Текст книги "Расслабься. Гениальное исследование о том, как вовремя взятая пауза в разы увеличивает ваши результаты"

Автор книги: Томас Фридман

сообщить о нарушении

Текущая страница: 4 (всего у книги 5 страниц)

– Но когда-нибудь это должно прекратиться, – считает Мур. – Подобные экспоненты не длятся вечно.

Однако мы ещё не достигли предела. В течение пятидесяти лет отрасль постоянно находила новые способы либо уменьшить размеры транзисторов примерно на 50 % при относительно одинаковых затратах (предлагая, таким образом, вдвое больше транзисторов по той же цене), либо установить то же количество транзисторов за половину стоимости. Этого можно добиться за счёт сокращения транзисторов и уменьшения толщины проводов. В некоторых случаях, чтобы поддерживать экспоненциальный рост примерно каждые 24 месяца или около того, требовалась разработка новых структур и материалов. Только один пример: самые ранние интегральные схемы использовали в микросхеме один слой алюминиевой подложки. Сегодня тринадцать медных слоёв, каждый из которых размещён поверх другого. Производство перешло на нанотехнологический уровень.

– Я, наверное, с десяток раз слышал, как закону Мура предсказывали остановку и забвение, – поведал мне генеральный директор Intel Брайан Кржанич. – Когда мы работали на уровне трёх микрон (0,001 миллиметра, или около 0,000039 дюйма), люди говорили: «Как мы сделаем что-то ещё меньше? Можем ли мы сделать пленку для таких устройств достаточно тонкой и можем ли уменьшить длину волны света, чтобы сформировать столь мелкие элементы?» Но каждый раз мы находили новые, прорывные решения. Никогда нельзя сказать, каким будет новый ответ на появляющиеся вызовы. Тем не менее каждый раз, подходя вплотную к новому барьеру, мы находили способ его преодолеть.

По правде говоря, признал Кржанич, последние две итерации закона Мура потребовали около двух с половиной лет, а не двух, так что некоторое замедление всё-таки произошло. Независимо от того, происходит ли экспонента раз в год, в два или в три года, важным моментом остаётся то, что благодаря постоянному нелинейному совершенствованию микрочипов мы постоянно производим машины, роботов, телефоны, часы, программное обеспечение и компьютеры умнее, быстрее, миниатюрнее, дешевле и эффективнее.

– Сейчас мы дошли в производстве до уровня четырнадцати нанометров, что намного меньше всего, что вы можете увидеть человеческим глазом, – объяснил Кржанич, ссылаясь на новейший микрочип Intel. – Чип может быть размером с ноготь, но на нём уместится более миллиарда транзисторов. Мы хорошо знаем, как достичь уровня десяти нанометров, и у нас есть способы для достижения семи и даже пяти нанометров. Помимо того, есть множество других идей, над которыми бьются наши сотрудники. Это типичная ситуация, так было всегда.

Исполнительный вице-президент Intel по технологиям и производству Билл Холт отвечает за соблюдение закона Мура. Он провёл для меня экскурсию в Портленде, Орегон, по заводу Intel, где изготавливают чипы. Я смотрел через защитное окно в стерильную комнату, где роботы двадцать четыре часа в сутки перемещают чипы из одного производственного процесса в другой, в то время как мужчины и женщины в белых халатах следят за тем, чтобы роботы были «счастливы» и исправно функционировали.

Холт не терпит тех, кто считает, будто бы закон Мура изживает себя. По его словам, сейчас ведётся так много исследований новых материалов, на которых можно будет уместить ещё больше транзисторов, потребляющих ещё меньше энергии и выделяющих ещё меньше тепла, что он уверен: через десять лет «нечто инновационное» придёт – и обеспечит закону Мура новый виток.

Однако, даже если новые материалы не будут найдены, важно помнить: с самого начала вычислительная мощность микрочипов улучшалась благодаря не только кремнию, но и совершенствованию софта.

