te doen, dus nu kan een verpleegster misschien 30 patiënten controleren in plaats van drie? Dat schaalt verpleging, wat een zeer krachtig hulpmiddel is. We hebben het duidelijk gezien in termen van klinische zorg, waar als het een medische procedure is, ik bedoel, mensen die te maken hebben met een longspecialist, we veel ademhalingsproblemen hadden. Zou het niet mooi zijn als we hun leven gemakkelijker konden maken door, ik weet het niet, misschien onze ventilatoren wat meer zelfregulerend te hebben, een beetje meer zelfafstellend? We hebben dat soort gedrag gezien en we hebben ons gerealiseerd dat er plaatsen zijn waar we gewoon niet genoeg mensen hebben om het werk gedaan te krijgen.
Het andere voorbeeld, totaal andere kant van het spectrum in covid, was logistiek en levering. Als je ineens gewoon geen chauffeurs hebt of geen menselijk contact kunt hebben, maar toch mensen hun leveringen moeten halen, ze moeten boodschappen doen, ze moeten spullen verplaatsen. Welnu, dat lijkt erop dat het gebruik van autonome voertuigen of semi-autonome voertuigen of AI's om routeplanning beter uit te voeren, een enorme implicatie zou hebben om die specifieke functie effectiever te maken.
En dus waren de aha-momenten in covid niet per se verrassend als je ze begrijpt, maar je kunt ze overal vinden waar we ons realiseerden dat de menselijke capaciteit een eindige grens heeft. En wanneer we een plek tegenkomen waar mensen worden overweldigd door een taak uit te voeren, en de taak omvat het nemen van beslissingen, het doordenken van gegevens, proberen iets voor elkaar te krijgen, zijn dat goede plaatsen voor ons om machine-intelligentie toe te passen, zodat we de mens kunnen schalen , niet noodzakelijk om ze te vervangen.
Laurier: Dus ooit zijn we van covid af. Waar anders beginnen we AI echt te maken?
John: Nou, ik denk overal, om heel eerlijk te zijn. Er is echt geen industrie of ruimte die niet probeert. Nu hebben we soms uitdagingen. Net als in de gezondheidszorg is het moeilijk om AI in de gezondheidszorg te stoppen, omdat het een gereguleerde industrie is; de termijnen zijn erg lang. We hebben dus doorbraken gezien, niet in de gezondheidszorg, maar in wellness. Er zijn best leuke dingen. Alsof er een ring is, een Oura-ring genaamd, die in feite je temperatuur en een aantal vitale functies bewaakt. Het is een wellness-tool; het is op dit moment niet noodzakelijk een hulpmiddel voor de gezondheidszorg. Maar omdat het geavanceerde machine-intelligentie kan gebruiken, het kan interpretaties maken, hebben we ontdekt dat die ring je een behoorlijk goede vroege waarschuwing kan geven dat je ergens mee te maken krijgt, of voordat je weet dat je ziek bent, het kan vertellen je staat op het punt ziek te worden, wat een behoorlijk krachtig hulpmiddel is en behoorlijk innovatief.
Maar over het hele spectrum zien we dat de toepassing van machine-intelligentie een natuurlijk punt is in de evolutie van technologie. In de 5G-wereld bijvoorbeeld, is hier een goed voorbeeld: we kunnen de 5G-netwerken die we nodig hebben niet overal met menselijke tussenkomst bouwen. Ze zijn gewoon te ingewikkeld. En dus verwachten we eerlijk gezegd dat 5G en verder, het kenmerk van toekomstige telecominfrastructuren automatisering zal zijn. Zullen AI's de beslissingen nemen over spectrale efficiëntie, en bandbreedte-afstemming en allerlei dingen, want er is gewoon geen manier waarop een mens een netwerk van honderd miljoen abonnees kan runnen, en dat is voordat we alle dingen erop zetten. Het zou alleen al in de VS mogelijk zijn, sommige van deze mobiele netwerken zouden over 10 jaar een biljoen dingen kunnen bevatten. Dat is een heel, heel, heel groot netwerk dat het denkvermogen van de mens te boven gaat.
