Om forvirringsmatriser og lederansvar

I en datadrevet bedrift tar ikke lenger ledere beslutninger om hva som skal gjøres – det gjør modellene. Så hva står igjen for lederen å beslutte? Ny kommentar på Digi.no. Også gjengitt i BI Business Review.

(Og jeg synes det er på tide at vi får uttrykket forvirringsmatrise inn i norsk språk.)

(Lyst til å diskutere digitalisering med Ragnvald Sannes, Berit Svendsen og meg? Bli med til Frankrike i oktober!) Kort frist!

Som vanlig med lydfil. I denne lydfilen henviser jeg til to figurer og forsøker å beskrive dem – ta en titt på Digi eller se herunder hvis dette er uklart (og det er det…)

Kvantedatamaskiner og IoT

If you think you understand quantum mechanics, you don’t understand quantum mechanics. (Richard Feynman)

Notater fra et seminar i Forskningsparken. Advarsel: Notater tatt underveis – mangler, misforståelser og digresjoner i massevis.

Hva er en kvantedatamaskin? Franz Fuchs (SINTEF)
Introduction: Google’s «quantum supremacy» isn’t that… Quantum computers outperform regular computers on certain tasks (such as integer factorisation) but are unlikely to have practical use in the near future. Moore’s law is saturating, transition to a quantum age. Short history of quantum computing:

Quantum computers are at the stage of ENIAC at this point.
Two challenges for quantum computers: Hardare and software. Lots of research: EU has a quantum computing technologies flagship, worth 1b Euros, similar in the US and China. IBM has done a lot of research, up to 20 qubits devices. D-Wave uses quantum annealing, a kind of analog computing, free access for 1 minute, open source python tools. Alibaba, Microsoft, Google all experiment. Intel, Rigetti has technologies (the latter a hybrid), IonQ. In sum: Heavy investments into development from many parties. But: Classical algorithms run on a quantum computer will not run faster. Shor’s algorithm is not parallelism… Developments:

Applications will be quantum chemistry, AI, optimization, and simulations. In addition, cryptography, China is using quantum satellites to have safe video calls, and a quantum tunnel between Beijing and Shanghai, though this is not strictly quantum computing.

Question: Quality of qubits? IBM has a measure, depends on errors in measuring, connections, etc.

Question: Languages? A number of high-level languages (QISKit, Forest), mostly assembly at this point. Will be more general.

Kvanteberegning og IoT. Ketil Stølen
Naivt bilde av IoT: Data opp i skyen. Pipeline en flaskehals, dermed går man til fog computing (LAN-nivå) og edge computing (tingene selv). Stort problem at teknologien er fragmentert og umoden, mangler særlig testet software for integrering og interaksjon. Sikkerhet ofte et problem på grunn av manglende kapasitet. Samtidig gir nettforbindelse en kolossal angrepsflate. Eksempel: Casino angrepet gjennom et akvarium som sto i foajeen. Et annet problem er at man er svært avhengig av leverandører. Personvern også et stort problem – og mye av motivasjonen for edge computing.

Kan QC hjelpe til med disse problemene? Masse hype. Noen problemer: Størrelse (pga. behov for superkjøling.) På kort sikt må man jobbe med store QC-maskiner, hvordan kan dette gjøres. Forskning ved Delft snakker om behov for algoritmekunnskap go lokale satellitt-maskiner. Problem er at QC gir omtrentlige svar. Min digresjon: Bør kunne brukes til PGP-oppaknining og løsning av visse typer knapsack-problemer, der en omtrentlig løsning er bra nok.

Kvanteberegning ned til fog og edge vil antakelig kunne takle et sikkerhetsproblem. Kontra: QC kan føre til at man kanskje lager sikrere arkitekturer fra bunnen av.

Diskusjon: Ca. 95 algoritmer der man har funnet at QC er raskere, det er nokså lite. Optimalisering det som D-Wave driver med, annealing fungerer for optimalisering. Men smalt spektrum av brukerområder til nå.