– Более мощные микросхемы позволили создать более сложное программное обеспечение, а затем некоторые из этих программ использовали для ускорения самих микросхем – благодаря новым разработкам и оптимизации всей сложности процессов, которая росла на самом чипе, – отметил Крейг Манди.

Именно усиливающие друг друга прорывы в разработке микросхем и софта заложили основу недавних прорывов в области искусственного интеллекта, или АI[12]12
  АI (artificial intelligence) – искусственный интеллект.


[Закрыть]. Поскольку машины теперь могут получать и обрабатывать данные с невообразимыми ранее скоростями и объёмами, они способны распознавать закономерности и узнавать многое – подобно тому, как это делает наш биологический мозг.

А всё началось с того первого микрочипа и закона Мура.

– Многие люди предсказывали конец закону Мура множество раз, – заключил Холт, – и предсказывали по разным причинам. Единственное, что у них было общего, – все они ошибались.

Датчики: почему интуиция больше не нужна

Было время, когда вы в запале могли назвать кого-то «тупым, как пожарный гидрант» или «бестолковым, как мусорное ведро».

Я бы больше так не делал.

Одно из основных и, возможно, неожиданных последствий технологического ускорения заключается в следующем: пожарные гидранты и мусорные баки стали по-настоящему умными.

Рассмотрим для примера регистратор давления Telog, который подключается к пожарному гидранту и передает данные о давлении воды по беспроводной сети прямо на рабочий стол местной коммунальной службы, что значительно сокращает количество выбросов и поломки гидрантов. А как расценить мусорные баки Bigbelly, оснащённые датчиками, передающими по беспроводной связи информацию о том, что они заполнены и нуждаются в опустошении – так что сборщики мусора могут оптимизировать свои маршруты обслуживания, и город может стать чище за меньшие деньги?

Да, даже мусорщик сейчас является техническим работником… На веб-сайте компании отмечается, что каждая урна Bigbelly имеет определённые размеры и «использует встроенные солнечные панели для запуска моторизованных уплотнителей, что значительно сокращает объём отходов, помогая делать улицы экологичными и чистыми. Посредством облачных технологий урны сообщают сборщикам мусора о том, что заполнены и требуют немедленного обслуживания».

Знаете ли, такой мусорный бак может сдать экзамен SAT!

Процесс, делающий гидранты и мусорные баки намного умнее, – другое ускорение, не имеющее непосредственного отношения к вычислениям само по себе, но критически важное для расширения возможностей вычислительной техники и того, что она теперь может делать.

Итак, датчики. WhatIs.com определяет датчик как «устройство, которое обнаруживает и реагирует на ввод данных из физической среды. Конкретным вводом могут быть свет, тепло, движение, влажность, давление или любое из множества других явлений окружающей среды. Выходной сигнал, как правило, представляет собой сигнал, преобразующийся в данные на дисплее в месте расположения датчика или передающийся в электронном виде по сети для считывания или дальнейшей обработки».

Благодаря ускоренной миниатюризации датчиков мы теперь можем оцифровать зрение, осязание, слух – и инженеры работают над обонянием. Беспроводной датчик давления пожарного гидранта создаёт цифровое измерение, которое сообщает коммунальному предприятию, когда давление оказывается слишком высоким или чересчур низким. Датчик температуры путём цифрового измерения отслеживает расширение и сжатие жидкости в термометре. Датчики движения излучают постоянные потоки энергии – микроволны, ультразвуковые волны или световые лучи – и посылают цифровой сигнал, когда поток прерывается человеком, автомобилем или животным, встреченным на пути. Полицейские теперь отражают лучи датчиков от автомобилей, чтобы измерить их скорость, или звуковые волны от зданий – для определения источника выстрела. Датчик освещённости на вашем компьютере измеряет свет в рабочей зоне, а затем соответствующим образом регулирует яркость экрана. Ваш Fitbit представляет собой комбинацию датчиков, измеряющих количество шагов, которые вы делаете, расстояние, которое вы прошли, калории, которые вы сожгли, и то, насколько энергично вы двигаете конечностями. В вашем телефоне фотокамера, которая снимает и передает изображения из любого места в любое место.

