`

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

 

Alexa for the Enterprise? Пока нет, но уже скоро.

Конечно, лучше крикнуть «Стой!», чем бежать к клавиатуре или тревожной кнопке. Но всегда ли вы удержите ребенка с его относительно небольшим, но собственным интеллектом? Пока еще область голосового управления в корпоративной среде только формируется, и вопросов здесь больше, чем ответов.

Многие люди уже имеют опыт использования Siri, Alexa, Cortana или Google Assistant в личной жизни. Попробуем рассмотреть потенциал голосовых технологий в корпоративном сегменте.

Строили мы, строили...

Голосовая технология, собственно, к 2020 г. не представляет из себя ничего нового и, в общем, не предлагает ничего особенно нового.

Alexa for the Enterprise? Пока нет, но уже скоро.

Bell Labs начала экспериментировать с распознаванием голоса еще в 1952 г., с системой «Одри» (Audrey). Что в переводе значит просто «Автоматический цифровой распознаватель».

Эксперименты Bell Labs скорее обескуражили, чем вдохновили исследователей. Слишком много сложностей тогда нужно было преодолевать, — и большинство из них впервые. Сюда относились ограниченные словари, отличия в тембре и акценте голоса, невысокая скорость перевода (фактически, недостаточная производительность компьютеров) и др.

Расчеты показали слишком высокую стоимость проекта, и энтузиазма в компаниях поубавилось на многие годы. Фактически, за следующие полвека так и не было создано сколько-нибудь удовлетворительной системы распознавания любого человеческого голоса, — и, тем более, средств искусственного интеллекта для реагирования на него.

Alexa for the Enterprise? Пока нет, но уже скоро.

Ходили слухи о неких специальных системах ограниченного применения, но обычному потребителю опереться было практически не на что. Доступное ПО типа Dragon Dictate, — исходя в том числе и из личного опыта, — никогда не обеспечивали комфортной работы с вводом и распознаванием беглой речи, особенно на менее распространенных языках, чем английский.

Другими словами, пока не появилась система распознавания голоса Siri, наши голосовые запросы оставались, так сказать, гласом вопиющего в пустыне.

И, наконец, построили!

Alexa for the Enterprise? Пока нет, но уже скоро.

Siri, конечно, также испытала «болезни роста». Но ее достаточно совершенный голос, ее знания, и даже некоторое подобие чувства юмора, способность быстро понять смысл запроса и более-менее адекватно ответить позволяет казаться ей более «настоящей».

Apple первой смогла практически применить искусственный интеллект (AI) в Siri. Это сделало в последние годы голосовые технологии одной из господствующих тенденций в IT и открыло целый мир новых возможностей.

Amazon быстро вошла в этот сегмент со своей системой «Алекса» (Alexa), если не подняв, то, по крайней мере, приподняв планку, за счет объединения голоса, аналитики данных и AI с интернетом вещей (Internet of Things, IoT).

Alexa for the Enterprise? Пока нет, но уже скоро.

Здесь мы уже подбираемся непосредственно к теме данного блога. Alexa может играть в простые игры, кое-что заказать по интернет, помочь найти новую музыку по заданной теме. Она также в состоянии управлять некоторыми вещами, — такими, как «умные розетки», лампочки, связанные с интернетом, системы сигнализации и управления температурой в помещении (что как раз и показано на иллюстрации для термостата Sensi).

Все, что было перечислено до этого (и многое помимо этого) направлено непосредственно на потребительский сектор. Это не удивительно, поскольку корпоративное применение постоянно отстает от потребительского использования тех или иных технологий, — и часто это занимает годы. Но, тем не менее, голосовые системы довольно быстро движутся к предприятиям будущего, где им прочат существенную роль.

Предприятия медленно признают, что технологии голосового управления могут сделать их сотрудников более производительными и эффективными, — от автоматизации рутинных ручных задач до быстрого исследования массивов информации.

Ставка на «Voice-Enabled Enterprise»

Ожидается, что умные голосовые приложения станут нормой в операционных действиях бизнес-структур в течение следующих десяти лет. Причины для этого следующие.

