फुजित्सु वर्ल्ड टूर 2019। हमारा सबसे बड़ा सम्मेलन कैसे हुआ

नमस्कार, हेब्र!

18 सितंबर को, फुजित्सु ने मास्को में फुजित्सु वर्ल्ड टूर 2019 सम्मेलन आयोजित किया, एक बार फिर से पुनर्जागरण मॉस्को मोनार्क सेंटर को सभी के लिए लाया गया, जो उच्च प्रौद्योगिकी की दुनिया में असमान रूप से सांस लेते हैं। और मुझे कहना होगा, यहां तक ​​कि हमें उम्मीद नहीं थी कि आईटी में रुचि रखने वाले इतने लोग हमारे पास आएंगे - 700 से अधिक लोग! सौभाग्य से, उनके पास ऊबने का समय नहीं था, क्योंकि इस साल हमने सम्मेलन को विशेषज्ञ प्रस्तुतियों, नए उत्पादों के प्रदर्शन और विभिन्न गतिविधियों से भरने की कोशिश की। लेकिन इसे क्रम में लाएं।



दिन जल्दी शुरू हुआ, सुबह 9 बजे हम पहले "शुरुआती पक्षी" से मिले। और हालांकि आधिकारिक उद्घाटन से पहले अभी भी एक और एक घंटा बाकी था, फुजित्सु उत्पादों और प्रौद्योगिकियों की एक प्रदर्शनी पहले से ही मेहमानों के लिए काम कर रही थी। मोबाइल प्रौद्योगिकियों और ग्राहक उपकरणों के डेमो क्षेत्र में, आप सभी विवरणों को देख सकते हैं, अपने हाथों को मोड़ सकते हैं और अपडेट की गई जीवन रेखा की नवीनतम ट्रांसफार्मर नोटबुक का परीक्षण कर सकते हैं (बेहद हल्के U939X, जिसे हमने पहले के बारे में लिखा था ), साथ ही साथ डेस्कटॉप पीसी की कॉम्पैक्टनेस का मूल्यांकन करें ईएसपीआरआईएमओ (उदाहरण के लिए, जी 558 मॉडल एक छोटी पुस्तक का आकार है, हालांकि उत्पादक भरना इसके अंदर छिपा है)। दूसरे डेमो ज़ोन में, "भारी" सर्वर हार्डवेयर पारंपरिक रूप से प्रदर्शित किया गया था।



इंटरएक्टिव गेम्स के लिए आधिकारिक उद्घाटन की उम्मीद को उज्जवल करना भी संभव था (फोटो अच्छे परिणाम के लिए पुरस्कार प्राप्त किया जा सकता है) और तुरंत एक सफल फोटो प्रिंट करके या अंत में एक मजबूत कॉफी के साथ जागने पर। अगले, मेहमानों को एक मध्यांतर के साथ दो कृत्यों में एक समृद्ध पूर्ण भाग की प्रतीक्षा थी। यहाँ उससे कुछ महत्वपूर्ण रिपोर्ट दी गई हैं।

"डेटा और प्रौद्योगिकी में विश्वास के साथ"

इस साल, Fujitsu वर्ल्ड टूर का मुख्य विषय विश्वास था। यह विश्वास का भाषण था कि सम्मेलन रूस में फुजित्सु के महानिदेशक और सीआईएस विटाली फ्रिडलींड द्वारा खोला गया था। दुनिया तेजी से बदल रही है, भविष्य में, लोकोमोटिव की तरह, नवाचार हमें पूरी गति से खींच रहे हैं। और मोटे तौर पर सुपर-फास्ट परिवर्तनों के कारण जो नवाचार हो रहा है, हम अपने आसपास की हर चीज में विश्वास की समस्या के बारे में गहराई से जानते हैं। तकनीक सहित। 100 साल पहले, किसी को कॉल करने के लिए, उन्होंने कहा कि "ऑपरेटर, कनेक्ट," बाद में आपको डायल चालू करना था, और अब आप बटन भी नहीं दबा सकते हैं, बस स्मार्टफोन को कमांड दें, स्पीच रिकग्निशन के लिए धन्यवाद, वह आपको समझ जाएगा और आपको जिस नंबर की ज़रूरत है उसे चुन लेगा। और जब से तकनीक इतनी समझदार हो गई है, आप तेजी से सोच रहे हैं कि क्या वे अंततः लोगों की जगह लेंगे। विटाली के लिए, इस प्रश्न का उत्तर निश्चित रूप से नहीं है। मनुष्य अपरिहार्य है, और नई तकनीकों को उसकी क्षमताओं का विस्तार करने के लिए ही पहचाना जाता है।