Резкий рост нашей способности воспринимать окружающую среду и превращать её в оцифрованные данные стал возможным благодаря прорывам в области материаловедения и нанотехнологий, которые позволили создать датчики настолько маленькие, дешёвые, интеллектуальные и устойчивые к жаре и холоду, что мы смогли легко их устанавливать и заставили измерять, а затем передавать данные в экстремальных условиях. Теперь мы можем даже рисовать с их помощью, например используя 3D-перо.

Чтобы лучше понять мир датчиков, я посетил огромный центр программного обеспечения General Electric в Сан-Рамоне, штат Калифорния, чтобы взять интервью у Билла Руха, директора компании по цифровым технологиям. История GE интересна уже сама по себе. В значительной степени благодаря способности ускорять установку датчиков на всём своём промышленном оборудовании компания всё активнее трансформируется в разработчика программного обеспечения имеющего большую базу в Кремниевой долине. Забудьте о стиральных машинах – подумайте о машинах умных. Способность GE устанавливать датчики повсюду открывает возможности для «промышленного интернета», известного также, как «интернет вещей» (IoT). И позволяет каждой «вещи» иметь датчик, который передает то, что эта «вещь» чувствует в любом месте. Таким образом, в любой момент её работа может быть предсказана или скорректирована.

– Интернет вещей, – объяснил Билл Рух, – создаёт нервную систему, которая позволит людям не отставать от темпов изменений, сделает информационную нагрузку более удобной для использования и в целом сделает всё разумным.

General Electric сама собирает данные более чем со 150 000 медицинских устройств, с 36 000 реактивных двигателей, с 2500 локомотивов, с 20 700 единиц нефтегазового оборудования, с 23 000 ветровых и 3900 газовых турбин – и все они ежеминутно передают в GE информацию по беспроводной связи.

Эта новая индустриальная нервная система, по мнению Руха, изначально была ускорена благодаря достижениям в потребительской сфере – таким, например, как смартфоны с поддержкой камер и GPS. То, что в ХХ веке было даже не целью, а фантастической мечтой о будущем прогрессе, в начале третьего тысячелетия стало обыденностью – благодаря множеству взаимосвязанных технологий и материалов, которые стали меньше, умнее, дешевле и быстрее.

– Смартфон послужил отправной точкой для масштабирования датчиков и уменьшения их размеров и цены до такой степени, что мы смогли разместить их повсюду, – сказал Рух.

Теперь миниатюрные датчики используются на таком количестве макро– и микроуровней, о каком мы не могли и подумать. Датчики передают сведения в централизованные банки данных, а затем всё более мощные программные приложения ищут структуры в огромном количестве полученной информации. Внезапно мы получили возможность различать и предсказывать самые слабые сигналы до того, как они станут сильными. Мы теперь можем улавливать различные шаблоны и закономерности, предсказывая события и предотвращая негативные последствия. Мы опорожняем мусорные баки в оптимальный момент или регулируем давление в пожарном гидранте, чтобы его не прорвало (и не повлекло дорогостоящую замену). Мы экономим время, деньги, энергию и жизни. И в целом делаем человечество более эффективным, чем могли бы себе представить.

– Старый подход, – сказал Рух, – назывался техническим обслуживанием по принципу: если что-то выглядит грязным, вымойте его. Профилактическое обслуживание заключалось в том, чтобы менять масло каждые шесть тысяч миль, независимо от того, жёстко вы водите автомобиль или нет. Новый подход – «упредительное обслуживание». Теперь мы можем предсказать почти точный момент, когда шина, двигатель, аккумулятор автомобиля, вентилятор турбины или что-то ещё потребует замены. Или определить моторное масло, которое лучше всего подходит для конкретного двигателя, в зависимости от условий, в которых вы управляете автомобилем.

