00:00:07 Введение и опыт Cédric Hervet в компании Kardinal.
00:02:07 Подход компании Kardinal к оптимизации маршрутов в реальном времени с участием человека.
00:03:41 Влияние оптимизации маршрутов в реальном времени на цепочку поставок и управление запасами.
00:05:32 Разработка алгоритмов оптимизации маршрутов и значение данных.
00:06:22 Эволюция оптимизации маршрутов и важность точных данных.
00:08:00 Ключевые компании и участники в сфере оптимизации маршрутов.
00:09:58 Как инновации Google вдохновили другие компании.
00:10:51 Основные источники данных для оптимизации маршрутов в Kardinal.
00:12:55 Технические проблемы онлайн-решений в реальном времени.
00:15:38 Пользователи получают контроль над данными и его влияние на оптимизацию.
00:18:00 Проблемы балансировки контроля над данными и человеческого опыта.
00:19:30 Влияние крупных компаний, таких как Amazon, Google и Microsoft, на зависимость от данных.
00:21:00 Концентрация рынка картографических данных.
00:22:17 Увлекательные исследования и разработки в области ИИ и их потенциальное применение.
Резюме
В этом интервью Киран Чэндлер разговаривает с Жуанном Верморелем и Cédric Hervet, основателями Lokad и Kardinal соответственно. Они обсуждают проблемы оптимизации маршрутов в реальном времени и важность участия человека наряду с передовыми технологиями. Hervet также делится своим волнением по поводу разработок в области ИИ, включая обучение с подкреплением и потенциальные последствия квантовых вычислений. В разговоре затрагивается идея картографических данных как общего блага и зависимость от крупных технологических компаний, а также необходимость оставаться на переднем крае новых технологий.
Расширенное резюме
Киран Чэндлер проводит дискуссию с Жуанном Верморелем, основателем Lokad, компании по разработке программного обеспечения для оптимизации цепей поставок, и Cédric Hervet, соучредителем и руководителем отдела НИОКР в Kardinal, компании по разработке программного обеспечения для оптимизации маршрутов. Они обсуждают последние достижения в области краудсорсинговых данных, квантовых вычислений, оптимизации маршрутов в реальном времени и роль человека в этих процессах.
Cédric Hervet объясняет, что компания Kardinal специализируется на оптимизации маршрутов в реальном времени с учетом контекста. Традиционное планирование маршрутов обычно выполняется вручную, что является не оптимальным. Однако люди обладают способностью справляться с чрезвычайными ситуациями и принимать решения, исходя из общей картины приоритетов. Современное программное обеспечение для оптимизации маршрутов на рынке предлагает статические решения, которые становятся проблематичными при возникновении неожиданных событий, таких как заторы или перенос встреч.
Подход Kardinal заключается в непрерывной оптимизации маршрутов, что позволяет эффективнее решать возникающие проблемы. Они также подчеркивают важность сохранения участия человека в процессе, поскольку люди обладают знаниями и стратегическим видением, которых не найти и не смоделировать в базах данных.
Жуанн Верморель соглашается с тем, что использование человеческого интеллекта в сочетании с современными вычислительными технологиями является необходимым для оптимизации цепей поставок. Стратегия Lokad заключается в максимальном использовании потенциала умных людей, хорошо осведомленных о проблемах, которые они пытаются решить.
Разговор переходит к различиям во временных масштабах подходов Kardinal и Lokad. Kardinal сосредоточен на оптимизации маршрутов в реальном времени, когда решения пересматриваются каждые минуту или около того. Это не то же самое, что микросекундные решения, ведь вы не управляете роботами в реальном времени, выполняющими сбор на складе. В свою очередь, решения Lokad ориентированы на следующий день или даже на год вперед.
Далее разговор переходит к развитию оптимизации маршрутов на протяжении последних лет. Hervet различает задачи поиска наилучшего пути от точки A до точки B, для чего создан Google Maps, и более сложную задачу определения оптимального порядка посещения нескольких остановок. Последняя задача требует применения сложных алгоритмов и точных данных о дорожном движении для предоставления реализуемых и эффективных маршрутов. Kardinal делает акцент на преобразовании теоретической математики в практические решения, обеспечивая, чтобы оптимизированные маршруты были реалистичными и удобными для водителей.