विटाली फ्राइडली, रूस में फुजित्सु के सीईओ और सीआईएस

एक उदाहरण के रूप में, उन्होंने अंतर्राष्ट्रीय जिमनास्टिक महासंघ के साथ मिलकर Fujitsu द्वारा विकसित एक AI- आधारित प्रणाली का हवाला दिया। यह न्यायाधीशों को प्रतिस्थापित नहीं करता (और शायद ही सभी को बदलता है), लेकिन उन्हें जिमनास्ट के प्रदर्शन का आकलन करने में मदद करता है और प्रदर्शन तकनीक का आकलन करने में एक रेफरी की गलती की संभावना को कम करता है। 3 डी सेंसर लगातार एथलीट के प्रत्येक आंदोलन की निगरानी करते हैं, और कृत्रिम बुद्धिमत्ता डेटा स्ट्रीम का विश्लेषण करते हैं। नतीजतन, जिम्नास्ट के प्रदर्शन का एक 3 डी मॉडल बनाया जाता है, जिसे किसी भी कोण से देखा जा सकता है। मुद्दे के कलात्मक प्रदर्शन का मूल्यांकन जूरी की एकमात्र जिम्मेदारी है।


सिस्टम इंटरफ़ेस

वैसे, जिमनास्टिक में विश्व चैंपियनशिप में आधिकारिक तौर पर प्रणाली पहले ही प्रस्तुत की जा चुकी है, जो अक्टूबर के शुरू में स्टटगार्ट में आयोजित की गई थी। 2022 तक, यह वीडियो रिप्ले सिस्टम (इंस्टेंट रिप्ले और कंट्रोल सिस्टम, आईआरसीओएस) के साथ-साथ महासंघ की सभी चैंपियनशिप में उपयोग किया जाएगा।

विश्वास के बारे में अपनी बात जारी रखते हुए, विटाली ने चित्रण के लिए एआई ब्लैक बॉक्स समस्या का वर्णन किया। दरअसल, वे कृत्रिम बुद्धिमत्ता से अधिक डरते हैं क्योंकि लोग यह नहीं समझते कि यह कैसे काम करता है, ब्लैक बॉक्स के अंदर क्या होता है। इन आशंकाओं को हल करने के लिए काफी सरल है (कम से कम सिद्धांत में), आपको बस ऐसे एआई बनाने की जरूरत है जो यह बता सके कि उसने यह या यह निर्णय कैसे किया। इस उद्देश्य के लिए फुजित्सु व्याख्या योग्य एआई को बिल्कुल बनाया गया था। जब प्रौद्योगिकी, ब्लैकबोर्ड पर एक स्कूली छात्र की तरह, निर्णय की पूरी प्रक्रिया को पेंट करती है और इसका तर्क स्पष्ट हो जाता है, तो किसी तरह आप अंदर से आराम करते हैं और 1984 के अर्नोल्ड श्वार्जनेगर के साथ क्लासिक्स से मानवता के भविष्य के बारे में विचार गायब हो जाते हैं। कोई भी भरोसा प्रौद्योगिकी के संबंध में खुलेपन, पारदर्शिता और ईमानदारी पर आधारित है।

सूचना प्रौद्योगिकी से लेकर बुद्धिमान तक

विटाली फ्रीडलैंड के बाद, यूरोप में फुजित्सु के सीटीओ डॉ। जोसेफ रेगर ने इस दृश्य में प्रवेश किया। उन्होंने रूसी में एक अभिवादन के साथ शुरुआत की और पहले से ही अंग्रेजी में खेद व्यक्त किया कि हालांकि उन्होंने हंगरी में बड़े होने पर रूसी का अध्ययन किया था, लंदन से वाक्यांश ग्रेट ब्रिटेन स्कूल पाठ्यक्रम की राजधानी है "गांव शहर को क्या बेचता है?" और अलेक्जेंडर पुश्किन की कविताएं उन्हें आधुनिक आईटी के बारे में बात करने में मदद नहीं करेंगी।

