Sekarang semua orang berbicara tentang revolusi baru yang dibawa oleh kecerdasan buatan dan pembelajaran mesin. Algoritma cerdas menembus semua bidang kehidupan: mulai dari mencari Higgs boson, hingga memilih film untuk malam itu. Perusahaan paling maju sudah secara aktif menerapkan teknologi ini dalam produk dan pemasaran mereka. Rekomendasi yang dipersonalisasi, iklan, antarmuka situs web - semua ini bukan semacam ilmu hitam, tetapi teknologi yang sudah tersedia.
Di pasar domestik, tanpa ragu, Yandex adalah perusahaan paling maju yang menggunakan kekuatan mesin. Dalam laporannya kepada #amoCONF, Direktur Pemasaran Layanan Yandex Andrei Sebrant berbicara tentang masa depan dan peluang yang terbuka untuk masing-masing perusahaan. Optimalkan bisnis Anda untuk tren masa depan!
Penafian . Artikel ini adalah transkrip dari pidato Andrei Sebrant. Ada orang yang menghemat waktu dan menyukai teks, ada yang tidak bisa menonton video di tempat kerja atau di jalan, tetapi dengan senang membaca Habr, ada orang yang tuna rungu yang suaranya tidak dapat diakses atau sulit dimengerti. Kami memutuskan untuk mereka semua dan Anda mendekripsi konten yang sangat baik. Siapa pun yang lebih suka video adalah tautan di bagian akhir.
Kecerdasan mesin dan komoditisasi teknologi
Selamat siang Halo, semua orang berkumpul di Olimpiade. Terima kasih untuk eyelinernya. Benar, saya akan berbicara tentang masa depan, menggunakan kata-kata menakutkan. Saya menduga bahwa istilah "komoditisasi teknologi" tidak banyak diketahui siapa pun - jangan malu-malu, umumnya tidak diketahui banyak orang. Tapi ini berguna, sangat sederhana. Saya akan membicarakannya nanti. Dan ya, ada frasa yang tepat: Saya akan berbicara tentang masa depan yang akan datang, akan datang, beberapa telah datang sehingga hanya sisa yang tersisa.
Masalahnya adalah bahwa selama 20 tahun pekerjaan saya di Internet, tampaknya bagi saya semuanya mengagumkan, dengan cepat terjadi - betapa keren! Saya sekarang mengerti bahwa segala sesuatu yang terjadi selama 20 tahun ini adalah proses penghambatan yang luar biasa, sangat lambat, tetapi dengan cepat mulai sekarang. Secara umum, seluruh laporan, cerita ini dibangun berdasarkan prinsip mosaik yang aneh, sebuah mosaik yang ... Bahkan tidak, saya lebih baik mengatakannya seperti ini: pada prinsip teka-teki yang berserakan. Jika, sebagai akibat dari melihat potongan-potongan ini, gambar dari potongan-potongan teka-teki ini mulai terbentuk di kepala Anda - tujuannya tercapai, jika tidak - yah, saya tidak tahu, lihat catatan, coba - mungkin itu akan berubah pada akhirnya. Karena ini bukan buku masak - saya tidak akan memberi tahu Anda cara melakukannya. Saya akan memberi tahu Anda di masa depan apa, hanya dalam beberapa tahun, dalam 3-4-5 (tidak lebih) Anda harus mengatur penjualan Anda, menarik pelanggan, berkomunikasi entah bagaimana dengan orang-orang yang terkait dengan Anda.
Masa depan yang telah datang. Dua kasus bukan tentang Internet dan bukan tentang pemasaran.
Tapi saya akan memberi tahu Anda sedikit kasus aneh. Ini adalah kisah seorang lelaki dari California. Bukan kebetulan saya membawa usianya pada slide - pria itu berusia 65 tahun, dia bahkan lebih tua dari saya. Dia memiliki masalah: dia memiliki seorang istri yang mencintai halamannya yang bersih (tapi ini California, tidak ada pagar sepanjang dua meter di sekitar halaman); kucing tetangga berjalan di halaman dan omong kosong. Bagaimana tugas ini diselesaikan pada tahun 2016?
