기계 지능 혁명, 어디까지 왔나?

책표지

양자 컴퓨팅, 인공지능, 5G는 오늘날 이야기되는 최신 기술이다. 이 기술은 그 자체로도 큰 의미가 있다. 하지만 이 기술들이 통합되어 만들어낼 미래는 우리의 삶과 세계를 극적으로 변화시..



양자 컴퓨팅, 인공지능, 5G는 오늘날 이야기되는 최신 기술이다. 이 기술은 그 자체로도 큰 의미가 있다. 하지만 이 기술들이 통합되어 만들어낼 미래는 우리의 삶과 세계를 극적으로 변화시킬 것이다. 앞으로 어떤 일들이 일어날 것인가?

2020년에는 세 가지의 파괴적 컴퓨팅 기술이 최신 과학 기술 분야 전문가들의 생각을 지배했다.

- 양자 컴퓨팅
- 도메인별 아키텍처 (주로 인공지능 분야에서)
- 5G (마침내 진정한 유비쿼터스 임베디드 컴퓨팅을 구현할)

이 기술들은 새로운 것이 아니다. 프레드 로저스(Fred Rogers)와 리처드 랄리치(Richard Lalich)는 이미 2013년의 저서 『Ride the Wave』에서 이 세 가지에 대해 논의한 바 있다. 그러나 이 기술들이 각각 ‘수익 가속화’가 시작되는 성숙 단계에 도달한 것은 최근의 일이다.

양자 컴퓨팅 연구는 여전히 마법의 세계로 가는 느리고 복잡한 여정에 있다. 그러나 우리는 올해 돌파구를 목격하고 있다. 물론 이 기술은 여전히 ​​우리가 ‘진공관 시대’라 부르는 시대에 머물러 있지만 몇몇 기업들은 매우 초보적인 ‘양자 컴퓨터 우월성’의 성과를 보여주고 있다. 이는 양자 컴퓨터가 마침내 기존 컴퓨터가 할 수 없었던 일을 하기 시작했음을 의미한다.

마찬가지로, 훨씬 적은 에너지로 다양한 워크로드의 컴퓨팅을 가속화하는 데 사용되는 30개 이상의 새로운 반도체 기술이 연구 실험실에 등장하고 있다. 이러한 아키텍처는 인공지능(AI) 및 기계 학습 가능성을 비용 효율적으로 실현하려는 경우 특히 중요하다. 가격 대비 성능에 미치는 영향은 불과 1년 전만 해도 비용 대비 효과가 없었던 새로운 상용 애플리케이션 출시를 가능하게 할 것으로 예상된다.

그리고 5G 세계에서 코로나 19 위기 동안 발생한 몇 되지 않은 행복한 놀라움 중 하나는 사람들이 아래의 네 가지를 인정한 것이다.

- 초 연결성이 필요하다
- 어디서든 일할 수 있어야 한다
- 필요할 때마다 의료 서비스를 받아야 한다
- 자동으로 작동되는 물류 인프라를 구축해야 한다

코로나 19의 위기에서 얻은 가장 큰 교훈 중 하나는 ‘더 나은 무선 네트워크와 모바일 연결의 새로운 발전’이 필요하다는 것이다. 따라서 코로나 팬데믹이 선언된 이후 무선 산업과 무선 기술을 디지털 혁신의 기본 구성 요소로 인식하는 것이 더 공고화되었다.

중요한 것은 5G가 기존 통신과는 다르게 구축된다는 것이다. 5G는 개방형 하드웨어, 소프트웨어 가상화, 컨테이너화(containerization)를 사용한다. 그리고 인공지능과 기계학습 기술을 많이 소비하게 될 것이다. 따라서 통신 개발은 다른 미국 기술 산업과 동일한 문제에 초점을 맞출 것이다. 즉, 5G와 앞으로 그 이상의 구축에 사용되는 실제 기술은 ‘기존 통신’이 해온 것보다 더 광범위하게 사용되는 IT 및 클라우드 기술에 훨씬 더 지배받게 될 것이다.

특히 산업과 기술은 30년 전 닷컴 시대가 시작될 때 선구자들이 상상했던 수많은 획기적인 솔루션을 구축하기 위한 막바지 단계에 이르고 있다. 예를 들어, 우리는 상품과 서비스를 가져다주는 방법을 지능적으로 인지하고 도시 상공을 날아다니는 자동 배달 드론을 아직 보유하고 있지 못하다. 또한 100% 완전 자율 자동차도 현재는 없다. 스마트 시티가 구현된 것도 아니다. 그리고 우리는 아직까지 100% 구축된 스마트 팩토리도 없다. 그러나 우리는 이 모든 것에 대해 상당한 진보를 진행 중이다.