Верморель отмечает, что Google – компания, которая привнесла значительные инновации в онлайн-решения, особенно в области поисковых систем, предоставляя более актуальную информацию по сравнению с конкурентами в свое время. Хотя они напрямую не используют алгоритмы Google, этот подход вдохновляет такие компании, как Lokad и Kardinal, поскольку они работают над масштабируемыми онлайн-решениями для сложных задач.
Обсуждая ограничения и нелинейности в оптимизации маршрутов, Верморель указывает, что такие факторы, как трудовое законодательство и ограничения, связанные с конкретными водителями, усложняют задачу. Hervet добавляет, что для Kardinal существует два основных источника данных. Первый – это данные от клиентов, которые предоставляют информацию о заказах, ограничения, доступность водителей, вместимость транспортных средств и другие важные детали. Второй источник – технологические партнеры, такие как HERE Technologies, которые поставляют данные о расстояниях, схемах движения и обновления в реальном времени, необходимые для оптимизации маршрутов.
Они обсуждают проблемы обработки данных в реальном времени, важность участия человека и зависимость от крупных технологических компаний для получения данных.
Верморель объясняет, что работа с данными в реальном времени представляет множество проблем. Во-первых, скорость света конечна, что означает, что, хотя данные могут передаваться быстро, их обработка может занимать секунды, особенно когда задействовано множество дата-центров и тысячи обменов данными. Кроме того, существует множество факторов, замедляющих работу компьютерных систем, таких как обновления программного обеспечения или другие фоновые процессы. Обеспечение эффективной работы систем в реальном времени в глобальном масштабе требует значительной экспертизы.
Еще одной проблемой является зависимость от партнеров, что может повлиять на доступность и надежность сервисов корпоративного программного обеспечения. Чем больше зависимостей, тем больше потенциальных проблем и простоев может возникнуть. Это означает, что время безотказной работы сервиса будет зависеть от его зависимостей, что часто приводит к снижению доступности и надежности.
Hervet подчеркивает важность сохранения участия человека в системах оптимизации маршрутов. Он рассказывает историю о том, как изначально сгенерированные алгоритмом маршруты были математически оптимальными, но водители смогли выявить проблемы, которые алгоритм не мог учесть. Например, водитель может знать, что парковка будет невозможна в определенное время из-за того, что родители забирают детей из школы. Hervet акцентирует необходимость баланса между маршрутами, сгенерированными алгоритмом, и человеческим опытом для принятия наилучших решений.
Он также считает, что контроль над данными имеет решающее значение. Пользователи должны иметь возможность понимать и взаимодействовать с данными для принятия обоснованных решений. Kardinal стремится дополнить принятие решений человеческий опыт вычислительными инсайтами, обеспечивая сочетание человеческого опыта и оптимизации на основе данных.
Обсуждая проблему зависимости от крупных компаний, таких как Amazon, Google и Microsoft, для получения данных, Hervet соглашается с тем, что эта зависимость может быть чрезмерной. Однако он также отмечает, что технологии быстро развиваются, и в мире есть не так много поставщиков картографических данных.
Разговор начинается с вопроса о том, должны ли картографические данные считаться общим благом. Верморель признает важность открытых карт и предполагает, что технологические достижения могут приблизить картографирование к статусу общего блага. Однако он также указывает, что индустрия картографии очень концентрирована и в ней участвуют всего несколько ключевых игроков. Хотя конкуренция существует, она остается ограниченной.
Затем Hervet обсуждает свои впечатления от разработок в области операционных исследований и искусственного интеллекта. В компании Kardinal у них есть аспиранты, занимающиеся решением задач онлайн-оптимизации, что расширяет рамки математической области. Они также рассматривают другие достижения в области ИИ, такие как обучение с подкреплением, которое обучает алгоритмы принимать решения без явного определения наилучшего варианта. Hervet отмечает, что этот подход философски отличается от текущих методов Kardinal, которые предусматривают определение пространства решений и ранжирование решений в этом пространстве.
Хотя обучение с подкреплением показало себя перспективным в различных приложениях, Hervet признает, что оно имеет ограничения при работе с рядом ограничений, с которыми сталкиваются в Kardinal. Однако они продолжают следить за его развитием, поскольку в будущем оно может стать более пригодным для принятия решений в реальном времени.
Затем разговор переходит к потенциальным последствиям квантовых вычислений. Hervet упоминает недавнее заявление Google о достижении квантового превосходства, что означает, что квантовые компьютеры могут решать задачи за значительно меньшее время, чем классические компьютеры. Квантовые алгоритмы могут быть использованы для решения сложных задач, таких как задача коммивояжера, которая является центральной в работе Kardinal.
