`

СПЕЦИАЛЬНЫЕ
ПАРТНЕРЫ
ПРОЕКТА

Архив номеров

Как изменилось финансирование ИТ-направления в вашей организации?

Best CIO

Определение наиболее профессиональных ИТ-управленцев, лидеров и экспертов в своих отраслях

Человек года

Кто внес наибольший вклад в развитие украинского ИТ-рынка.

Продукт года

Награды «Продукт года» еженедельника «Компьютерное обозрение» за наиболее выдающиеся ИТ-товары

 

Что такое «Умный Город»? А, может, их и вовсе нет?

У многих из нас термин «умный город» (Smart City) вызывает в воображении хитросплетение датчиков, собирающих данные обо всем ─ от трафика городского транспорта до подсчета расхода воды и электроэнергии в наших домах.

При этом городским властям, так сказать, «отцам города», во всем мире (за редким исключением) свойственно думать, ─ «Это не для нас. Мы еще не там».

Это не так. Если работа той или иной городская структуры связана со сбором данных, она может использовать их, чтобы сделать ваш город более умным (далее без кавычек). При этом почти неважно, какие именно данные и в каких форматах подлежат сбору. Важно, что их почти всегда можно использовать.

Повсеместно можно видеть подразделения, которые буквально тонут, захлебываются в потоке собираемых ими данных. Они воспринимают его как тяжелое бремя, кучу, которую непрестанно, изо дня в день нужно разгребать. Ничего, как говаривал в «Служебном романе» Новосельцев ─ «Подождет ваша куча».

Просто нужно воспринимать накопленные данные как уникальный ресурс и учиться его использовать во благо. Можно сделать улицы безопаснее, сервисы (т.е., услуги) ─ лучше при меньших бюджетных расходах.

Пора, пора присоединяться к городам во всем мире, которые уже используют аналитику, чтобы понять смысл их данных.

Не очень-то верится, что чиновники постоянно задаются вопросом, ─ где начать использование аналитики в первую очередь, чтобы улучшить их действия и улучшить жизнь граждан. Это вполне понятно ─ просто любой анализ начинается с осознания проблемы.

Можете сформулировать проблему, которую нужно решить? Какие задачи должны быть упрощены? Как ни странно, но уже во многих городах ряда стран местные органы власти интегрировали свои базы данных и начали использовать аналитику, чтобы на их основе решить какую-то одну, свою первую проблему.

Затем, после осознания ценности этого первого решения, они начинают постоянно использовать аналитику, чтобы решать другие проблемы. Вот 10 примеров аналитики, используемой, чтобы решать проблемы или упростить задачи для правительственных организаций, ─ в исполнении SAS.

1. Обратная связь с гражданами (Citizen feedback)

Организация Alberta Parks («Парки Альберты» ─ одной из 10 провинций Канады) управляет приблизительно 250 палаточными лагерями и 14 тыс. кемпингов, которые каждый год принимают более 1,8 млн. туристов, желающих переночевать и на природе, и с комфортом.

Что такое «Умный Город»? А, может, их и вовсе нет?

С мая до середины октября Parks получает 15 тыс. отзывов своих клиентов. При этом используется ПО, которое анализирует текст во времени, близком к реальному. Т.е., сотрудники Parks не должны ждать межсезонного затишья, чтобы «просеять» эти обзоры.

Поэтому они в состоянии быстро идентифицировать тенденции в комментариях обратной связи и внести изменения динамически, чтобы совершенствовать опыт посетителей кемпинга.
 
2. Уголовное судопроизводство и государственная безопасность

Полиция Великобритании развернула одну из самых крупных в мире систем класса Intelligence Analytics Platform.

Что такое «Умный Город»? А, может, их и вовсе нет?

Эта «система для решения ответственных задач» (mission-critical system) содержит 12 млн. документов, 9 млн. структурированных отчетов и обеспечивает «разведку в реальном времени» (real-time intelligence) 24 часа в сутки.

В системе ежедневно работает более 40 тыс. сотрудников муниципалитета и полицейского департамента. При необходимости надежный и безопасный доступ могут получить по запросу другие правительственные учреждения. Платформа обеспечивает интеграцию конфиденциальных и узкоспециализированных данных при очень высоком уровне безопасности.

3. Благополучие детей (Child Well-Being)

Министерство социального развития (Ministry of Social Development) Новой Зеландии использует аналитику в качестве инструмента преобразования, который помогает молодым людям, которые хотят изменить свою жизнь, создать лучшее будущее.

Что такое «Умный Город»? А, может, их и вовсе нет?

Это ─ прекрасный пример роста социального статуса человека. Это помогает не только ему, но и экономике, и обществу в целом. Лучшее планирование на основе анализа большого количества данных обеспечивает детям уверенность и жизненные навыки, уменьшая время их долгосрочной зависимости от общества.

Тут трудно подобрать лучшую аналогию, чем притча о рыбе и удочке. Рыбу можно съесть сегодня. Удочка будет давать рыбу каждый день.

4. Экономическое развитие региона

Местные правительственные агентства (Local Government Agencies) в регионе Campania вокруг Неаполя в Италии, полагаются на аналитику, чтобы оценить и ответить более, чем на 7 тыс. заявок на финансирование региональных проектов.

Что такое «Умный Город»? А, может, их и вовсе нет?

Агентство проверит соответствие предлагаемого проекта государственным техническими требованиями. Если оно одобрит проект, то будет управлять всеми фазами финансирования и продвижением к завершению. И это все ─ с максимальной прозрачностью и скоростью.

За прошлые несколько лет чиновники перешли от ручных процессов к интегрированной системы мониторинга (Integrated Monitoring System, IMS), которая и управляет сейчас  финансированием ее одобренных исследовательских инициатив (фактически, грантов).

5. Образование

Школа в округе Fox Chapel Area School District, расположенная за окраинами Питтсбурга (США), опередила всех, кого только можно, получив желанную премию, ─ «Голубую ленту» Министерства образования США.

Что такое «Умный Город»? А, может, их и вовсе нет?

Это приятно, но там была группа студентов, у которых были проблемы с обучаемостью. Округ хотел им помочь. Используя Pennsylvania's Value-Added Assessment System (PVAAS), округ смог лучше отслеживать ежегодный рост успеваемости всех студентов. Результаты говорят сами за себя. За последние десять лет успеваемость 11-классников на государственных составила 69%, что является очень неплохим показателем по стране (да и во всем мире).

6. Гражданские сервисы

Во Франции сегодня многие безработные, которые заняты в основном поиском пособий, начинают получать помощь, которая соответствует их уникальным ситуациям.

Что такое «Умный Город»? А, может, их и вовсе нет?

Аналитика помогает местным сервисным отделениям составлять персонифицированные «дорожные карты» на пути к занятости. Они помогают добиться соответствия потребностей гражданина принятым в стране уровням качества и стандартам.

7. Обнаружение мошенничества (Fraud detection)

В округе Лос-Анджелес (Los Angeles County) Отдел общественного социального обеспечения (Department of Public Social Services, DPSS) предлагает диапазон программ, чтобы облегчить положение людей и способствовать их здоровью, личной ответственности и экономической независимости.

Через многие сообщества DPSS предлагает временную финансовую помощь, службу по трудоустройству, свободное / дешевое медицинское страхование (free / low-cost health insurance), продовольственные скидки, услуги в доме для пожилых людей и инвалидов, а также ряд других видов финансовой помощи.

Что такое «Умный Город»? А, может, их и вовсе нет?

Поддерживая программу «CalWORKs Stage 1 Child Care Program», округ Лос-Анджелес использует ПО SAS Analytics для определения потенциального мошенничества, более тщательных исследований и предотвращения ложных платежей. На сегодняшний день это помогло сэкономить миллионы долларов налогоплательщиков.

8. Здравоохранение (Health care)

В Wake County (Северная Каролина, США), запущена служба Emergency Medical Services (EMS). Согласно статистике, она помогла предотвратить случаи внезапной остановки сердца и повысить выживаемость, благодаря новым, управляемым аналитикой рекомендациям от службы EMS.

Что такое «Умный Город»? А, может, их и вовсе нет?

