(번역: 김홍성, http://iamhongsungkim.blogspot.com)
3 October 2011 Last updated at 23:01 GMT
IBM bets on data-centric computing
IBM이 데이터 중심 컴퓨팅에 승부를 건다
Dr Jai Menon says self-learning computers are the future
Dr Jai Menon 는 자기-학습 컴퓨터가 미래라고 말한다.
Each week we ask high-profile technology decision-makers three questions.
매주 우리는 기술분야에서 선명한 입장을 가진 의사결정자들에게 세 가지를 질문한다.
This week it is Dr Jai Menon, the chief technology officer and vice-president for technical strategy for IBM's Systems and Technology Group.이번 주는 Dr Jai Menon 이다, 그는 IBM의 Systems and Technology Group 최고기술경영자이자 기술전략 부사장이다
He holds 52 patents and is arguably most famous for his contribution to the Raid storage technology.
그는 52개의 특허를 갖고 있고, RAID 저장 기술에 대한 기여로써 아마 가장 유명할 것이다.
Computing giant IBM has more than 426,000 employees, generating an annual turnover of just under $100bn (£64.6bn) and profits of $14.8bn.
컴퓨팅 거대기업 IBM은 42만명 이상의 직원을 채용하고 있으며, 약 1,000억 달러(646억 파운드)에 다다르는 연간 자본회전과 148억 달러 규모의 이익을 내고 있다.
(cf. RAID는 ‘Redundant Array of Independent Disk’의 약자로, 여러 개의 하드디스크를 하나로 묶어 저장 용량을 늘리거나 데이터의 안정성, 입출력 성능을 강화하는 기술을 의미한다.)
What's your biggest technology problem right now?
지금 당신의 가장 큰 기술적 문제는 무엇인가?
There are always multiple problems, but one problem that we are focused on is providing our customers with IT solutions that are flexible to their needs, but easily consumable.
항상 여러가지 문제들이 있다. 그러나 우리가 초점을 맞추고 있는 문제는 우리 고객들의 요구에 유연한게 대처할 수 있고 또한 쉽게 소비가 가능한 IT솔루션을 제공하는 것이다.
우리 고객들은 수행해야 하는 매우 다양한 종류의 업무가 있다, 예를들어 매일 매일(24시간/7일) 같은 시간대에 수천명 혹은 수백만명의 사용자에게 공급해야 하는 변동자료-기반 시스템같은 것이 있다.
Or analytics systems with fewer users that require deep complex computation. The challenge is how do you satisfy all these different kinds of tasks?
또는 매우 복잡한 컴퓨터사용을 요구하는 소규모 사용자들을 위한 분석 시스템이 있다. 우리의 도전은 '어떻게 이렇게 다양한 작업들을 만족시킬 수 있을가?' 하는 것이다
The are two different approaches: You can standardise it all on one kind of computer, and use that for all their business tasks. But that doesn't really work: it's like saying 'buy just one type of car', and hope it meets the needs of a small family, and doubles up as a pick-up truck, a big van or an MPV [people carrier].
여기에는 두개의 다른 접근 방법이 있다. 당신은 한가지 종류의 컴퓨터에 그 모든 것을 표준화 시킬 수 있고, 그것을 그들의 모든 업무 작업을 위해 사용할 수 있다. 그러나, 그것이 실제 그럴 수는 없다: 그것은 '오직 한가지 종류의 차를 구매하세요" 라고 말하는 것과 같다, 그러면서 소규모 가족들의 요구가 만족 되기 바라며 집배용 소형트럭이나 큰 밴 한 곳에 모아 넣으려는 것과 같다.
So the other approach is to realise that you have lots of different types of workload, and you buy systems that are optimised for these tasks. That's clearly preferred to the first approach. The challenge over time is that with lots of different workloads, you end up with many kinds of computers, and then there's the challenge to make that consumable.
그렇기에 또 다른 접근 방법은, 당신이 매우 다양한 종류의 업무를 갖고 있고, 그러한 작업들에 최적화된 시스템들을 구매한다는 것을 깨닫는 것이다. 첫번째 접근보다는 이것이 분명히 더 선호된다. 많은 수의 다른 업무들을, 많은 종류의 컴퓨터로 끝내는 것이 위의 도전이다. 그리고나면 그것을 사람들이 소비할 수 있게 만드는 도전이 있다.