— Люди охотнее разговаривают, чем вводят текст с клавиатуры.

— Распознавание речи продолжает быстро улучшаться. Siri, Alexa и Google Voice убедительно доказывают это, и только вопрос времени, когда голосовые технологии ввода смогут извлекать смысл из сложного производственного жаргона профессионалов.

— Определяются требования к голосовым корпоративным системам. Управляемые Alexa устройства уже вовсю проверяются на предприятиях, — пока в основном на безопасных задачах. Компании пробуют использовать их в качестве ассистентов при организации удаленных конференций и коллаборативных действий. Их использование будет расширяться по мере интеграции Alexa с такими ключевыми бизнес-системами, как Salesforce и Workday.

Однако существует и достаточно много пока не решенных проблем, — в частности, связанных с безопасностью. Предприятия не могут не волноваться по поводу доступа к защищенным ресурсам или управления потенциально небезопасными устройствами. Много неприятностей может принести уже злонамеренная установка слишком высокой температуры в помещении или блокирование замков на дверях.

Как реакция на такие опасения, быстро развивается «voice fingerprinting» — технология идентификации личности говорящего по его «цифровому отпечатку голоса». Как только она достигнет необходимого уровня, будет преобразован весь пользовательский интерфейс компьютеров.

Нужно оговориться, что никто не предлагает создавать офисы, полные людей, которые целый день разговаривают со своими компьютерами. Обеспечение тишины и отсутствия помех в корпоративной среде — это серьезная проблема. Но уже определяются некоторые практические и очень полезные способы, которыми умная голосовая технология может быть применена для улучшения операций на предприятиях.

Привести практические примеры здесь пока не так просто. Они еще не определились и не стали типовыми. Вот, например, не очень убедительное описание подобной ситуации на ресурсе «InformationWeek».

«Вы уже вернулись домой и собираетесь расслабится перед сном. Тут звучит тревожный сигнал с вашей работы, который пришел на смартфон — параметры технологического процесса изменились (какой ужас!). Вместо того, чтобы собраться по тревоге и бежать на завод, просто скажите —

«Alexa, перезапусти наш Exchange Server с именем Denali». Или, может быть —

«OK Google, выполни SecureOne health report».

И можете спокойно возвращаться на диван».

Это пока даже не научная фантастика. Это — фэнтези. Да, есть описания подобных экспериментов с положительными результатами. Но, в общем, пока не очень верится во все это.

В конце концов, указанные правила можно и просто прописать. Но можно затем и получить бесстрастное сообщение от Alexa, что сервер почему-то не перезапускается. И все равно придется подниматься и бежать в ночь, — по крайней мере, пока.

Alexa for the Enterprise? Пока нет, но уже скоро.

Может, конечно, у них ума и прибавится, но пока лучше как-то так.

И пока просто вообразите возможности голосовых технологий, объединенных с корпоративными управляющими системами и IoT через несколько лет, особенно когда потенциальные проблемы безопасности будут устранены.

Но будущее все же скорее видится за комбинированным управлением, объединяющим различные технологии. Мы наблюдаем всего лишь младенческие годы предприятий совершенно нового типа. Что можно делать уже сейчас? Готовиться, испытывать возможности своего голоса на бытовом уровне. И желательно, чтобы не получилось как в старом анекдоте:

— Штурман, приборы?

— Девятнадцать!

— Что «девятнадцать»?

— А что «приборы»?

Google Glass лечит аутизм

Хотя наиболее перспективным применением для Google Glass пока выглядит корпоративная сфера, появляются новые области, где они, совместно с AI, возможно, могли бы найти применение. Ниже приведено краткое содержание статьи из журнала «Frontiers in Robotics and AI».

Google Glass лечит аутизм

Дети с заболеванием, которое классифицируется как «расстройство аутистического спектра» (Autism Spectrum Disorder, ASD) часто испытывают затруднения с началом и поддержанием беседы.

