Smarte enheter, et sammenhengende system, en lysere fremtid

I samarbeid med Dell teknologier

Hvis du trenger en grunn til å føle deg bra om retningen teknologien går, kan du slå opp Dell Technologies CTO John Roese på Twitter. Håndtaket han komponerte tilbake i 2006 er @theICToptimist. IKT står for informasjon og kommunikasjon.

Denne podcast-episoden ble produsert av Insights, den tilpassede innholdsarmen til MIT Technology Review. Den ble ikke produsert av MIT Technology Reviews redaksjon.

Grunnen til det akronymet var fordi jeg hadde fast tro på at fremtiden ikke dreide seg om informasjonsteknologi og kommunikasjonsteknologi uavhengig, sier Roese, president og teknologisjef for produkter og operasjoner hos Dell Technologies. Det handlet om at de kom sammen.

Nærmere to tiår senere er det vanskelig å ikke kalle ham rett. Organisasjoner ser etter de enorme datamengdene de samler inn og genererer for å bli fullstendig digitale, de bruker skyen til å behandle og lagre alle disse dataene, og de bruker nye trådløse teknologier som 5G for å drive datahungrende applikasjoner som kunstig intelligens (AI) og maskinlæring.

I denne episoden av Business Lab går Roese gjennom dette samløpet av teknologier og fremtidige resultater. For eksempel utvikler autonome kjøretøy seg raskt, men helt førerløse biler kjører ikke i gatene ennå. Og det vil de ikke før de benytter seg av en samarbeidsbasert databehandlingsmodell – smarte enheter som kobles til en kombinasjon av sky- og edge-databehandlingsinfrastruktur for å gi effektivt uendelig databehandling.

Et av de største problemene er ikke å gjøre enheten smart; det gjør enheten smart og effektiv i et skalerbart system, sier Roese.

Så store ting er foran oss, men teknologien i dag gjør store fremskritt, sier Roese. Han snakker om maskinintelligens, som bruker AI og maskinlæring for å etterligne menneskelig intelligens og takle komplekse problemer, som å øke hastigheten på forsyningskjeder, eller i helsevesenet, mer nøyaktig oppdage svulster eller krefttyper. Og muligheter florerer. Under koronaviruspandemien kan maskinell intelligens skalere sykepleie ved å gi sykepleiere datadrevne verktøy som lar dem se flere pasienter. Innen cybersikkerhet kan det holde gode gutter et skritt foran innovative slemme gutter. Og innen telekommunikasjon kan den til slutt ta avgjørelser angående mobilnettverk som kan ha en billion ting på seg, sier Roese. Det er et veldig, veldig, veldig stort nettverk som overgår menneskets evne til å tenke.

Business Lab er vert for Laurel Ruma, direktør for Insights, den tilpassede publiseringsavdelingen til MIT Technology Review. Showet er en produksjon av MIT Technology Review, med produksjonshjelp fra Collective Next.

Denne podcast-episoden ble produsert i samarbeid med Dell Technologies.

Vis notater og lenker

Tekniske forstyrrelser som dukker opp i 2020 , av John Roese, Dell Technologies, 20. januar 2020

The Journey to 5G: Extending the Cloud to Mobile Edges , et intervju med John Roese på EmTech Next 2020

Den fjerde industrielle revolusjonen og digitaliseringen vil forvandle Afrika til et globalt kraftsenter , av Njuguna Ndung’u og Landry Signé, Brookings Institution, 8. januar 2020

Full utskrift

Laurel Ruma: Fra MIT Technology Review heter jeg Laurel Ruma. Og dette er Business Lab, showet som hjelper bedriftsledere å forstå nye teknologier som kommer ut av laboratoriet og inn på markedet.

Temaet vårt i dag er kunstig intelligens. Mengden data vi lager øker eksponentielt hver dag, og dette betyr at vi må behandle den raskere og beskytte den bedre. Det er her AI kommer inn, fra 5G til edge computing og kvantedatabehandling. Fremtiden gryer, og AI er ekte.

To ord for deg, AI-drevne applikasjoner.

Min gjest er John Roese, som er president og teknologisjef for produkter og operasjoner hos Dell Technologies. John begynte i Dell EMC høsten 2012 og var sentral i utformingen av teknologistrategien. Han er en publisert forfatter og har mer enn 20 ventende og innvilgede patenter, innen områder som policybasert nettverk, stedsbaserte tjenester og sikkerhet. Denne episoden av Business Lab er produsert i samarbeid med Dell Technologies. John, takk for at du ble med meg på Business Lab.

John Roese: Flott å være her.

Laurel: Så tilbake i januar skrev du om tre forstyrrende teknologier som dukker opp for 2020. Kvantedatabehandling, domenespesifikke arkitekturer og 5G. Vi er halvveis i 2020. Så hva tror du, hadde du rett?

John: Vel, jeg tror covid-19 endret tidslinjer, men jeg tror ikke det endret noen av disse tre. De tre er tydelig på vei fremover. Quantum er en langsom, kompleks reise, men det vi har sett er gjennombrudd i år. Vi har sett en slags vakuumrør-æra med en veldig rudimentær kvanteoverlegenhet som begynner å materialisere seg. Og jeg tror jeg sa i den bloggen at det kommer til å bli en lang reise – ikke forvent at det vil forstyrre verden i morgen, men fysikken er god og til slutt vil vi få gjennombruddene. Og jeg tror vi fortsetter på den veien. Domenespesifikke arkitekturer akselererer. Vi sporer over 30 nye halvlederteknologier som brukes til å akselerere beregningen av ulike arbeidsbelastninger, inkludert AI-ML [maskinlæring] arbeidsbelastninger spesifikt. Og vi ser, om noe, flere dukke opp. De sprer seg nå ut til kanten, og det er så tydelig at det skjer.