We are working on a technical approach that will create a system that has all the pieces that make up a computer system. You build this system with different kinds of processors, and there are memory and storage and networking elements, and then you have very sophisticated software that comes with the system.
우리는 컴퓨터 시스템을 구성하는 모든 조각들을 갖는 하나의 시스템을 만들어 낼 기술적 접근 방법에 대해 일하고 있다. 당신은 다른 종류의 프로세서로 이 시스템을 건설한다. 그리고 메모리, 저장소, 네트워킹 요소들이 있다, 그리고 나면 그 시스템의 매우 정교한 부속 소프트웨어를 갖는다.
And the software is able to construct the kind of computer you need.
그리고 그 소프트웨어는 당신이 필요로 하는 종류의 컴퓨터를 건설하는 게 가능하다.
So if you need a lot of computing power, medium-sized storage and not a lot of memory, that's what the system provides. And once the task is running, and you need more memory or computing power, then the system will make that choice for you.
그래서 만약 당신이 상당한 컴퓨터 전원과 중간 크기 저장소 그리고 많지 않은 메모리를 필요로 한다면, 그것이 시스템이 제공하는 것이다. 그리고 일단 작업이 진행된다면, 당신은 더 많은 메모리 또는 컴퓨터 전원을 필요로 하게 된다, 그러면 시스템은 당신을 위해 그러한 세팅을 만들어 줄 것이다.
And when your workload goes away, you simply deconstruct the system.
그리고 당신의 업무가 끝났을 때, 당신은 간단히 그 시스템을 해체할 수 있다.
This is not just virtualisation, where you have one kind of standardised computer, with a standardised processor and a certain amount of storage and memory.
이것은 단지 가상적인 것이 아니다. 당신이 한 종류의 표준적인 컴퓨터를 가지고 있는 곳에서, 표준화된 프로세서와 적당 양의 저장소, 메모리와 함께라면.
You need to be able to assign more than what a single computer can do.
당신은 한 대의 컴퓨터가 할 수 있는 것보다 더 많은 설정이 가능할 수 있어야 한다.
This is very much customer driven. What our customers are telling us is: 'Come up with newer better computers, that take up less floorspace and are faster.'
이는 매우 많이 노력하는 고객이다. 고객들이 우리에게 말하는 것은 이것이다: "더 적은 장소를 차지하면서 더 빠른, 새롭고 좋은 컴퓨터를 제공해 달라"
People have amazing amount of workload, and require lots of different virtualisation environments, but they also have too many different systems.
사람들은 상당한 양의 업무를 갖는다, 그리고 매우 다양한 가상의 환경을 요청한다, 그러나 또한 그들은 너무 많이 다른 시스템들을 갖고있다.
So I've got to let customers reuse their existing assets, skills and software.
그래서 나는 고객들이 그들이 이미 갖고 있는 자산과 기술 그리고 소프트웨어를 재사용할 수 있게 해야 한다.
The software is key - it's a universal resource manager.
소프트웨어가 열쇠다 - 그것은 보편적인 자원 관리자이다.
What's the next big tech thing in your industry?
당신의 산업에서 그 다음으로 중요한 기술적 사항은 무엇인가?
IBM's Watson computer was a proof of concept, says Dr Menon
"IBM의 Watson 컴퓨터는 개념의 증명이었다"고 Dr Menon은 말한다.
"IBM의 Watson 컴퓨터는 개념의 증명이었다"고 Dr Menon은 말한다.
우리 산업에서 그 다음으로 중요한 사항은 새로운 종류의 컴퓨터들에 대한 것이다. 나는 그것들을 데이터-중심 컴퓨터라고 부른다. 왜냐하면 지금의 우리의 컴퓨터들은 매우 프로세서-중심인 컴퓨터들이기 때문이다.
These new computers can extract and find information in data that can aid human cognition. When we created [supercomputer] Watson, it combined hardware and deep analysis software that we designed to work together.