Kucing tetangga dan halaman favorit: cara mengatasi masalah dengan istrinya
Pada tahun 2016, pria ini, Robert Bond, membeli sedikit besi ke komputer di rumahnya, menghubungkannya dengan kamera pengintai yang sudah berdiri, yang menghadap ke halaman dan melakukan hal yang agak tidak biasa - ia mengunduh perangkat lunak open-source yang terjangkau dan gratis, yang adalah jaringan saraf dan mulai melatih jaringan saraf ini untuk mengenali kucing dalam gambar kamera.
Dan tugas pada awalnya tampak sepele, karena jika sesuatu mudah dipelajari, itu kucing, karena kucing dikotori dengan Internet, puluhan juta kucing ada di Internet. Jika semuanya begitu sederhana - untuk mengenali kucing "siang hari" semacam itu dapat dilatih pada "kumpulan data", yang dimuat hanya dengan kecepatan saluran throughput. Tetapi hal-hal lebih buruk: dalam kehidupan nyata, kucing menjadi sampah kebanyakan di malam hari. Praktis tidak ada gambar kucing malam yang kencing di halaman internet. Manusia telah, seperti yang kita lakukan, sebagaimana perusahaan mana pun yang terlibat dalam sains data normal dan pelatihan jaringan saraf tidak ... Oke, kita akan menggali gambar-gambar tambahan, membuatnya sendiri; jaring belajar mengenali kucing malam juga sangat andal ...
Dan setelah itu - langkah terakhir: katup yang dikontrol secara elektrik terhubung ke output komputer ini. Katup berdiri di atas pipa yang mengarah ke sprayer. Oleh karena itu, segera setelah kucing memasuki halaman dan ingin beradaptasi, mereka mulai menyiramnya - kucing pun kesedihan.
Dengan demikian tugas diselesaikan, istrinya bahagia, kucing tidak bisa berjalan, dan semua ini adalah mukjizat aneh - jaringan saraf belajar mengenali kucing, yang menemukan bahwa di Internet, sial, tidak ada sumber gambar yang cukup untuk pelatihan. Oke, kami akan menghabisimu! Dia menyelesaikan studinya. Ini mungkin satu-satunya jaringan saraf di dunia yang dapat mengenali kucing malam.
Semua ini dilakukan oleh orang yang bukan hyperprogrammer, yang tidak pernah bekerja di Google atau Yandex seumur hidupnya, dan dengan bantuan perangkat keras ini, secara umum, ini cukup murah, ringkas, dan sederhana.
Mentimun Jepang: bagaimana membantu ibu
Cerita lain Di seberang lautan dari California, Jepang menanam mentimun di sebuah pertanian rumah kecil. Mentimun pada formulir ini biasanya disortir ke dalam 9 kategori berbeda.
Pemilahan ini dilakukan secara manual oleh seorang ibu tua. Sulit baginya - dia berdiri di dekat conveyor 8 jam sehari, dan dia sepanjang hidupnya ... Yah, tidak semua, tapi dia mengabdikan beberapa tahun terakhir hidupnya untuk apa yang dia pahami, melihat mentimun (jerawat, warna, ukuran dan bentuk), di mana dari sembilan kategori itu harus dikaitkan. Mereka mengalami kesulitan - mereka bahkan tidak dapat mempekerjakan pekerja sementara, karena pekerja harus diajari selama beberapa bulan proses yang mulia ini - untuk mengenali mentimun. Maka Anda mungkin sudah menebak.
Itu komputer lagi. Namun kali ini, grid berada di cloud, karena komputer Raspderry Pi memiliki daya yang cukup rendah. Jaring itu diajarkan apa yang dilakukan ibu sebagai sampel pelatihan, mereka menggunakan tindakan sang ibu sendiri: di sini adalah foto mentimun, di mana ibunya mengambilnya. Setelah ibu saya melakukan ini 10 ribu kali: "Setochka, ini mentimun baru untuk Anda, apakah Anda mengerti kategori apa yang dimilikinya?" "Saya mengerti," kata setochka.