Og så på 5G, en av de fine tingene som har skjedd under covid-19-krisen er folks erkjennelse av behovet for å være hyperkoblet, for å kunne jobbe hvor enn du trenger, for å kunne få helsehjelp når du trenger det, for å være kunne ha en logistisk infrastruktur som fungerer mye mer autonomt. Og jeg tror en av de store takeawayene har vært, vi trenger bedre trådløst, vi trenger nye fremskritt innen mobil tilkobling. Og om noe, tror jeg verdsettingen av den trådløse industrien og trådløs teknologi som en grunnleggende komponent i digital transformasjon har blitt betydelig større de siste tre månedene. Så alle tre holder, to av dem bare fortsetter. Men den tredje, 5G, har definitivt blitt akselerert. Og nettopp den mellommenneskelige bevisstheten ute i samfunnet har nettopp blitt bedre, noe som er bra for teknologien.

Laurel: Bare for å trykke det 5G-spørsmålet litt mer, føler jeg at databedrifter legger mer vekt på 4G, nå 5G. Er det fordi hvert selskap nå er et telekomselskap, mer eller mindre? Alle trenger å vite hva som skjer med trådløst.

John: Ja. Ja. Jeg tror det er to svar på det. Den første er at det ikke er det at alle blir et telekomselskap. Jeg tror at vi innser at hvis du virkelig ønsker å transformere bransjen din, funksjonen din eller samfunnet ditt digitalt, gjør du ikke det i et datasenter. Det gjør du ute i den virkelige verden. Datasentrene er viktige; skyer er viktige, men selve dataene produseres og konsumeres ute i den virkelige verden. Det er på sykehus, i byer, på fabrikker, i hjemmet ditt. Og for at det skal fungere, trenger du et bedre tilkoblingsstoff. Og så folk har innsett at alle skyene i verden, og alle kantene i verden, og all den digitale transformasjonen i verden, hvis de er isolerte siloer uten et robust digitalt grunnleggende tilkoblingsnettverk, er de kommer ikke til å jobbe.

Og så plutselig er folk som ikke var så interessert i telekom, plutselig veldig interessert fordi de har innsett at du ikke kan ha en fordel hvis den ikke kan kobles til en kjerne. Og hvis kanten bare kan være tre steder i motsetning til der den må være fordi den har feil tilkobling, faller hele din digitale transformasjon, smartfabrikkinitiativet ditt, smartbyinitiativet ditt fra hverandre. Så jeg tror det har vært en forståelse og et presserende behov for hvor viktig nettverksbygging er som har økt synligheten.

Det andre er imidlertid at telekom som industri beveger seg mot sky- og IT-verdenen. Alt om 5G forteller oss at det ikke vil bygges som eldre telekom, og jeg har en viss historie innen eldre telekom, det vil ikke bygges slik vi bygde 3G og 4G. Den skal bygges i skytiden. Den vil bruke åpen maskinvare, programvarevirtualisering, containerisering. Det vil være storforbrukere av AI- og ML-teknologi, det ser bare mer ut som det meste av den amerikanske teknologiindustrien er fokusert på. Og så vi kommer ikke bare til å være store forbrukere og vi har mye avhengighet, men den faktiske teknologien du bruker til å bygge et 5G og utover-system kommer til å bli mye mer dominert av IT og skyteknologier enn eldre telekom. Realiteten er at den fortsatt vil ha noe telekomfunksjonalitet, men dette trekker selskaper som Dell og mange av skyselskapene inn i 5G-verdenen. Ikke bare fordi det er interessant, men fordi vi er nødvendige for at det skal leveres på riktig måte.

Laurel: Jeg føler at nå er det perfekte sammenløpet for deg spesifikt og din bakgrunn, for å ha noen som er så godt bevandret i telekomindustrien, og så også med sky og all annen teknologi, trekker du det hele sammen til ett sted og en årsak. Og det virker for meg som det perfekte stedet for 5G å virkelig eksplodere, og igjen, for å ta folk inn i den mesh-tenkningen og vekk fra disse siloene der du har telekomselskapet ditt her, og så har du det andre dataselskapet ditt her, et cetera . Hvordan endrer dette seg igjen med covid og kanten som nå strekker seg til folks hjem og ut av kontoret?

J uten: Hei, forresten, bare som en side, Twitter-håndtaket mitt er @theICToptimist. Og hvis du ikke vet hva IKT står for, er det informasjons- og kommunikasjonsteknologi. Og det går tilbake til, jeg tror 2006 var da jeg ble med på Twitter, for veldig lenge siden. Og grunnen til det akronymet var fordi jeg er overbevist om at fremtiden ikke dreide seg om informasjonsteknologi og kommunikasjonsteknologi uavhengig av hverandre; det handlet om at de kom sammen. Så her er vi nesten 20 år senere, og jaja, jeg tror vi hadde rett. Når vi tenker på 5G og edge, er edge fortsatt tidlig. Vi har egentlig ikke bygget de smarte tingene vi ønsker å bygge. For eksempel har vi ikke automatiserte leveringsdroner som flyr over byene våre på en intelligent måte å vite hvordan vi skal bringe oss våre varer og tjenester uten å drepe noen.

De er fortsatt foran oss. Og vi har heller ikke selvkjørende biler, vi har ikke nødvendigvis smarte byer, vi har ikke riktig smarte fabrikker ennå, men vi har tidlige indikasjoner på det. Og vi har nok bevis når vi ser på de tidlige bølgene av smartifisering av verden, at et av de største problemene ikke er å gjøre enheten smart, det er å gjøre enheten smart og effektiv i et skalerbart system. Og så det vi har oppdaget er at hvis du forventer at enheten skal være en frittstående, fullstendig selvforsynt, hyperintelligent enhet, vil du ikke ha nok kraft til å få den til å gjøre det den skal gjøre. Den smarteste bilen i verden, hvis den må kjøre rundt en fem megawatts reaktor fordi det er så mye IT den skal bruke, kommer ikke til å bli en veldig god bil. Og slik har edge materialisert seg, ikke så mye som bare et interessant sted å gjøre IT, men som en avlastning for smartifiseringen av verden.