En arkitektur som ikke er nevnt: Photonic quantum computing, skal kunne ha romtemperaturløsninger om 5-10 år. Gir et sikkerhetsproblem ved at dagens kryptering ikke holder for fremtidige metoder.

Kvantekryptering, kvantehacking og sikkerhet. Johannes Skaar (UiO)
Kvantekryptering kan gjøres i dag med en liten dings, Sende fire fotoner som detekteres, enkelt å gjøre. Quantum key distribution trenger en ekstra kanal, BB84-protokoll:

Dette er sikkert pga to prinsipper: Ikke mulig å klone kvanteinformasjon. Måling vil forstyrre kommunikasjonen. I praksis: nokså enkelt å hacke kvantekommunikasjon. Kvantehacking, russer (Vadim Makarov) med postdoc på UiO, laget en koffert som kunne gjøre dette.

Alternativer til kvantekryptering: Assymetrisk offentlig nøkkelkryptering. Symmetrisk privat nøkkelkryptering, Oppsummering: Mange problemer med kvantekryptering, men verdt å forske på dersom vi mister assymetrisk kryptering som alternativ.

Kvanteresistent kryptografi. Thomas Gregersen (NSM)
QC et problem fordi tradisjonelle algoritmer brukes lenge etter at de er obsolent, derfor må vi utvikle kvanteresistent krypto før QC finnes. Grovers algoritme (generell) og Shors algoritme (spesiell for integer faktorisering) er utfordring fordi den finner løsninger i lineær tid. Initiativer fra NIST og PQCRYPTO (EU) mot å utvikle dette.

Nye algoritmer vil måtte ha nøkler og signaturer som ikke tar for stor plass. Skal ikke ta for lang tid, og bruke kjente vanskelige beregningsprosesser. Mange kandidater:

En hel del av dette kommer til å bli implementert, scenariet er at det skal kunne kjøres på en klassisk maskin og beskytte mot en angriper med tilgang til kvanteanalyse. Ulike algoritmer har ulike fordeler/ulemper, mulig at man kan løse dette ved å rullere algoritmer for samme melding. Men det gjenstår å se om det rent praktisk er relevant å lage maskiner som kan angripe skikkelig krypto, men vi må bruke tid på denne forskningen i tilfelle noen klarer det.

Diskusjon: Mye av kryptoknekking skjer pga. dårlig implementering. Det å øke antallet algoritmer gjør at man øker risikoen for dårlige implementeringer, særlig i hardwarebaserte løsninger. Fascinerende at dette er det samme vi har sett før: Nytt domene, blir et nytt kappløp mellom knekkere og kodere.

Kvanteberegning og kunstig intelligens. Phillip Turk (SINTEF)
Innledning om AI og ulike metoder, fokus på søkealgoritmer, siden mye AI går ut på å søke over et stort antall mulige løsninger. Algoritmer er forskjellige – input er hvordan man organiserer gates – alle løsninger finnes i superposisjonene, algoritmene siler seg frem til den korrekte løsningen.

Kommentar: Kan man bruke en QC til å finne heuristikk som så kan gjøres om til en algoritme som kan brukes av en vanlig datamaskin? Første anvendelse antakelig maskinlæring ved hjelp av quantum annealing, kanskje innen ti år. Ennå ingen problemer der man har quantum supremacy, noe uklart om vi har det ennå, men det kan kanskje komme for et eller annet problem snart.

Om store skjermer og produktivitet

Det siste innlegget fra Digi.no, denne gang om store skjermer og hvorfor det er en god ting for kunnskapsmedarbeidere.

Kanskje det viktigste poenget: Hva skal jeg, som ikke driver med trading eller systemadministrasjon, med tre store skjermer?

Svaret er at det vet jeg ikke før jeg har forsøkt – og at det at man prøver ting er, vel, innovasjon…

Herved en opplesning også:

Arkitektur og realiteter

En av mine favorittbøker er How buildings learn, av Stewart Brand. Boken handler om hva som skjer med bygninger etter at de blir bygget (de vokser, blant annet, og endrer seg som følge av bruk, men ulike deler endrer seg ulike fort.)