Если вы вспомните GE прошлых лет, – добавил Рух, – то прежде компания базировалась на убеждении механиков, будто с помощью физики можно моделировать мир и сразу же понять, как всё работает. Идея заключалась в том, что если вы точно знаете, как работают газовая турбина и двигатель внутреннего сгорания, то можете использовать законы физики и сказать: «Вот как это будет работать, и вот когда оно сломается».

Рух объяснил, что в традиционном инженерном сообществе не было веры в то, будто данные могут многое предложить. Они использовали информацию, чтобы проверить физические модели и затем следовать этим моделям.

– Новое поколение исследователей данных говорит: «Вам не нужно понимать физику, чтобы искать и находить закономерности». Есть закономерности, которых разум человека не мог найти, ибо сигналы на раннем этапе настолько слабы, что их не видно. Но теперь, когда у нас есть вся эта вычислительная мощность, мы легко замечаем даже самые слабые сигналы. И так как мы распознали слабый сигнал, становится ясно, что он является ранним признаком того, когда что-то сломается или станет неэффективным.

И дальше Рух рассказал, что в своё время слабые сигналы обнаруживали интуитивно. Опытные сотрудники знали, как работать с неточными данными. Но теперь, когда мы обладаем большим объёмом проанализированной информации, нахождение связей и закономерностей перестаёт быть поиском иголки в стоге сена, случайным, интуитивным успехом и становится тем, что гордо можно называть нормой. Мы увеличиваем способность работающего человека воспринимать и обрабатывать данные с помощью машин. Каждый рабочий благодаря компьютерному анализу получает опыт и интуицию «ветерана с тридцатилетним стажем».

Подумайте об этом. Интуиция, позволявшая работнику с многолетним стажем улавливать нюансы тональности в звуке работающей машины и предсказывать, что не так, отныне эволюционировала в программный компьютерный анализ данных обо всём, происходящем в цеху. Это пример слабого сигнала. Теперь с помощью датчиков новый сотрудник способен обнаружить и распознать слабый сигнал в первый же день работы – без какой-либо интуиции. Датчики будут транслировать всё.

Способность намного быстрее генерировать и применять знания позволяет получать максимум пользы не только от людей, но и, например, от коров.

– Молочным фермерам интуиция больше не нужна, – заявил Джозеф Сирош, вице-президент отделения Data в Microsoft Cloud and Enterprise Division.

Вроде бы его работа носит интеллектуальный характер – управление битами и байтами. Но когда я сел поговорить с Сирошем, чтобы узнать о том, как он ощущает ускорения, Джозеф привёл мне очень странный пример: коровы. И ладно бы так просто, но он хотел поговорить о «сетевой корове».

И вот какую историю поведал Сирош: молочные фермеры в Японии обратились к компьютерному гиганту Fujitsu с вопросом: могут ли они повысить шансы на успешное разведение коров на крупных молочных фермах? Оказывается, течка у коров (период фертильности, когда они могут быть успешно искусственно оплодотворены) наступает лишь на очень короткий срок: от двенадцати до восемнадцати часов, примерно через двадцать один день и зачастую ночью или вечером. Поэтому фермеру с более или менее большим стадом чрезвычайно трудно уследить за всеми своими коровами и определить идеальное время для искусственного оплодотворения каждой из них. Между тем, если получится хорошо контролировать процесс, фермеры смогут обеспечить бесперебойное производство молока от каждой коровы в течение года, максимизируя производство каждой фермы.

По словам Сироша, в Fujitsu пришли к своеобразному решению: снабдить коров шагомерами, подключенными с помощью радиосигнала к компьютеру, установленному на ферме. А информацию передавать в систему программного обеспечения машинного обучения под названием GYUHO SaaS, работающую в Microsoft Azure, облаке Microsoft. Исследование Fujitsu показало, что заметное увеличение количества шагов в час было 95-процентным точным сигналом для появления эструса у молочных коров. И когда система GYUHO обнаруживала корову, у которой начинался «жар», то отправляла текстовое оповещение фермерам на мобильные телефоны, позволяя им проводить искусственное оплодотворение точно в нужное время.