और कुछ बात करनी थी। अपने भाषण के लिए, डॉ। रेगर ने बर्नार्ड शॉ, द्वंद्वात्मक भौतिकवाद, गॉर्डन मूर, सैद्धांतिक भौतिकी लैंडौ-लिफिट्ज़ के पाठ्यक्रम को याद किया, और कृत्रिम बुद्धिमत्ता और क्वांटम कंप्यूटिंग के बारे में भी गंभीरता से बात की - दो सबसे महत्वपूर्ण, उनकी राय, प्रौद्योगिकियों, जिनमें से संयोजन हमें विकास के एक नए स्तर पर ले जाएगा। । विवरण में, इस चमकदार एकालाप को नीचे दिए गए वीडियो में देखा जा सकता है, लेकिन यहां इसके कुछ मुख्य विचार हैं।

अब हम एक ऐसे मुकाम पर हैं जब डॉ। रेगर के अनुसार, यात्रा की शुरुआत के समय की तुलना में, खरबों गुना अधिक, उनकी शक्ति और गति बढ़ी है। और सत्ता में यह छलांग हमें उन कामों को करने की अनुमति देती है जो पहले हमारे लिए दुर्गम थे।

उदाहरण के लिए, एक कार्यशील AI बनाएं। लगभग 60 साल पहले, वैज्ञानिकों का मानना ​​था कि कृत्रिम बुद्धिमत्ता बनाने के लिए उन्हें कंप्यूटर और 10 लोगों की टीम के दो महीने के काम की ज़रूरत थी, लेकिन हाल ही में मानव जाति "संकीर्ण एआई" (या "कमजोर एआई") प्राप्त करने में कामयाब रही, जो केवल अत्यधिक विशिष्ट कार्यों को करने में सक्षम है। । और वर्तमान स्तर पर, AI अभी भी आदर्श से बहुत दूर है, कमजोर रूप से हमारे समान है। उदाहरण के लिए, एक बच्चे को 10 मिलियन बिल्लियों को दिखाने की आवश्यकता नहीं है, जिससे वह अंततः उन्हें अन्य जानवरों से अलग करना सीखता है।

और मनुष्य के ऊपर कृत्रिम बुद्धिमत्ता के सभी उच्च-प्रोफ़ाइल जीत पहले भाग लेने वाले नहीं थे। वही प्रसिद्ध डीप ब्लू, जिसने 13 वीं विश्व शतरंज चैंपियन गैरी कास्परोव को हराया, वह शतरंज के खेल के विकास के लगभग सभी संस्करणों का एक विशाल पुस्तकालय था, जो उस समय के सबसे तेज लोहे के साथ मिलकर था।


जोसेफ रेगर, सीटीओ फुजित्सु यूरोप

इसलिए, संकीर्ण AI का अस्तित्व और मनुष्यों के बिना प्रभावी ढंग से काम करने की संभावना नहीं है। जोसेफ के पूर्वानुमान के अनुसार, लगभग 50 वर्षों में हम आखिरकार एक "मजबूत एआई" तक पहुंच जाएंगे जो हमारे जैसे सीखने में सक्षम होगा। और कुछ समय बाद हमें कृत्रिम अधीक्षण की उम्मीद करनी चाहिए, जहां कुछ एआई सिस्टम अन्य एआई सिस्टम बनाने में सक्षम होंगे। और केवल इस स्तर पर यह चिंता करने लायक है कि क्या कृत्रिम बुद्धि हमें निचोड़ लेगी।
सौभाग्य से (या दुर्भाग्य से) हम जल्द ही इसे प्राप्त नहीं करेंगे। मशीन लर्निंग के क्षेत्र में, दो महत्वपूर्ण कार्य हैं जिन्हें आगे बढ़ने से पहले हल किया जाना चाहिए। पहली एआई ब्लैक बॉक्स समस्या है जिसका पहले ही उल्लेख किया जा चुका है। दूसरी समस्या यह है कि एआई के लिए हम अभी जो हार्डवेयर इस्तेमाल करते हैं, वह इस तकनीक के भविष्य के विकास के लिए पर्याप्त शक्तिशाली नहीं है, क्योंकि इसमें प्रशिक्षण के लिए अधिक संसाधनों की आवश्यकता होती है। सामान्य AI और विशेष रूप से सुपर AI बनाने के लिए, हमें सत्ता में एक और बड़ी छलांग की आवश्यकता है। जोसेफ का मानना ​​है कि लोहे को फिर से कम से कम एक खरब गुना अधिक शक्तिशाली बनना होगा।

