С доверием к данным и технологиям
Руководитель российского подразделения Fujitsu Виталий Фридлянд решил не утомлять гостей и участников форума перечислением многочисленных достижений компании в различных секторах ИТ – вместо этого он предложил собравшимся поразмышлять над ключевыми проблемами развития информационных технологий.
Как справедливо отметил докладчик, нам всем повезло жить в эпоху фундаментальных сдвигов. Если вплоть до последнего времени развитие экономики, политики, технологии и государственных институтов носило эволюционный характер, а происходящие в социуме процессы были предсказуемыми, то сегодня человечество явно входит в некий период турбулентности, когда параллельно идущие процессы начинают влиять друга на друга зачастую непредсказуемым образом. Эта ситуация порождает проблему доверия в пространстве людей, технологий и общественных организаций/госинститутов.
Сегодня уже более половины населения земного шара (51,2%, около 3,9 млрд. человек) обладают доступом в Интернет; взрослое население развитых стран проводит треть своей жизни (5,9 часа в сутки) в онлайне; к настоящему времени насчитывается уже более 50 глобальных компаний, которые обладают более чем 300 млн. пользователей. На этом фоне формируется доверие трех базовых типов. «Доверие 1.0» между людьми – это самый древний тип доверительных отношений, известный человечеству, как говорится, с начала времен. «Доверие 2.0» между организациями – господствовавший последние столетия тип доверия. «Доверие 3.0» между технологиями – это новый тип доверия, законы которого формируются буквально на наших глазах.
При этом традиционные ИТ, которыми мы занимались последние десятилетия, по мнению Виталия Фридлянда, «находятся на последнем издыхании». На смену им приходят «ИТ 2.0», которые работают на улучшение человечества – они ориентированы на конечного потребителя. «ИТ 2.0» становятся лишь оболочкой, которая обеспечивает взаимодействие между людьми, технологиями и организациями, «ИТ начинают работать в зоне сервиса», они становятся невидимыми, прозрачными.
Согласно исследованию Fujitsu (февраль 2019 года), в котором приняло участие 500 руководителей компаний из 9 стран, 70% опрошенных сталкиваются со сложностями при принятии решения о том, является ли информация в сети Интернет правильной и достоверной, 72% озабочены тем, что организации используют их персональные данные без разрешения, 68% боятся утечки данных своих заказчиков. Так вырисовываются три ключевые проблемы, возникающие перед нами: достоверность, конфиденциальность и безопасность данных.
Виталий Фридлянд также уделил много внимания технологии искусственного интеллекта, сразу же подчеркнув беспочвенность опасений возможного «восстания роботов», так как ИИ ни в коей мере не может рассматриваться как замена человеку, а лишь как помощник – «ИИ не подменяет человека, а создает синергетический эффект». Однако с появлением и развитием технологии ИИ возникают и вполне реальные проблемы – одной из главных ближайшие годы будет проблема доверия к результатам ИИ: искусственный интеллект должен принимать решения, поддающиеся объяснению и оценке их верности, т.е. это должен быть так называемый Explainable AI.
Объясняя подходы Fujitsu к решению этого комплекса проблем, Виталий Фридлянд кратно рассказал о создании DLU (Deep Learning Unit) – многоблочного и многоядерного сопроцессора компании Fujitsu, который используюет вычисления с низкой точностью и предназначен для глубокого машинного обучения. Чип DLU поддерживает форматы FP32, FP16 INT16 и INT8, при этом целочисленные 8 и 16-битные форматы могут эффективно использоваться в ряде задач машинного обучения без серьезных проблем, вызванных низкой точностью вычислений. Архитектура Fujitsu DLU спроектирована таким образом, чтобы быть полностью управляемой со стороны программного обеспечения. Процессор разбит на блоки DPU (Deep Learning Processing Units) – их общее количество может быть разным, но каждый блок DPU состоит из 16 более простых блоков DPE (Deep Learning Processing Elements). Каждый блок DPE состоит из восьми блоков исполнения SIMD-инструкций и большого набора регистров. Последний, в отличие от традиционных кешей, полностью управляем программно. В состав чипа также входит некоторый объем памяти HBM2, которая выступает в роли кеша, и интерфейсы межпроцессорной шины Tofu, которая позволяет объединять массив DLU в единую сеть с развитой топологией. При этом специализированные процессоры, к числу которых относится Fujitsu DLU, работают в тандеме с процессорами общего назначения.
Искусственный интеллект
Тема искусственного интеллекта получила свое развитие в докладе Джозефа Регера, технического директора Fujitsu региона EMEIA. Выступающий так обозначил ключевой тренд современного этапа развития ИТ: «информационные технологии становятся интеллектуальными технологиями».
ИТ сегодня проникли буквально во все аспекты жизни человека и общества, но при этом они имеют тенденцию растворяться, становиться прозрачными, невидимыми для простых обывателей (в хорошем смысле этого слова): «ИТ есть везде, но они не стоят в первом ряду». В наши дни человек с помощью ИТ способен делать то, что еще пять лет назад можно было допустить только в научно-фантастических фильмах, например, заплатить в ларьке за газировку с помощью «умных» часов.
Напомнив российской аудитории о «диалектическом материализме», Джозеф Регер отметил, что все последние десятилетия технология искусственного интеллекта жила накоплением количественных изменений, которые сегодня наконец-то переросли в качественный скачок – прорыв в ИИ обеспечило машинное обучение. Однако ML сейчас применимо лишь в узком секторе: следующая задача – расширение зоны применения.