Så vi har allerede sett eksempler med ting som utvidet virkelighet [AR]. Noen av de første 5G-kanteksemplene bruker faktisk augmented reality-akselerasjon i edge computing-laget. Og ideen her er at du har en mobilenhet, en mobiltelefon, AR-briller, uansett hva det er, at i stedet for å behandle alle artefakter, i stedet for å gjøre all videobehandlingen på enheten, skyver de faktisk omtrent 80 % av det inn i et kantberegningslag som har en knapp i databehandling og all kraften den kan trenge, og resultatet av det er at du nå har en svært effektiv AR-opplevelse på en mobilenhet som får hjelp fra kanten, men enda viktigere, det faktisk overgår den opprinnelige muligheten fordi den utnytter effektivt uendelig databehandling. Så den har flere artefakter, bedre videooppløsning, større fargedybde.

Dette er ting vi allerede har demonstrert, som forteller oss at kanten ikke bare er et lag med IT, det er en av nøkkelkomponentene for å tillate oss å bringe intelligens til tilkoblede enheter overalt uten å legge hele byrden på enheten. Og den kollaborative beregningsmodellen vil sannsynligvis være det kraftigste verktøyet vi har for å løse dette problemet med kraft pluss funksjonalitet pluss kostnader, og for å få den riktige kombinasjonen mellom dem. Så det er tidlig, men vi ser nå nok bevis på at det er mønsteret som gjør kanten enda mer interessant og faktisk mer levedyktig fordi vi vet at enheten i seg selv ikke er svaret, skyen i seg selv er det ikke svaret. Det er denne kombinasjonen av skyinfrastruktur pluss kantinfrastruktur pluss enhetene som alle jobber sammen som gir oss en bedre balanse mellom kostnadsfunksjonalitet, funksjonssett og distribusjonsmodeller.

Laurel: Så når vi snakker om at teknologien blir bedre og mindre og raskere, betyr det også at enheten din du har i hånden er en del av nettverket og nettverket. Så AI kan strekke seg ut fra skyen til enheten din, og enheter kan gjøres smartere på grunn av det, fordi datakraften nå er i dine hender.

John: Ja. Nei, absolutt. Faktisk ga jeg dette eksemplet for et par år siden hvor jeg snakket om, vi har gjort mye arbeid med autonome kjøretøyer rundt om i verden. Vi samarbeider med de fleste av de store bilprodusentene, og vi har lært massevis. Men et av eksemplene jeg ga for lenge siden var, vi vet at selve bilen kommer til å bli ganske smart. Et moderne, autonomt kjøretøy har tilpasset AI-behandling i seg; den gjør mye interessant sansing og analyse. Og det må til en viss grad være selvkjørende, for av livssikkerhetsmessige årsaker vil du ikke at nettet skal gå ned og bilen kjøre av veien. Så la oss anta at alt er sant. Så, vel, hva ville du gjort hvis du nå var en bil som var relativt selvforsynt, men var knyttet til en vei som hadde kantberegning knyttet til seg? Og eksemplet jeg ga var, hvis du ser på disse bilene, har de ting som kan sanse bilen foran seg, de kan sanse veibanen.

De kan ha med seg mye data som forteller dem hvordan de skal forutsi veidekket og justere fjæringen. De har til og med noen ting som kan forstå trafikkmønstre i form av ikke-sanntid. Men tenk om alle disse bilene begynte å ikke bare dele deres langsiktige data, men deres umiddelbare syn på verden, deres punktsky av dataene rundt dem i sanntid, og de delte det til noder som var ved siden av dem i virkeligheten tid slik at veien selv hadde et mesterbilde av sanntidsforståelsen av alle bilene. Og resultatet av det var at hvis bilen din, når den prøvde å finne ut, hvordan skal jeg justere fjæringen min for det som kommer neste gang, ikke bare gjorde det basert på en database eller hva den kunne se, men den kunne spørre spørsmål om, hva ser alle andre? Og nå kunne den forutsi ting. Samme for sikkerheten. Den hadde ikke bare sensorer som kunne se foran den, men den kunne se hva bilene, foran bilene, foran bilene kunne se.

Og så eksempelet jeg ga er, forestill deg heads-up-skjermen din når brukeren i et semi-autonomt eller autonomt kjøretøy viser deg hva bilen kan se, men i det øyeblikket den kan ta seg inn på denne intelligente veien med dette kantberegningslaget , som heads-up-skjerm kan se rundt hjørner. Den kan se ting du ikke kan se, den kan se hva andre kan se. Og nå blir visualiseringen din av den virkelige verden i sanntid bare et mye større syn på alt rundt deg på grunn av den samarbeidende beregningsmodellen. Det er et utrolig kraftig verktøy som ikke er mulig hvis enheten i seg selv prøver å løse dette problemet. Og du kan overføre det til mange andre bransjer, men den autonome kjøringen er fascinerende fordi der vil du ha en veldig smart og robust enhet som kan fungere helt av seg selv, men den fungerer bedre i mange dimensjoner når den kan benytte seg av kollektivet bevissthet om alle bilene, og alle veiene og alle tingene rundt i sanntid.

Og den eneste måten å gjøre det på er ikke ved å sende meldinger over internett til den andre siden av universet til en offentlig sky, men ved å få denne responsen i sanntid ved å trykke inn i et kantberegningslag. Så vi tror det mønsteret kommer til å bli et av de store gjennombruddene som, når du ikke trenger å krysse internett, og du kan få denne kollektive forståelsen i sanntid lokalt for deg, selv fullstendig autonome enheter blir bedre, og de blir mer interessant, og de bruker en helt ny forretningsmodell.