En dus zien we nu al de injectie van machine-intelligentie in telecomnetwerken, grootschalige datacenters, en het automatiseren van infrastructuur op een manier die de mens in staat stelt om bij te blijven. En terwijl je rondspringt, hebben we initiatieven in de vracht- en logistieke ruimte waar mensen zich realiseren, hey, er bewegen veel goederen en diensten, maar ze bewegen nogal langzaam en onhandig. Dus wat als we proberen om intelligente vorkheftrucks echt met elkaar te verbinden en samen te smelten, plus de visuele bewaking, en het in kaart brengen van objecten en algoritmen om te beslissen hoe een vrachtwagen op de juiste manier in te pakken of hoe een vliegtuig correct te laden of hoe dingen door die logistieke infrastructuur te verplaatsen in een plaats waar het een beetje vertraagt omdat er niet echt een duidelijk patroon is? Nou, AI is geweldig als je geen duidelijk patroon hebt. Laat de AI het patroon uitzoeken en er een logica omheen ontwikkelen.
Het is dus universeel. Het is heel moeilijk om een plaats te vinden, als je het omgekeerde van de vraag stelt, waar mensen geen machine-intelligentie gebruiken, behalve dat plaatsen waar het regelgevende regime verouderd is een belemmering zijn geworden voor mensen om dit soort technologieën agressiever te gebruiken . En dus is het een van onze lasten als industrie om met de regelgevers samen te werken om deze regelgeving bij te werken, zodat we geen situatie creëren waarin de regelgeving de natuurlijke vooruitgang van technologie die menselijke vooruitgang vooruitbrengt, verhindert.
Laurier: Ja. En ik denk dat je zou denken dat regulering en beveiliging hand in hand gaan, vooral als de slechteriken toegang hebben tot dezelfde tools als bij het bouwen van het netwerk. Dus hoe begin je ook met het beveiligen van al deze geweldige gegevens?
John: Ja. Nou, ik bedoel, data zijn gewoon data. Je kunt het ten goede of ten kwade gebruiken, en helaas is het eigenlijk ongelooflijk waardevol en dus wordt het een gigantisch doelwit. Beveiligingscompromissen ontstaan niet omdat iemand zich verveelt; ze gebeuren omdat er een doelwit is dat het waard is om te stelen. En onze digitale omgeving, de valuta, zijn de gegevens, de inzichten, de modellen - dit zijn de echte waardevolle hulpmiddelen. En de realiteit is dat ze een doelwit zullen zijn. We moeten dus echt nadenken over hoe we deze omgevingen op een misschien andere manier gaan beveiligen dan historisch gezien de fysieke wereld. Om heel bot te zijn, de huidige benadering van beveiliging werkt gewoon niet, omdat onze huidige benadering van beveiliging is dat we iets hebben dat onafhankelijk is van beveiliging, en dan hebben we dingen die het aanvallen, en dan maken we beveiligingstechnologie om tegen te gaan die dingen die het aanvielen.
Het probleem is dat het een strijd is die niet te winnen is, want eerlijk gezegd kan iemand gewoon een nieuwe manier bedenken om het aan te vallen, en dan moet de beveiligingsindustrie er een antwoord op bedenken. En dat is geen goede manier om een organisatie of een technologie te runnen. En dus is onze overtuiging dat we moeten overschakelen naar ons model waarin we echt naar intrinsieke beveiliging kijken, dat we de beveiliging inbouwen in het ding dat we beschermen, of we dat nu doen in een cloudomgeving, of we doen het in een netwerkomgeving. Maar het komt erop neer dat we moeten afstappen van het idee dat beveiliging plaatsvindt als reactie op een externe gebeurtenis. In plaats daarvan moet het iets zijn dat intrinsiek in het eigenlijke systeem en zijn architectuur is ingebouwd.
Dat klinkt als marketing, maar het komt erop neer dat het geen winbare strijd is als we voor elk beveiligingsprobleem een beveiligingsproduct hebben. We moeten architecturen en infrastructuur en systemen hebben die niet zijn gebouwd om op een bepaald beveiligingsprobleem te reageren, ze zijn gebouwd om op elke dreiging te reageren. Ze hebben een uitgebreid begrip van hun identiteit. Ze hebben de mogelijkheid om de toegang te controleren en het gedrag binnen hen te begrijpen. Ik heb altijd beweerd dat er in de beveiligingswereld drie dingen zijn waar je mee te maken hebt. Het bekende goede, het bekende slechte en het onbekende. En tegenwoordig zijn de meeste van onze beveiligingsprincipes gericht op het proberen het bekende kwaad te blokkeren, wat niet te winnen is, en proberen het onbekende te doorgronden, maar dat doen ze niet zo goed. En interessant genoeg, het bekende goed dat we daar zelden echt voor bouwen. Nu is mijn argument dat we moeten begrijpen wat het bekende goede gedrag is, en we moeten dat blokkeren en ervoor zorgen dat dat gebeurt. We moeten het bekende kwaad verbieden, dat is een voor de hand liggende uitspraak. Maar het is het onbekende waar alle innovatie vandaan zal komen.