Хотя квантовые вычисления остаются делом долгосрочной перспективы, Hervet признает их потенциал в демократизации решения задач, делая сложные проблемы более простыми для решения. Если это произойдет, такие компании, как Kardinal, должны будут оставаться на переднем крае технологий, чтобы помогать своим клиентам работать эффективнее.
Полная транскрипция
Киран Чэндлер: На этой неделе на Lokad TV мы рады приветствовать Cédric Hervet, который обсудит с нами, как рост квантовых вычислений и возможность оптимизации маршрутов в реальном времени привели к тому, что компании по доставке изменили свои методы работы. Так что, Cédric, большое спасибо, что присоединился к нам сегодня.
Cédric Hervet: Спасибо за тёплый приём. Компания Kardinal специализируется на оптимизации маршрутов в реальном времени с высоким уровнем учета контекста. Обычно маршруты составляются вручную людьми, которые планируют графики работы водителей или техников. Это, безусловно, не оптимально, но, с другой стороны, люди обладают выдающейся способностью справляться с чрезвычайными ситуациями, неожиданными событиями и проблемами. Они могут видеть общую картину приоритетов и принимать решения. Однако алгоритмы не вполне приспособлены для этого, особенно алгоритмы оптимизации. На рынке существуют программные решения для оптимизации маршрутов, но они работают в очень статичном режиме. Они получают данные, как-то их смешивают и предоставляют оптимизированное расписание. Но это создаёт проблемы, так как первое возникшее событие может ухудшить качество маршрутов. Как только грузовики отправляются в путь, появляются такие проблемы, как дорожные заторы, опоздания или отсутствие клиентов, а также перенос встреч. Все эти события могут негативно сказаться на эффективности. В Kardinal мы считаем, что правильный способ оптимизации маршрутов – никогда не прекращать их оптимизацию. Таким образом, вы можете лучше справляться с возникающими проблемами. Еще один ключевой аспект нашей работы – это акцент на том, чтобы не исключать участие человека, поскольку он знает свою работу и обладает знаниями, которые невозможно найти или смоделировать в какой-либо базе данных. Очень важно не исключать их из процесса, потому что у них есть стратегическое видение всей деятельности.
Киран Чэндлер: Эта идея использования человеческого интеллекта и максимально эффективного его применения, особенно в экстренных ситуациях, действительно интересна. Думаю, ты, Жуанн, тоже согласишься, что лучше всего использовать человеческий мозг как дополнение к оптимизации?
Жуанн Верморель: Абсолютно, идея максимально эффективно использовать умных людей, хорошо осведомленных о проблемах, с которыми они сталкиваются в цепочке поставок, и применять лучшее, что может предложить современная вычислительная техника, на высоком уровне также является стратегией Lokad.
Киран Чэндлер: Отлично. Сегодня мы немного поговорим об оптимизации маршрутов в реальном времени. Почему это интересно для вас с точки зрения цепочки поставок?
Жуанн Верморель: Очевидно, что когда мы говорим об оптимизации цепей поставок, мы не оперируем одинаковыми временными масштабами. Если сравнивать то, чем занимаются Kardinal и Lokad, обе компании-разработчики корпоративного программного обеспечения: Kardinal занимается оптимизацией маршрутов, где решения можно пересматривать каждые минуту или около того. Это не то же самое, что микросекундные решения, ведь вы не управляете роботами в реальном времени, выполняющими сбор на складе. Всё должно быть оперативно, но не на уровне микросекунд. Напротив, Lokad ориентируется на решения для завтрашнего дня или даже на год вперед, то есть на более длительные временные горизонты. Факт того, что Lokad может оптимизировать цепи поставок, обычно предполагает принятие решений на более длительные периоды.
Киран Чэндлер: Мы обсуждаем перераспределение запасов между локациями, такими как магазины или склады. Это во многом зависит от гибкости инструментов оптимизации маршрутов, предоставляемых такими компаниями, как Kardinal. Чем более гибкими являются ваши маршруты, тем проще перераспределять запасы между магазинами, что снижает затраты на оптимизацию. Как за последние несколько лет развивалась оптимизация маршрутов, особенно учитывая нашу возрастающую зависимость от смартфонов и GPS-систем?