Dan semua ini diwujudkan dalam desain seperti: konveyor, mentimun naik sebelum jatuh ke konveyor, kamera melihat mereka, mendorong berdiri di sepanjang conveyor dan mendorong mentimun ke dalam kotak kategori yang sesuai. Sekali lagi, ini adalah keputusan 2016. Ini menggambarkan hal yang sangat penting yang sekarang kurang dipahami. Itu tertulis di layar:
Apa yang kami sebut teknologi informasi, pada kenyataannya, tidak lagi menjadi informasi. Ini adalah teknologi operasional: mesin yang terlatih itu sendiri melakukan tindakan, dan tidak memberi tahu kami; bel tidak berbunyi - “Kucing telah datang. Apa yang akan kamu lakukan Apakah Anda akan mengikatnya dengan handuk atau apa? " Dan itu menampilkan nomor kategori di atas mentimun mengambang. "Yah, sekarang kamu bisa mendorongnya dengan tangan kerajaanmu" ... Tidak! Tidak ada orang sama sekali dalam proses ini setelah pelatihan berakhir. Ini adalah gambar yang sangat serbaguna yang mencirikan bagaimana masa depan bekerja, di mana mesin menyelesaikan tugas intelektual (untuk mengidentifikasi kucing, untuk memahami kategori mana yang dimiliki oleh timun).
Teknologi informasi telah menjadi operasional
Dan sebenarnya, ini bukan keinginan kami. Dan secara umum, ini bukan properti hanya Internet dan beberapa hal virtual terjadi di komputer. Saya secara khusus membawa slide: General Electric adalah perusahaan yang agak besar yang bekerja dengan bisnis offline kolosal, yang percaya bahwa 2015 adalah tahun ketika konversi ini terjadi - teknologi informasi telah menjadi operasional, dan mereka menentukan masa depan kita. Dan faktanya, untuk mengejar semua ini, kita perlu memikirkan cara mengatur transisi yang sama dalam proses bisnis kita, karena transformasi selalu merupakan hal yang menyakitkan dan bukan instan.
Tetapi jika Anda tidak mempersiapkan informasi ini sekarang, Anda mungkin menemukan diri Anda berada di antara mereka yang telah diinjak. Contoh yang bagus: mereka menginjak Kodak, dia pikir dia terlindungi dengan baik (teknologi seperti itu!). Mereka menyerang Blackberry - mereka dengan tulus berpikir bahwa itu berharga bagi orang untuk menekan tombol, dan tidak ada yang akan menyeret jari mereka di sekitar layar, mengotori itu. Di mana Blackberry? ..
Akhirnya, referensi lain ke pihak berwenang. Pada awal tahun ini di Davos, di Forum Ekonomi Dunia, kata-kata ini secara resmi diucapkan berulang kali: kita sekarang berada di pusat revolusi industri keempat. Revolusi industri ini terutama disebabkan oleh kecepatan panik yang dengannya kecerdasan buatan dan pembelajaran mesin diperkenalkan.
Saya benci kata-kata "kecerdasan buatan" dan sekarang akan menjelaskan alasannya. Karena pada kenyataannya, kami mencoba membandingkan mobil dengan diri kami sendiri di tempat ini dan entah bagaimana menakuti mobil (tidak takut): "Anda tidak akan pernah bisa dibandingkan dengan kami! Kami adalah pemikir! " Anda tahu, mesin sepanjang sejarah umat manusia telah membuktikan bahwa ia dapat melakukan lebih banyak - lebih banyak karena kita menghasilkannya.
Mobil selalu dapat berbuat lebih banyak
Berikut adalah contoh yang baik yang ingin saya berikan pada banyak ceramah - ini adalah kisah tentang burung buatan. Kami tidak dapat mereproduksi ini. Kami benar-benar tidak tahu bagaimana masing-masing bulu di sayapnya bekerja, fungsi apa yang dibawanya dalam penerbangan. Selain itu, keanekaragaman sayap berbulu ini di alam sangat mengerikan! ... Dan kemudian ada kelelawar.
Apa itu "burung buatan"?