Ofte er det slik at man har regler for hvordan noe skal gjøres: Parkeringsplasser, stikkontakter, mennesker per kvadratmeter, og så videre. Disse reglene fører ofte til nokså rare resultater når de treffer brukernes egentlige behov.

Her er et eksempel. På BI har vi to etasjer med parkering i garasjen. Disse parkeringsplassene er helt tydelig presset inn, så mange som mulig, på så liten plass som mulig. I USA er parkeringsplasser dimensjonert ut fra reelle biler, og slik at folk skal kunne komme seg ut og inn av bilen. I Norge tror vi tydeligvis at alle biler er små (og det var de jo for 30 år siden eller så) og at folk er så slanke at de kan komme seg ut gjennom sideruten uten problemer (for det er jo ikke plass til å åpne døren.)

Vel, biler har blitt større, særlig i bredden, tildels som et resultat av nye sikkerhetskrav. Dermed blir parkeringsplasser for trange. Og hva skjer så? Jo, folk parkerer slik at de kan komme seg ut og inn av bilen, naturlig nok. Resultater er en liten studie i hva som skjer når faktisk behov møter teoretisk design.

Her er et bilde fra garasjen på BI da jeg kom på jobb litt etter 0900 i dag:

Som synes: De som kommer tidlig, tar plassen i midten, og dermed blir det vanskelig for dem som kommer etterpå. Greit nok, og ikke så rart gitt at selv nokså normale biler (som Subaruen på det siste bildet) har dårlig plass, særlig når man ser hvordan søylene spiser 20 cm parkeringsplass på hver sin side. Spørsmålet er hva man kan gjøre med det?

Det er litt sent å gjøre noe med størrelsen på parkeringsplassene, men kanskje man kunne prøve seg med en eller annen «nudge» for å få folk til å ta plassene på sidene først, slik at man i det minste fikk inn to biler i stedet for en for hver tredje parkeringsplass? Avgift på plassene i midten hadde nok fungert, at man slo på det røde lyset som markerer en plass som opptatt hvis begge plassene på siden er tatt, eller kanskje skravering.

Eller man kan bare fortsette som før, og tro at når man har definert en parkeringsplass til en viss størrelse, så kommer folk til å bruke den som forventet. Har man så mange parkeringsplasser, så har man det, for det sier tegningene.

Personlig har jeg Summon på min Tesla, og den funksjonen kommer nå i en oppgradert versjon som parkerer bilen selv. Men det gjør det ikke noe lettere for andre å komme seg ut av sin bil uten å lage riper i min.

Gode forslag etterlyses. Og kanskje noen arkitekter burde tenke litt over forskjellen mellom kart og terreng…

.

Om leiesykler og plattformøkonomi

Nok en kommentar på digi.no, denne gang om leiesykler – spesifikt, el-sparkesykler – og plattformøkonomi.

Et nytt innslag i bybildet er elektriske sparkesykler, som man såvidt begynte å se i fjor sommer. Nå står 10 selskaper klare til å introdusere disse som app-baserte bysykler i Oslo. Jeg regner med at det går med dem som med de fleste mikrobryggeriene – opp som en løve og ned som, vel, en haug med sykler, omtrent som i Shanghai, der jeg er nå.

(Bilde fra Wikipedia)

Som vanlig har jeg lest inn teksten som en liten minipodcast, her kommer den:

Nerder og produktivitet

Jeg er opptatt av datautstyr og å ha riktige verktøy (om jeg faktisk får gjort så mye er opp til andre å vurdere). Og det er mye å lære fra folk som har peiling.

Men det spørs om dette blogginnlegget fra en av mine helter, Stephen Wolfram, ikke er bortimot verdensrekord i produktiv bruk av teknologi. Alt er gjennomtenkt fra ende til annen.

Stephen Wolfram på hjemmekontoret.

Jaja. Han er et geni. Og jeg har i alle fall flere og større skjermer enn han har. Foreløpig.