Базовые алгоритмы EMC основаны на анализе 20 лет данных о пациентах с остановкой сердца. Последнее исследование показало, что после введения EMC было спасено более 100 человек только в первый год.

9. Природные ресурсы и их сохранение

В Северной Каролине решение SAS помогает гражданам контролировать использование воды и экономит миллионы долларов за счет перехода на процесс с автоматизированным измерением водопотребления.

Что такое «Умный Город»? А, может, их и вовсе нет?

Aquastar заменил ежемесячные ручные считывания беспроводной системой IoT, которая собирает почасовые данные на потребляемые «кубометры». Сегодня приблизительно 60 тыс. кубометров воды считываются радиопередатчиками. За счет сокращения эксплуатационных затрат ожидается, что Aquastar сможет сэкономить проекту более $10 млн. стоимости проекта.

10. Транспортировка

Вообще- то, «Oresundsbron», который (или которое) находится между Данией и Швецией, ─ это пятимильное пространство, состоящее из моста и туннеля, который соединяет эти две страны и две главных территории городов с пригородами, ─ Копенгаген в Дании и Мальме в Швеции.

Что такое «Умный Город»? А, может, их и вовсе нет?

Никому мало не покажется. С помощью аналитики SAS клиенты соединяются с их маршрутами назначения и получают соответствующие рекомендации

Используя ПО SAS Customer Intelligence, каждый из 180 тыс. путешественников получает, в соответствии с «разведкой», соответствующие рекомендации, чтобы избежать ненужных затрат.

Заключение

Есть много примеров аналитики, которая приносит большую пользу в городах во всем мире. Только несколько слов об этом.

Аналитика помогает расположить ресурсы по приоритетам, ─ например, для помощи при бедствиях, измерить результаты инновационных новых программ, принести пользу ученикам школ, и помочь по мере сил и возможностей сохранить истощающиеся энергетические запасы.

Заключительный вопрос очень прост ─ насколько именно ваш город умен и насколько умным он хочет быть, используя передовую аналитику? А может, это нам действительно не нужно?
===

AI Baby ─ Хм, вы проиграете…

Попробуйте перевести недавно появившийся термин ─ «An Artificially Intelligent Baby». Это что ─ «Маленький ребенок, наделенный мощным искусственным интеллектом»? ОК, пусть так. Пусть на сегодня он относительно мощный в смысле компьютинга и обладает относительно мощным интеллектом. Давайте посмотрим, что происходит на самом деле.

 AI Baby ─ Хм, вы проиграете…


Ресурс Business Insider считает, что такое, так сказать, «образование», могло бы открыть многие тайны человеческой натуры.

Предварительное замечание. Многое в тексте, приведенном ниже, будет заключено в кавычки. Так будет продолжаться до тех пор, пока искусственный разум не встанет на один уровень с человеческим. Но скажите, мало ли вы знаете близких вам человеческих разумов, которые не хотелось бы заменить на искусственный?

BabyX ─ виртуальное, искусственное интеллектуальное создание (Artificially Intelligent Creation) Марка Сегара (Mark Sagar) и его новой компании, Soul Machines Ltd. Взаимодействие с «этим» производит подлинный эмоциональный ответ, ─ точно так же, как вы реагируете на сюсюканье и хихиканье настоящего ребенка. Давайте, пусть будет «это».

 AI Baby ─ Хм, вы проиграете…

BabyX по мере своего «взросления» становится AI, все более взаимодействующим с людьми. Каждый новый опыт взаимодействия учит модель быть все более похожим на то, что люди называют «человеческим». Сегар считает, что он занимается «гуманизацией AI». Он верит, что это может быть важным для создания симбиотических отношений между людьми и AI.

Многие эксперты в области искусственного интеллекта утверждают, что роботы (и, в более широком плане, системы AI), могут реализовать свой полный потенциал только в том случае, если они обрастут, как люди, эмоциями и воспоминаниями. Последние будут влиять на их поведения и решения, т.е., на то, что заставляет нас искать новые ходы и события.

Вас не коробит термин «обрастут»? Это серьезный вопрос. Мы те, кто мы есть сейчас? Или те, кого сделали сотни людей, которые принимали участие в нашей судьбе? Методы Сегара в этой области радикально инновационные. Самая простая формулировка ─ его подробные, мастерски выполненные лица маскируют исходные биологические модели и их сложность.

Например, каждый раз, когда BabyX улыбается, предполагается, что «это» чувствует что-то, ─ со своими цифровыми «чувствами», которые вызвал ее моделируемый мозг, который выпускает виртуальные эндорфины, допамин и серотонин в ее AI систему.

Один из ее измеряемых виртуальных слоев показывает повышение температуры в областях мозга, связанного с языком (пониманием и произношением) и удовольствием, ─ в том случае, когда он распознает определенные слова и получает похвалу.

«Исследователи к настоящему времени построили много вычислительных моделей распознавания (cognition) и его составляющих. Но никто до сих пор не мог соединить их вместе», ─ сказал Сегар в интервью аналитикам Bloomberg. ─ «Это ─ именно то, что мы пытаемся сделать ─ соединить их и поместить в одушевленное тело (animated body)».

От себя заметим, что все предыдущие модели ─ Циклопы, Голем, Голиаф, Сторукие и др.,  ─ в общем, проиграли изворотливости и интеллекту современного им почти первобытного человека, «сделанного по образу и подобию».

«Сегодня», ─ говорит Сегар, ─ «Мы пытаемся сделать «Центральную Нервную Систему» (ЦНС) для «вычисления человечности». И опять ─ нет здесь общепринятого термина. Оригинальный англоязычный текст предлагает выражение «Human Computing». Русскоязычный переводчик PROMT предлагает «Humanity Calculations».

Команда Сегара провела титаническую работу и создала самую подробную в мире карту человеческого мозга. Без сомнения, это должно рассматриваться как часть большего подвига команды «обратного проектирования внутренней жизни человека» (reverse-engineering the inner life of the human). Переведите сами, если это не так.

Больше человек, чем сам человек

«Машины души» (Soul Machines) дебютировали с первыми AI лицами (модель «Надя») в феврале текущего года.

 AI Baby ─ Хм, вы проиграете…

«Надя» говорит голосом Кейт Бланшетт (Cate Blanchett). В общем, это не проблема. Хоть Шварценеггера. Она будет работать на Национальное Агентство по Страхованию по нетрудоспособности Австралии (Australia’s National Disability Insurance Agency). Она будет задействована стандартный рабочий день на веб-сайте агентства к началу следующего года.

Тут возникает очень человеческий вопрос, связанный с нашим достоинством ─ скажите, почему в моем иденфикатиционном удостоверении (паспорте и др.) не написано, что я «саша». Или «Саша»?

С точки зрения людей, цель состоит в том, чтобы модель стала более годной к употреблению и более представительной, чем типичный, основанный на тексте «чатбот» (chatbot), с которыми мы постоянно сталкиваемся онлайн. На сегодня Soul Machines ожидает еще добрый десяток других испытаний, связанных с ее практическим применением в авиакомпаниях, фирмах финансовых услуг и в медицине.

Когда технология станет более совершенной, ожидается, что у нее появятся более функциональные приложения AI.

Эти виды персонизированного AI, вероятно (в частности), станут частью автономных автомобилей. По крайней мере, Alphabet, Amazon и Apple, вероятно, будут хотеть, чтобы у их виртуальных ассистентов были собственные, запоминающиеся лица. Как у ваших добрых друзей, которые в жизни не сделали вам ничего плохого, ─ а только хорошее.

Но сегодня философы в основном говорят о вопросах, связанных с «природой доброй воли» (nature of free will) и порабощения (enslave) разумного существа, ─ независимо от его происхождения.

Скажите, имеет ли право AI на какие-то другие мысли и действия, кроме обслуживания клиентов? Многие не поверят, но в последние недели (август 2017) был поднят вопрос ─ а что, если «робогейша» будет взломана и ей прикажут убить своего клиента? Несколько лет назад даже самые смелые фантасты не могли предположить такого развития событий.