Команда ученых во главе с профессором Азедехом Кушки (Azadeh Kushki) из Университета Торонто, создала для них систему, которая получила название Holli. Это ─ приложение, которое работает на Google Glass, и подсказывает детям с ASD, что они могли бы сказать в данной ситуации.

Кушки, который также является сотрудником Toronto Bloorview Research Institute, провел практическое исследование системы, которое показало, что дети-аутисты в состоянии использовать эту новую технологию, и они любят взаимодействовать с ней.

Система слушает то, что пользователь очков и другой человек говорят в беседе, распознает голос и предлагает варианты ответа, которые выводятся на дисплей Google Glass. Если другой человек приветствует пользователя, например, говоря, «Welcome», пользователь увидит подсказки «Hey», «Hello» и «Afternoon».

После этого, как только Holli услышит, что пользователь произнес вслух одну из подсказок, она очищает дисплей и ждет следующей фразы другого человека. Приложение было проверено на 15 детях с ASD, которые смогли использовать его, чтобы вести относительно гладкую беседу.

«Самое интересное в этой новой технологии», ─ говорит Кушки, ─ «состоит в том, что мы не пытаемся заменить взаимодействие человека с человеком диалогом человек-машина. Мы используем это приложение, чтобы тренировать детей говорить самостоятельно, общаться в дальнейшем с другими людьми в реальных ситуациях».

Другими словами, дети могут практиковаться и развивать навыки общения дополнительно к традиционным методам терапии ASD. Это может дать им дополнительную уверенность и независимость в повседневных взаимодействиях.

Очевидно, что арсенал «умных очков» не ограничивается Google Glass. Но такая технология вполне могла бы быть реализована в аналогичных устройствах других разработчиков или в специально разработанных для аутистов очках.

Насколько это важно, можно подробно прочесть здесь. Вот выдержка из этой статьи.

«Аутизм приобретает объемы пандемии во всем мире. По данным ВООЗ, в мире это уже один процент от всей популяции детей. Согласно исследованиям Института изучения аутизма, в 2007 г. аутизм отмечался в среднем в мире как 1 случай на 150 детей, а в 2013 г. — уже 1 случай на 55 детей. В частности, в Украине количество диагностированных детей-аутистов возрастает на 30% в год».

Однако комментарии специалистов не столь радужны. Один из них написал следующее.

«С одной стороны, это походит на умное решение помощи в социализации детей с ASD. С другой стороны, о таком подходе можно думать, как о решении проблемы «в лоб», как о способе «запрограммировать» аутичных детей, чтобы они автоматически отвечали на реплики других людей.

Возможно, это могло бы понравиться некоторым родителям, которые не хотят слишком заботиться самостоятельно о своих детях. Но я полагаю, что лучше продолжать упорно заниматься и преподавать им традиционными методами, а не натаскивать их, как собачек».

Какие можно сделать выводы из изложенного выше?

  • «Умные очки» получают все более широкое применение и осваивают новые области. Очевидно, это ─ положительное явление.

  • Ко всему, что связано с «человеческим фактором», особенно с мозгом человека, нужно подходить очень осторожно и осмотрительно. Это ─ сдерживающий фактор.

Безусловно, технические средства и компьютерные технологии (в частности, AI) будут играть все большую роль в социализации детей с ASD. Но последствия такого подхода все еще не определены. Впрочем, как и последствия влияния Google Glass и им подобным на все человечество в целом.

Насколько «умным» является искусственный интеллект?

Вице-президент и главный инженер SAS Оливер Шабенбергер (Oliver Schabenberger) в числе многих других противостоит характеристике искусственного интеллекта, которую дал основатель Tesla Илон Маск (Elon Musk), ─ как одной из самых страшных проблем человечества в настоящее время.

Насколько «умным» является искусственный интеллект?

Илон Маск ─ «Киборги... Они везде... Они заполонили Землю...» ©

Уже, пожалуй, только очень ленивые профильные и непрофильные СМИ не писали об этом. За последующие два месяца Илон Маск* получил обширную критику за это свое высказывание на совещании National Governors Association 15 июля текущего года.