Cédric Hervet: Оптимизация маршрутов включает в себя две основные задачи. Первая – это перемещение от одной точки к другой и выбор правильной дороги, для чего созданы инструменты, такие как Google Maps. Вторая, более сложная задача – это наличие n остановок для посещения и определение порядка, в котором они будут посещены, с учетом таких факторов, как трафик. Наш акцент делается на решение второй задачи. Для её эффективного решения требуются более интеллектуальные алгоритмы, чем просто перебор всех возможных комбинаций, вот тут и вступает в игру математика.
Способность моделировать эту задачу и разрабатывать алгоритмы существует с 1960-х годов. Однако фактическая реализация этих алгоритмов во многом зависит от наличия точных данных, например, данных о дорожном движении. Если данные, предоставленные алгоритму, неверны или неточны, он построит невыполнимые маршруты. В Kardinal мы сосредоточены на предоставлении маршрутов, которые являются выполнимыми и практичными для водителей.
Kieran Chandler: Говоря о доступности данных, кто является ключевыми игроками, которые способствовали росту и накоплению опыта в оптимизации маршрутов?
Joannes Vermorel: В области онлайн-решений для различных задач наблюдался интенсивный рост. Исторически значительное влияние в этой сфере оказала компания Google. До появления Google поисковые системы, такие как Yahoo и AltaVista, обновляли свои индексы раз в квартал, что приводило к устаревшим результатам поиска. Google отличался множеством инноваций, в том числе способностью предоставлять более актуальные результаты.
Kieran Chandler: Итак, Joannes, расскажите нам, как вы перешли от компании, занимающейся оптимизацией поисковых систем, к компании, занимающейся оптимизацией цепочки поставок?
Joannes Vermorel: Изначально мы начали с онлайн-решений, предназначенных для предоставления наилучших результатов для запросов. Однако реальность такова, что новые страницы постоянно добавляются в индекс, а изначально мы обновляли его лишь раз в неделю. Тем не менее, это было уже в 20 раз быстрее, чем у большинства наших конкурентов. Таким образом, последовал переход к задаче, где нам требовались всегда актуальные результаты в условиях перемен. Low Cad и Kardinal не используют алгоритмы Google, специально разработанные для поисковых систем, но для нас это стало источником вдохновения, чтобы увидеть, что можно добиться в масштабах с доказательством их работоспособности. Cédric Hervet: И многие другие участники начали делать нечто подобное для различных задач. Мне кажется, появилась новая волна людей, которые задумывались над тем, как создать онлайн-версию задачи, которая была бы гораздо умнее и существенно отличалась от того, чем занимается Kardinal сейчас, по сравнению с тем, что делали люди ещё в 50-х годах. Все эти ограничения и нелинейности делают оптимизацию сложной для представления. У вас есть нелинейные ограничения, например, тот факт, что ваш водитель, возможно, не может работать больше X часов из-за требований трудового законодательства. Kieran Chandler: Cédric, расскажите нам о данных, которые на самом деле представляют интерес для Kardinal и откуда вы их получаете?
Cédric Hervet: Конечно. Существует два основных источника данных. Первый — очевидно, от наших клиентов, которые предоставляют заказы, требующие оптимизации. Они дают нам самую точную информацию о своей деятельности, такую как юридические ограничения по рабочему времени водителей, их доступность, откуда они начинают, где получают обслуживание, какой транспорт они используют, какая требуется вместимость, а также могут ли они перевозить опасные грузы или проводить специфические технические вмешательства, требующие определённых навыков. Все эти данные определяют ограничения в их деятельности, и нам необходимо их понимать. Второй источник — это данные, поступающие от клиента, описывающие сами заказы, такие как посылки для доставки или вмешательства, например, ремонт IT-оборудования. Мы полагаемся на технологических партнёров, таких как HERE Technology, который является нашим партнёром по получению данных о расстояниях, необходимых для понимания, сколько времени занимает перемещение от одной остановки к другой, и как со временем меняется трафик. Нам также необходимо получать обновления о дорожном движении в реальном времени для адаптации по мере необходимости. HERE предоставляет нам эти данные, и мы используем наши алгоритмы для предоставления обновлённых решений.
Kieran Chandler: Cédric, вы упомянули рост популярности онлайн-решений. С технической точки зрения, какие сложности это вносит в возможность работы в реальном времени?