Возвращаясь к нашему случаю ─ мог бы «AI малыш» быть травмированным страхом из-за нечеловеческих реакций на человеческие эмоции? Вы считаете. что виртуальные младенцы мечтают об электрических колыбельках? Как тут не вспомнить Брэдбери с его удивительным рассказом «Электрическое тело я пою».

Я бы сказал, что Дедушка Рэй теперь мог бы просто покачать головой по поводу своего предсказания. Мы все больше зависим от IT. И наши дети и внуки все больше зависят от IT, а не от нас с вами.

BabyX легко учится играть на фортепьяно. «Это» смеется шуткам и отличает в них юмор от пошлости. «Это» взаимодействует с людьми определенной категории ─ жлобству его не научили.

Тут поневоле задумаешься, так ли уж не правы сторонники «Гипотезы Моделирования» (Simulation Hypothesis), которые считают, что это, возможно, ─ лучший вид ребенка, который родился когда бы то ни было ранее...

IoT и Big Data ─ две стороны одной медали

Люди постоянно что-то путают, ─ например, большие данные и интернет вещей. Но, если говорить серьезно, Big Data и IoT ─ два совершенно разных, и вместе с тем дополняющих друг друга понятия. Этот пост описывает прежде всего различия между ними в возможно более простой форме.

Пожалуй, основная проблема для пользователя IT заключается в том, что понятия и термины изменяются слишком часто. Здесь даже нельзя сказать «пока», потому что это происходит уже полвека, и конца этому не видно. Новые IT появляются все быстрее, отодвигая прежние в небытие. К тому времени, когда люди начинают привыкать к новому термину, его смыслу и использованию, появляется новый.

Что-то в этом роде происходит сейчас с понятиями «большие данные» (Big Data) и «интернет вещей» (Internet of Things, IoT). Оба термина в большом ходу в IT, оба связаны с данными, ─ и оба немного трудны для понимания непрофессионалу.

Вначале рассмотрим две любопытные диаграммы. Они фактически показывают причины некоторой путаницы в тандеме Big Data / IoT ─ к большим данным в IT пришли в основном эволюционным путем, интернет вещей преимущественно был революционным.

IoT нуждался в создании новых датчиков, устройств краевой обработки, систем связи и объединения большого количества физических устройств в сети. Потребовалось более пяти лет, чтобы он созрел до уровня Big Data, которые к этому времени стабилизировались.

IoT и Big Data ─ две стороны одной медали

Интерес к Big Data и IoT (апрель 2012 – февраль 2017), согласно запросам в Google.

IoT и Big Data ─ две стороны одной медали

Цикл созревания технологий (Gartner Hype Cycle) на июль 2014 г. Тогда аналитики давали на созревание и IoT, и Big Data от пяти до десяти лет. В общем, так оно и вышло. На сегодня обе технологии уже прошли «яму разочарования», подтянулись друг к другу и практически рядом выходят на «плато продуктивности», т.е., вступают в фазу зрелости.

Big Data vs. IoT ─ что мы знаем об этом

Теперь обратимся к статье (2015), размещенной на сайте SAS, и поучаствуем в небольшой викторине. Прочитайте каждое утверждение и определите, относится ли оно к Big Data или IoT.

www.sas.com/en_th/insights/articles/big-data/big-data-and-iot-two-sides-...

1. Каждую минуту мы посылаем 204 млн. электронных писем, посылаем 278 тыс. твитов, загружаем 200 тыс. фотографий на Facebook и генерируем там 1,8 млн. лайков.

2. В 2011 г. 12 млн. тегов RFID использовались для захвата данных и отслеживания их для определения работы объектов в материальном мире. К 2021 г. это число увеличится до 209 млрд.

3. Количество устройств, которые соединяются с интернетом, повысится с приблизительно с 13 млрд. сегодня до 50 млрд. к 2020 г.

4. Этот сектор, как ожидается, вырастет от $10,2 млрд. в 2013 г. до приблизительно к $54,3 млрд. к 2017 г.

Вот ответы: 1 и 4 ─ Big Data, 2 и 3 ─ IoT.

Эта небольшая викторина была проведена во время презентации на одном из мероприятий для CIO, чтобы разогреть аудиторию. Все были единодушны только в отношении очевидного вопроса номер 3 ─ о количестве подключенных к интернету устройств. В остальных случаях мнения разделились.

Так каковы взаимоотношения между Big Data и IoT? Насколько связаны эти понятия? Давайте посмотрим. Прежде всего, интересно сравнить сервисы, которые предоставляются пользователям в рамках Big Data и IoT. Здесь разница хорошо видна. Более подробно различия описаны ниже.

IoT и Big Data ─ две стороны одной медали

Типичные сервисы больших данных

IoT и Big Data ─ две стороны одной медали


Типичные сервисы интернета вещей

Различие 1: Вокруг чего все вращается. Big Data описывает все, связанное с данными или информацией, которую люди получают и используют совместно. Иначе ─ это все, что касается возможности организаций использовать как можно больше данных в своей повседневной бизнес-деятельности.

IoT описывает устройства, решения и сервисы, связанные с этими устройствами и решениями. Т.е., ─ это все, что связано со сбором данных, их анализом в режиме реального времени для событий или интересующих образцов (описанных примеров) для нового понимания всех составляющих бизнеса.

Различие 2: Источники данных. Big Data подразумевает анализ большого количества произведенных человеком данных. Типичные источники Big Data ─ электронные письма, социальные медиа, фотографии и т.д.

IoT подразумевает объединение и сжатие большого количества произведенных машиной данных, получаемых от большого количества разнообразных датчиков. Некоторые их типы ─ RFID, Fitness Trackers, устройства Virtual Reality, Smart Air Purifiers и др.

Различие 3: Временные ограничения. В решениях Big Data совершенно нормально для данных покоиться, ─ прежде, чем они будут использованы в каком-либо виде анализа. Таким образом, Big Data требуют более длительной информационной поддержки в таких областях, как прогнозирование и планирование.

IoT связан с процессами в реальном времени, ─ такими, как операционная оптимизация, текущее изменение ценовых предложений, обнаружение мошенничества и соблюдение правил безопасности.

Различие 4: Общая картина. С Big Data, например, можно проанализировать всю информацию об отказах и определить их первопричины. С IoT можно отслеживать и мониторить такие активы, как грузовики, двигатели, системы HVAC, насосы и т.д. И в том, и в другом случае, по мере обнаружения проблем, можно запускать процессы их устранения.

Связь между Big Data и IoT. Big Data и IoT дополняют друг друга. Объединение этих технологий позволяет не только реагировать на проблемы по мере их появления, но также предсказать их. В технических терминах говорят о переходе от реактивных методов к превентивным.

Доработаем IoT для Big Data

Термин «расширяющиеся скоростные требования» (expanding velocity demands) относится к способности системы справляться с увеличивающимся притоком данных.

Вся архитектура и технологии Hadoop, например, созданы в ответ на требования иметь хранилище реального времени для больших объемов данных. Но одновременно должна быть решена проблема анализа и принятия решений в реальном времени.

Например, Twitter часто упоминается как источник больших данных, поскольку число твитов в течение дня может достигнуть сотен миллионов. Но для IoT компании должны быть в состоянии «глотать» сотни тысяч, или даже миллионы событий в секунду от физических устройств.

Таким образом, основная разница между проектами Big Data и IoT ─ время. Главная проблема IoT заключается в том, что данные, поступающие от устройств, как правило, находятся в «сыром» и максимально упрощенном формате. Чтобы применить данные в аналитических моделях, они должны быть организованы, преобразованы и обогащены.

«Организованы» ─ как раз и означает, что данные могут прибывать не упорядоченными и они должны быть переставлены «на лету».

«Преобразование» указывает на то, что модели аналитических решений типично полагаются не на исходные данные от устройств, а на загружаемые, хорошо организованные массивы.

«Обогащение» необходимо, если модель решения нуждается не только в данных от устройств, но также и в хранимых данных из источников предприятия.

Форрестер называет эту технологическую область «потоковой аналитикой» (streaming analytics). Упрощенное, но довольно точное определение ─ с точки зрения объема IoT похожи на большие данные, а с точки зрения скорости IoT ─ это большие данные «на стероидах».