Benar, kita tidak bisa dan tidak bisa hanya mereproduksi, dan kita tidak bisa, menilai dari perkembangan teknologi, dalam beberapa tahun mendatang - kita tidak bisa sepenuhnya memahami fisika penerbangan dengan keakuratan bagaimana setiap rambut di sayap bekerja. Tapi kami, karena kami adalah manusia, manusia terinspirasi oleh burung itu sebagai ide penerbangan. Dan dalam pengertian ini, burung buatan pertama adalah balon, dibuat berabad-abad sebelum hari ini. Karena dia membiarkan orang naik ke udara.
Kemudian, setelah beberapa waktu, mereka kembali ke gagasan tentang sayap yang sama sekali berbeda, dengan profil yang tidak disadari oleh burung itu - burung itu statis, tanpa gerakan yang berayun, ia dapat membuat mobil tetap di udara. Tapi dia punya mesin jet, dan mesin ini mulai mengangkut kami melintasi lautan, yang tidak bisa dilakukan burung.
Terlebih lagi, pada titik tertentu, kita, umat manusia, terbang ke bintang-bintang ... Oke, ke Mars! Sejauh ini tidak ke bintang-bintang, tetapi "Keingintahuan" ini merangkak di Mars dan mentransfer narsis dari sana. Burung buatan yang sama membawanya ke sana. Anda tahu, apa yang kami pikirkan tentang ide terbang dan apa yang seharusnya menjadi burung buatan.
Dengar, ketika mereka memberitahuku sekarang tentang kecerdasan buatan ... Yah, kita tidak tahu cara kerjanya (menunjuk ke kepala) ... Ya! Sama seperti kita tidak tahu apa-apa tentang sayap burung itu. Ini tidak menghentikan kami pada tahap ketika balon muncul, menciptakan sempoa dan menyederhanakan operasi tertentu yang tidak mampu dilakukan oleh hewan, tetapi kami memiliki akun lisan - tetapi, sialnya, lebih mudah. Kemudian teknologi membantu kita untuk membuatnya lebih mudah, dan kemudian teknologi mencapai jaringan yang sangat saraf yang dilatih sendiri - ini penting! Mereka belajar sendiri!
Apa itu kecerdasan buatan?
Jika kita ingat contoh kucing, tidak ada yang menjelaskan kepada grid ini parameter formal dari perbedaan antara kucing dan bayi dengan anjing. Grid mempelajari dirinya sendiri, melihat jutaan gambar kucing dan akhirnya belajar. Kami tidak tahu caranya. Nah, bagaimana kita belajar sendiri?
Dan sebenarnya, apa yang saya bicarakan sekarang, bahwa kecerdasan buatan (berbicara dengan mesin masih lebih benar) akan memiliki hubungan yang sama dengan otak kita seperti roket ke burung pipit - dan membuat hidup begitu menarik. Roket tidak bisa men-twit dan mengotori kepala kita. Sparrow bisa.
Pada saat yang sama, sebuah roket, seperti yang Anda duga, dapat: muatan nuklir ke benua tetangga, Kurioshiti ke Mars, satelit untuk mengorbit agar satelit Internet berfungsi, banyak hal, tetapi ini sama sekali tidak ada hubungannya dengan burung pipit. Hal yang persis sama akan terjadi pada kecerdasan mesin: ia akan melakukan hal-hal yang tidak dapat kita pahami, apa yang bisa dilakukan otak, tetapi bisa.
Pada saat yang sama, cerita menarik lain terjadi secara paralel, yang menyangkut tidak begitu banyak layanan ... Karena saya sedang berbicara tentang layanan spesifik sekarang - pengenalan gambar, sebenarnya fungsi di sekitar kedua contoh dibangun, di mana pencarian gambar dibangun, sekelompok dari beberapa hal-hal. Tetapi ini masih merupakan layanan khusus. Anda dapat mengatakan personalisasi - Saya akan memiliki contoh terpisah tentang hal itu. Ini juga merupakan layanan terpisah - untuk memahami sesuatu tentang pembeli yang datang kepada Anda. Tapi ini layanan.
Tidak hanya layanan itu sendiri, tetapi juga antarmuka
Sistem belajar mandiri, jaringan saraf pada awalnya memungkinkan untuk memecahkan masalah menarik lain yang benar-benar seperti ini - di semua layanan. Tugas ini adalah front-end.