이 새로운 컴퓨터들은 사람의 지각을 도와줄 수 있는 데이터 속에서 정보를 찾아내고 추출해낼 수 있다. 우리가 Watson[슈퍼컴퓨터]를 만들어냈을 때, 그것은 하드웨어와 함께, 같이 작동하도록 고안된 깊이있는 분석 소프트웨어를 결합시켰다.
We are moving away from computers that compute, to computers that can extract information from the huge amounts of unstructured data - because every two days we generate more data than all data from the dawn of civilisation until 2003.
우리는 계산하는 컴퓨터로부터, 비구조적 데이타의 상당한 양으로부터 정보를 추출해 낼 수 있는 컴퓨터로 옮겨가고 있다, 왜냐하면 우리는 매일 매일, 2003년까지의 문명의 새벽으로부터의 모든 데이터보다 더 많은 데이터들을 생산해내고 있기 때문이다.
Watson was just an example to prove the point. There are very interesting business problems out there, and rather than having to be programmed these computers learn as they go along.
Watson이 바로 그 점을 증명하는 하나의 예였다. 넘어에는 매우 흥미로운 사업 문제들이 있다. 이 컴퓨터들은 프로그램 되어져 가야 한다기 보다는, 그들이 걸어 나아가는 것처럼 배운다.
They are data-centric rather than compute-centric.
그것들은 계산-중심이라기 보다는 오히려 데이터-중심 이다.
For example, they could work as a physician's assistant, providing all the knowledge, the data about the patient itself, manage the doctor's notes.
예를들자면, 그것들은 내과의사의 보조자 처럼 작동할 수 있다, 모든 지식들 -환자 그자체에 대한 대한 데이터-을 제공하며, 의사의 노트를 관리한다.
Right now, all we do is Google a medical problem, and we get back 20 documents, and we have to go through them and rate them and find the answer.
바로 지금, 우리가 하는 모든 것은 하나의 치료 문제를 Google 하는 것이다, 그리고 우리는 20개의 문서들로 돌아간다, 그리고 우리는 그것들을 통과해가야 한다, 그리고 평가하고 답을 찾아야 한다.
In the future, the computer will give you an answer with a probability to go with that, and that's so much better than what we do today.
미래에, 그 컴퓨터는 당신에게 그것에 따르는 확률과 함께 답을 줄 것이다. 그리고 그것은 오늘날 우리가 하는 것보다 훨씬 더 좋은거일 것이다.
That to me is the next big technology thing. And it also applies to government. Computers could help governments find answers to tax issues, zoning laws, financial issues.
나에게 있어 그것이 다음으로 중요한 기술적인 사항이다. 그리고 그것은 또한 행정에도 적용된다. 컴퓨터는 행정이 세금 문제, 법의 적용, 재정 문제들에 대한 답을 찾는 것을 도울 수 있다.
From a technology point of view, we still need a few things that to support this - more memory in the system, and solid state memory and storage, and obviously the deep software.
하나의 기술적 관점에서, 우리는 여전히 이 것을 지원하기 위한 몇가지 것들이 필요하다 - 시스템의 더 많은 메모리와 고체 상태 메모리 및 저장소, 그리고 분명히 더 깊이 있는 소프트웨어.
This is not Skynet [as described in the Terminator movies]. People always worry about new technology. When pocket calculators were introduced, people said we would forget to multiply; when computers came they said we would forget how to spell.
이것은 Skynet[터미네이터 영화에서 묘사되어진 것과 같은]이 아니다. 사람들은 항상 새로운 기술에 대해 걱정한다. 포켓 계산기가 소개되었을 때, 사람들은 우리가 곱셈하는 것을 잊어버릴 거라고 말했다; 컴퓨터가 나왔을 땐, 그들은 우리가 철자를 어떻게 쓰는지를 잊어버릴 것이라고 말했었다.
In reality all these computers are assistants, and they save us time so that we can focus on doing the things that only humans can do.
실제로는, 이 모든 컴퓨터들이 보조자 역할을 한다, 그리고 그것들은 우리의 시간을 절약해주고 그래서 우리는 오직 사람만이 할 수 있는 것들을 하는 데에 초점을 맞출 수 있다.