이러한 것들과 더불어 수백 개의 또 다른 혁신적 솔루션이 여전히 우리 앞에 놓여만 있다. 하지만 현재 가만히 앉아서 아무 것도 진행되지 않는 것이 아니다. 우리는 세계를 ‘스마트화’하는 초기 물결을 맞이하고 있다. 이는 어떤 도구나 장치를 단순히 스마트하게 만드는 것이 아니라 확장 가능한 시스템 내에서 거의 모든 장치를 스마트하고 효율적으로 만들어내는 것이다.

이러한 솔루션이 독립적으로 완전 자급자족형 초지능적 실체로 공식화된 후 필요한 것은 충분한 리소스(resources)인데, 우리는 이를 충분히 갖고 있지 못하다. 이 문제를 해결하기 위해 이른바 에지 컴퓨팅 레이어(edge computing layer)가 구체화되고 있다. 에지 컴퓨팅이란 ‘중앙 클라우드 서버가 아니라 이용자의 단말기 주변(edge)이나 단말기 자체에서 데이터를 처리하는 기술’로 기존 클라우드 컴퓨팅에 비해 데이터 처리 시간이 짧고 보안성이 뛰어나다. 데이터양이 많고 실시간 처리가 필요한 자율주행자동차, 스마트 공장, 사물인터넷(IOT) 등에서 대거 활용될 전망이다.

‘에지 컴퓨팅 레이어’는 IT를 수행하는 흥미로운 곳이 아니라 세계의 ‘스마트화’를 위한 오프로드 메커니즘이다. 필요로 하는 모든 해당 디바이스에서 모든 비디오 프로세싱을 처리하는 대신, 프로세싱의 80% 정도를 에지 컴퓨팅 레이어로 푸시(push)하는 휴대폰, 증강 현실 고글, 혹은 기타 다른 모바일 장치의 경우를 고려해보라.

그 결과는 에지에서 지원을 받는 모바일 장치로 매우 효율적인 증강 현실 경험을 할 수 있을 것이다. 그러나 더 중요한 것은 클라우드에서 무한한 컴퓨팅 성능을 효과적으로 활용하기 때문에 실제로 원래의 기능을 훨씬 능가하는 성능을 경험할 수 있다는 것이다. 따라서 더 많은 인공적 산출물, 즉 더 나은 비디오 해상도 및 더 큰 컬러 심도를 경험할 수 있을 것이다.

이것이 우리에게 말하는 것은 무엇일까?

모바일 장치나 클라우드 자체가 해답이 아니라는 것이다. 정답은 ‘클라우드 기반 인프라’와 ‘에지 인프라’, 그리고 ‘프런트 엔드(Front-end) 장치’의 조합으로, 모두 함께 작동하여 비용과 기능성, 특장점, 그리고 분산 배포 간 전례없는 균형을 제공하는 것이다.

그러나 이것이 끝이 아니다. 장치 네트워크와 관련 인프라는 서로를 보완하고 전체를 보완하여 더 큰 가치를 창출할 수 있다. 기술이 더 개선되고 소형화되고 빨라지는 것을 넘어, 이는 또한 에지에서 보유하고 있는 장치가 더 넓은 ‘네트워크 메시(network mesh)’의 일부가 됨을 의미한다. 따라서 인공지능은 클라우드에서 확장될 수 있으므로 장치와 네트워크의 다른 장치를 더 스마트하게 만들 수 있다.

전 세계 자율 주행 차량 개발에서 수행한 모든 작업으로부터 우리가 배운 것들을 고려해보라.

분명 자동차 자체는 상당히 영리해질 것이다. 그리고 각 자동차는 노면뿐만 아니라 그 주변의 자동차들을 감지할 수 있다. 따라서 모든 자동차가 장기 데이터를 공유하는 것이 아니라 실시간으로 주변 세계에 대한 즉각적인 시각을 공유하기 시작했다고 상상해보라. 여기에는 실시간으로 인접한 노드와 공유하여 ‘도로 네트워크’ 자체가 도로에 가까이 있는 모든 자동차를 실시간으로 이해하도록 할 것이다. 결과적으로 자동차는 에지 컴퓨팅 레이어를 통해 이 지능형 도로를 활용하여 모든 주변을 볼 수 있을 것이다. 헤드 업 디스플레이는 협업 컴퓨팅 모델로 인해 주변의 모든 것을 시각화할 수 있다.