Beberapa waktu lalu, ada masalah seperti itu (meskipun memang ada): Anda perlu membawa informasi ke dalam bentuk yang dapat dibaca mesin sehingga mesin dapat mulai bekerja dengannya. Tidak ada lagi masalah seperti itu! Karena ... Apa itu tampilan yang bisa dibaca mesin? Dia dapat membaca teks bahkan dari manuskrip, bahkan dari layar, bahkan dari gambar gua, jika teks ada di sana. Selain itu, ia dapat memahami apa yang terjadi dalam gambar ini jika itu adalah gambar. Dia dapat mendengar apa yang telah diucapkan dengan keras dan mengubahnya menjadi teks tercetak jika Anda membutuhkannya karena suatu alasan; lebih buruk dari itu - arti dari semua ini adalah untuk memahami ...
Pengenalan ucapan, gambar, sintesis ucapan
Dan ini adalah kisah paling menarik yang sedang terjadi sekarang. Apa yang terjadi saat ini adalah perubahan kehidupan yang luar biasa, katakanlah, dalam beberapa tahun. Agar mesin belajar untuk tidak mendengarkan dengan bodoh dan hanya menerjemahkan suara ke dalam huruf, perlu untuk mengajarkan beberapa makna. Di sini tugas yang menarik dimulai, tugas yang sangat praktis, yang tidak terlihat dari luar, dan ini adalah terobosan besar yang dipecahkan, misalnya, oleh mesin pencari yang harus menyelesaikan masalah ...
Anda tahu, untuk beberapa penyakit mental (jika ada psikolog di ruangan itu - mereka tahu ujian semacam itu) mereka memberikan empat benda atau lebih dan berkata: "Apa yang berlebihan di sini? Temukan itu. " Dalam banyak kasus, untuk beberapa penyakit, jawaban yang benar-benar mengejutkan dan aneh yang tampaknya khayalan bagi kita. Jadi, tugas yang sama untuk mobil: empat objek - temukan ekstra.
Dan ternyata dalam model analisis linguistik tradisional yang lama, ini adalah penyergapan besar. Karena, jika kita melihat objek No. 2 dan objek No. 4, ternyata sementara teks dan tekanan tertulis ini tidak terdengar, LOCK dan LOCK tidak berbeda. Selain itu, bahkan analisis mendalam dari kata sifat menunjukkan bahwa ini adalah sesuatu yang menggambarkan bahan dari mana kata benda ini dibuat. Dan tampaknya kedua benda ini sangat dekat (menunjuk ke "Kastil Batu" dan "Kastil Besi"), dan yang ini ("Benteng Tua") umumnya tidak ada di mana-mana, tidak ada yang serupa. Tapi Anda dan saya mengerti bahwa ceritanya benar-benar berbeda: secara umum, objek ini berlebihan (Kastil Besi), tetapi ketiganya sama. Bagaimana cara menjelaskan ini ke mobil? Terutama ketika datang ke kenyataan bahwa ada gambar secara umum dan, untuk kesederhanaan, lebih tepatnya untuk realisme, kami menganggap bahwa gambar ini tidak mengandung teks dalam gambar - misalnya, pada halaman di mana ia ditemukan. Hanya sebuah gambar. Di album foto. Bagaimana cara mengklasifikasikannya? Haruskah saya menampilkannya atas permintaan "benteng lama"?
Dan ternyata ada hal semacam itu yang untuk beberapa waktu tampak seperti fiksi ilmiah, seperti ruang makna yang sangat multidimensi di mana Anda dapat mengajarkan mesin untuk membuat beberapa vektor. Potongan-potongan vektor ini ditunjukkan di bawah gambar, dan bahkan pandangan sekilas menunjukkan bahwa ini (tiga gambar pertama) umumnya serupa - well, teman-teman, ada sesuatu 8, 7, 1, 3 ..., dan di sini - brrr, jelas sesuatu - itu sama sekali tidak. Yaitu, ketiganya menonjol di suatu tempat di satu tempat, di satu area, kira-kira di satu area ruang multidimensi makna yang mengerikan ini, dan yang keempat di suatu tempat di suatu tempat di sana.