Неожиданный аспект

В октябре 2014 г. на Маврикии прошла 36th International Conference of Data Protection and Privacy Commissioners. Ее цель состояла в том, чтобы обсудить и положительное, и негативное воздействие больших данных и IoT на нашу повседневную жизнь, а также установить принципы и дать рекомендации о том, как снизить риски, связанные со сбором и использованием данных.

Наблюдения и заключения конференции были отражены в двух документах ─ Mauritius Resolution on Big Data и Mauritius Declaration on the Internet of Things. Оба документа признают, что соединение устройств IoT с большими данными могут сделать нашу жизнь легче, но имеется серьезное беспокойство по поводу прав на неприкосновенность частной жизни людей (privacy) и их гражданских прав.

С точки зрения права большие данные требуют защиты при их хранении, т.е., определенной политики доступа, шифрования и т.д. Данные IoT требуют в основном защиты от перехвата при перемещении данных.

Очень краткое заключение

Есть ясное соотношение между большими данными и IoT. Фактически, можно полагать, что Big Data являются подмножеством при обсуждении IoT.

Большие данные подразумевают все, что связано с данными, простыми и сложными. IoT подразумевает все, что связано с потоками данных, физических устройствах и возможностях соединения.

Блокчейн и кибербезопасность – три примера

При относительной технической сложности самого предмета, вершина айсберга (применение технологии) описывается достаточно просто, – блокчейн эффективно используются в области безопасности. Приятно, что в стороне не остались и отечественные разработчики.

Блокчейн и кибербезопасность – три примера

Интересно, а как бы вы изобразили блокчейн?

Предварительные замечания

Для верного понимания дальнейшего изложения прежде всего устраним возможную путаницу между блокчейн и биткойн. Согласно Википедии,

«Блокчейн (англ. blockchain или block chain) – выстроенная по определенным правилам непрерывная последовательная цепочка блоков, содержащих информацию. Впервые термин появился как название распределенной базы данных, реализованной в системе «Биткойн» (Bitcoin). Поэтому блокчейн чаще всего относят к транзакциям в различных криптовалютах. Однако технология цепочек блоков может быть распространена на любые взаимосвязанные информационные блоки».

В данном случае описывается использование технологии блокчейн (здесь и далее – в русскоязычной транскрипции) для повышения уровня безопасности информационных технологий.

«Второй квартал 2017 г. был просто диким для блокчейн-компаний и инвесторов. Насчитывалось почти 60 начальных предложений криптомонет (Initial Coin Offerings, ICO) на сумму более $750 млн., и похоже, что это – только начало», – отмечается в недавней статье Forbes.

Уже очевидно, что блокчейн может оказать влияние на почти каждую промышленность. Банковское дело, финансы и недвижимость к настоящему времени уже привычно используют блокчейн. На очереди – образование, социальные медиа и безопасность, которыми активно занимаются многочисленные стартапы.

Собственно, у технологии блокчейн имеется врожденная связь с кибербезопасностью. Она, по сути, является результатом десятилетий исследования и прорывов в криптографии и безопасности.

Блокчейн предлагает совершенно иной подход к хранению информации и проведению сделок, устанавливая новые правила доверия (trust rules). Это делает технологию более подходящей, чем все другие известные на сегодня варианты для IT среды с требованиями высокой степени безопасности и взаимно неизвестными игроками.

Таким образом, в то время, как криптовалюты типа Bitcoin иногда испытывают колебания курса в силу экономических причин, блокчейн, как их технологическая основа, до сих пор (уже более восьми лет) успешно противостоит кибератакам.

Это и стало причиной, по которой некоторые крупнейшие корпорации, работающие в том числе в военной области (например, Lockheed Martin) решили сделать ставку на блокчейн для кибербезопасности.

Многие инновационные компании также исследуют преимущества блокчейн для решения неотложных вопросов безопасности нашего времени. Ниже приведены три примера использования этой технологии.

Guardtime обнаруживает кибератаки в режиме реального времени

Блокчейн и кибербезопасность – три примера

Фрагмент сайта Guardtime. На фото – Ахто Балдас (Ahto Buldas), запустивший компанию в Эстонии в 2007 г.

К настоящему времени компания использовала блокчейн при создании собственной Keyless Signature Infrastructure (KSI). Она заменяет как традиционную инфраструктуру с открытыми ключами (Public Key Infrastructure, PKI), которая использует асимметричное шифрование.

Forbs пишет, что «Guardtime превратился в самую большую в мире блокчейн-компанию по показателям дохода, количеству пользователей и фактических развертываний системы на площадках клиентов». В 2016 г. компания своей технологией обеспечила защиту всей медицинской документации Эстонии (более 1 млн. карточек).

Remme делает пароли устаревшими

Блокчейн и кибербезопасность – три примера

Фрагмент сайта Remme. На фото – основатель и СЕО компании Александр Момот (Alex Momot)

С блокчейн от Remme, компании основанной украинцами, ее клиенты могут подтвердить подлинность (выполнить аутентификацию) пользователей и устройств без потребности в пароле. Это устраняет человеческий фактор из опознавательного процесса, препятствуя тому, чтобы он стал потенциальным источником нападения.

Александр Момот говорит, что использование простых логинов и централизованной архитектуры является большой слабостью традиционных систем, – «Независимо от того, сколько денег компания тратит на безопасность, все эти усилия напрасны, если клиенты и сотрудники используют пароли, которые легко взломать или украсть».

Блокчейн берет на себя ответственность за аутентификацию, в то же время устраняя опасность нападения. Кроме того, децентрализованная сеть помогает обеспечить согласие (консенсус) между сторонами для их идентификации.

Платформа безопасности Remme основана на той предпосылке, что децентрализованная система всегда лучше, чем централизованная, которая уязвима для нападений. Платформа делает еще более безопасной распределенную инфраструктуру управления с открытыми ключами, чтобы подтвердить подлинность пользователей и устройств.

Вместо пароля Remme дает каждому устройству определенный сертификат безопасности Secure Sockets Layer (SSL). Данными о сертификате управляют на основе блокчейн, что делает фактически невозможным использование поддельных свидетельств.

Платформа также использует установление подлинности с двумя факторами (двухфакторную аутентификацию, Two-Factor Authentication), чтобы еще больше увеличить безопасность для ее пользователей.

«Укроборонпром» уже установил стратегическое партнерство с Remme, чтобы обеспечить сотрудникам безопасный беспарольный доступ к используемым системам. Remme также планирует объявить о своем ICO в октябре этого года. Подробный Technical Whitepaper компании от 28 июля 2017 г. можно скачать здесь.

Obsidian гарантирует неприкосновенность и безопасность бесед

Блокчейн и кибербезопасность – три примера

Фрагмент сайта Obsidian с примером экрана одноименного безопасного мессенджера. На фото – СЕО компании Питер Маклори (Peter McClory)

Сервисы сообщений (messenger services) интернет сегодня используются также для платежей и найма рабочей силы через чат-боты. При этом интеграция передачи сообщений и коммерции выглядит очень перспективной, поскольку Facebook Messenger и WhatsApp имеют базу в 1,2 млрд. пользователей каждый, а у китайского сервиса сообщений WeChat их число достигает 2 млрд.

Однако, существует неотъемлемая, врожденная опасность социальной инженерии в отношении безопасности. Проще говоря, мессенджеры всегда были и остаются относительно слабо защищенными от взлома и/или вмешательства в их работу. В частности, и WhatsApp, и Telegram имеют недостатки, связанные с метаданными передаваемых изображений (image metadata).

Obsidian использует децентрализованную блокчейн-сеть, которая не может подвергаться цензуре или редактированию и управляться каким-либо единственным централизованным источником. Кроме того, коммуникационные метаданные рассеяны здесь всюду по распределенной «бухгалтерской книге» (distributed ledger) и не могут быть собраны в одной центральной точке. Пользователям не требуется связываться с их адресами электронной почты или номерами телефонов, что повышает их неприкосновенность (privacy).