मूर का कानून हमेशा के लिए काम नहीं करेगा, क्योंकि एक सर्किट में अनन्तता में ट्रांजिस्टर की संख्या को बढ़ाना असंभव है, इस तर्क के अनुसार, किसी दिन वे एक इलेक्ट्रॉन का आकार बन जाना चाहिए, और फिर उससे छोटा होना चाहिए, जो कि रेगर के दृष्टिकोण से, शिक्षाविद् द्वारा एक भौतिक विज्ञानी, असंभव है। इसलिए, हमें हार्डवेयर की शक्ति बढ़ाने के लिए कोई अन्य तरीका खोजना होगा।

समाधान क्वांटम कंप्यूटिंग हो सकता है, जहां, बिट्स के विपरीत, जो केवल दो राज्यों में हो सकता है (उदाहरण के लिए, 0 या 1), एक सुपरपोजिशन राज्य में क्वैब एक साथ 0 और 1. दोनों हो सकते हैं, अंत में, अगर एक सिस्टम में जहां क्वैबिट्स केवल एक गणना करते हैं, फिर आपको तुरंत सभी संभावित उत्तर मिलते हैं, कई बार गणना को दोहराए बिना।

सच है, तथाकथित "सच्चे क्वांटम कंप्यूटर" जल्द ही दिखाई नहीं देंगे, सुपरपोज़िशन की स्थिति बहुत नाजुक है और लाखों चीजें इसका उल्लंघन कर सकती हैं, यहां तक ​​कि सिर्फ काम का अवलोकन करना। फिर भी यहां पर त्रुटि सुधार पर ध्यान देना आवश्यक है, जिसकी गणना के लिए दसियों गुना अधिक संसाधनों की आवश्यकता होती है।

जोसेफ प्रदान करता है, इन सभी कठिनाइयों का समाधान लंबित है, न कि समुद्र के पास मौसम का इंतजार करना, लेकिन क्वांटम-आधारित गणनाओं का उपयोग करना जो हमारे लिए पारंपरिक हार्डवेयर पर किए जा सकते हैं। सबसे पहले, वे कुछ भी बेहतर नहीं करते हैं, और दूसरी बात, केवल क्वांटम कंप्यूटिंग का अनुकरण करके, आप जल्दी से संयोजन संबंधी अनुकूलन समस्याओं को हल कर सकते हैं और इससे व्यावहारिक लाभ प्राप्त कर सकते हैं। यह दृष्टिकोण डिजिटल एनीलर नाम के तहत Fujitsu के विकास में लागू किया गया है, ऑपरेशन और अनुप्रयोग परिदृश्यों का मूल सिद्धांत जिसे हमने पहले ही यहां और यहां वर्णित किया है ।

एआई को कैसे प्रशिक्षित करें और आखिरी शर्ट न खोएं

पिछले वक्ताओं द्वारा प्रस्तुतियों में कृत्रिम बुद्धिमत्ता के बारे में शब्दों की संख्या को देखते हुए, यूडीआईए क्षेत्र में डेटा सेंटर समाधान को बढ़ावा देने के लिए फ़ूजित्सु के प्रमुख विशेषज्ञ, यूडो वुर्ट्ज़ द्वारा प्रस्तुतिकरण एक तार्किक निरंतरता की तरह लग रहा था। यह पूरी तरह से उस स्तर पर कृत्रिम बुद्धिमत्ता के लिए समर्पित था जिस पर अब हम हैं। कोई लंबा प्रतिबिंब, भविष्य के पूर्वानुमान, केवल अभ्यास और संख्या। ध्यान गहरी शिक्षा पर है, आधुनिक एआई के लिए नींव।