Dan ini memecahkan masalah memahami maknanya, setidaknya dari sudut pandang benda apa yang dekat satu sama lain secara bermakna. Keren bahwa tugas ini sekarang, misalnya, untuk menyelesaikan masalah yang mirip satu sama lain, akan memungkinkan Microsoft yang sama untuk menyediakan terjemahan simultan yang sangat baik di Skype. Karena pada saat itulah ketika alih-alih model linguistik klasik yang tersandung pada masalah ini (kunci-kunci), jaringan saraf dihubungkan - menjadi bermakna untuk diterjemahkan. Dan kemudian, teman-teman, maka mereka sudah menghubungkan bahasa dengan bahasa. Pada saat itu, ketika ruang Anda dari vektor makna ini penuh, proyeksi ke bahasa apa pun adalah operasi teknis murni. Pada saat ini, masalah bahasa di planet kita menghilang sebagai sebuah kelas.
Ini adalah kisah yang sangat sepele! Saya tidak mengatakan bahwa Yandex yang cerdik, Microsoft yang cerdik, Google yang cerdik sedang melakukannya sekarang. Saya berbicara tentang bagaimana perubahan itu hidup dengan cara yang tidak dapat kita bayangkan, entah bagaimana seperti itu - dengan setengah tendangan. Kami bahkan tidak akan melihat bahwa tiba-tiba semua yang ada di antarmuka diterjemahkan sendiri. Akan terlihat seperti ini - tidak seperti layanan super yang terpisah.
Mencoba ilmu tradisional? Tidak, simbiosis dengannya!
Saya ingin menunjukkan apa yang terjadi dengan wilayah tradisional khususnya pada contoh sains, dan bukan beberapa produk komersial. Lihat, ilmu yang menjadi perhatian kita semua adalah meteorologi. Kita semua ingin mengerti: apakah kita perlu membawa payung, akankah hujan turun hari ini? Mungkin, sebenarnya, tidak perlu memiliki payung, tetapi hanya untuk berpakaian lebih hangat, dan tidak akan ada hujan, dan bajingan itu mengerikan.
Dan di sini saya akan mengatakan sekarang tentang solusi Yandex, karena itu, sekali lagi ... Saya tidak ingin menjual Yandex di sini, itu cukup besar tanpa penjualan saya. Hal-hal ini dengan meteorologi sekarang sedang dilakukan oleh semua perusahaan besar yang terlibat dalam meramalkan fenomena cuaca di dunia: Weather Channel dan lainnya, IBM telah terhubung dalam hal pembelajaran mesin. Untungnya, kami memiliki perkiraan di dalam (salah satu layanan Yandex), dan, untuk sesuatu, kami memiliki cukup pembelajaran mesin.
Tentang ramalan cuaca dan Meteum
Jadi, Meteum muncul. Tur singkat tentang cuaca. Ini adalah beragam data yang luar biasa beragam yang dituangkan dalam waktu nyata ke dalam superkomputer. Data diambil dari apa yang sekarang ada di layar. Ini adalah puluhan satelit meteorologi, dari mana informasi mengalir tentang bagian Bumi yang terletak di bawahnya, di berbagai bagian spektrum. , (, , ) : , , , , , , – .
, , , , , - ( , ) – , , , , – , ( ), , (, , ).
-, , , -, ( «» )… , , , , , , .
, , - . : +30 (). , ( , ) – , , , , ?
, – , «» ( ). , , : -- (, 9 «»). , , – , 9 , . , . - .
– , , ; , , ( , - ) , .
, : , , . , . Mengapa ! , . , , , , , , -.
«.» , , -, , , … - - . , , . «» , , , … , – . , - .
, . . – . . , , , , . , , , , . , .
:
- - , . , . , : amoCRM , , , , .
, , , amoCRM. , amoCRM, , ( , , ).
2016 : , . : , – , , , - , «», 20 . , , - , – , , , , , , . , , – . , «-» . – , .
, ? , , , … , … , ?! , , , , , .
, . , , , : . , , - . , , , .
Crypta
, – … -, . , , , , « » , «» - «».