Cédric Hervet: Работа в реальном времени вносит множество сложностей. Прежде всего, понятия «реальное время» не существует, поскольку скорость света конечна. Хотя она и невероятно высока, всё же требуется время. Проблема возникает, когда у вас распределённые компьютерные системы, и необходимо осуществлять обмен данными между несколькими дата-центрами. Если вы совершаете тысячи обменов, получение результатов занимает секунды.
Kieran Chandler: Достижение систем в реальном времени может быть весьма сложным, когда вы работаете по всему миру. С какими сложностями вы сталкиваетесь?
Joannes Vermorel: Есть множество факторов, которые могут помешать созданию качественной системы в реальном времени. Например, наши компьютеры могут показаться чрезвычайно быстрыми в среднем, но бывают случаи, когда они «зависают» из-за обновлений или по другим причинам. Таким образом, в худшем случае компьютеры могут работать довольно медленно. Кроме того, скорость вашей системы обычно определяется самым медленным звеном. Это означает, что если у вас много машин, самая медленная может значительно тормозить. Работа в реальном времени сама по себе представляет собой ряд очень сложных задач. Ещё одной сложностью является то, что зависимость от партнёров означает, что вы должны обеспечить высокую доступность и надёжность вашего сервиса, даже если у ваших партнёров этого нет. Чем больше зависимостей, тем больше потенциальных проблем с простоями. Ваш сервис так хорош, как хороши его зависимости, то есть, каждый раз, опускаясь по цепочке, вы получаете что-то с меньшей доступностью, временем безотказной работы и снижёнными показателями во всём.
Cédric Hervet: Да, согласен. И мы сейчас вступаем в эру, когда мы действительно можем контролировать эти данные. Например, с помощью Waze теперь можно указать, если где-то есть полицейский радар. Считаете ли вы это положительным эффектом? Возможность контролировать эти фрагменты данных, безусловно, важна, особенно в том контексте, о котором я говорил ранее. В Kardinal мы придаем большое значение тому, чтобы в системе оставались люди, ведь как только они теряют контроль, и всё становится чрезмерно автоматизированным, они не могут по-настоящему проверить, что алгоритм что-то делает. Они теряют понимание происходящего и не в состоянии применить свою экспертизу, а экспертиза всегда важна. У меня есть одна история: когда мы только начинали заниматься тем, чем занимаемся, мы пытались оспорить маршруты водителей, предлагая наши собственные оптимизированные маршруты. Всегда находился пример того, чего алгоритм не мог учесть. Забавный пример: у нас был прекрасно оптимизированный маршрут, который, казалось, был идеальным способом посетить все остановки. Но когда водитель это увидел, он не сосредоточился на общем плане маршрута, который, даже если и был лучше того, что он сделал бы сам, а обратил внимание на некоторые конкретные остановки. Он сказал: «Ладно, вы говорите, что я доставлю этого человека сюда в 16:45, но здесь находится школа, и я знаю, что каждый родитель будет парковаться на этой улице, и я не смогу припарковаться, чтобы выполнить доставку». Это, безусловно, математически оптимально, но я знаю, что доставка в это конкретное время занимает всего 15 минут, а доставить человека за 15 минут невозможно. И это имеет значение. Для специалистов по данным знание этого заранее, чтобы избежать подобной ситуации, корректировать маршрут за 50 минут до предполагаемого события — очень дорогостоящее решение для нас. Это бессмысленно, ведь у нас уже есть кто-то в грузовике, кто знает это. Основное взаимодействие, которое мы пытаемся реализовать, заключается в следующем: хорошо, вы знаете то, что мы никогда не узнаем, и мы не будем пытаться это узнать, потому что это обойдётся нам слишком дорого, так что просто предоставьте нам эту информацию. Таким образом, вы можете оспаривать алгоритмы даже находясь в пути. И именно это мы и пытаемся сделать — учесть, что может произойти множество событий. Это могут быть проблемы, возникающие из-за…
Kieran Chandler: Не могли бы вы объяснить нашим слушателям, как вы сочетаете ввод данных от пользователей и информационные потоки для принятия обоснованных решений?
Joannes Vermorel: Клиенты — не единственный источник данных. Ввод пользователя также является для нас событием, и если вы считаете, что что-то действительно лучше, вы можете выбрать иной вариант. То, что мы предлагаем, является лишь рекомендацией, а окончательное решение остаётся за вами, ведь, вероятно, вы знаете то, чего мы не знаем. Чтобы действительно ответить на ваш вопрос, крайне важно контролировать данные, потому что сами по себе они бессмысленны, если не знать, что они означают. Однако, как только вы можете проанализировать, что означают данные и какие решения вы предлагаете, люди не исключаются, а дополняются. Они могут принимать лучшие решения, имея информацию о влиянии наших расчётов, и, учитывая все дополнительные факторы, выбрать наилучший вариант. Вот чего мы и стремимся добиться — правильного сочетания обоих подходов.