En dat brengt ons terug bij zaken als AI en ML. Het idee om machine-intelligentie te gebruiken om het onbekende te doorzoeken om heel snel te bepalen, is het een bekend slecht of een bekend goed? Bij welk kamp hoort het? En doe dat sneller dan de andere partij dat kan, omdat we betere tools hebben om gedrag te begrijpen en om de kaders zelf in de infrastructuur te hebben ingebouwd. Het belangrijkste is, zelfs als je AI gebruikt, om nieuwe bedreigingen te begrijpen en om te beslissen of ze goed of slecht zijn, als het buiten de infrastructuur wordt gedaan, je nog steeds een ander product moet inzetten om erop te reageren. Als aan de andere kant de infrastructuur het product is dat reageert op de beveiligingsgebeurtenissen, als het letterlijk alleen de infrastructuur vertelt, verander dan je serviceketen in je SDN, verander de virtualisatielaag, verander je Kubernetes-manifest, maar je implementeert geen nieuwe technologie - je legt gewoon nieuw gedrag op aan de bestaande infrastructuur. Dan kan dat brein ineens veel sneller in productie gaan dan een heel nieuw product of een heel nieuw systeem te moeten implementeren.
Dus, maar veiligheid is er een die, hier is het slechte nieuws, nooit weggaat. We bevinden ons voortdurend in een dynamische veiligheidsrace met slechteriken en goeden. Maar ik denk dat we veel sneller kunnen handelen als we uit deze denkwijze geraken dat er voor elk beveiligingsprobleem een product is. Het moet zo zijn dat onze infrastructuren het reactieve mechanisme zijn en dat we machine-intelligentie agressief gebruiken om te proberen te begrijpen wanneer we moeten reageren. Maar voor die reactie is het niet nodig om de hele infrastructuur te vernieuwen en onze architecturen te veranderen om te reageren. Als je in die modus komt, kun je sneller zijn dan de tegenstanders, en je hebt een intrinsieke beveiligingsaanpak op systeemniveau, wat een grote verschuiving is voor mensen, maar logischerwijs de enige plek waar we kunnen komen elke vorm van succes als we beginnen na te denken over de schaal van deze toekomst die voor ons ligt.
Laurier: Ik hou van de uitdrukking, machine-intelligentie, want dat is het echt. Het moet door het hele systeem heen zijn, of je nu een goede aanval bouwt of betere systemen om sneller en sneller te reageren. Het is niet alleen kunstmatige intelligentie, het is niet alleen machine learning. Het is eigenlijk een combinatie van de twee waardoor je veel meer kunt doen. En legt ook veel verwachting en belasting op de mensen die deze systemen creëren om op een bepaalde manier te werken. Dus ik weet dat je in het bestuur van Cloud Foundry zit en open source is belangrijk, maar dat is een beetje de wortel van open source, toch, is nadenken over hoe we allemaal kunnen samenwerken en deze technologie een beetje kunnen democratiseren op een manier dat iedereen wie meedoet, wint er uiteindelijk iets mee.
John: Ja. Nee, absoluut. Ik bedoel, denk ik, open source-methodologieën - dit idee van gemeenschapsgebaseerde ontwikkeling is trouwens niet nieuw en het is niet uniek voor open source. Ik werk nu al twintig jaar bij normalisatie-instanties. En als je naar de IEEE [Institute of Electrical and Electronics Engineers] of de IETF [Internet Engineering Task Force] gaat, is het een gemeenschap. Het gaat iets langzamer omdat het meer Robert's Rules of Order en benaderingen heeft. Maar het idee is dat ik er altijd van overtuigd ben geweest dat de beste technologie er een is die in het licht van de dag is gebouwd, dat het niet een slimme persoon in een backoffice is die ergens met het antwoord op het probleem komt. Je gooit je probleem naar buiten en je werkt als gemeenschap aan dat probleem. Je hebt afwijkende stemmen en consensus.