Кстати

* В данном тексте Elon Musk переводится как «Илон Маск», согласно транскрипции, приведенной в статье Википедии. Для поиска более обстоятельного обоснования наберите в поиске Google «элон или илон».

Ну, можно еще добавить, что на иврите имя Elon обозначает «дерево», «дуб». Правда, тут есть риск запутаться. Из-за особенностей иврита это имя получило массу вариантов, таких как Алон (собственно, именно слово «дуб» с иврита передается именно как alon), а также Илон, Эйлан, Эйлон, Илан, Элан...

В общем, можно подставить любую гласную ─ и, в принципе, угадаешь. Проблема в том, что в иврите используется так называемое консонантное письмо, то есть все слова на письме передаются только согласными буквами, а за гласные отвечают огласовки — специальные значки под буквами и слева от них.

При этом в обиходном письме огласовки в основном не используются — носитель языка и без них понимает, какое слово написано и где какой гласный в нем стоит. Это иногда и приводит к подобной вариативности.

В чем дело?

Так что, собственно, случилось, и почему разгорелась такая полемика во всем мире, включая многих столпов мира IT? Маск дословно сказал следующее ─ «AI представляет собой фундаментальный риск для человеческой цивилизации, и я не думаю, что люди осознают это». Маск также назвал технологии AI «самой страшной проблемой» и призвал к ее правительственному регулированию.

Это, в общем, не новая риторика. Мы слышим тревожные высказывания об AI уже много лет. До тех пор, пока этим занимались фантасты, все казалось захватывающим, но слишком далеким, мало реальным и непонятно как реализуемым на практике. Но сегодня о влиянии AI на человечество говорят уже на правительственном уровне, а это ─ уже совсем другой коленкор. Насколько оправданы опасения Маска? И насколько оправдан оптимизм его оппонентов?

«Я скорее могу пострадать от собственной глупости при обращении с AI, но не от алгоритмов и ПО», ─ сказал по этому поводу Шабенбергер. ─ «Но боюсь ли я их? Нет. Я чувствую, что они мне угрожают? Нет».

Конечно, верно, что машины, устройства, приборы, автомобили и ПО становятся все более «умными» и более способными уже в течение долгого времени. Правда и то, что машины становятся все более способными к выполнению традиционно человеческих задач.

Но человечество с момента своего появления трансформирует различные объекты в инструменты. Например, обрабатывая куски кремня, люди создали очень опасные для того времени ножи.

В эпоху промышленной революции инструменты становятся все более автоматизированными. Сегодня роботы выполняют значительную часть операций на фабриках. На бытовом уровне термостаты отвечают на изменения температуры без нашего вмешательства.

Однако, никто не утверждает, что эти автоматизированные инструменты при этом что-то думают. Разве эта давнишняя парадигма собирается измениться? С повышением AI наши инструменты и машины начнут действительно иметь собственное мнение? Мы рискуем стать рабами машин-хозяев?

Тревоги основаны на предположении (а, возможно, и вере), что, как только искусственный интеллект достигнет определенного уровня, он разовьется так быстро, что мы уже не сможем управлять его отрицательными эффектами.

Насколько «умным» является искусственный интеллект?

Оливер Шабенбергер ─ «Я не думаю, что опасения Маска оправдаются, по крайней мере в такой форме и так скоро».

Где сегодня находится AI?

AI стал синонимом изготовления все более умных вещей все более автоматизированным и автономным способом. Почему-то люди склонны связывать что-либо умное или неожиданное с AI. Но самые умные инструменты пока создают люди, а вовсе не AI.

В конце концов, даже простой калькулятор лучше в арифметике, чем когда-либо будут люди. Но это ─ вовсе не искусственный интеллект. Системы AI сегодня извлекают уроки только из данных. Они принципиально не могут выйти за пределы данных, создавая что-либо или рассуждая.

Продвинутая аналитика (Advanced Analytics) прогрессирует от подхода, основанного на моделях, созданных статистиками и учеными данных, к аналитическим системам, основанным на самостоятельном обучении машин (Machine Learning).