Laurel: Så jeg leste en interessant del av perspektivet ditt er at der vi er med AI akkurat nå, gjør det livet vårt bedre, kanskje 5 % til 10 %, men vi er veldig langt unna Terminator. Så selv bare med de autonome kjøretøyene, snakker vi om at ting blir gradvis bedre hver gang noe nytt kommer ut, men vi er langt unna bilene som kjører seg selv ennå, men det er et sluttmål. I mellomtiden er imidlertid disse 5 % til 10 % fortsatt betydelig.

John: Å, ja, absolutt. Jeg mener, nå er biler et interessant spill, for avhengig av hvem du spør, kan vi være en måned unna et helt autonomt nivå-fem tilkoblet kjøretøy, og noen mennesker vil gi deg et annet svar. Jeg kan gi deg min mening. Men generelt sett er grunnen til at jeg kom med den kommentaren, når du ser på å bruke maskinintelligens på hva som helst, enten det er en selvkjørende bil eller en forretningsprosess eller brukeropplevelse eller hva som helst, spill, er det to ting du kan tenke på som suksess. Den ene er at du revolusjonerer den fullstendig. Du gjør den til noe som aldri før har vært tenkt på, en selvkjørende bil på nivå fem. Det er et stort, stort hopp, og det er verdt å ta det hoppet – det tar bare veldig lang tid å komme dit.

Den andre måten du ser på maskinintelligens er at det er en utvidelse av de kognitive oppgavene som mennesker vanligvis gjør. Når du må tenke, er du på egenhånd akkurat nå. Det er opp til deg å ta den avgjørelsen. Svært sjelden får du mye hjelp på tenkesiden. Du kan få mye data, men du må sortere gjennom det. Anbefalingene kommer egentlig ikke fra teknologi; du må finne ut av det. Så det vi skjønte tidlig, er ved forsiktig bruk av maskinintelligens på steder hvor mennesker må ta data, forstå dem og ta en avgjørelse, kan vi faktisk akselerere den prosessen eller gjøre den mer nøyaktig, mindre utsatt for feil. Og så, mens vi tok fra hverandre, enten det var forsyningskjedeprosessen til Dell, eller serviceprosessen for prediktivt vedlikehold, eller om det var radiologisystemer inne i helsevesenet, der du bare prøver å finne noe i bildet, de 5 % og 10 % forbedringene ved å bare få prosessen til å fungere litt bedre var langt bedre enn du noen gang kunne få med mennesker fordi menneskene var grunnlinjen.

Og hver gang du forbedrer noe som en forsyningskjede med 5 % eller 10 %, eller jeg vet ikke, radiologi med 20 % eller 30 % mer nøyaktighet når det gjelder å oppdage ting som kreft og svulster – det er et veldig kraftig resultat, ikke bare for å et individ, men potensielt for samfunnet. Så en av meldingene vi har gitt kundene våre og vi har prøvd å gjøre klart for folk er at vi ikke er motstandere av de store gjennombruddene, vi synes de er flotte. Men det er så mye mer vi kan gjøre med denne teknologien for å ta en hvilken som helst plass i hver prosess vi har som innebærer at mennesker må ta beslutninger, og forsterke dem med maskinintelligens for å gjøre disse beslutningene mer nøyaktige, raskere, mer sannsynlig å ha et positivt resultat. Og jeg bruker ordet noen fordi det virkelig er hvor som helst mennesker må ta en avgjørelse, kan vi ta den avgjørelsen bedre med forsiktig bruk av maskinintelligens.

Og det virker som en veldig god ting å gjøre akkurat nå, fordi det ikke krever store gjennombrudd – det er teknologi vi har i dag. Og hver gang vi gjør det, blir prosessen bedre, kostnadsstrukturen blir bedre, resultatet blir bedre.

Laurel: Når vi snakker om bedre resultater, er vi fortsatt tidlig ute i denne pandemien, men ser du spesifikke muligheter dukker opp med kunstig intelligens spesifikt? Som du nettopp sa, en åpenbar en ville være helsevesenet, men det er bare så mye data.

John: Å, ja, det er uendelig mange. I bunn og grunn er måten å se det på, hvis du lurer på hvor bruken av maskinintelligens for å forbedre effektiviteten og effektiviteten til menneskelig atferd gir mening, bare se hvor som helst i koronavirusperioden hvor vi gikk tom for folk, hvor folk bare ble overveldet. Og helsevesenet er et godt eksempel. Det er tidlige eksempler på, hei, vi hadde bare ikke nok sykepleiere til å håndtere bølgene som går inn på disse sykehusene. Så jeg vet ikke. Vi har sensorisert pasienten – hvorfor sender vi ikke alle sensordataene til en maskinell intelligens som ikke erstatter sykepleieren; det gir bare sykepleieren et mer fullstendig syn på pasienten ved å forhåndsbehandle, organisere og komme med anbefalinger, så nå kan en sykepleier kanskje overvåke 30 pasienter i motsetning til tre? Det skalerer sykepleie, som er et veldig kraftig verktøy. Vi har åpenbart sett det i form av klinisk behandling der hvis det er en medisinsk prosedyre, jeg mener, folk som har å gjøre med en lungespesialist, hadde vi mange pusteproblemer. Hadde det ikke vært fint om vi kunne gjøre livet deres lettere ved å ha, jeg vet ikke, kanskje ventilatorene våre er litt mer selvregulerende, litt mer selvjusterende? Vi har sett den slags oppførsel forekomme, og vi har innsett at det er steder hvor vi rett og slett ikke har nok folk til å få jobben gjort.

