Журнал "Системы Безопасности" № 5‘2020

Ц И Ф Р О В А Я Т Р А Н С Ф О Р М А Ц И Я : A I , У М Н Ы Й Г О Р О Д , I o T 62 (в режиме постоянной поддержки нейродина- мики). Наблюдая шумоподобные сигналы элек- троэнцефалограмм 5, 6, 7 в наших головах, скорее всего, мы наблюдаем работу нейродинамиче- ских ускорителей наших умственных способно- стей. Естественно, что рекомендации ГОСТ Р 52633.3–2011 4 по ускорению тестирования сетей искусственных нейронов должны быть много примитивнее реальных процессов, про- исходящих в наших головах. Тем не менее существующая аналогия эффектов экономии памяти и ускорения вычислений у этих двух процессов достаточно очевидна. Более того, оказалось, что, кроме увеличения быстродействия, искусственные нейроны, нахо- дящиеся в режиме воспроизведения нейроди- намики, могут быть использованы для существен- ного увеличения достоверности классического статистического анализа малых выборок 8, 9 . Все это делает исследование режимов нейродина- мики одним из перспективных направлений развития науки и техники в XXI веке. В частно- сти, подобные нейродинамические вычислите- ли, видимо, смогут найти применение в вычис- лительной технике как некоторый промежуточ- ный вариант, располагающийся между обычны- ми компьютерами и перспективными квантовы- ми вычислителями. Воспроизводить программ- но режим нейродинамических вычислений несложно. Эта задача оказалась много проще в сравнении с попытками решать уравнения Шредингера на обычном компьютере без использования специально создаваемой кван- товой логики. n октябрь – ноябрь 2020 www.secuteck.ru 8 Иванов А.И., Банных А.Г., Безяев А.В. Искусственные молекулы, собранные из искусственных нейронов, воспроизводящих работу классических статистических критериев // Вестник пермского университета. Серия: Математика. Механика. Информатика. 2020. № 1 (48). С. 26–32. (Свободный доступ через национальную электронную библиотеку eLIBRARY). 9 Иванов А.И. Искусственные математические молекулы: повышение точности статистических оценок на малых выборках (программы на языке MathCAD): препринт. Пенза: из-во Пензенского государственного университета", 2020. 36 с. ISBN 978-5-907262-42-3 (свободный доступ через национальную электронную библиотеку eLIBRARY). Ваше мнение и вопросы по статье направляйте на ss @groteck.ru Д ля начала немного углубимся в историю. В 2000 г. был создан первый суперком- пьютер с производительностью 1 Тфлопс. Он занимал площадь 150 кв. м и стоил 46 млн долларов. В 2020 г. был представлен конт- роллер мощностью 11 Тфлопс, стоимостью 700 долларов и размером 10х8 см. То есть за 20 лет стоимость вычислительных ресур- сов упала почти в миллион раз! Переворот в сфере вычислений Создание небольших компьютеров с вычис- лительной мощностью, которой ранее обла- дали только суперкомпьютеры, позволило опять сместить акцент на обработку данных в локальных вычислительных устройствах. Эта технология получила название Edge Computing (вычисления "на краю") или, в терминологии Cisco, Fog Computing ("туман- ные" вычисления). Термин Edge Computing стал более употреб- ляемым, хотя, по моему мнению, "туман- ные", или Fog-вычисления, более точно опи- сывают эту технологию. В природе туман является облаком, но более маленьким и локализованном над конкретным участком земли. Если принять эту аналогию, то мы реализуем те же облачные приложения, но в меньшем размере и в конкретном месте. Для пользователя этих приложений нет функцио- нальной разницы между "облачными" и "туманными" приложениями, так как и обла- ко, и туман – явления одной природы, а при- ложения, соответственно, построены на одних технологиях. В чем же преимущества Edge-вычислений? Кратко: в скорости, надежности и безопас- ности. Рассмотрим их более подробно. Преимущество № 1. Скорость При всех успехах в развитии телекоммуни- кационных технологий пока нет возможно- сти для каждой локации гарантировать постоянное время отклика облачных серви- сов, тем более когда нужно работать с быстротекущими процессами, которые выполняются за милли- или даже микросе- кунды, например управление манипулятора- ми робота, беспилотным автомобилем и т.д. Необходимо устройство, которое бы обес- печивало кеширование телеметрии, а также управление системой даже при нестабиль- ном соединении с облаком или его отсут- ствии. Увеличение мощностей локальных вычисли- тельных устройств позволяет им решить эту задачу. Кроме того, появление контроллеров со встроенными нейроускорителями дает возможность локально выполнять алгоритмы ИИ, что особенно важно в управлении бес- пилотниками или машинном зрении. Edge-технологии: скорость, надежность, безопасность Агентство Gartner объявило 2020 г. годом Edge-технологии. На отраслевых конферен- циях обсуждаются концепции Edge и Edge-аналитики. Тем не менее еще многие не знакомы с этими понятиями. Давайте разберем их более детально и выясним пре- имущества и недостатки Алексей Коржебин Директор по продукту AggreGate Edge компании Tibbo Systems www.copeltelecom.com