उडो वुर्ट्ज़, ईएमईआईए के लिए मुख्य डेटा केंद्र सलाहकार फुजित्सु

वर्तमान में, दो-तिहाई कृत्रिम बुद्धि-संबंधी बाजार में गहरी और मशीन सीखने के क्षेत्र में परियोजनाओं का कब्जा है, और लगभग एक तिहाई प्राकृतिक भाषा प्रसंस्करण और कंप्यूटर दृष्टि हैं। और केवल 2% मशीन तर्क से संबंधित परियोजनाएं हैं।



ऐसे नंबर समझ में आते हैं। जैसा कि जोसेफ रेगर ने उल्लेख किया है, हम केवल एक संकीर्ण एआई के पास गए हैं जो केवल विशिष्ट कार्यों को करने में सक्षम है। इसी समय, इन कार्यों को प्रशिक्षित करने की प्रक्रिया में भारी संसाधनों की आवश्यकता हो सकती है। कई कंपनियां केवल एआई मॉडल के प्रशिक्षण और परीक्षण के लिए इस तरह की कीमत का भुगतान नहीं कर सकती हैं। इसलिए, सीखने की प्रक्रिया को तेज करने और उसे सस्ता करने में सक्षम घटनाक्रमों के लिए बाजार पर अत्यधिक मांग है।

ग्राहकों की सामान्य मनोदशा को महसूस करना और उन समाधानों के लिए अनुरोध करना, जो गहरी सीखने की प्रक्रिया को कम खर्चीला बनाते हैं, फ़ूजित्सु ने डीप लर्निंग यूनिट (डीएलयू) चिप और ज़ीनराय डीप लर्निंग सिस्टम (जेडडीएलएस) को विकसित और जारी किया। डीएलयू को विकसित करते समय, फुजित्सु को तीन मुख्य सिद्धांतों द्वारा निर्देशित किया गया: अधिकतम प्रदर्शन, मौजूदा प्रणालियों के साथ संगतता और स्केलेबिलिटी।

उडो के अनुसार, कंपनी जीपीओ-आधारित प्रशिक्षण प्रणालियों के विकल्प के साथ समाप्त हो गई, जो महत्वपूर्ण समय को कम करने में मदद करती है और यह बुद्धिमान खुफिया मॉडल को प्रशिक्षित करती है। उत्तरार्द्ध वास्तव में उच्च प्रदर्शन दिखाने में सक्षम हैं, लेकिन लंबे समय तक नहीं, जब एआई को दिनों और हफ्तों के लिए अध्ययन करने की आवश्यकता होती है। इसलिए, उच्च प्रदर्शन को लगातार सुनिश्चित करना महत्वपूर्ण है, जो DLU का सामना करता है।

GPU- आधारित प्रणालियों में, कोर स्वायत्त रूप से काम करते हैं और उनके काम को सिंक्रनाइज़ करने में समय बिताना आवश्यक है, ZDLS में, कर्नेल की प्रक्रिया में, वे समय बचाने के लिए अपने परिणामों को लगातार "साझा" करते हैं।



ZDLS भी अनुकूली संख्यात्मक प्रारूप डीप लर्निंग इंटेगर (DL-INT) का उपयोग करता है, विशेष रूप से गणना की गति और सटीकता बढ़ाने के लिए गहरी सीखने के लिए डिज़ाइन किया गया है। डीएलयू छोटी संख्या प्रतिनिधित्व प्रारूपों का उपयोग करता है: फ्लोटिंग-पॉइंट नंबर (एफपी 32) के लिए 32 बिट्स के बजाय, 8-बिट डीएलआईटी 8 प्रारूप का उपयोग किया जाता है। और ऑपरेशंस के थोक केवल आठ अंकों के डीएलआईटी नंबरों पर किए जाते हैं। त्रुटियों को कम करने के लिए विशेष एल्गोरिदम के साथ, इस तरह की गणना की सटीकता FP32 के लिए समान है, लेकिन वे बहुत तेज़ हैं।