– Оказывается, есть простой способ, как узнать, что у коровы началась течка – секрет в том, сколько шагов корова проходит, – резюмировал Сирош. – Вот именно так искусственный интеллект встречается с искусственным оплодотворением.

Благодаря этой системе продуктивность выросла не только с точки зрения расширения стада – «вы получаете огромный рост показателей успешного зачатия», заметил Сирош. Появилась ещё и возможность экономить время: система освободила фермеров от необходимости полагаться на собственные глаза, инстинкты, дорогостоящий сельскохозяйственный труд или фермерский дневник для выявления течных коров. Освободившиеся часы они используют для других производственных нужд.

Более того, по словам Сироша, анализ информации, полученной с коровьих датчиков, позволил выявить следующую закономерность: если фермер выполнял искусственное оплодотворение в течение первых четырёх часов фертильного периода, вероятность того, что будет зачата тёлка, составляла семьдесят процентов, если же в следующие четыре часа – росла вероятность того, что будет зачат бычок. Таким образом, анализ данных помогает формировать необходимое соотношение коров и быков в стаде в соответствии с потребностями хозяйства.

Как считает Сирош, анализ информации дал повод и для новых открытий и идей. Изучив статистику коровьих шагов, фермеры смогли заблаговременно обнаруживать восемь различных заболеваний животных, а следовательно, проводить раннее лечение и улучшить общее состояние здоровья и долголетия стада.

– Небольшая изобретательность может преобразовать даже самую традиционную из отраслей, такую, как сельское хозяйство, – заключил Сирош.

Если датчик для коровы превращает молочного фермера в «компьютерного гения», то напичканный датчиками локомотив – уже не тупой паровоз, а IT-система на колесах. Он может распознавать и передавать данные о состоянии путей через каждые сто футов. Он способен ощущать уклон и рассчитывать, сколько энергии ему нужно, как её эффективно распределять, где сбросить газ, а где набрать скорость, чтобы оптимизировать эффективность и снизить расход топлива. Теперь все локомотивы GE оснащены камерами для лучшего контроля работы двигателей на каждом повороте. GE также знает, что, если в жаркий день вам нужно будет запустить двигатель на полную мощность, некоторым деталям техобслуживание потребуется раньше.

– Мы постоянно улучшаем и тренируем нашу «нервную систему», и каждый получает пользу от извлекаемых данных, – сказал Билл Рух. – Датчики и программное обеспечение не просто участвуют в обучении систем, но и трансформируют старые системы. Сегодня нам больше не нужно встраивать физические изменения в каждый продукт для повышения производительности. Мы делаем это с помощью программного обеспечения. Я просто беру «тупой» локомотив, устанавливаю на нём датчики и нужный софт – и теперь могу выполнять профилактическое техобслуживание, гонять поезд туда и обратно на оптимальных скоростях, для экономии топлива, составляю более точное и приемлемое расписание, и даже в депо лучше его паркую.

Как бы ни с того ни с сего «тупой» локомотив стал быстрее, дешевле и умнее, причём изменения не потребовали ни винтика, ни болтика, ни тем более двигателя.

– Я могу использовать данные датчиков и программное обеспечение, чтобы заставить машину работать более эффективно, как если бы мы изготовили целиком новое поколение машин, – резюмировал Рух и добавил: – На заводе вы сосредотачиваете взгляд конкретно на том, что делаете. Но что если вместо вас за всем следит машина, поскольку везде установлены камеры? Мы говорим о пяти чувствах человека. Но мало кто осознаёт, что я собираюсь дать все пять чувств машинам – чтобы они взаимодействовали с людьми так же, как мы сейчас контактируем с коллегами.