Det andre eksemplet, helt andre enden av spekteret i covid, var logistikk og levering. Når du plutselig bare ikke har sjåfører eller ikke kan ha menneskelig kontakt, men likevel må folk få leveransene sine, de må skaffe dagligvarer, de må flytte ting. Vel, det ser ut til at bruken av autonome kjøretøy eller semi-autonome kjøretøy eller AI-er for bedre å gjøre ruteplanlegging ville ha en stor betydning for å gjøre den spesielle funksjonen mer effektiv.

Og så, aha-øyeblikkene i covid var ikke nødvendigvis overraskende når du forstår dem, men du kan finne dem hvor som helst der vi innså at menneskelig kapasitet har en begrenset grense. Og hver gang vi støter på et sted der mennesker blir overveldet av å gjøre en oppgave, og oppgaven innebærer å ta beslutninger, tenke gjennom data, prøve å få noe gjort, er det gode steder for oss å bruke maskinintelligens slik at vi kan skalere mennesket. , ikke nødvendigvis for å erstatte dem.

Laurel: Så en dag vil vi være ute av covid. Hvor ellers begynner vi å gjøre AI ekte?

John: Vel, jeg tror overalt, for å være helt ærlig. Det er virkelig ikke en industri eller et rom som ikke prøver. Nå har vi noen ganger utfordringer. Som i helsevesenet er det vanskelig å sette AI inn i helsevesenet fordi det er en regulert industri; tidsrammene er veldig lange. Så vi har sett gjennombrudd, ikke innen helsevesenet, men innen velvære. Det er noen ganske kule ting. Som om det er en ring som heter en Oura-ring, som i utgangspunktet overvåker temperaturen din og en haug med vitale tegn. Det er et velværeverktøy; det er ikke nødvendigvis et helseverktøy akkurat nå. Men fordi den kan bruke avansert maskinintelligens, den kan foreta tolkninger, vi har oppdaget at den ringen kan gi deg en ganske god tidlig advarsel om at du kanskje kommer med noe, eller før du vet at du er syk, kan den fortelle du er i ferd med å bli syk, noe som er et ganske kraftig verktøy og ganske nyskapende.

Men over hele spekteret ser vi at bruken av maskinintelligens bare er et naturlig punkt i teknologiens utvikling. I 5G-verdenen, for eksempel, er her et godt eksempel: vi kan ikke bygge 5G-nettverkene vi kommer til å trenge med menneskelig inngripen overalt. De er bare for komplekse. Og så ærlig forventer vi at 5G og utover, kjennetegnet for fremtidige telekominfrastrukturer, vil være automatisering. Det vil være AI som tar avgjørelsene rundt spektral effektivitet, og båndbreddejustering og alle slags ting, fordi det er bare ingen måte et menneske kan drive et hundre millioner abonnentnettverk, og det er før vi legger alle tingene på det. Det ville vært mulig i USA alene, noen av disse mobilnettverkene om 10 år kan ha en billion ting på seg. Det er et veldig, veldig, veldig stort nettverk som overgår menneskets evne til å tenke.

Og så vi ser allerede injeksjonen av maskinintelligens i telekommunikasjonsnettverk, store datasentre, automatisering av infrastruktur på en måte som lar menneskene følge med. Og når du spretter rundt, har vi initiativer på gang i frakt- og logistikkområdet der folk innser, hei, det er mye varer og tjenester som beveger seg rundt, men de beveger seg sakte og klønete. Så hva om vi prøver å virkelig knytte sammen og smelte sammen intelligente gaffeltrucker, pluss visuell overvåking, og objektkartlegging og algoritmer for å bestemme hvordan vi skal pakke en lastebil riktig eller hvordan vi skal laste et fly riktig eller hvordan vi skal flytte ting gjennom den logistiske infrastrukturen i en sted hvor det på en måte bremses fordi det egentlig ikke er et tydelig mønster der? Vel, AI er flott når du ikke har et klart mønster. La AI finne ut mønsteret og utvikle et sett med logikk rundt det.

Så det er universelt. Det er veldig vanskelig å finne et sted, hvis du stiller det motsatte av spørsmålet, hvor folk ikke bruker maskinintelligens, annet enn steder hvor reguleringsregimet er utdatert har blitt hindringer for folk til å ta i bruk denne typen teknologier mer aggressivt . En av våre byrder som bransje er derfor å samarbeide med regulatorene for å oppdatere disse forskriftene slik at vi ikke skaper en situasjon der forskriften forhindrer den naturlige utviklingen av teknologi som fører menneskelig fremgang fremover.

Laurel: Ja. Og jeg antar at du tror regulering og sikkerhet går hånd i hånd, spesielt når skurkene har tilgang til de samme verktøyene som du bygger nettverket. Så hvordan begynner du også å sikre alle disse fantastiske dataene?

John: Ja. Vel, jeg mener data bare er data. Du kan bruke den på godt og vondt, og dessverre er den faktisk utrolig verdifull, og derfor blir den et gigantisk mål. Sikkerhetskompromisser skjer ikke fordi noen kjeder seg; de skjer fordi det er et mål verdt å stjele. Og vårt digitale miljø, valutaen er dataene, innsikten, modellene – disse tingene er de virkelig verdifulle verktøyene. Og realiteten er at de vil være et mål. Så vi må virkelig tenke på hvordan vi skal sikre disse miljøene på en kanskje en annen måte enn vi gjorde historisk i den fysiske verden. For å være veldig rett ut, den nåværende tilnærmingen til sikkerhet vil bare ikke fungere, fordi vår nåværende tilnærming til sikkerhet er at vi har en ting som kjører uavhengig av sikkerhet, og så har vi ting som angriper den, og så lager vi sikkerhetsteknologi for å motvirke de tingene som angrep det.