Другими словами, вместо того, чтобы размещать модель в центре аналитической обработки, мы теперь используем управляемый данными подход, в котором автоматизируем определение лучшего алгоритма. Системы теперь могут обновить себя, поскольку им становятся доступны новые данные. В этом смысле они самообучаемы. Но никак не разумны. Каждый, кто так или иначе связан с AI, в целом недоволен его текущим уровнем работы.

С появлением алгоритмов «глубокого обучения» (deep learning) машины начинают решать задачи новым способом, ─ они сами составляют алгоритмы обработки данных.

Разработчики ПО, которые традиционно пишут код на основании машинной логики, теперь заменяются «учеными данных» (data scientist), которые определяют и обучают глубокую нейронную сеть (deep neural network).

Эксперты, которые изучают определенную область и обучают ее особенностям, заменяются алгоритмами изучения, которые самостоятельно извлекают правила из исторических данных.

Люди получают удивительные уроки в этом процессе. Мало кто думал, что можно разработать программу игры в Го. Но игра была самостоятельно изучена машиной и программа сегодня играет лучше чемпиона мира.

Программы, ранее разрабатываемые классическим способом, ─ написанием кода человеком, ─ теперь решают задачи с большей точностью за счет самообучения алгоритмам. Примеры включают преобразование голоса в текст, распознавание и классификацию изображений, резюмирование документов и др.

Глубокое знание предметной области заменяется достаточно большими и точными данными, которые алгоритм может изучить и приобрести необходимые знания и навыки. Глубокое обучение уже изменяет нашу жизнь в таких областях, как автономные транспортные средства, распознавание эмоций, ведение беседы, языковый перевод и др.

Все описанное действительно существует и будет совершенствоваться. Но давайте посмотрим и на обратную сторону медали.

Мертвые точки

Означает ли развитие такого, очень сложного, глубокого обучения, что машины скоро превзойдут своих разработчиков? Они уже намного лучше нас в надежности, точности и пропускной способности. Но они отстают в размышлении, изучении, разработке. Не с сегодняшними технологиями AI.

Даже система, которая извлекает правила игры из прошлых (введенных человеком) данных, не может разработать абсолютно новые правила или новые игры. Она может применить правила новым и более эффективным способом, но не изобретает новую игру.

Машина, которая научилась играть в Го лучше, чем любой человек, не знает, как играть в покер. Система классификации объектов не может распознать объект, о котором она не была информирована во время обучения. Машины, обучаемые на основе сегодняшних технологий, не смогут самостоятельно прийти к выводу, что лед ─ это замороженная вода.

Все это не означает, что AI не является мощной технологией. У AI есть потенциал, чтобы преобразовать фактически каждую отрасль промышленности. AI обеспечивает полезные действия, способности и производительность на ранее невиданном уровне. Мы будем нуждаться во всем этом, чтобы автоматизировать аналитику в мире, который уже тонет в данных.

Какой вывод?

Истинный интеллект требует творческого потенциала, инноваций, интуиции, независимого решения задач, самосознания и ощущений. Самые современные системы, построенные на основе глубокого обучения, не имеют, ─ и не могут иметь, ─ этих особенностей.

Пока они обучаются нисходящими контролируемыми методами (top-down supervised methods) и не развиваются далее самостоятельно. Но они, конечно, могут повысить наш собственный интеллект.

Например, ученые данных в настоящее время тратят 80% своего времени на управление данными. AI в состоянии помочь в этом. Другими словами, давая ученым данных больше времени для непосредственно аналитики, AI делает их более ценными, а их рабочие места ─ более приятными.

А как насчет истинного, творческого, подобного человеку искусственного интеллекта, который иногда упоминается как «общий искусственный интеллект» (artificial general intelligence)? Мы не получим его без новых технологий, принципы которых еще не найдены.

До тех пор, несмотря на наши постоянные приступы опасений о способности машин управлять людьми, мы можем быть уверены, что хозяином положения являются не они.

P.S. От себя замечу ─ «до тех пор»? А после? Может быть, именно об этом говорит сейчас Илон Маск? Может быть, нужно уже принимать какие-то меры по ограничению и регулированию, ─ пока ситуация не вышла из-под контроля человека?