Pilots, for example, have always had things to helped them fly a plane. But at the end of the day I would not fly without a real human on-board.
예를들자면, 비행기 조종사는 항상 그들이 비행기를 조종할 수 있는 것들을 지녀오고 있다. 그러나 결국에는 기내에 실제 사람이없는 비행기에 타지는 않을 것이다.
What's the biggest technology mistake you've ever made - either at work or in your own life?
당신이 만들어 온 가장 큰 기술적 실수는 무엇인가? - 일에서 또는 당신의 삶에서
당신이 만들어 온 가장 큰 기술적 실수는 무엇인가? - 일에서 또는 당신의 삶에서
This is probably an unusual kind of answer, but the timing of innovation is really important. My experience is, as innovators, we are always frustrated if we are too late.
이것은 아마도 이상한 종류의 답변이다, 그러나 혁신의 타이밍은 정말 중요하다. 혁신가로서 나의 경험은, 만약 우리가 너무 늦다면 우리는 항상 좌절한다.
We say: "I had the idea first, why did product development not move fast enough?" But my biggest mistake was in pushing an innovation too early to market, and I've learned from that.
우리는 말한다: "내가 그 생각을 처음으로 했어, 그런데 왜 재품 개발이 충분히 빨리되지 않는거야?" 그러나, 나의 가장 큰 실수는 어떤 혁신을 너무 서둘러 시장에 내놓으려고 한 것에 있었다. 그리고 나는 그것으로부터 배웠다.
What I've learned is that you really have to prepare the market. You have to shape the market, prepare your customers, create a standard, get enough people to buy into the standard.
내가 배운 것은 당신이 정말로 시장을 준비해야 한다는 것이다. 당신은 시장을 그려봐야 한다, 당신의 고객들을 준비해야 한다, 표준을 만들어야 한다, 충분한 사람들이 그 표준을 구매하게끔 해야 한다.
And if you introduce your product too early and you haven't done that, then your product doesn't do very well. You just create a vicious circle, because you don't have the profits from the product to recycle and improve and innovate the product.
그리고 만약 당신이 당신의 제품을 너무 일찍 소개해놓기만 하고 그것에 대해 아무것도 해오지 않고 있다면, 그렇다면 당신의 제품이 매우 잘 되지는 않을 것이다. 당신은 단지 하나의 악순환을 만들었다. 왜냐하면, 그 제품을 재활용하고 향상시키고 혁신시키 위한 이익을 그 제품으로부터 끌어내지 못하고 있기 때문이다.
And then, once the market is ready and prepared, then you will be hesitant because you tried this once before and it didn't work. Then it gets very difficult to reenter the market.
그러면 시장에 준비가 된다해도 당신은 주저할 것이다. 왜냐하면 당신은 이전에 한 번 이것을 시도해보았었고 그것이 잘 되지 않았었기 때문이다.
For example in the storage space, we developed this IP [internet protocol] driven storage attached to the network. We shipped it in 2001, and it didn't do so well in the market.
예를들어, 저장 공간에서, 우리는 네트워크에 부여되는 IP[인터넷 통신규약] 대응 저장소를 개발했다. 우리는 2001년에 그것을 내보냈다, 그리고 그것은 시장에서 그렇게 잘 통하지 않았다.
This is now a $3bn market - 10 years later it's a great story, but by pushing it too soon, maybe five years too soon, it soured our executives as to whether this really was a good idea.
그것은 현재 30억 달러의 시장이다 - 10년 지나 그것은 대단한 이야기다, 그러가 그것을 너무 일찍 내놓으려 했던 것에 의해, 아마 5년을 너무 일찍, 그것이 정말 좋은 아이디어 였는지에 대한 논의로 우리 경영진을 꽤 까다롭게 했다.
And then it is hard to catch up later.
그러고나서 뒤늦게 따라 잡는 것은 쉽지 않다.
Timing is everything. You can be wrong on both sides, too early and too late, and both are bad.
타이밍이 가장 중요한 일이다. 당신은 양쪽 모두에서 옳지 않을 수 있다, 너무 빠르거나 너무 늦거나, 그리고 둘 다 좋지는 않다.
댓글 없음:
댓글 쓰기