Problemet er at det er en uvinnelig kamp, ​​fordi noen ærlig kan komme opp med en ny måte å angripe den på, og så må sikkerhetsindustrien komme med et svar på det. Og det er ikke en god måte å drive en organisasjon eller en teknologi på. Og så vår tro er at vi må gå over til modellen vår der vi virkelig ser på indre sikkerhet, at vi bygger sikkerheten inn i tingen vi beskytter, enten vi gjør det i et skymiljø, eller vi gjør det i et nettverksmiljø. Men poenget er at vi må komme vekk fra denne ideen om at sikkerhet skjer som en reaksjon på en ekstern hendelse. I stedet må det være noe som er innebygd i selve systemet og dets arkitektur.

Det høres ut som markedsføring, men poenget er at det ikke er en kamp som kan vinnes hvis vi skal ha et sikkerhetsprodukt for hvert sikkerhetsproblem. Vi må ha arkitekturer, og infrastruktur og systemer som ikke er bygget for å reagere på noe spesielt sikkerhetsproblem, de er bygget for å svare på enhver trussel. De har en omfattende forståelse av sin identitet. De har evnen til å kontrollere tilgang og forstå atferd i dem. Jeg har alltid hevdet at i sikkerhetsverdenen er det tre ting du forholder deg til. Det kjente gode, det kjente dårlige og det ukjente. Og i dag handler de fleste av sikkerhetsprinsippene våre rundt å prøve å blokkere det kjente dårlige, som er uvinnelig, og å prøve å sile gjennom det ukjente, men de gjør det ikke så bra. Og interessant nok, det kjente godet bygger vi sjelden for det. Nå er argumentet mitt at vi må forstå hva den kjente gode oppførselen er, og vi må låse den og sørge for at det skjer. Vi må forby det kjente dårlige, det er en åpenbar uttalelse. Men det er det ukjente hvor all innovasjonen skal komme fra.

Og det bringer oss tilbake til ting som AI og ML. Ideen om å bruke maskinintelligens for å sile gjennom det ukjente for veldig raskt å fastslå, er det et kjent dårlig eller et kjent gode? Hvilken leir tilhører den? Og gjør det raskere enn den andre siden kan gjøre det fordi vi har bedre verktøy for å forstå atferd, og for å ha rammeverket innebygd i selve infrastrukturen. Det viktigste er, selv om du bruker AI, for å forstå nye trusler og bestemme om de er gode eller dårlige, hvis det gjøres utenfor infrastrukturen, må du fortsatt distribuere et annet produkt for å reagere på det. Hvis på den andre enden infrastrukturen er produktet som reagerer på sikkerhetshendelsene, hvis det bokstavelig talt bare forteller infrastrukturen, endre tjenestekjeden i SDN-en din, endre virtualiseringslaget, endre Kubernetes-manifestet, men du distribuerer ikke noen ny teknologi – du påtvinger bare ny atferd på infrastrukturen slik den eksisterer. Så plutselig kan den hjernen faktisk gå i produksjon mye raskere enn å måtte distribuere et helt nytt produkt eller et helt nytt system.

Så, men sikkerhet er en som, her er de dårlige nyhetene, den forsvinner aldri. Vi er hele tiden i et sikkerhetsdynamisk kappløp med slemme og gode gutter. Men jeg tror vi kan bevege oss mye raskere hvis vi kommer ut av denne måten å tenke på at for hvert sikkerhetsproblem finnes det et produkt. Det må være at infrastrukturen vår er den reaktive mekanismen, og vi bruker maskinintelligens aggressivt for å prøve å forstå når vi skal reagere. Men den reaksjonen krever ikke å bygge om hele infrastrukturen, endre arkitekturen vår for å reagere. Hvis du kommer inn i den modusen, kan du bevege deg raskere enn motstanderne, og du har en indre sikkerhetstilnærming på systemnivå, som er et stort skifte for folk, men logisk sett det eneste stedet vi kan komme til noen form for suksess når vi begynner å tenke på omfanget av denne fremtiden foran oss.

Laurel: Jeg liker uttrykket maskinintelligens, for det er egentlig det det er. Det må være gjennom hele systemet, enten du bygger en god offensiv eller bedre systemer for å reagere raskere og raskere. Det er ikke bare kunstig intelligens, det er ikke bare maskinlæring. Det er faktisk en kombinasjon av de to som lar deg gjøre så mye mer. Og legger også mye forventning og byrde på folk som lager disse systemene for å fungere på en bestemt måte. Så jeg vet at du sitter i styret for Cloud Foundry og åpen kildekode er viktig, men det er på en måte roten til åpen kildekode, ikke sant, er å tenke på hvordan vi alle kan jobbe sammen og på en måte demokratisere denne teknologien på en måte som alle den som stiller inn, vinner faktisk noe til slutt.

John: Ja. Nei, absolutt. Jeg mener, tror jeg, åpen kildekode-metodologier – denne ideen om fellesskapsbasert utvikling er forresten ikke ny, og den er ikke unik for åpen kildekode. Jeg har jobbet i standardiseringsorganer i 20-noe år nå. Og hvis du går inn i IEEE [Institute of Electrical and Electronics Engineers] eller IETF [Internet Engineering Task Force], er det et fellesskap. Den er litt tregere fordi den har flere Roberts ordensregler og tilnærminger. Men tanken er at jeg alltid har trodd at den beste teknologien er en som er bygget i dagens lys, at det ikke er én smart person i et backoffice et sted som kommer med svaret på problemet. Du kaster problemet ditt ut der, og du som et samfunn jobber gjennom det problemet. Du har avvikende stemmer og konsensus.

Det som er interessant med dagens åpen kildekode-verden er, kontra standardorganer, de tradisjonelle standardorganene som beveger seg veldig sakte, det kan ta et tiår å få en standard ut i IETF, åpen kildekode beveger seg bare raskere, det har eliminert noe av byråkratiet. Det står at vi ikke skal forutsette hvordan du gjør arbeidet, men vi skal insistere på at det er fellesskapets konsensus, at samfunnet går videre på denne reisen.