중요한 것은 이것이 자율 주행 자동차 이상의 것들에 적용된다는 점이다. 실제로 이것은 다른 많은 산업으로 이식될 수 있다. 다만 자율 주행 자동차는 모든 것을 스스로 작동시킬 수 있는 매우 똑똑한 장치를 갖추게 될 것이기 때문에 특히 더 매력적일 것이다. 모든 도로와 주변의 모든 것을 실시간으로 확인할 수 있고, 이러한 실시간 응답성은 모두 에지 컴퓨팅 레이어를 통할 것이다.

이러한 구조는 우리에게 지역적인 실시간 공동의 이해를 전달하기 때문에 하나의 큰 돌파구 중 하나가 될 것이다.

이는 제5차 테크노 경제 혁명의 황금기가 펼쳐짐에 따라 많은 산업 및 비즈니스 부문에서 보게 될 중요한 특징이다. 자율 주행 자동차, 비즈니스 프로세스, 사용자 경험 등 무엇이든 ‘머신 인텔리전스’를 적용할 때 두 가지 유형의 성공이 있다.
하나는 비즈니스를 완전히 혁신하고 이전까지는 제공되지 않은 것으로 전환될 때 발생한다. 여기에는 레벨 5의 자율 주행 자동차 또는 완전 자율 가정용 로봇이 포함된다. 이는 너무나 큰 도약이고, 상당한 가치가 있는 도약이다. 물론 그곳까지 도달하는 데는 매우 오랜 시간이 걸릴 것이다.

머신 인텔리전스 활용 측면에서 성공의 또 다른 형태는 비즈니스가 인간이 일반적으로 수행하는 인지 작업을 강화할 때 발생한다. 인공지능 이전의 세계에서 우리는 항상 혼자였고, 결정을 내리는 것은 각자의 몫이었다.

그렇다면 신세계에서는 무엇이 달라질까? 그것은 인간이 데이터를 가져 와서 이해하고 결정을 내려야하는 곳에 머신 인텔리전스를 신중하게 적용함으로써 프로세스를 가속화하거나 오류 발생 가능성을 줄일 수 있다는 점이다.

공급망 프로세스에서 예측 유지 프로세스에 이르는 비즈니스 활동을 검토할 때 기업과 연구자들이 발견한 것은 프로세스를 더 잘 작동시키는 데 있어 5% 혹은 10%의 인공지능 기반 개선이 실제로 이뤄진다는 것이다. 시간이 지남에 따라. 그리고 이러한 개선이 총체적으로 공급망을 5% 또는 10% 개선하거나, 프로세스 측면에서의 정확도를 20% 또는 30% 향상시킬 때마다 개인뿐만 아니라 잠재적으로 사회에도 매우 강력한 결과물을 산출할 수 있다.

이러한 큰 진보가 대단한 것은 명백하다. 그러나 이는 여기에 그치지 않는다. 인간이 의사 결정을 내려야 하는 모든 프로세스를 개선하고, 더 정확하고 신속하게 긍정적인 의사 결정을 내릴 수 있도록 머신 인텔리전스를 활용하면, 이 기술을 통해 우리가 달성할 수 있는 것은 지금 상상하는 것보다 훨씬 더 클 것이다. 현재 우리가 이미 가지고 있는 기술만 활용해도, 프로세스는 더 좋아지고 비용 구조는 더 개선될 것이다.

이러한 추세를 고려할 때 다음과 같은 예측을 내릴 수 있다.

첫째, 향후 5년 동안 거의 모든 산업 공정과 대부분의 소비자 제품에 인텔리전스가 내장될 것이다.

이러한 변화를 고려하지 않는 산업은 실제로 없다. 의료 서비스와 같은 일부 산업에서는 규제를 받는 산업이기 때문에 인공지능을 빠르게 구현하기가 어렵다. 결과적으로 매우 긴 시간이 필요할 것이다. 따라서 초기의 영향은 신약 개발 및 소위 웰빙 산업과 같은 분야에서 나타나고 있다. 예를 들어, 체온과 기타 활력 징후를 모니터링 하는 오우라 링(the Oura Ring)이 있다. 이 건강 반지는 머신 인텔리전스를 활용하여 우리가 몸이 아프다는 것을 인지하기 전에, 이미 조기 경고를 제공하는 웰빙 도구이다.