Насколько «умным» является искусственный интеллект?

Кстати, Стивен Хокинг (Stephen Hawking), как и Илон Маск, считает, что AI, который неизбежно, и в первую очередь, будет использоваться в области систем вооружений (Autonomous AI-controlled Weapons), представляет угрозу для человечества.

Innersource в разработке приложений

Применение методологии разработки open source к корпоративной, «внутренней» разработке ПО (internal software development) позволяет быстрее вводить инновации, уменьшает время выхода готового продукта, а также просто нравится сотрудникам.

Innersource в разработке приложений

Компании самых разных масштабов и едва ли не во всех отраслях промышленности сегодня используют innersource для повышения уровня сотрудничества в разработке ПО и его повторного использования.

Этот блог можно рассматривать как краткое введение в innersource. Рассматриваются некоторые его ключевые аспекты и компоненты, а также исследуются проблемы, которые innersource может помочь устранить.

Что такое innersource?

Innersource определяется как практика применения уроков, извлеченных из разработки open source ПО, для разработки ПО в пределах корпоративной окружающей IT среды, ─ за брандмауэром компании. В рамках концепции innersource у разработчиков есть возможность и получить и дать, по крайней мере, следующее.

- Код, разработанный другими сотрудниками, для его повторного использования или улучшения собственного продукта или модуля (вместо того, чтобы самостоятельно переписывать ту же самую вещь по-другому).

- Тестирование, расширение и устранение ошибок более многочисленным сообществом разработчиков.

Является ли это давно известной и широко применяемой совместной разработкой ПО? Да, является ее разновидностью. Однако для больших распределенных корпоративных структур она оказывается значительно шире.

В innersource разработчики сотрудничают не со всем open source сообществом, а только с членами своей команды, работающими в пределах их определенных областей. Но при этом они получают доступ ко всему коду и документации по умолчанию, не нуждаясь в преодолении административных барьеров других подразделений.

В проектах innersource все решения, связанные с кодом, документированы и открыты. Новые команды могут использовать их, чтобы быстрее понять историю проекта и сразу включиться в работу. Основные причины, по которым компании обращаются к innersource ─ используемые на предприятиях закрытые или изолированные (siloed) модели разработки ПО.

Дублирование разработок

Многократное построение функционально подобного ПО различными коллективами и способами обходится предприятию неоправданно дорого. Очевидно, что экономически выгодно использовать (или, по крайней мере, совершенствовать) уже написанный код.

Распространение дублирования может также означать, что на предприятии слабо используются (или вообще не работают) коллаборационные схемы.

Если цель разработки состоит в том, чтобы получить полностью интегрированные решения, это ─ дурные вести. И, вероятно, выход продукта на рынок был бы быстрее, если бы время не тратилось на повторное изобретение колеса.

Время выхода на рынок

Замедление выхода на рынок может быть результатом как дублирования разработок, так и результатом закрытости или изолированности. Типично, если продукт объединяется с другим, необходимо разрешение, чтобы добавить новую опцию или исправить ошибку. Это также требует времени.

Ограничения

Если разработка является закрытой или изолированной, то привлекаются тестеры только определенной группы. Это ограничивает ресурсы для поиска и устранения проблем (например, уязвимостей).

С этой точки зрения IT руководители предприятий задаются вопросами ─ насколько эффективнее привлечение более широкого круга специалистов внутри предприятия и какое воздействие это будет иметь на конечное качество продукта?

Многие разработчики хотели бы работать с другими умными людьми, но этому мешают различные соображения общей безопасности предприятия и авторства кода.

В итоге разработчик часто «варится в собственном соку», имея возможность учиться и обсуждать свою работу не более, чем с десятками, а иногда и только с 3-5 коллегами. Общение с большим количеством разработчиков высокого класса существенно и быстро повышает квалификацию, объем знаний и опыт работы в проектах.

Согласно опросам, проведенным по данной тематике, разработчики говорят следующее.