Nå har vi et problem med åpen kildekode i dag, og det er at åpen kildekode fortsatt har et siloproblem. Åpen kildekode-prosjekter er vanligvis ikke problemer på systemnivå. De er det, vi har en gruppe som skal bygge Kafka, eller vi har en gruppe som skal ut og gjøre Hadoop, og vi har en gruppe som skal bygge Kubernetes og CNCF [Cloud Native Computing Foundation]. Og de er fantastiske. Men den eneste måten dette virkelig fungerer på er hvis disse åpen kildekode-prosjektene begynner å komme sammen, fordi ingen løser et digitalt resultat med noen av dem. Kubernetes, så bra som det er, gjør ingenting av seg selv, for å være helt ærlig, når det gjelder forretningsresultat. Det må være en arbeidsbelastning på det, det må være en datastrøm, det må kjøres på en infrastruktur.

Og så, jeg tror det er en slags to takeaways fra åpen kildekode-verden. For det første er fellesskapsbasert utvikling, enten det ble gjort i et standardorgan eller åpen kildekode, den raskeste måten for folk å finne ut av ting på, og vi bør omfavne den og utvide den og bruke den der vi kan. Det fungerer bare bedre. Det andre er imidlertid at selv om vi gjør den slags arbeid på en bestemt komponent, må vi ta prinsippene for den slags tankeprosess med å se på ting fra et bredere perspektiv, et åpent innovasjonsperspektiv, og bruke det inn i arkitekturer på systemnivå. Et av de beste eksemplene på det er noe vi nettopp har vært inne på tidligere, som er 5G. Det er en enorm debatt i verden akkurat nå om hvordan 5G skal bygges. Det er den tradisjonelle tilnærmingen til Legacy 3GPP [3rd Generation Partnership Project] som sier, ah, det er bra å ha komponenter, men vi kommer til å være veldig, veldig strukturerte og disiplinerte, og det kommer ikke til å være mye rom for innovasjon fordi vi har bestemt oss for hva 5G er. Der er svaret; gå implementer det.

Jeg er uenig i den tilnærmingen fordi den ble bygget basert på teknologier som for lengst er foreldet. Det er en ny måte å tenke på som sier, hei, vi ønsker fortsatt å komme til det samme resultatet, vi tror fortsatt på de samme grensesnittene og de samme standardene, men hvordan du faktisk utfører det, bør være åpen om hvordan du gjør virtualisering, og hvordan du kobler til maskinvare og hvordan du åpner radiotilgangsnettverket. Og det nivået av tenkning er helt i hvordan folk tenker i åpen kildekode-samfunn og i moderne programvareutviklingsprosjekter. Og så, vi ser denne interessante kollisjonen mellom, la oss kalle det den åpne økosystemverdenen og telekomverdenen, som virkelig forårsaker mye stress og interessant utvikling av 5G-økosystemene. Men for meg tror jeg det er et veldig positivt resultat, fordi den teknologien er så viktig at vi bedre gjør det på riktig måte. Og vi har rikelig med bevis som sier at åpen kildekode, åpne økosystemer, åpne systemer faktisk er en raskere og bedre måte å få et overlegent resultat for mange ting som folk har prøvd å gjøre på andre måter.

Og så, vi får se hvordan det blir, men åpen kildekode som konsept og en samfunnsutviklingsmodell har påvirket langt mer enn bare prosjektene som åpen kildekode skjer i.

Laurel: Og jeg elsker det, den typen energi og spenning, og spesielt, igjen, sammenløp. Vi samler alle for å få denne endringen til å skje. Apropos, hvordan gjør du dette hos Dell? Hvordan tenker du strategisk om AI og leder dette enorme selskapet? Så mange forskjellige lag, og dere har fantastiske folk og fantastiske lag. Men hvordan tenker du om dette strategisk, og hvordan anbefaler du andre ledere å tenke på AI og maskinintelligens på en måte som gir mening, på en måte som kanskje er åpen, som utfordrer måten de har gjort forretninger på før?

John: Jaja. Og et generelt svar på det spørsmålet, hos Dell er vi et enormt selskap som dekker nesten alle aspekter av infrastruktur, fra bare metall-maskinvare helt opp til applikasjonsstabler og utviklermiljøer. Vi er bare ekstremt store og ekstremt brede, noe som er en del av verdiforslaget til selskapet. En av tingene vi skjønte tidlig, var at når du er så stor, må du ha en slags styrende prinsipper. Det må være en slags ramme rundt dette. Og derfor er vi veldig disiplinerte rundt å ha en strategi, ha en nordstjerne, forstå klare roller og ansvar. Men å sørge for at vi forstår at implementeringer, når du gjør noe stort som edge eller cloud, vil skje mange steder. Men hvis du ikke har en struktur der alle på en måte forstår hvorfor du gjør det, hva er de første prinsippene du kommer til å slite med.

For eksempel, nylig i edge, har vi tatt noen avgjørelser om hvordan Dell posisjonerer edge. Og de er på høyt nivå, men de rammer inn hvordan utviklerne våre tenker. For eksempel tror vi at edges ikke er frittstående enheter. Kanter er utvidelser av skyopererte modeller. Du bygger ikke en kant for å bygge en kant. Du bygger en fordel for å utvide skyarkitekturen din, enten det er et offentlig eller privat skymiljø eller et hybrid multiskymiljø, ut i den virkelige verden. Og det høres veldig subtilt ut, men hvis du ikke tar den avgjørelsen i et selskap, kaster du bare terningene for å se om teamene dine bygger flere siloer eller faktisk bygger en utvidelse av kjerneverdiforslaget ditt, som er å bygge en multisky. Og så ved å ha den nordstjernen, er det klart. Andre eksempler i edge tok vi en beslutning om at vi mener edges skal være plattformer. Nå høres det veldig åpenbart ut, bortsett fra at de fleste kanter i dag er skreddersydde siloer for en spesifikk arbeidsmengde.