둘째, 5G 네트워크가 출시됨에 따라 머신 인텔리전스의 가격 대비 성능은 급격히 개선될 것이다.

미래 통신 인프라의 특징은 자동화이다. 인간이 1억 명의 가입자 네트워크를 운영할 수 있는 방법이 없기 때문에 지능형 기계가 스펙트럼 효율성, 대역폭 조정 및 기타 모든 종류의 결정을 내릴 것이다. 그리고 미국에서만 10년 후 이러한 모바일 네트워크 중 일부에 1조 개의 ‘사물’이 연결될 것이다. 가장 중요한 것은 이러한 인프라 역할을 위해 개발된 칩과 알고리즘이 다른 영역의 혁신적인 애플리케이션을 위한 기반을 제공한다는 것이다.

셋째, 물류 애플리케이션은 2020년대 머신 인텔리전스에 의해 극적으로 변모할 또 다른 영역이 될 것이다.

상품과 서비스가 너무 느리고 부정확하게 이동하는 것을 인식하는 화물 및 물류 공간에 관한 기계 지능 이니셔티브가 있다. 이 인공지능은 “지능형 지게차를 시각적 감시, 물체 매핑 및 알고리즘과 결합하여 비행기 또는 트럭을 최적으로 적재하는 방법을 결정한다면 어떨까요?”라는 질문을 던질 것이다. 이후 이 인공지능을 사용하여 공급망의 병목 현상을 식별하는 물류 인프라를 통합할 수 있다. 결과적으로 인공지능이 모든 패턴을 파악하고 이를 둘러싼 일련의 논리를 개발하도록 할 수 있다. 결과적으로 엄청난 개선과 진보가 이뤄진다.

넷째, 기계 지능 혁명의 가장 큰 도전은 보안이 될 것이다.

역사를 통틀어 부와 권력을 창출한 모든 메커니즘은 그것을 훔치거나 파괴하려는 범죄자와 적을 끌어 들였다. 이는 앞으로도 변하지 않을 것이다. 양자 컴퓨팅과 양자 네트워킹은 이 전투에서 특히 중요한 역할을 수행할 것이다. 또한 침입을 식별하고 가해자에 대해 의미심장한 보복을 단행하는 능력이 매우 중요할 것이다.

* * 

References List :
1. Dell Technologies. January 20, 2020.  John Roese.  Technical Disruptions Emerging in 2020.
https://www.delltechnologies.com/en-us/blog/technical-disruptions-emerging-in-2020/

2. MIT Technology Review. June 9, 2020. John Roese and Elizabeth Bramson-Boudreau.  The Journey to 5G: Extending the Cloud to Mobile Edges - Presented by Dell Technologies.
https://events.technologyreview.com/video/watch/dell-technologies-5g-journey-john-roese/

3. MIT Technology Review. July 29, 2020.  John Roese and Laurel Luma.  Smart devices, a cohesive system, a brighter future.
https://www.technologyreview.com/2020/07/29/1005598/smart-devices-a-cohesive-system-a-brighter-future/


The Machine Intelligence Revolution Takes Shape

Three disruptive computing technologies dominated the thinking of technologists in 2020:

- Quantum computing,
- Domain-specific architectures (mostly in AI), and
- 5G (which will finally unleash truly ubiquitous embedded computing).

These technologies are not new.  Fred Rogers and Richard Lalich discussed all three in their 2013 book Ride the Wave.  However, each is reaching a level of maturity where we’ll start seeing “accelerating returns” kick in.

Quantum computing research is still a slow, complex journey into a magical world.  But we've seen breakthroughs this year.  Admittedly, the technology is still in what we call “the vacuum-tube era,” but several companies are demonstrating very rudimentary “quantum supremacy.”  That means quantum computers are finally beginning to do what no conventional computer could ever hope to do.

Similarly, 30-plus new semiconductor technologies used to accelerate the computing of various workloads with much less energy are emerging from research labs.  These architectures are especially important if we are to cost-effectively realize the promise of AI & machine learning.  Their impact on price-performance is expected to unleash new commercial applications that were nowhere near cost-effective just a year ago.

And in the 5G world, one of the few happy surprises that occurred during the COVID-19 crisis was people's acknowledgment of four things: 

- the need to be hyperconnected,
- the need to be able to work anywhere,
- the need to get health care whenever needed, and
- the need to access a logistics infrastructure that works autonomously.