Wat interessant is aan de huidige open source-wereld, is dat, in tegenstelling tot normalisatie-instanties, de traditionele normalisatie-instanties die heel langzaam gaan, het een decennium kan duren om een standaard in de IETF te krijgen, open source gaat gewoon sneller, het heeft een deel van de bureaucratie geëlimineerd. Er staat dat we niet gaan veronderstellen hoe je het werk doet, maar we gaan erop aandringen dat het de consensus van de gemeenschap is, dat de gemeenschap verder gaat op deze reis.
Nu hebben we vandaag een probleem met open source, en dat is dat open source nog steeds een silo-probleem heeft. De open source-projecten zijn doorgaans geen problemen op systeemniveau. Ze zijn, we hebben een groep die Kafka bouwt, of we hebben een groep die Hadoop doet, en we hebben een groep die Kubernetes en CNCF [Cloud Native Computing Foundation] gaat bouwen. En die zijn geweldig. Maar de enige manier waarop dit echt werkt, is als die open source-projecten samenkomen, omdat niemand met een van hen een digitaal resultaat oplost. Kubernetes, hoe goed het ook is, doet niets uit zichzelf, om eerlijk te zijn, in termen van bedrijfsresultaten. Er moet een workload op staan, er moet een datastroom zijn, het moet op een infrastructuur draaien.
En dus denk ik dat er een soort van twee afhaalrestaurants zijn uit de open source-wereld. Ten eerste is community-based ontwikkeling, of het nu in een normalisatie-instantie of open source is gedaan, de snelste manier voor mensen om dingen uit te zoeken, en we moeten het omarmen, uitbreiden en gebruiken waar we kunnen. Het werkt gewoon beter. De tweede is echter dat zelfs als we dat soort werk aan een bepaald onderdeel doen, we de principes van dat soort denkproces moeten nemen om dingen vanuit een breder perspectief te bekijken, een perspectief van open innovatie, en dit toe te passen in architecturen op systeemniveau. Een van de beste voorbeelden daarvan is iets dat we zojuist hebben aangeroerd, namelijk 5G. Er is momenteel een enorm debat in de wereld over hoe 5G moet worden gebouwd. Er is de traditionele benadering van Legacy 3GPP [3rd Generation Partnership Project] die zegt: ah, het is goed om componenten te hebben, maar we zullen heel, heel gestructureerd en gedisciplineerd zijn, en er zal niet veel ruimte zijn voor innovatie omdat we hebben besloten wat 5G is. Daar is het antwoord; ga het implementeren.
Ik ben het niet eens met die benadering omdat het is gebouwd op basis van technologieën die al lang achterhaald zijn. Er is een nieuwe manier van denken die zegt, hey, we willen nog steeds tot hetzelfde resultaat komen, we geloven nog steeds in dezelfde interfaces en dezelfde standaarden, maar hoe je het daadwerkelijk uitvoert, moet ruimdenkend zijn over hoe je aan virtualisatie doen, en hoe u een koppeling maakt met hardware en hoe u het radiotoegangsnetwerk opent. En dat denkniveau is volledig gerelateerd aan hoe mensen denken in open source-gemeenschappen en in moderne softwareontwikkelingsprojecten. En dus zien we deze interessante botsing tussen, laten we het de wereld van het open ecosysteem en de telecomwereld noemen, wat echt veel stress en een interessante evolutie van de 5G-ecosystemen veroorzaakt. Maar voor mij vind ik het een heel positief resultaat, omdat die technologie zo belangrijk is dat we het maar beter op de juiste manier kunnen doen. En we hebben overvloedig bewijs dat zegt dat open source, open ecosystemen en open systemen in feite een snellere, betere manier zijn om tot een superieur resultaat te komen voor veel dingen die mensen op andere manieren hebben geprobeerd te doen.
En dus zullen we zien hoe het uitpakt, maar open source als concept en een model voor gemeenschapsontwikkeling heeft veel meer beïnvloed dan alleen de projecten waarin de open source plaatsvindt.