Cédric Hervet: Другой пример — лесные пожары в США. Когда люди прокладывали маршруты, пытаясь убежать от пожаров, оказалось, что дороги, где горели леса, отображались как свободные, и их даже направляли в те районы. Возможность скорректировать это с учётом дополнительных факторов, не входящих в стандартный контекст, крайне важна для того, чем мы занимаемся.
Kieran Chandler: Считаете ли вы, что с точки зрения данных мы слишком зависим от таких крупных компаний, как Amazon, Google и Microsoft?
Joannes Vermorel: Я бы сказал, вероятно, да, но также с учётом того, что технологии развиваются чрезвычайно быстро. Если посмотреть на данные карт, мировых провайдеров не так много. Вопрос в том, должны ли данные карт стать общим благом. Есть люди, которые пытаются добиться этого с помощью открытых карт и тому подобного. Реальность такова, что когда технологии стремительно развиваются, многим компаниям сложно конкурировать. Обычно, когда говорят «победитель забирает всё», забывают, что в технологиях всё часто быстро меняется. Так что, да, сейчас на рынке карт всего четыре или пять игроков, что, в общем, подходит, но рынок всё ещё остаётся довольно сконцентрированным.
Kieran Chandler: А если не сводить всё к завершению на сегодня, вы активно занимаетесь исследованиями и разработками. Какие реальные перспективы в этой области вдохновляют вас на ближайшие пару лет?
Cédric Hervet: Ну, во-первых, это то, чем мы занимаемся в Kardinal.
Kieran Chandler: Итак, Joannes, какие последние достижения в области оптимизации вызывают у вас наибольший энтузиазм?
Joannes Vermorel: Мы, докторанты, работаем над решением онлайн-версии оптимизации, расширяя границы исследований операций как математической области для рационального решения задач. Мы также наблюдаем, как развивается сообщество искусственного интеллекта в целом. Обучение с подкреплением — это иной подход, чем тот, который мы применяем в исследованиях операций. Оно учит алгоритмы определять лучшее решение, не указывая им явно, какой вариант является правильным, что философски сильно отличается от того, что мы делаем в Kardinal. Мы задаём алгоритму глобальный объём возможных решений задачи и указываем, какое из них лучше, чтобы он мог сосредоточиться на поиске оптимального варианта внутри замкнутого множества. Обучение с подкреплением предлагает альтернативный способ решения и, вероятно, очень подходит для принятия решений в реальном времени.
Cédric Hervet: Ограничение этого подхода сегодня заключается в том, что он не может справиться с разнообразием ограничений, возникающих в наших методах. Но кто знает, мы были приятно удивлены тем, что обучение с подкреплением смогло добиться в Pingo или даже в видеоиграх — теперь они могут обыгрывать очень сильных игроков. Это то, за чем мы пристально следим, и это действительно перспективно. Мы также видели, как Google объявил о квантовом превосходстве, что означает, что квантовые компьютеры могут решать задачи за короткое время, чего не под силу обычным компьютерам. Им пришлось перебрать все решения, а мы знаем, что существуют квантовые алгоритмы, подходящие для решения задачи коммивояжера, например, одной из наших ключевых проблем. Они могут решить её за секунды, в то время как обычным компьютерам на это потребовались бы тысячи лет. Это то, за чем нам стоит следить. Очевидно, что эта перспектива очень долгосрочная, и, благодаря тому, что наши алгоритмы умно сконструированы, мы уже можем сопоставить их скорость с квантовыми алгоритмами для решения сложных задач. Но квантовые вычисления дают своего рода демократизацию, превращая природно сложные задачи в легко решаемые, что весьма заинтересовывает нас. Если завтра наши задачи станут легко решаемыми, нам придётся быть на переднем крае освоения этой технологии, чтобы помочь нашим клиентам работать намного эффективнее, чем сегодня.
Kieran Chandler: Блестяще. В любом случае, спасибо за ваше время сегодня. Это действительно интересно. Большое спасибо. Итак, что-то для этой недели. Огромное спасибо, что присоединились к нам, и до встречи в следующий раз. Пока.