One of the big takeaways from this experience has been that we need better wireless networks and new advances in mobile connectivity. Therefore, our appreciation of the wireless industry and wireless technology as a foundational component of digital transformation has become significantly greater since the pandemic was announced.

Importantly, 5G will be built differently from legacy telecom.  It will use open hardware, software virtualization, and containerization.  And it will be a heavy consumer of AI and machine-learning technology.  So, telecom development will come to focus on the same issues as the rest of the U.S. technology industry.  That is, the actual technology that is used to build 5G and beyond is going to be much more dominated by widely used IT and cloud technologies than "legacy telecom" has been.

Notably, industry and technology are just now getting to the stage to build many game-changing solutions that visionaries imagined 30 years ago at the beginning of the Dot-Com era.  For instance, we don't yet have automated delivery drones flying over our cities intelligently knowing how to bring us our goods and services without killing anybody.  We don't have self-driving cars.   We don't necessarily have smart cities.  And we don't have really smart factories yet.  But we have substantial work-in-progress toward all of these. 

Those and hundreds of other transformative solutions are still in front of us.  But we haven’t been sitting still.  We have enough evidence from the early waves of “smartifying” the world, to know that the big problem is not making the device smart, it's making the device smart and efficient within a scalable system.

As spelled out in Ride the Wave, if the solution was formulated as a standalone, fully self-sufficient, hyper-intelligent entity, you wouldn't have enough resources to make it do whatever it's supposed to be doing.  To address this problem the so-called “edge computing layer” has materialized, not so much as just an interesting place to do IT, but as an offload mechanism for the “smartification” of the world.

Consider the case of a cell phone, Augmented Reality goggles, or other mobile devices that, instead of doing all the video processing on the device, push about 80% of that processing into an “edge compute layer” that has all the power it could need; the result is that now you have a highly efficient Augmented Reality experience on a mobile device that's getting the assistance from the edge. But more importantly, it actually far exceeds its original capability because it's effectively tapping into infinite computing power in the cloud.  So, it has more artifacts, better video resolution, and greater color depth.

What is this telling us?  The mobile device by itself isn't the answer and the cloud by itself isn't the answer either.  The answer is this combination of “cloud-based infrastructure” plus “edge infrastructure” plus “the front-end devices,” all working together to deliver an unprecedented balance between cost, functionality, feature set, and deployment.
But it goes further.  The network of devices and their related infrastructures can create even greater value by operating to complement each other and the whole.  Beyond technologies becoming better, smaller, and faster, this also means that at the edge, the device that you have in hand is part of a wider “network mesh.”  So, AI can extend out from the cloud so your device and the other devices in the network can be made smarter.

Consider what we’re learning from all of the work done in autonomous vehicle development around the world. 

Obviously, the car itself is going to be quite smart.  And each car can sense the cars around it as well as the road surface.  So, imagine if all those cars started to not just share their long-term data, but their immediate view of the world around them in real-time; that includes sharing it to nodes that were adjacent to them in real-time so that your “road network” itself had a master real-time understanding of all the cars close-by on the road.  As a result, your car could tap into this intelligent road via the edge compute layer to let it see around corners.  It could see everything you can't see, as well as what other people can see.  That means your head-up display could provide a visualization of everything around you because of that collaborative compute model.  That's an incredibly powerful tool that isn't possible if the device is trying to solve this problem by itself.

Importantly, this applies far beyond autonomous vehicles.  In fact, you can transpose that into many other industries. But the autonomous-driving one is particularly fascinating because you will have a very smart and robust device that can operate all by itself, but it can operate far better in many dimensions when it can tap into the collective consciousness of all of the cars, and all of the roads and all of the things around it in real-time. And the only way to get this real-time responsiveness is by tapping into an edge computing layer.
 
Such a structure is going to become one of the big breakthroughs because it delivers a collective understanding in real-time which is local to you.  
 
This brings us to an important distinction that we’ll see across many industries and business sectors as the Golden Age of the Fifth Techno-Economic Revolution unfolds.  When we apply machine intelligence to anything, whether it be a self-driving car, a business process, a user experience, or whatever, there are two types of success. 

One type of success comes when we completely revolutionize a business and turn it into something that has never before been delivered; that would include a level-five self-driving car or a fully autonomous household robot.  That is a big, big jump, and it's worth taking that jump—it just takes a very long time to get there.