Laurier: En daar hou ik van, dat soort energie en opwinding, en vooral, nogmaals, samenvloeiing. We brengen iedereen samen om deze verandering mogelijk te maken. Over gesproken, hoe doe je dit bij Dell? Hoe denk je strategisch over AI en leid je dit enorme bedrijf? Zoveel verschillende teams, en je hebt geweldige mensen en geweldige teams. Maar hoe denk je hier strategisch over na en hoe adviseer je andere leiders om na te denken over AI en machine-intelligentie op een manier die logisch is, op een manier die misschien open is, wat een uitdaging vormt voor de manier waarop ze eerder zaken hebben gedaan?
John: Jaaa Jaaa. En een algemeen antwoord op die vraag: bij Dell zijn we een enorm bedrijf dat bijna elk aspect van infrastructuur bestrijkt, van bare-metal hardware tot applicatie-stacks en ontwikkelomgevingen. We zijn gewoon extreem groot en extreem breed, wat deel uitmaakt van de waardepropositie van het bedrijf. Een van de dingen die we ons echter al vroeg realiseerden, was dat als je zo groot bent, je wel een soort van regerende principes moet hebben. Hier moet een soort kader omheen zitten. En dus zijn we erg gedisciplineerd in het hebben van een strategie, het hebben van een Poolster, en het begrijpen van duidelijke rollen en verantwoordelijkheden. Maar zorg ervoor dat we begrijpen dat implementaties, wanneer je iets groots doet, zoals edge of cloud, op veel plaatsen zal plaatsvinden. Maar als je geen structuur hebt waarin iedereen een beetje begrijpt waarom je het doet, wat zijn dan de eerste principes waar je tegenaan loopt.
Zo hebben we onlangs in edge een aantal beslissingen genomen over hoe Dell edge positioneert. En ze zijn van hoog niveau, maar ze kaderen in hoe onze ontwikkelaars denken. Wij zijn bijvoorbeeld van mening dat randen geen op zichzelf staande entiteiten zijn. Edges zijn uitbreidingen van cloud-operating modellen. Je bouwt geen voorsprong om een voorsprong op te bouwen. U bouwt een voorsprong om uw cloudarchitectuur uit te breiden, of het nu een publieke of private cloudomgeving is of een hybride, multi-cloudomgeving, naar de echte wereld. En dat klinkt heel subtiel, maar als je die beslissing niet binnen een bedrijf neemt, gooi je gewoon de dobbelstenen om te zien of je teams meer silo's bouwen of daadwerkelijk een uitbreiding van je kernwaardepropositie bouwen, namelijk om een multicloud bouwen. En dus door die Poolster te hebben, is het duidelijk. Andere voorbeelden in edge: we hebben besloten dat edge volgens ons platforms moeten zijn. Dat klinkt heel voor de hand liggend, behalve dat de meeste randen tegenwoordig op maat gemaakte silo's zijn voor een specifieke werklast.
Iemand besluit dat ik mijn AI-framework naar een fabriek wil brengen, daarom zal ik een voorsprong opbouwen. Zelfs sommige openbare clouds hebben in feite zeer smalle, op maat gemaakte silo's gebouwd die slechts een paar functies van hun openbare cloud uitbreiden. Niks anders. Nu, toen we ernaar begonnen te kijken, zeiden we, wacht even. Edge is een mogelijkheid van een end-to-end-ervaring. Je zult veel end-to-end ervaringen hebben. En als je voor elk van hen een voorsprong moet opbouwen, ga je de edge-markt heel erg laten lijken op de beveiligingsmarkt, wat we niet willen doen. Beveiligingsmarkten, als je een beveiligingsdatacenter van een onderneming binnengaat, vind je een rek met uitrusting. Elk kledingstuk heeft een ander logo en doet maar één ding. We willen niet dat edge er zo uitziet. Dus hebben we besloten dat edge een platform moet zijn. Dat wat we moeten bouwen, is horizontale capaciteit. We moeten erkennen dat die rand kan worden gebruikt voor een AI-taak, het kan een industriële automatiseringstaak zijn, het kan een videobewakingstaak zijn.