लेकिन Udo Wurz की प्रस्तुति में एक और महत्वपूर्ण बिंदु यह था कि DLU ऊर्जा की बचत करता है। बेशक, उडो ने जर्मनी, फ्रांस और फिनलैंड के लिए बचत गणना का प्रदर्शन किया, जहां रूस की तुलना में बिजली अधिक महंगी है। लेकिन यहां तक ​​कि 3 बार से अधिक बिजली की लागत में कमी को नोटिस नहीं करना मुश्किल था। इसी समय, ज़िनराई डीप लर्निंग सिस्टम द्वारा खपत 1 डब्ल्यू ऊर्जा का प्रदर्शन वैकल्पिक समाधानों की तुलना में 10 गुना अधिक है।



अगला जेडडीएलएस का उपयोग करने के विभिन्न विशिष्ट उदाहरण आए: सीमेंस विंड पावर विंड टर्बाइन के उत्पादन में गुणवत्ता नियंत्रण, मानवरहित वाहनों के लिए निगरानी कैमरों से छवियों की पहचान, सड़कों पर यातायात विश्लेषण, समस्याओं या ब्रेकडाउन का विश्लेषण और भविष्यवाणी, आदि। एक दिलचस्प परिदृश्य कैमरा छवि विश्लेषण का उपयोग है। कार्यस्थल की चोटों की पहचान करना। प्रणाली किसी व्यक्ति के आसन का विश्लेषण कर सकती है और निर्धारित कर सकती है, उदाहरण के लिए, सामान्य स्थिति में बैठी मुद्रा, लेकिन अगर कोई कर्मचारी फर्श पर लेटा है, तो यह जांच के लिए एक संकेत भेजने का समय है, उसे चिकित्सा सहायता की आवश्यकता हो सकती है।





इस वर्ष के अंत में, ZDLS की योजना दुनिया भर में न केवल पायलट परियोजनाओं के हिस्से के रूप में पेश करने की है, ताकि रूस में जल्द ही DLU का लाभ उठाना संभव हो सके।

उड्डो की प्रस्तुति के बाद फुजित्सु के भागीदारों और ग्राहकों की कई प्रस्तुतियां हुईं, जहां उन्होंने विभिन्न जटिल कार्यों को हल करने के लिए कंपनी के साथ काम करने के अपने अनुभव को साझा किया, उदाहरण के लिए, आपदा-प्रतिरोधी डेटा भंडारण समाधानों का आयोजन, यातायात का विश्लेषण करने और अपराधों को सुलझाने में कंप्यूटर की दृष्टि का उपयोग करना।

सम्मेलन के पूर्ण भाग के बाद, ग्राहकों और भागीदारों को पुरस्कृत करने के साथ-साथ एक छोटा ब्रेक, तीन समानांतर तकनीकी सत्र शुरू हुए, जहां विशेषज्ञों के साथ सम्मेलन के प्रतिभागियों ने अपने व्यवसाय की समस्याओं को हल करने के लिए विशिष्ट व्यावहारिक कदमों की जांच की।





यह लंबा, लेकिन उबाऊ दिन एक पुरस्कार ड्रा और पारंपरिक संचार के साथ समाप्त नहीं हुआ, या जैसा कि अब नेटवर्किंग के बारे में बात करना फैशनेबल है, क्योंकि फुजित्सु वर्ल्ड टूर अब "खुद को दिखाने" के बारे में नहीं है, लेकिन संचार के बारे में, पुराने दोस्तों और नए परिचितों से मिलना है। हमने कई लोगों को पहली बार नहीं देखा है, लेकिन कई नए चेहरे हैं जिनसे हमें अगले साल फिर से मिलने की उम्मीद है। आओ और हमें 2020 के पतन में आओ, जब तक आप नहीं जानते कि एक वर्ष में सामान्य विषय क्या होगा, कौन मंच से प्रदर्शन करेगा, क्या नए उत्पाद दिखाए जाएंगे, लेकिन यह निश्चित रूप से दिलचस्प होगा।

Fujitsu वर्ल्ड टूर 2019 सम्मेलन की सामग्री यहां पाई जा सकती है । फोटो रिपोर्ट यहां