Рассуждая о машинном обучении, Джозеф Регер обратился к проблеме непрозрачности. Дело в том, что для конечного пользователя ИИ представляет собой некий черный ящик, который выдает решение, не подлежащее проверке. И речь тут не об алгоритмах, которые как раз легко поддаются верификации. Проблема не только в математике, но в комплексе: в том, как алгоритмы применяются к данным. Скажем, ИИ используется при оценке работы сотрудника корпорации – понятно, что работник должен иметь возможность потребовать объяснений, почему компьютерная система приняла в отношении него то или иное решение. Так перед нами в полный рост встает проблема, которая в англоязычной литературе имеет очень точный термин – джастификация (оправдание, подтверждение), который не так просто перевести на русский одним словом.
Углубляясь в проблематику машинного обучения, Джозеф Регер указал на тот факт, что искусственный интеллект ни в коей мере не воспроизводит мыслительный процесс человека. Так, компьютерной системе, чтобы отличить кота от собаки, необходимо просмотреть миллионы картинок, в то время как любой ребенок достигает того же результата совсем другими методами. Машины «мыслят» не как люди, поэтому им необходимы совершенно другие ресурсы для выполнения простейших (с точки зрения человека) операций.
Джозеф Регер справедливо полагает, что решить эту непростую задачу можно только с помощью квантового компьютинга. Как известно, квантовый компьютер оперирует не битами, способными принимать значение либо 0, либо 1, а кубитами, имеющими значения одновременно и 0, и 1. Это позволяет в теории обрабатывать все возможные состояния одновременно, достигая существенного превосходства над обычными компьютерами.
Докладчик подробно остановился на нескольких ключевых проблемах квантового компьютинга, отметив хрупкость квантовых систем, вопросы, связанные с коррекцией ошибок и с областью применения квантовых вычислений.
Как вернуть доверие технологиям
В фокусе внимания психолога Надежды Петрановской оказались не столько проблемы развития информационных технологий, сколько человеческие проблемы, связанные с проникновением ИТ в привычные секторы жизни: «Сегодня мы еще умнее технологий, но уже завтра (не через десять-двадцать лет, а буквально завтра) технологии опередят человека». При этом Надежда предложила поставить вопрос взаимодействия человека и технологий не в конфронтационной плоскости «кто кого победит», а в плане получения синергии от их взаимопроникновения, взаимопогружения (immersive).
Рассуждая о фундаментальных сдвигах в обществе, к которым может привести новый технологический скачок (полноценная автоматизация производства и транспорта и пр.), Надежда обратила внимание на то, что освобождение человека от рутинных операций, тяжелого и монотонного ежедневого труда может породить целый комплекс проблем, и безработица – это лишь вершина айсберга. Перед человеком будущего могут возникнуть не знакомые большинству из нас вопросы: «Что мне делать в жизни? Чем я могу и хочу заниматься, когда машины взяли на себя все обременительные виды работ?» На первое место в будущем могут выйти творческие способности, комплексное мышление и т.д.
AI меняет правила игры в IT
Евангелист Удо Вюртц, также посвятивший свой доклад искусственному интеллекту, напомнил аудитории о том, что сама концепция ИИ появилась еще в 50-е годы прошлого века. Что же касается столь популярного сегодня машинного обучения, то его основы были заложенs на заре восьмидесятых годов, и только глубокое обучение является сравнительно современной концепцией, относящейся к 2010-м годам нашего века.
Рассуждая о скачкообразном развитии технологий, Удо Вюртц остроумно заметил, что «электрические лампочки не появились путем постепенного улучшения свечей». Как подчеркнул докладчик, именно глубокое обучение является основой ИИ – Deep learning позволяет компьютерам имитировать поведение человека, дает им возможность учиться без явного программирования. Глубокое обучение (DL) делает расчеты многослойных нейронных сетей осуществимыми.
Изображая ИИ в виде некой матрешки, Удо Вюртц обозначил верхним слоем машинное обучение, чуть глубже залегают нейронные сети, еще глубже лежит глубокое обучение, на еще более глубоком уровне находятся технологии CNN (Convolutional Neural Networks – контролируемое обучение) и RNN (Recurrent Neural Networks – обучение без учителя), а в самой сердцевине – передача обучения.
Подробно описав технические особенности чипа Fujitsu DLU (Deep Learning Unit), а также рассказав о программном обеспечении (стек ZDSL), Удо Вюртц привел несколько очень показательных примеров использования ИИ. В частности, он указал на применение ИИ для производства ветряных турбин немецким концерном Siemens: инновационная технология обеспечивает ультразвуковой контроль качества и автоматизированный процесс оценки данных сканирования. В конечном итоге компания получила высокий выигрыш по времени, поскольку время проверки лопаток турбины ветряной мельницы сократилось с шести до полутора часов, и это еще не предел. Другой пример бы взят из сферы городского наблюдения: система Fujitsu Greenages Citywide Surveillance следит за транспортными средствами (тип, модель, цвет) и обеспечивает управление движением и парковкой; позволяет «считывать» людей (распознавание лица, аномалии/паттерны поведения); работает с объектами (беспилотный багаж, интеграция датчиков IoT).