We hebben misschien verschillende edge-architecturen nodig om tegemoet te komen aan verschillende benaderingen, maar je probeert niet een enkele, verticaal specifieke silo te bouwen voor elk edge-probleem. Je probeert een platform te bouwen waarmee de klant zijn edge-problemen vandaag kan oplossen. En wanneer ze met hun volgende edge-probleem komen, hoeven ze alleen maar code in het platform te duwen en vervolgens aan de edge te werken in plaats van een nieuwe edge te bouwen. Nu, die dingen, wat ik net zei, zijn hopelijk volkomen duidelijk, maar de meeste mensen nemen die beslissingen niet. Dus bij Dell doen we dat ook. We nemen beslissingen van de eerste orde over wat onze filosofie is? Hoe denken we over dingen? We zetten ze vervolgens om in architecturen die precies het technische werk beschrijven dat moet worden gedaan, maar we gaan niet zo ver om de implementatie en het product precies voor te schrijven hoe ze zullen innoveren om tot dat resultaat te komen. Dat is de magie van geweldige R&D-teams. Ze gaan op pad en bedenken de beste manier om het product te bouwen. In dat opzicht zijn ze vernieuwend, maar het komt allemaal samen in een systeem.
In feite leid ik vandaag de inspanningen om ervoor te zorgen dat we in deze zes enorme gebieden binnen Dell consistent zijn in onze architectuur, dat we ze als bedrijf op systeemniveau navigeren. Ze omvatten de evolutie van de cloud, de evolutie naar het nieuwe data-ecosysteem, van data in beweging en hoe we daar spelen. Ze zijn edge en hoe we IT uitbreiden naar de echte wereld. Het zijn AI en ML, en dat is hoe we het hele technologie-ecosysteem veranderen in een andere taakverdeling tussen mensen en machines, rond de denktaken. Ze zijn 5G, deze grote verbuiging van de telecom, en de IT- en cloudwereld die in elkaar overlopen. En volgens ons moet het echt door de cloud en door IT worden gedomineerd, en het moet een moderne infrastructuur zijn. En dan tot slot, rond veiligheid, en we hebben dat aangeroerd met intrinsieke veiligheid. Dat zijn gigantische dingen, maar om je vraag te beantwoorden, bij een bedrijf als Dell, of een ander bedrijf, moet je weten wat je North Stars zijn, wat zijn de dingen die op je afkomen?
In ons geval zijn het die grote zes. Je moet een standpunt hebben dat de eerste principes beschrijft en een raamwerk dat het speelveld beschrijft, en dan moet je een structuur hebben die dat operationaliseert om die boodschap in je ontwikkelingsgemeenschap, in je productgroepen, in je serviceorganisatie te krijgen , in uw marketingteams, zodat ze allemaal over het juiste speelveld werken met het juiste, laten we het script noemen. Maar je wilt niet zo voorschrijvend zijn dat je ze ervan weerhoudt om te innoveren, en hoe ze verschillende snelheden implementeren en bedenken. Het is die balans tussen bewegingsvrijheid van de ontwikkelaar, en het hebben van een raamwerk, en een architectuur en een Poolster. Als je die goed hebt, kun je door technologie navigeren. Maar als je de North Star mist, je mist het kader of je hebt geen bewegingsvrijheid op het gebied van innovatie, dan ga je het niet echt goed doen. Dus voor ons zijn het echt die drie groten.
Laurier: Dat is geweldig. We zouden nog een hele dag kunnen praten over edge computing en al het andere, maar ik waardeer je tijd hier vandaag enorm, John. Bedankt dat je vandaag bij ons bent geweest in wat een fantastisch gesprek was over het bedrijf Laboratorium.
John: Ja, heel erg bedankt dat je me hebt.
Laurier: Dat was John Roese, de president en chief technology officer van producten en operaties bij Dell Technologies, met wie ik sprak vanuit Cambridge, Massachusetts, de thuisbasis van MIT en MIT Technology Review, met uitzicht op de Charles River.
Dat was het voor deze aflevering van Business Lab. Ik ben je gastheer, Laurel Ruma. Ik ben de directeur van Insights, de custom publishing-divisie van MIT Technology Review. We zijn in 1899 opgericht aan het Massachusetts Institute of Technology. En u kunt ons ook elk jaar in print, op het web en op evenementen over de hele wereld vinden. Ga voor meer informatie over ons en de show naar onze website op technologyreview.com.
De show is overal beschikbaar waar je je podcasts vandaan haalt. Als je deze aflevering leuk vond, hopen we dat je even de tijd wilt nemen om ons te beoordelen en te beoordelen. The Business Lab is een productie van MIT Technology Review. Deze aflevering is geproduceerd door Collective Next. Bedankt voor het luisteren.