«Исходная концепция Obsidian заключалась в том, что было необходимо преодолеть слабость другого конца при контакте, которые мессенджеры все еще имеют сегодня». – говорит Маклори. – «Проблема всех приложений этого типа (WhatsApp, Signal, Wire, Threema и др.) в том, что ни один из известных безопасных мессенджеров не защищает коммуникационные метаданные достаточно эффективно с точки зрения того, кто с кем общается».

Obsidian Messenger также реализует параллельную сеть для обмена данными и файлами. Компания собрала свой минимально необходимый капитал через ICO. Выпуск собственной цифровой валюты продолжается и составляет на сегодня более 400 BTC (биткойнов).

Будущее блокчейн выглядит ярким

Блокчейн справляется с фундаментальными недостатками безопасности, убирая человеческий фактор, которое обычно является наиболее слабым звеном. Технология обеспечивает «end-to-end privacy» и шифрование, гарантируя при этом максимальное удобство для пользователей.

Технологии блокчейн продолжают быстро развиваться, имея своей целью защиту информации людей, компаний и правительственных структур, в том числе военных. Они оказались более гибкими и универсальными, чем считалось в первые годы их использования. Поэтому их применение продолжает распространяться на все новые области, оправдывая обещания надежности и безопасности.

AWS Snowball Edge vs. Microsoft Azure Stack - Локальное публичное. Два подхода

Клиенты компаний, предоставляющих платные облачные сервисы по разным причинам иногда переходят от управляемых провайдером датацентров к краевым вычислениям. Вот два локальных решения, которые предлагают Amazon Web Services и Microsoft.

Решения Amazon Web Services (AWS) Snowball Edge и Microsoft Azure Stack преследуют одну и ту же цель ─ перенести содержимое публичного облака в приватный локальный датацентр. Однако для ее достижения они используют совершенно разные подходы. У них можно найти только некоторые слабые общие черты.

Краевое публичное облако

Одним из самых больших камней преткновения для публичного облака остается физическое расположение системы. Имеется достаточно случаев, когда для организаций более предпочтительными выглядят «микродатацентры» на краю сети.

Например, уже стандартно для решений Internet of Things (IoT) более эффективной является местная обработка больших объемов данных (on-premises data processes). Другой случай использования, ─ интеграция наследуемых систем с публичным облаком. При больших рабочих нагрузках она оказывается более сложным и дорогим вариантом по сравнению с краевым публичным облаком.

Таким образом, возникает решение проблемы ─ создание on-premises public cloud. Возможно, это паллиатив, временная «подпорка», до разработки более целостных и оптимизированных вариантов. Но пока именно такой подход предлагает выход из создавшейся ситуации.

Сегодняшние on-premises public clouds ─ только преддверие того, что может принести будущее. Эти решения состоят из аппаратных средств, которые используются единственным клиентом и управляются поставщиком публичного облака.

Очевидно, далее, по мере развития определяемых ПО сетевых решений (Software-Defined Networking, SDN), поставщики публичного облака создадут «бассейны ресурсов» (resource pools), используя оборудование и помещение клиента.

AWS Snowball Edge

AWS в прошлом году первоначально разработала Snowball как физическое устройство для переноса больших объемов данных. Оказалось, что быстрее и дешевле выкачать терабайты информации из локальной корпоративной системы, перевезти устройство к провайдеру публичного облака и загрузить содержимое на его серверы.

AWS Snowball Edge vs. Microsoft Azure Stack - Локальное публичное. Два подхода


«С новой системой переноса данных Amazon Snowball мы будем в состоянии сохранить огромное количество больших данных в облаке, ─ пока мы выясняем, что, черт возьми, делать со всем этим»! Как говорится, в каждой шутке…

Однако на конференции AWS Re:invent 2016 Amazon анонсировала его развитие ─ Snowball Edge. Это ─ физическое устройство, внешне похожее на первый Snowball, но представляющее собой кластер, который масштабируется до четырех узлов и действует скорее как постоянная установка вместо прибора для разового переноса данных.

Появление Snowball Edge говорит об определенном тренде в секторе устройств для бессерверных публичных облаков (serverless public cloud), в которых поддерживается код AWS Lambda.

AWS Snowball Edge vs. Microsoft Azure Stack - Локальное публичное. Два подхода

Использование кластера Snowball для обработки данных IoT и их переноса в облако Amazon

Например, в случае использования IoT, конечный пользователь может устанавливать и идентифицировать температурные пороги для датчиков IoT. Поскольку датчики пишут логи Snowball Edge, считываемые данные сравниваются с порогом, используя код Lambda. Если температура выходит за установленный диапазон, Lambda может запустить процесс, описанный соответствующим скриптом, на внешней системе.

Более подробное описание выходит за рамки этого блока. Для последующего ознакомления можно рекомендовать справочные статьи серии «The smart person’s guide», размещенные на сайте TechRepublic ─ Edge Computing и AWS Lambda.
www.techrepublic.com/article/edge-computing-the-smart-persons-guide/
www.techrepublic.com/article/amazon-lambda-the-smart-persons-guide/

Microsoft Azure Stack

AWS Snowball Edge vs. Microsoft Azure Stack - Локальное публичное. Два подхода

В Microsoft Azure Stack публичное облако Microsoft заменяется на локальное решение на площадке клиента (on-premise) или хостинговое решение

В то время, как AWS Snowball Edge концентрируется только на данных и их обработке, Microsoft продвинулась на шаг дальше в этом новом направлении со своим Azure Stack. Azure Stack запускает некоторые сервисы Azure PaaS и IaaS. В теории, клиент может заменить весь свой микродатацентр решением на Azure Stack.

Главный архитектор Azure Stack Джеффри Сноувер (Jeffrey Snover) по этому поводу просто сказал, что «Azure Stack ─ это Microsoft Azure внутри датацентра клиента». Azure Stack может расширяться до 12 нодов и, согласно Сноуверу, может запускать до 400 виртуальных машин на полностью развернутом Azure Stack.

Собственно, и Azure Stack, и Snowball впервые дают начальные понятия обеспечения вычислений на краю в публичном облаке и представляют собой новый класс гибридных облачных решений.

Клиенты получают преимущество аутсорсинга управления инфраструктурой поставщиком публичного облака, но при этом решения отвечают техническим и бизнес- требованиям, характерным для краевых вычислений.

CEO Nvidia: «Криптовалюты никуда не денутся»

На прошлой неделе Nvidia отчиталась о результатах за прошедший квартал. И криптовалюты среди прочего обеспечили рост прибыли производителя графических процессоров.

Тем временем Bitcoin продолжает рост и уже преодолен рубеж в $4000.

«Несмотря на изменчивость рынка, криптовалюты ─ это поток дохода, который уже никуда не денется. Криптовалюты и блокчейн пришли всерьез и надолго. Потребность рынка в них постоянно растет, и в долговременной перспективе этот сегмент станет не просто заметным ─ он будет довольно большим», отметил CEO компании Дженсен Хуан (Jen-Hsun Huang) сказал следующее.

Nvidia показала отличные результаты Q2, которые превысили рыночные ожидания. Доход в категории Nvidia PC OEM, который включает GPU, разработанные для наиболее мощных десктопов и ноутбуков, а также для «добывания» криптовалюты (cryptocurrency mining) составил $251 млн.

Финансовый директор компании Колетт Кресс (Colette Kress) отметила в ее ежеквартальном комментарии, что увеличение продаж OEM GPU было вызвано резким повышение цен на «криптомонеты» (crypto coin) в этом году.

Рынок цифровых валют в 2017 г. пережил ряд взлетов и падений. На этом основании многие посчитали, что этот формирующийся сегмент (как бывало много раз ранее) является дутым, т.е., «пузырем».

Однако Хуан Жэньсюнь спокоен. «Рынок криптовалют действительно сильно изменчив, но Nvidia ─ достаточно крупная компания, чтобы сгладить возможные шоки и продолжать пожинать плоды», ─ сказал он.

«Кроме того», ─ добавил Жэньсюнь, ─ «GPU действительно идеален для него. Стратегия Nvidia состоит в том, чтобы предложить «криптошахтерам» добывающие устройства, специально оптимизированные для этой работы. Компания внимательно отслеживает рынок. Мы знаем каждое его движение и динамику. Вероятно, в дальнейшем на нем будет еще больше потрясений. Но, чем больше компания, которая делает GPU, тем больше у нее способность сгладить эту изменчивость. Поэтому мы вполне готовы работать на этом рынке».