!
: , , . . . - RFM-, , … , . , – , , , , .
( ), -, – «! ?». – ; …
«»?
, , , «». . – , , « »… --… , , .
«.»
, , , «». . «» , . , : , , , – .
. , , – , . , – .
«»
«» . , , . , .
. , - . , . – . . , , …
…
, , … ?
, . , – , .
, . , – . – , , «», . , -. , . , : – , – . , , «-» , API – , ( ).
, , , , .
2020+:
Guys, ketika mereka meminta saya untuk melakukan slide ini: "Baiklah, maukah Anda memberi tahu saya tentang dua puluh atau dua puluh?" Saya berkata: "Ya, mudah." Karena turun ke tiga poin utama.
Anda harus bekerja sama dengan mesin pintar kreatif (jika Anda menginginkannya, jika Anda tidak menginginkannya, Anda harus melakukannya). Ini sangat sulit. Saya tahu dari pengalaman saya sendiri di Yandex. Di sini (saya tidak melihat Anda dengan baik karena lampu sorot yang menyilaukan) saya meminta Anda untuk menjawab pertanyaan itu dengan lantang: apakah ada orang di sini yang memiliki karyawan lain di bawahnya (dari audiensi mereka berkata "ya")? Oke, apakah mudah bagi Anda untuk mendelegasikan kepada mereka ("tidak" dari audiens)? Diharapkan Kami juga! Bayangkan: Anda harus mendelegasikan diri ke mobil, tetapi Anda tidak akan pergi keluar dengan minum bir di malam hari atau minum sesuatu dan berkata: "Vasya, apa yang Anda ... Jangan seperti itu lagi". Mesin ini benar-benar tidak dapat menjelaskan kepada Anda mengapa dia membuat keputusan ini. Tetapi jika Anda tidak belajar cara bekerja dengannya (ya, itu kadang-kadang akan “fakapit”, seperti kita dan karyawan kita), maka itu hanyalah “penutup”.
Hukum Clark
Ini adalah slide terbaru. Ini adalah salah satu hukum Clark. Aku keluar dengan ekor abu-abu dan mengatakan beberapa hal aneh. Ada hukum yang mengatakan: jika seseorang seusia saya keluar, mulailah membawa sesuatu tentang fakta bahwa - “Ini tidak akan pernah terjadi! Manusia adalah ukuran dari semua hal, jadi mesin itu tidak akan pernah ... (mengambil napas dalam-dalam) Ini adalah konservatisme usia, teman-teman, maafkan saya. ”
Dan ketika seseorang berkata, "Dengar, terlepas dari semua konservatisme saya, itu akan terjadi!", Dia kemungkinan besar benar jika dia adalah seorang ahli dalam masalah ini. Tapi saya sudah mendidih di Internet selama dua puluh tahun terakhir.
Jadi terima kasih! Dengan satu atau lain cara, tetapi itu akan terjadi!
Sedikit iklan :)
Terima kasih telah tinggal bersama kami. Apakah Anda suka artikel kami? Ingin melihat materi yang lebih menarik? Dukung kami dengan melakukan pemesanan atau merekomendasikan kepada teman Anda,
cloud VPS untuk pengembang mulai dari $ 4,99 ,
diskon 30% untuk pengguna Habr pada analog unik dari server entry-level yang kami ciptakan untuk Anda: Seluruh kebenaran tentang VPS (KVM) E5-2650 v4 (6 Core) 10GB DDR4 240GB SSD 1Gbps dari $ 20 atau bagaimana cara berbagi server? (opsi tersedia dengan RAID1 dan RAID10, hingga 24 core dan hingga 40GB DDR4).
Dell R730xd 2 kali lebih murah? Hanya kami yang memiliki
2 x Intel TetraDeca-Core Xeon 2x E5-2697v3 2.6GHz 14C 64GB DDR4 4x960GB SSD 1Gbps 100 TV dari $ 199 di Belanda! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - mulai dari $ 99! Baca tentang
Cara Membangun Infrastruktur Bldg. kelas menggunakan server Dell R730xd E5-2650 v4 seharga 9.000 euro untuk satu sen?