Дайте нам:

- Минимальные ограничения для доступа к коду.

- Правильную окружающую среду (например, ─ не заставляйте нас менять наше инструментальное ПО, если это не необходимо).

- Руководящие принципы, но не приказы.

Позвольте нам:

- Распоряжаться собой.

- Самим управлять нашими проектами

- Эффективно общаться.

А также

- Пусть все условия будут максимально простыми, без сложных процессов и процедур.

Культура

Innersource намного более связана с управлением изменениями и культурными преобразованиями, чем просто с возможностью поделиться кодом или наличием определенного инструментария.

Чтобы достигнуть состояния innersource, компании должны вырастить соответствующую внутреннюю культуру и среду открытости и прозрачности. Для многих компаний это означает существенные преобразования.

Доверие ─ существенный компонент требуемой культуры. В innersource естественно иметь проблемы и риски, связанные с качеством продукта. Именно в случае внутренних корпоративных команд разработчиков есть шанс достичь требуемого уровня доверия и уверенности в высоком качестве кода, создаваемого многими программистами. Отличие мышления в окружающей среде innersource лучше показать на простых примерах.

Типичное мышление ─ «Мы не знаем вас, не доверяем вашему коду, и поэтому отклоняем его».

Мышление innersource ─ «Давайте обсудим, как довести этот код до уровня, на котором он может быть слит».

Юридические аспекты

В зависимости от характера компании, одна из самых больших частей построения innersource программы ─ пересмотр политики и процессов, чтобы позволить разработчикам иметь внутренний доступ к большинству кода. Вместе с тем, важно работать в тесном сотрудничестве с юридическим департаментом предприятия, чтобы достигнуть компромиссов в защите разрабатываемого кода.

Образование

Следует найти баланс между объемом информации, предоставляемым разработчикам и жесткостью требований к ним. Обычно достаточно того, что для них будут обеспечены необходимая ясная и доступная информация, общие руководящие принципы и основные практические рекомендации.

В зависимости от уровня зрелости коллаборации некоторые команды могут потребовать большего количества общего или практического обучения. В этих случаях помогает выделение «ранних последователей», которые затем могут обучать коллег.

Инструменты

Innersource требует окружающей IT среды, которая обеспечивает высокие уровни безопасного доступа, сотрудничества и коммуникации. Если разработчики уже используют достаточно здравый и безопасный инструмент сотрудничества для внутрикорпоративной разработки, нет необходимости его радикально менять в приказном порядке. Однако, независимо от инструмента, должны быть выработаны ясные процессы передачи кода или его перенесения из других сред разработки.

Время и ресурсы

Innersource может потребовать (особенно вначале) достаточно высоких инвестиций и усилий, связанного с вовлечением специалистов, ревизией кода и выработкой правил совместной работы. Соответственно, должна быть решена задача распределения времени и ресурсов для этих действий.

Метрики

Программы innersource дают хороший позитивный результат. Однако, «хороший» ─ это слишком общая оценка. С innersource предприятия стремятся достигнуть одной или нескольких следующих целей.

- повышение качества процесса разработки.

- сокращение стоимости разработки.

- повышение качества конечного продукта.

- сокращение времени его вывода на рынок.

- удовлетворенность сотрудников и потребителей.

Заключение

Может показаться, что изложенные выше положения довольно банальны. Однако на практике переход к innersource часто вызывает большие трудности. Их основная причина ─ желание обособиться, не делить свои локальные достижения с другими подразделениями.

Такой подход вредит общей успешности предприятия. Образно говоря, innersource заменяет реки, разделяющие подразделения и коллективы, мостами между ними.

Многие ведущие компании, как IT, так и не-IT, уже достаточно долго используют методологию innersource. В их числе ─  Capital One, GlobalSoft, Google, HP, IBM, Lucent, Microsoft, Nokia, PayPal, Philips, SAP и др.

Для более подробного ознакомления с методологией innersource можно рекомендовать книгу «Getting Started with InnerSource» (2015).

Innersource в разработке приложений

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».

 
 
IDC
Реклама

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