Краевые и облачные вычисления ─ лучше вместе

Edge Computing ─ из категории тех решений, которые неизбежно должны были появиться. Идея здесь очень проста ─ избежать перегонки данных на обработку и обратно. А в сочетании с возможностями облачных вычислений все получается очень эффективно и даже красиво.

Для сложных IoT приложений краевые вычисления (edge computing) предлагают намного более разумные возможности обработки данных, чем только облачные. Поскольку интернет вещей ─ суть обработка произведенных устройствами данных, то облачные технологии здесь практически нужны для производительных централизованных вычислений и хранения данных.

Рост облачного трафика, который дает увеличение числа IoT приложений, мог бы в конце концов привести к потере управляемости облачных структур. В результате эта вычислительная модель стала бы непригодной.

Кроме того, беспрецедентный объем данных, производимых устройствами IoT, приводит к значительному напряжению в интернет-архитектуре. Следовательно, разработчики должны были найти способы уменьшить это давление на сеть и обойти проблему нарастания объемов обрабатываемых данных.

Edge Computing

Современным решением этой проблемы стали краевые вычисления, которые переносят обработку данных к краю сети, ближе к их источнику. Другими словами, вместо того, чтобы послать данные в облачный сервер или датацентр на обработку, устройство соединяется с каналами интернет через локальный шлюз (local gateway device). Здесь производится частичная или полная обработка данных, что обеспечивает более быструю аналитику и уменьшает нагрузку на сеть.

Краевые и облачные вычисления ─ лучше вместе

Организация обработки данных в IoT для встроенных систем

Краевые и облачные вычисления ─ лучше вместе

Сеть беспроводных датчиков со шлюзом в производственных системах

Краевые вычисления хорошо подходят для индустриальных IoT приложений, в которых важно быстрое принятие решения, ─ тогда, как облачные вычисления остаются более подходящими для аналитики больших массивов данных.

Получение устойчивой и жизнеспособной сети зависит от установки определенного баланса между обработкой на краю и централизованной системой. Вообще, краевые вычисления для кастомизированных систем в сочетании с облачными вычислениями ─ наиболее универсальная платформа, которая обычно хорошо совместима с более старыми приложениями.

Однако промышленность вовсе не собирается заменять одно другим, а хочет использовать их лучшие стороны, ─ так, чтобы они служили дополнением друг другу и устройствам, которые поставляют им данные.

Когда IoT нуждается в крае

Для IoT и распределенных приложений типовая IT инфраструктура включает устройство, «край сети» (network edge) и сервер. Ее цель, как отмечалось выше, состоит в том, чтобы обработать данные непосредственно около устройства для мгновенного ответа и последующего принятия решения.

Это особенно верно для приложений, которые используют произведенные данные в алгоритмах машинного обучения, чтобы принимать самостоятельные решения. Отсылка данных на обработку к центральному облачному серверу облака существенно снижает ожидаемую ценность.

Краевые устройства захватывают информацию в реальном времени. Она может обрабатываться самими устройствами, ─ во избежание потери части информации, искажения маршрута ее движения или для непосредственной оптимизации производственного процесса за счет обратной связи.

Часто краевые вычисления ─ единственная возможность для ресурсов, у которых нет непрерывного сетевого доступа, например планшеты и смартфоны в сельскохозяйственных применениях.

Краевые вычисления имеют преимущества, когда устройство обладает способностью самостоятельной обработки данных в ответ на колебания параметров производственных процессов, которые находятся (или не находятся) в определенных рамках. Например, контроль за состоянием запасов вряд ли будет использовать краевые вычисления. Обработка таких данных на краю сети, скорее всего, привела бы к беспорядку.

Но облачные вычисления остаются важной парадигмой обработки данных. Они полезны в приложениях, которые не очень чувствительны ко времени ответа, в приложениях больших данных и многих других случаях. Такая вычислительная модель увеличивает эффективность выполнения повседневных задач и обеспечивает путь к обработке больших массивов данных.

К уравновешенной стратегии

Итак, краевые вычисления не заменяют облачные. Вместе с тем, необходимый аналитический алгоритм может быть эффективно создан в облаке, и затем перемещен ближе к краевому устройству. Это часто происходит там, где датчик просто собирает данные и не способен к их анализу.

Краевые и облачные вычисления ─ лучше вместе

Области применения краевых и облачных вычислений

Лучшее на сегодня решение выглядит как большее или меньшее объединение этих двух моделей для повышения эффективности их совместной работы, ─ краевых вычислений, где наиболее существенным параметром является время, и облачных вычислений, которые характеризуются высокой безопасностью и способностью обрабатывать большие объемы информации.

Таким образом, сегодня ─ время создания стеков на основе IoT и облачных технологий, чтобы получить лучшее решение и оптимизировать вычислительную мощность таких смешанных систем.

«Интеллектуальные войны» и их результаты

Google проводит обширные исследования в области искусственного интеллекта (Artifical Intellect, AI), но отстает от Amazon, Microsoft и IBM в рыночной доле сегментов корпоративных облаков и законченных AI решений. Как говорится, ─ «кто виноват и что делать»?

Что мешает Google

Существует довольно распространенное мнение о том, что Google никогда до конца не понимала корпоративные IT. Напротив, считается, что три текущих лидера в облачных сервисах, ─ Amazon (AWS), Microsoft (Azure), и IBM (IBM Cloud), ─ понимают их очень хорошо.

«Интеллектуальные войны» и их результаты

Google Brain ─ это исследовательский проект, который включает в себя несколько довольно различных направлений, ─ от традиционного для компании веб-поиска до самоуправляемых автомобилей. Очевидно, что мгновенных результатов здесь ожидать сложно.

Google получила признание как лидер де-факто в AI исследованиях (DeepMind и Google Brain). Она впереди в направлении «Machine Learning As A Service» (MLaaS). Но вести регулярную войну с сильными соперниками гораздо труднее, чем просто выпустить свободно распространяемый инструментальный пакет (TensorFlow). Очевидно, что и этот проект для Google является затратным, а не прибыльным.

Поскольку Google отстает в доле на рынке облачных вычислений, она сейчас работает над тем, чтобы дифференцировать свой продукт от его аналогов, и бесплатно предлагает инструменты для машинного обучения.

Действительно, TensorFlow очень быстро обогнал другие библиотеки машинного обучения (Theano, Caffe, Torch и др.) по уровню интереса к нему. Но для этого нужно было приложить некоторые усилия. Например, Google разработала курс по «глубокому обучению» (Deep Learning) для учебной структуры Udacity, в котором каждый студент обязан изучить TensorFlow.

«Интеллектуальные войны» и их результаты

Популярность всех средств машинного обучения растет, но TensorFlow здесь, конечно, вне конкуренции. С другой стороны, клики на GitHub очень опосредовано относятся к реальному использовании инструмента Google в корпоративной среде.

Два главных препятствия, которые мешают Google выйти на ведущие позиции AI в мире ─ «сила тяжести» данных и нехватка обратной совместимости. Чтобы наглядно и буквально проиллюстрировать проблему «силы тяжести» данных, достаточно обратиться к накопителю данных Amazon Snowball.

«Интеллектуальные войны» и их результаты

Размеры этого «снежка» ощутимы только в сопоставлении с привычными масштабами. Вес у него тоже соответствующий. Но на сегодня ─ это лучшее решение для надежного перенесения данных и их безошибочного анализа.

Snowball ─ флеш-карта размером с приличный чемодан, способная к хранению 80 TB корпоративных данных. Она физически передается on-premise датацентрам клиента, чтобы загрузить данные и затем отправить их назад в Amazon для закачки на серверы AWS. Такая ручная передача оказывается значительно быстрее и дешевле для больших объемов данных, чем какой-либо интернет-метод. Принципиально здесь нет ничего особенно сложного, но Google не использует подобную технологию работы с данными.