Noen bestemmer seg for at jeg vil ta med AI-rammeverket mitt til en fabrikk, derfor vil jeg bygge en fordel. Til og med noen av de offentlige skyene har effektivt bygget veldig smale skreddersydde siloer som utvider bare noen få funksjoner i deres offentlige sky. Ingenting annet. Nå, da vi begynte å se på det, sa vi, vent litt. Edge er en evne til en ende-til-ende-opplevelse. Du vil ha mange ende til ende opplevelser. Og hvis du må bygge en fordel for hver enkelt av dem, kommer du til å få kantmarkedet til å ligne veldig på sikkerhetsmarkedet, noe vi ikke ønsker å gjøre. Sikkerhetsmarkeder, hvis du går inn i et sikkerhetsdatasenter til en bedrift, finner du et stativ med utstyr. Hvert utstyr har en annen logo på seg og gjør én ting. Vi vil ikke at edge skal se slik ut. Så vi tok en beslutning om at edge skulle være en plattform. At det vi bør bygge er horisontal kapasitet. Vi bør erkjenne at den kanten kan brukes til en AI-oppgave, det kan være en industriell automatiseringsoppgave, det kan være en videoovervåkingsoppgave.

Vi må kanskje ha flere forskjellige kantarkitekturer for å imøtekomme forskjellige tilnærminger, men du prøver ikke å bygge en enkelt, vertikalt spesifikk silo for hvert kantproblem. Du prøver å bygge en plattform som lar kunden løse sine kantproblemer i dag. Og når de kommer opp med sitt neste kantproblem, må de bare presse kode inn i plattformen og deretter jobbe på kanten i motsetning til å bygge en ny kant. Nå, de tingene, det jeg nettopp sa, er forhåpentligvis helt åpenbare, men de fleste tar ikke disse avgjørelsene. Så hos Dell gjør vi det. Vi tar førsteordens beslutninger om hva er vår filosofi? Hvordan tenker vi om ting? Vi gjør dem så om til arkitekturer som beskriver nøyaktig det tekniske arbeidet som må gjøres, men vi går ikke så langt som å diktere ned til implementeringen og produktet nøyaktig hvordan de skal innovere for å komme til det resultatet. Det er magien med å ha flotte FoU-team. De går av og de finner ut den beste måten å bygge produktet på. De er nyskapende av den respekten, men alt samles i et system.

Faktisk leder jeg i dag arbeidet med å i bunn og grunn sørge for i disse seks enorme områdene inne i Dell, at vi er konsistente i arkitekturen vår, at vi navigerer i dem som et selskap på systemnivå. De inkluderer utviklingen av skyen, utviklingen inn i det nye dataøkosystemet, av data i bevegelse og hvordan vi spiller der. De er kant og hvordan vi utvider IT til den virkelige verden. De er AI og ML, som er hvordan vi gjør hele teknologiøkosystemet til en annen arbeidsdeling mellom mennesker og maskiner, rundt tenkeoppgavene. De er 5G, denne store bøyningen av telekom, og IT- og skyverdenen knuser hverandre. Og vårt syn er at det virkelig må være sky- og IT-dominert, og det må være en moderne infrastruktur. Og så til slutt, rundt sikkerhet, og vi kom inn på det med indre sikkerhet. Det er gigantiske ting, men for å svare på spørsmålet ditt, i et selskap som Dell, eller et hvilket som helst selskap, må du vite hva dine nordstjerner er, hva er det som kommer til deg?

I vårt tilfelle er det de seks store. Du må ha et synspunkt som beskriver første prinsipper og et rammeverk som beskriver spillefeltet, og deretter må du ha en struktur som operasjonaliserer det for å få det budskapet inn i utviklingsfellesskapet ditt, inn i produktgruppene dine, inn i tjenesteorganisasjonen din. , i markedsføringsteamene dine, slik at de alle jobber på tvers av det riktige feltet med det rette, la oss kalle det manus. Men du vil ikke være så foreskrivende at du hindrer dem i å innovere, og hvordan de implementerer og kommer opp med forskjellig tempo. Det er den balansen mellom bevegelsesfrihet for utbygger, og å ha et rammeverk, og en arkitektur og en nordstjerne. Du får de riktige du kan navigere i teknologi. Men hvis du savner Nordstjernen, du savner rammeverket eller du ikke har bevegelsesfrihet på innovasjon, kommer du egentlig ikke til å utføre godt. Så for oss er det egentlig de tre store.

Laurel: Det er utmerket. Vi kunne brukt en hel dag på å snakke om edge computing og alt annet, men jeg setter så stor pris på tiden din her i dag, John. Takk for at du ble med oss ​​i dag i det som har vært en fantastisk samtale på Business Lab.

John: Ja, tusen takk for at du har meg.

Laurel: Det var John Roese, presidenten og teknologisjefen for produkter og operasjoner hos Dell Technologies, som jeg snakket med fra Cambridge, Massachusetts, hjemmet til MIT og MIT Technology Review, med utsikt over Charles River.

Det var alt for denne episoden av Business Lab. Jeg er verten din, Laurel Ruma. Jeg er direktør for Insights, den tilpassede publiseringsavdelingen til MIT Technology Review. Vi ble grunnlagt i 1899 ved Massachusetts Institute of Technology. Og du kan også finne oss på trykk, på nettet og på arrangementer hvert år rundt om i verden. For mer informasjon om oss og showet, vennligst sjekk ut nettstedet vårt på technologyreview.com.

Showet er tilgjengelig uansett hvor du får podcastene dine. Hvis du likte denne episoden, håper vi at du tar deg tid til å vurdere og anmelde oss. Business Lab er en produksjon av MIT Technology Review. Denne episoden ble produsert av Collective Next. Takk for at du lyttet.

gjemme seg