В этой небольшой заметке я хочу затронуть тему совместных конфиденциальных вычислений и попробовать кратко изложить суть этих подходов и развеять несколько неоднозначностей, сложившихся в трактовке этого термина в современном информационном поле. Надеюсь получиться ?

Начну немного издалека, я в целом интересуюсь темой распределенной обработки данных с сохранением конфиденциальности, в частности активно смотрю на развитие такого направления, как Federated Learning. Часто попадаются статьи и материалы на эту тему, в которых наблюдаю некоторую терминологическую путаницу, тк термины Federated Learning и Confidential Computing часто используют как синонимы, но это не совсем так. Может быть я не совсем прав, но набор методов, для "обучения" (learning) и для "вычислений" вообще-то отличаются и не являются подмножеством друг друга. Поэтому в первую очередь хочу высказаться про мое понимание их фундаментальной разницы:

• Безупречная рациональность.
• Узкий личный интерес.
• Неизменные в течение жизни цели и стремления.
• Возможность обработать любой объём информации.
• Возможность получить доступ к любой информации, имеющей отношение к задаче (и нет, Интернета тогда не было).

Поп-культура — зеркало общественных настроений. В книгах, фильмах, музыке, комиксах и компьютерных играх часто находят отражение не только сами исторические события, но и рефлексия авторов произведений об этих событиях. Недавно в Голливуде произошло одно из таких: забастовка Гильдии сценаристов закончилась их победой. Среди прочего сценаристы добились от киноиндустрии обещания не заменять их труд работой ИИ. Беспрецедентная победа человека над машиной! Любопытно, как теперь роботы и социальные утопии о будущем будут представляться сценаристами в сериалах и фильмах. Пока такие истории ещё только рождаются в киностудиях по всему миру, а мы решили заглянуть в прошлое и посмотреть, как сценаристы и режиссеры представляли себе технологию искусственного интеллекта и как отношение к ней менялось с течением времени.

Бурное развитие нейросетевых технологий спровоцировало у людей серьезные опасения, что искусственный интеллект заберёт их рабочие места. И если раньше считалось, что такие технологические скачки могут угрожать только тем, кто выполняет простую и монотонную работу, то сегодня в «группе риска» представители интеллектуальных профессий: аналитики, писатели, художники, дизайнеры, фотографы и т. д. Другое опасение, связанное с нейросетями: злоупотребление функциями умных машин снизит интеллектуальные способности людей и сделает их беспомощными. Вместе с тем история показывает, что люди далеко не впервые опасаются инноваций и того, как новые технологии повлияют на их здоровье и благосостояние. Вспоминаем, как люди боялось печатных станков, телефонов, электричества и думали, что человеческое тело не перенесёт поездку в поезде.

• Смогли обойти библейский запрет на ростовщичество (но так делал каждый второй).
• Создали первую холдинговую структуру, что дало возможность не обмениваться деньгами между городами, а делать клиринговые операции.
• Децентрализовали управление и активы, что очень защитило их от политики на местах.

Настольные игры — не только способ развлечься в компании друзей. Во всем мире их используют для обучения, тимбилдинга, погружения в рабочие задачи, знакомства с новыми процессами и технологиями. В Газпромбанке решили разработать собственные настолки — создавать их помогают разработчики и тимлиды. Мы в них играем сами — на митапах и специальных вечерах. При этом собираются команды из разных департаментов: так можно познакомиться друг с другом. А еще берем эти настолки на внешние мероприятия — так люди могут лучше узнать о задачах, которые стоят перед сотрудниками банка, и о наших процессах. Рассказываем, как и во что играют в Газпромбанке.

У нас в Газпромбанке сложилась довольно интересная ситуация. Банк относительно недавно начал активно работать с розницей, которая как локомотив начала тянуть все внутрибанковское IT и менять характер работы всех подразделений.

Одна из главных наших проблем (впрочем, как и у многих) — долгие релизы, низкое качество кода, недоступность и нестабильность систем на тестовых полигонах. Но главное —  интеграционные релизы. Когда несколько команд одновременно пытаются зарелизить свои доработки, нужно много времени и средств, чтобы синхронизировать всех. При этом каждый привносит новые баги, все начинают бегать кругами, спотыкаться, фиксить, перенакатывать… В итоге качество продукта низкое, а пользователь смотрит на это все с недоумением.

Как с этим всем бороться? Вот короткий рецепт от нас: избавиться от интеграционных релизов. Вообще. Собрать автономные, кросс-функциональные команды, каждая из которых будет выполнять свою задачу, не толкаясь локтями с другими. Для этого перепилить пайплайн, повысить инженерную культуру, ввести стандарты и так далее. Подробнее — под катом.