Обратная совместимость ─ другая причина, почему предприятия не мчатся наперегонки за новейшими языками программирования и инструментами, которые используют исследователи в области AI.

Большинство предприятий до сих пор предпочитают Java Virtual Machines (JVM), и даже все еще работают на десктопах Apple. Популярность Java обусловлена ее полной обратной совместимостью, тогда как, например, Python 3 не совместим даже с Python 2.

Вообще, говорят, что библиотеки глубокого обучения разработаны в основном для того, чтобы помочь AI исследователям писать свои научные работы, а не для практического развертывания в производственных средах.

Чтобы преуспеть в корпоративных решениях, AI разработчик должен иметь «полевую команду» инженеров, которые могут быстро доказать преимущества новых подходов непосредственно у заказчика, для его повседневных операций.

Microsoft имеет более ясное видение в AI войнах

В мае текущего года Microsoft провела свою ежегодную конференцию разработчиков в Сиэтле. На той же неделе Google сделала то же самое в Маунтин-Вью. Ресурс Techcrunch написал по этому поводу следующее.

«Интеллектуальные войны» и их результаты

«В то время, как мероприятие Microsoft отразило всплеск активности компании под лидерством Сатья Наделла (Satya Nadella), конференция Google I/O 2017 вообще, ─ и особенно его различные, несколько незапланированные лейтмотивы, ─ не имели большого успеха в этом году.

Эти две компании долго были конкурентами, конечно, но теперь (возможно, более, чем когда-либо ранее) они имеют острые разногласия и отчаянно конкурируют в облачных вычислениях, машинном обучении, искусственном интеллекте, а также в виртуальной и дополненной реальности». Тут интересно сравнить лейтмотивы Сундара Пичаи (Sundar Pichai) и Сатьи Наделлы.

Пичаи использовал свое время главным образом для того, чтобы объявить о последней статистике компании и парочке новых продуктов. Nadella говорил о возможностях и рисках очередного технологического продвижения, в том числе о том, что Microsoft теперь «AI First» компания.

Наделла довольно ясно сформулировал, на чем должна сосредоточиться сегодня компания ─ «Давайте использовать технологии, чтобы дать больше возможностей большему количеству людей», ─ сказал он.

AI First

Область, где конкуренция Microsoft и Google является самой очевидной (кроме базовых облачных сервисов), ─ это машинное обучение.

Параллели здесь провести очень легко. Обе компании уже некоторое время везде, где только можно, подчеркивают свое AI мастерство, и в этом они удивительно подобны. Мы оставляем за рамками этого блога близкие разработки Story Remix (Microsoft) и Google Photos, а также хедсеты для виртуальной и дополненной реальности.

Усилия компаний в области AI сейчас во многом направлены на Microsoft Cortana и Google Assistant. Здесь Google держится несколько впереди Microsoft, ─ просто потому, что знает больше о пользователе (и остальной части мира). Однако с Microsoft Graph ее конкурент теперь строит «цифровую ткань», которая свяжет все устройства и приложения пользователей.

Подводя некоторые промежуточные итоги, можно сказать, что направление, которое звонко назвали «AI First», т.е., «искусственный интеллект прежде всего», пока больше напоминает разобранную и разложенную на полу в гараже машину.

Все детали, вроде бы, есть. Нужно только сделать из них нечто законченное и очевидно полезное, ─ например, чтобы она могла ездить и, желательно, что-нибудь при этом возить. Ну, посмотрим, чем закончится этот год.

Здравоохранение, облако и искусственный интеллект

Здравоохранение и медицина являются несколько парадоксальными областями деятельности человека. С одной стороны, они очень инновативны, особенно в последние годы. С другой ─ они очень консервативны, поскольку область их приложения, человек, практически не меняется с биологической точки зрения. Какое место в таком случае отводится IT?

Традиционные и облачные IT в здравоохранении и медицине

Почему здравоохранение хронически отстает в связанных с компьютерами областей, даже в таких относительно простых задачах, как ведение записей (электронных карточек пациентов)? Здесь многое зависит от инвестиций, которыми располагает медицинские учреждения. Для них перевод текущих задач в электронный вид всегда требует ощутимых затрат.

Вместе с тем, промышленные предприятия, страховые компании, банки тратят на IT относительно больше, чем больницы и поликлиники. До 2012 г. большинство медицинских учреждений отводили на IT не более 3% своего бюджета. В последние годы эта доля увеличилась до 4-6%, а в некоторых информационно плотных диагностических центрах она теперь еще выше. Но, для сравнения, ─ промышленное производство типично расходует на IT до 9-12% бюджета, поскольку рассматривает их как дифференциатор своей конкурентоспособности.

Вообще, прошли времена, когда на IT смотрели больше как на центр затрат и нечто такое, что бизнесу было модно иметь. Позже, по мере умения, IT начали использовать для управления компанией. За прошлые несколько лет отношение к IT совершенно изменилось, они стали критичными для ведения бизнеса.

В медицине также можно сейчас привести реальные примеры возврата инвестиций, которые было трудно найти в прошлом. Еще в начале 90-х гг. начался переход на электронную медицинскую документацию и компьютеризированные системы вызова врача, но тогда было очень трудно получить одобрение бюджета руководством на такие проекты. Чиновники от медицины не очень хорошо понимали IT и то, что они могут сделать в здравоохранении, ─ не говоря уж о коэффициенте возврата инвестиций (Return on Investment, ROI) внедряемых систем.

Здравоохранение, облако и искусственный интеллект

Типичная система электронной системы записей в здравоохранении.

Обратимся к опыту Чарльза Подесты (Charles Podesta), CIO медицинского исследовательского центра Калифорнийского университета UC Irvine Health. Он имеет более 35 лет опыта внедрения, поддержки и использования IT в области медицинских процедур и ухода за больными.

Вместе с тем он полагает, что здравоохранение все еще отстает в определенных областях, особенно в принятии облачных вычислений и развитии партнерских отношений с разработчиками и изготовителями медицинских IT систем.

Часто выступая на профильных конференциях, Подеста предлагает общие стратегии перехода IT в здравоохранении на следующий уровень. В то же время он разрабатывает практические методы, которые повышают эффективность использования IT в его собственной организации.

Тогда, в 80-х гг. прошлого века ему потребовалось провести анализ, который показал возможность значительной экономии средств центра при использовании комплексных систем управления медицинскими записями (Electronic Medical Records, EMR) и результатами обследований (Electronic Health Records, EHR). Только тогда руководство центра увидело, что такое крупное внедрение имеет большой смысл, и, соответственно, впервые в ее истории понадобился CIO.

Здравоохранение, облако и искусственный интеллект

Фрагмент страницы медицинского исследовательского центра UC Irvine Health. Справа ─ его бессменный CIO Чарльз Подеста.

В среде CIO, работающих в области здравоохранения (Healthcare), сегодня наблюдается наиболее быстрое движение к облаку. Однако конкуренция за ресурсы здесь фактически загоняет IT инвестиции в угол.

С точки зрения Подесты, наличие у нового продукта возможности работать в облаке и с облаком является большим плюсом для включения его в шорт-лист выбора любого медицинского учреждения. В настоящее время около 80% используемых центром решений являются облачными (и в частном, и в общественном облаке). В частности, вся аналитика собрана в единое облачное решение.

Почему здравоохранение, являясь во многом ультрасовременной дисциплиной, в целом отстает в принятии облака? Серьезная причина ─ требование закрытости медицинской информации (Protected Health Information, PHI). За последнее десятилетие было достаточно потерь такой информации, ее взлома и хищения и даже ее захват по принципу ransomware (т.е., возвращение за выкуп).

Кроме того, многие облачные решения со средствами защиты информации не соответствуют требованиям HIPAA (Health Insurance Portability and Accountability Act) и / или стандартам NIST (National Institute of Standards and Technology) и не могут пройти соответствующий аудит. CIO часто не решаются перемещаться в облако по этим причинам.

В частности, чтобы облегчить им задачу, и Google, и Amazon Web Services (AWS) провели большую работу для того, чтобы их сервисы соответствовали указанным требованиям и могли широко использоваться в здравоохранении. Как мы увидим далее, вопросы безопасности все еще сдерживают внедрение и других новейших и очевидно полезных IT.