И в этой сфере скрываются огромные деньги, «просто горы денег» – объяснил генеральный директор GE Джефф Иммельт в интервью McKinsey & Company в октябре 2015 года.

Каждый директор железной дороги может рассказать о её средней скорости. Как правило, она составляет от двадцати до двадцати пяти миль в час. Чуть точнее, средняя скорость, которую локомотив развивает за день, укладывается в 22 мили. Не впечатляет? Тем не менее разница между показателем в 22 и 23 мили, предположим для Южного Норфолка, приносит годовой доход в 250 миллионов долларов! И это всего лишь одна дополнительная миля в час. Так что весь вопрос кроется в эффективности планирования. В меньшем времени простоя. И в том, чтобы не встать с поломкой на путях, а через Чикаго проехать как можно быстрее. Вопрос аналитики…

С каждым днем, объясняет Джон Донован, директор по стратегии AT&T, мы всё интенсивнее превращаем «цифровой выхлоп в цифровое топливо» и всё быстрее генерируем и применяем идеи. Владелец американского универмага Джон Уонамейкер был пионером начала ХХ века в сфере розничной торговли и рекламы. Однажды он заметил: «Половина денег, которые я трачу на рекламу, уходит впустую; проблема в том, что я не знаю, какая половина». Сегодня это уже не так.

Латания Суини, бывший директор по технологиям Федеральной торговой комиссии, 16 июня 2014 года рассказала в эфире Национального общественного радио, как насыщение датчиками и программным обеспечением преобразует розничную торговлю:

– Многие люди не осознают, что ваш телефон, чтобы установить постоянное соединение с Интернетом, отправляет уникальный номер, который встроен в этот телефон и называется MAC-адресом. «Привет, какой-нибудь Wi-Fi есть?» С помощью постоянных проверочных запросов по телефону, ищущему Wi-Fi, вы можете фактически отследить, где этот телефон находится и как часто там оказывается, с точностью до нескольких футов.

Ритейлеры теперь используют эту информацию, чтобы увидеть, какие номера телефонов задержались в их магазинах и кто пытался совершить покупку. Они настраивают для них показ регулярной рекламы в течение дня. Но и это ещё не всё: большие данные сегодня позволяют ритейлерам отслеживать, кто проехал рядом с рекламным щитом, а затем совершил покупки в одном из магазинов, которые рекламируются.

Журнал The Boston Globe 19 мая 2016 года написал:

«В настоящее время крупнейшая в стране компания, занимающаяся рекламными щитами, Clear Channel Out-door Inc., отправляет всплывающие рекламные объявления на мобильные, находящиеся на автомагистрали между штатами. Их программа Radar, запущенная и работающая в Бостоне и десяти других городах США, использует данные, которые AT&T Inc. собирает со 130 миллионов абонентов сотовой связи и от других компаний, PlaceIQ Inc. и Placed Inc., использующих телефонные приложения для отслеживания появления и выхода из зоны миллионов устройств».

Компании Clear Channel известно, какие люди проезжают мимо одного из рекламных щитов в 18.30 в пятницу и сколько, например, из них постоянных клиентов Dunkin Donuts или много ли их присутствовало на трёх играх Red Sox в этом году.

Затем она может точно сориентировать рекламу на конкретных потенциальных покупателей.

Извините, мистер Уонамейкер, вы жили не в ту эпоху. Гадание осталось в ХХ веке. В XXI веке интуиции не место. Так же как и конфиденциальности.

Когда вы думаете о данных, которые собираются такими гигантами, как Facebook, Google, Amazon, Apple, Alibaba, Tencent, Microsoft, IBM, Netflix, Salesforce, General Electric, Cisco и всеми телефонными компаниями, и знаете, насколько эффективно они теперь могут добывать эти данные, то должны задаться вопросом: как кто-либо сможет конкурировать с ними? Ведь ни у кого больше не будет столь масштабного цифрового пула данных для анализа и прогнозирования.