The other form of success in terms of harnessing machine intelligence is when a business augments the cognitive tasks that human beings typically do.  In the pre-AI world, “you were on your own.”  It was up to each person to make that decision. Very rarely did they get much help on the thinking side.  They might get a lot of data, but they had to sort through it.  The recommendations did not really come from technology; you had to figure it out.

What’s different in the new world?  By careful application of machine intelligence to places where human beings have to take data, understand it, and make a decision, we can accelerate the process or make it less prone to error.

What companies and researchers are finding as they examine business activities ranging from supply chain processes to predictive maintenance processes, to radiology systems, is that a multitude of 5% and 10% AI-based improvements in getting aspects of the process to work better really adds up over time.  And every time these improvements collectively improve a supply chain by 5% or 10%, or radiological accuracy by 20% or 30% in detecting tumors, that's a very powerful outcome, not just to an individual, but potentially for society.   And that’s especially true because the cost of making each improvement is typically small.

Obviously, big breakthroughs are great.  But there's so much more than business can do with this technology as we seek to enhance every process where human beings have to make decisions, and augment those with machine intelligence to make those decisions more accurate, more speedy, and more likely to have a positive outcome.

And that’s especially encouraging because capturing so much of this windfall for consumers and shareholders doesn't require massive breakthroughs.  It leverages the technology we already have today.  And every time we do it, the process gets better, the cost structure gets better and the outcomes get better.

Given this trend, we offer the following forecasts for your consideration.

First, over the next five years, intelligence will be embedded in almost every industrial process and most consumer products. 

There really isn't an industry that is not contemplating this transformation.  In some industries like health care, it's hard to implement AI quickly because it's such a regulated industry; as a result, the timeframes are very long.  That’s why we’re seeing the early impact emerging in areas like drug discovery and the so-called wellness industry. For instance, there is the Oura Ring, which monitors your temperature and a bunch of other vital signs.  It's a wellness tool that uses advanced machine intelligence to give you a pretty good early warning that you might be coming down with something before you know you're sick.

Second, machine intelligence price-performance will accelerate sharply as 5G networks roll out.

The hallmark of future telecom infrastructures will be automation. Intelligent machines will make the decisions around spectral efficiency, bandwidth tuning, and all kinds of other things because there's just no way a human being can run a network of one hundred-million subscribers; and in the U.S. alone, some of these mobile networks, 10 years from now, might have a trillion “things” connected to them.  Most importantly, chips and algorithms developed for these infrastructure roles will provide a foundation for innovative applications in other areas.

Third, logistical applications will be another area dramatically transformed by machine intelligence in the 2020s.

There are machine intelligence initiatives going on in the freight and logistics space where people are realizing that goods and services move too slowly and clunkily.  This begs the question, “what if we fuse intelligent forklifts, with visual surveillance, object mapping, and algorithms to decide how to load planes or trucks optimally?”  Then, we can integrate logistic infrastructure that uses AI to identify bottlenecks in the supply chain.  And then, let AI figure out the pattern and develop a set of logic around it.  The payoffs could be enormous.  And that’s particularly important if we’re trying to raise living standards and total wealth in a country that is rapidly aging.  And,

Fourth, the biggest challenge to the machine intelligence revolution will be security.

Throughout history, every mechanism that has created wealth and power has attracted criminals and enemies seeking to steal or destroy it. That’s not going to change. And it’s the very technologies that create this wealth that are going to enable attacks and defenses. Quantum computing and Quantum networking will play particularly important roles in this battle.  Furthermore, the ability to identify intrusions and meaningfully retaliate against perpetrators is vitally important. Therefore, there is no time like the present to seal our Technological Iron Curtain.

References
1. Dell Technologies. January 20, 2020.  John Roese.  Technical Disruptions Emerging in 2020. 
https://www.delltechnologies.com/en-us/blog/technical-disruptions-emerging-in-2020/

2. MIT Technology Review. June 9, 2020. John Roese and Elizabeth Bramson-Boudreau.  The Journey to 5G: Extending the Cloud to Mobile Edges - Presented by Dell Technologies.
https://events.technologyreview.com/video/watch/dell-technologies-5g-journey-john-roese/


3. MIT Technology Review. July 29, 2020.  John Roese and Laurel Luma.  Smart devices, a cohesive system, a brighter future.
https://www.technologyreview.com/2020/07/29/1005598/smart-devices-a-cohesive-system-a-brighter-future/

이전

목록