Искусственный интеллект в здравоохранении и медицине

Итак, сегодня медицина и здравоохранение становятся одними из крупнейших потребителей современных IT. Интересный вопрос ─ что может сделать здесь искусственный интеллект (Artifical Intellect, AI)?

Люди любят говорить об автоматизации и AI, но, когда дело доходит до чего-то очень личного и важного для них самих, ─ такого, как медицина, ─ у людей всегда проявляется некоторая неуверенность в том, можно ли доверить свое здоровье какой-то компьютерной программе?

Вообще-то, это дилемма из разряда «вам шашечки или ехать?». Т.е., что вам важнее ─ опасения отдать свое тело на откуп AI или обеспечение ваших потребностей здравоохранения? И сегодня это ─ вовсе не гипотетический вопрос.

Здравоохранение, облако и искусственный интеллект

Около сотни стартапов сегодня занимаются различными аспектами использования AI в медицине и здравоохранении.

Мы находимся только на пороге очередной революции. Через 3-5-10 лет все очень сильно изменится, и AI будет играть гораздо большую роль в современной медицине. Вопрос в том, каковы риски и каковы награды за риск? Давайте рассмотрим несколько различных применений AI.

Телемедицина. В развитых странах одним из самых прогрессивных направлений в последние годы является именно телемедицина, которую также часто называют «telehealth». Ее принцип заключается в том, чтобы человек жил обычной жизнью, периодически подвергаясь удаленной проверке состояния своего здоровья. Предполагается, что доктора будут в состоянии удаленно помочь своим пациентам и обеспечить им больший комфорт и удобства.

Основной проблемой здесь пока также считается обеспечение необходимого уровня безопасности данных пациента. В соответствии с тем же HIPAA, они должны быть на уровне банковских и финансовых систем.

Возможно, позже проявятся другие проблемы телемедицины. Но, чтобы, по крайней мере, реализовать ее технологически, сначала придется решить именно задачи безопасности ─ чем сегодня и занимаются многие компании и стартапы.

Планирование лечения. Очень перспективным выглядит применение AI для составления планов лечения пациентов ─ особенно для рака и других серьезных болезней. Программа (долговременная целевая, а не компьютерная), которая должна предоставить клиницистам варианты лечения для возможных или наиболее вероятных случаев, недавно запущена на IBM Watson. Пожалуй, наиболее важно, что доктора, используя AI диагностику, теперь получают доступ к большему количеству вариантов и могут с помощью AI анализировать их. Результатом будет (надо надеяться) ─ лучшее принятие решения и лучшие последствия для здоровья пациентов.

Мониторинг пациентов. Здесь просто приведем пример. Система Sense.ly (виртуальная медицинская сестра) автоматизирует многие наиболее распространенные сервисы для пациентов, обычно предоставляемые в клинике.

Здравоохранение, облако и искусственный интеллект

Вообще-то, в том виде, в каком Sense.ly показана на рисунке, она решает только две проблемы ─ как добраться в клинику в нужное время и как высидеть очередь у врача. Или скажет, что у вас пока нет ничего страшного.

Поэтому Sense.ly следует рассматривать не более, чем как вершину айсберга. Важнее другое. Из триллионов долларов, потраченных на здравоохранение в США, почти половина уходит на людей, которые непрерывно возвращаются в больницы с теми же самыми хроническими заболеваниями, которые недолечены или возобновляются. При помощи системы, которая выполняет удаленный контроль этих пациентов, врачи могут высвободить свое время для неотложной помощи другим пациентам.

Конечно, определенный баланс между автоматизацией и участием врача-человека важен, но предполагается, что подобные инструменты будут играть все более значительную роль в развитии здравоохранения.

Но самая важная вещь, как обычно, связана с самими людьми. Врачи и пациенты всегда должны оставаться бдительными и откровенными. Это ─ единственный способ, которым в последующие годы могут быть достигнуты беспрецедентные, и в то же время безопасные для человека, успехи в медицине и здравоохранении.

Джек Ма ─ «Мы тоже это делаем, и нам это не нравится»

Джек Ма ─ «Мы тоже это делаем, и нам это не нравится»

Джек Ма (Jack Ma), председатель Alibaba Group Holding Ltd., в своем недавнем выступлении на конференции по предпринимательству в Чжэнчжоу, сказал, что «общество должно подготовиться к многим десятилетиям боли, поскольку интернет разрушает экономику».

Alibaba, крупнейший оператор электронной коммерции Китая, тратит в последние годы миллиарды долларов, чтобы войти в новые бизнесы ─ от производства кинофильмов и видео до финансовых структур и облачных вычислений.

Находящаяся в Ханчжоу компания, которую рассматривают как барометр настроений потребителей Китая, надеется расширяться за границей. Экспансия Alibaba началась с покупки контрольного пакета акций Lazada Group SA, чтобы установить точку опоры в Юго-Восточной Азии. Это потенциально готовит почву для прямого столкновения с Amazon и подобными компаниями электронной коммерции.

Компания двигается в неиспользованные сельские рынки и вкладывает капитал в новые источники дохода, такие как онлайн медиа и облачные вычисления. Эти направления были наиболее растущими в 2016 г.

Тем более удивительно, что Джек Ма говорит о том, что мир должен изменить системы образования и установить четкие правила относительно того, как работать с роботами, ─ чтобы помочь смягчить удар, вызванный автоматизацией и интернет-экономикой.

«В следующие 30 лет мир будет видеть намного больше боли, чем счастья», ─ сказал Ма относительно разрушения рабочих мест, вызванного интернетом. ─ «Социальные конфликты в следующие три десятилетия окажут влияние на все виды отраслей промышленности и группы общества».

Это была достаточно необычная речь для соучредителя Alibaba, который до этого склонен к  расхваливанию «цифрового будущего» человечества. Он сказал, что еще 15 лет назад, в первые годы электронной коммерции, пытался предупредить людей о том, что это разрушит бизнес традиционных ритейлеров. Но слушали его тогда очень немногие.

Сейчас к его словам относятся гораздо более внимательно. На сей раз Ма предупредил о серьезных последствиях воздействия новых технологий на жизнь всей планеты. 52-летний Ма также критически настроен по отношению к традиционному банковскому делу, говоря, что займы, кредиты и ссуды должны быть доступными большему количеству членов общества. «Нехватка здравой системы кредитов затратна для всех», ─ сказал он.

Ма не раз подвергал резкой критике компании, которые не хотят приспосабливаться к новым условиям работы. Он сказал, что облачные вычисления и искусственный интеллект исключительно важны для бизнеса, ─ и если лидеры не понимают этого, то пусть найдут в своих компаниях молодых людей, которые это им объяснят.

Ма также призвал традиционные отрасли промышленности прекратить жаловаться на влияние интернета на экономику. Он, в частности, сказал, что критики Alibaba игнорируют Taobao, ее главный онлайн рынок, который создал миллионы рабочих мест.

Ма также сделал еще один прогноз ─ предупредил, что увеличивающаяся продолжительность жизни людей и все более функциональный искусственный интеллект, вероятно, приведут и старению рабочей силы и сокращению рабочих мест. «Машины должны делать только то, что не могут делать люди», ─ сказал он. ─ «Только таким образом мы сможем использовать машины как партнеров людей, а не как замену им».

В заключение нужно сказать, что в IT медиа все чаще появляются публикации на тему возможного и уже существующего противостояния людей и роботов. Пока, действительно, они во многих случаях примирительно говорят о помощи людям, партнерстве с ними  т.д.

Однако, в мире достаточно непривлекательной и грязной работы, которую сейчас выполняют люди. Катастрофическое потрясение ждет сотни миллионов водителей транспортных средств. Множество практических применений найдет искусственный интеллект. И, наконец, каждый предприниматель всегда будет стремиться заменить свой персонал роботами. Но это ─ уже тема для отдельного обсуждения, к которой мы еще не раз вернемся.

 
 
IDC
Реклама

  •  Home  •  Рынок  •  ИТ-директор  •  CloudComputing  •  Hard  •  Soft  •  Сети  •  Безопасность  •  Наука  •  IoT