Et Alan Kay-perspektiv

“Point of view is worth 80 IQ points” – Alan Kay

Min gamle kollega Jim McGee har skrevet om Alan Kay og hans utrolige evne til å se ulike perspektiver av kompliserte problemstillinger. Så dette blogginnlegget er ikke svært originalt – jeg ville bare gjøre denne videoen med Alan Kay kjent i Norge, og kanskje også spre litt kunnskap om Alan Kay og hva han har betydd for (ikke minst norsk) softwarebransje. (Og bare for å skryte litt – jeg møtte Alan Kay i 1989, på BI, der han holdt et foredrag for en nokså liten gruppe mennesker (det var nesten ingen som forsto hvor viktig han var, trass i at han på det tidspunktet var Chief Scientist for Apple), et foredrag jeg fortsatt husker fordi det totalt endret min forståelse for hva man kan gjøre med teknologi.

Alan Kays original-tegning av Dynabook

Alan Kay var doktorgradsstudenten fra Utah som snakket med Ole-Johan Dahl om SIMULA, forsto hva ideene bak språket betød, og utviklet teorien rundt objektorientert programmering. Fra Utah gikk han videre til Xerox PARC (et forskningssenter som utviklet det objektorienterte språket Smalltalk, laserskrivere, Ethernet (som du fortsatt bruker hver gang du knytter det til Wifi’en, uten at du aner noe om det) og altså det grafiske grensesnittet – menyer, mus, at du ser hva som skjer med tekst og tegning direkte på skjermen, og at ting på skjermen kommer likt ut på skriveren (WYSIWYG). I det hele tatt – svært mye av moderne arbeidsteknologi. Kay hadde også visjonen om Dynabook, en slags iPad, allerede i 1968 – altså for over 50 år siden.

Man kan si at Ole-Johan Dahl og Kristen Nygaard skapte objektorientert programmering, men Alan Kay – som forstod hva det faktisk betød – er den som med rette er kalt objektorienteringens far fordi han evnet å ta teknologien videre fra et nokså snevert fokus på simulering. Kay fikk Turing-prisen i 2004, to år etter Dahl og Nygaard.

Alan Kays styrke er hans evne til å tenke grunnleggende, til å gå tilbake til det amerikanerne kaller «first principles», til å tenke hva konsekvensene er når man har en annerledes teknologi og hva man i så fall bør gjøre. Han har en fokus på at ting må endres hele tiden – som han sier, de fleste store systemer i dag er skrevet i teknologi utviklet på 60-tallet, og at man fortsetter å bruke gammel teknologi hindrer utvikling. Den kjelleren full av maskiner som man omtaler som «legacy» – en arv, noe verdifullt – er en møllestein rundt halsen for eksisterende organisasjoner. Og det vil alltid være lettere å fikse litt på det man har fremfor å kaste det ut og tenke på nytt – som han illustrerer svært effektivt med overgangen til det heliosentriske verdensbildet.

Det viktigste Alan Kay har brakt til verden, er forståelsen av at robuste systemer består av små, selvstendige enheter som snakker sammen – ikke bare som Internett, der datamaskiner snakker sammen, men også innenfor en PC eller en mobiltelefon, der deler av programmer gjør sin lille ting for andre programmer, og sender meldinger frem og tilbake. Det kaller vi objektorientert programmering, men poenget med objektorientering er ikke objektene, men meldingene mellom dem.

Nok om dette, ta en time og se dette foredraget. Kanskje det endrer ditt syn på hva innovasjon handler om, og hvordan man skal tenke om fremtiden. Hva hadde skjedd med digitalisering om vi tok konsekvensen av hva en fremtid vil se ut og begynte å bygge den nå, i stedet for å flikke litt til på alt det gamle vi har?

I all enkelhet, ganske enkelt.

PS: En morsom ting for meg er at Alan Kay sier at en skikkelig innovasjon tar 7 år. Min gamle veileder på Harvard Business School, Jim McKenney, sa alltid at ethvert stort nytt system som ville endre ting, tar syv år. Minst.