جست‌وجو برای تکنولوژی بهتر در پردازش اطلاعات
تغییر مسیر آینده رایانش ابری
با توسعه کلاد در اوایل دهه ۲۰۱۰، تحولات مهمی در حال شکل گرفتن هستند. بسیاری از استارت‌آپ‌ها و همچنین تولیدکنندگان محصولات سخت‌افزاری تلاش می‌کنند تا با این روند همراه شوند. با این همه اما جنگ رقابتی واقعی میان فعالان صنعت تکنولوژی‌های پیشرو و به خصوص شرکت‌هایی است که اینترنت اشیا را مدیریت می‌کنند. در چنین شرایطی آیا خدمات وب آمازون یا AWS (بازوی رایانش ابری شرکت آمازون)، مایکروسافت و دیگر ارائه‌دهندگان بزرگ خدمات کلاد به دنبال گسترش دسترسی خود به پردازش اطلاعات هستند یا ساختار تکنولوژی‌های پیشرو، مسوولیت گروه متفاوتی از شرکت‌ها شامل سازندگان تجهیزات کارخانه و دیگر انواع قطعات را به عهده دارند؟
از زمان ظهور پردازش اطلاعات تجاری در دهه ۱۹۵۰، این بخش همیشه میان متمرکز و گسترده بودن در حال نوسان بوده است. تا دهه ۱۹۷۰ پردازش اطلاعات تجاری تنها به کامپیوترهای مین‌فریم محدود بود. وقتی در دهه‌های ۱۹۸۰ و ۱۹۹۰ ماشین‌های اداری کوچک‌تر وارد این عرصه شدند، این بخش گسترش بیشتری پیدا کرد. در این دوره امور تجاری با کامپیوترهای شخصی هم قابل انجام بودند، اما کامپیوترهای شخصی ارتقا یافته‌ای که با کمک دیتا سنترها کار این پردازش را انجام می‌دادند و به‌عنوان سیستم «کلاینت سرور» شناخته می‌شدند. بعد از ظهور تکنولوژی کلاد در دهه ۲۰۰۰ انجام این پردازش‌ها یک بار دیگر متمرکز شد. به این ترتیب در هر کدام از این دوره‌ها گروه جدیدی از شرکت‌ها رشد می‌کردند که در میان آنها IBM در دوره مین‌فریم‌ها، مایکروسافت در دوره کامپیوترهای شخصی و AWS در دوره رایانش ابری یا کلاد پیشتاز بوده‌اند.
جست‌وجو برای تکنولوژی بهتر یکی از دلایلی است که پردازش کامپیوتری را دوباره گسترده‌تر کرده است. دستگاه‌های پیشرفته از موبایل‌های هوشمند گرفته تا تجهیزات فروشگاهی، هوشمندتر می‌شوند. این دستگاه‌ها که به پردازنده‌های قدرتمندی مجهز هستند، می‌توانند از عهده مشکلات پردازشی بربیایند که سال‌ها پیش تنها سرورهای بسیار بزرگ می‌توانستند آنها را رفع کنند. افزایش انعطاف‌پذیری نرم‌افزاری هم به معنای آن است که این بخش هم می‌تواند در حوزه تکنولوژی پیشرفته به خوبی عمل کند. حالا بسیاری از اپلیکیشن‌ها مجازی‌سازی شده‌اند؛ به این معنا که به‌صورت مجزا از هر سخت‌افزار خاصی وجود دارند. با این اوصاف کدنویسی می‌تواند با ابزارهای دیجیتالی همراه شود و به راحتی در میان تمام دیتا سنترها جابه‌جا شود تا به این ترتیب بتواند فاصله خودش با تکنولوژی‌های پیشرفته را کمتر و کمتر کند.
از طرفی تقاضا برای پردازش در عرصه فناوری‌های پیشرفته به دلایلی غیر فنی، در حال افزایش است. بسیاری از کشورها قوانینی دارند که برای بقا در داخل مرزهایشان یا حتی در داخل دیوارهای یک شرکت، به اطلاعات نیازمند هستند. شرکت‌ها می‌خواهند از اطلاعات استفاده کنند؛ اما همزمان نگرانی‌هایی هم برای درز این اطلاعات -که اغلب حفظ آنها اهمیت دارد- وجود دارد. مصرف‌کنندگان و کاربران از دیدگاه خودشان مراقب حریم شخصی‌شان هستند؛ کاری که استارت‌آپ Bragi با هدفون‌های بی‌سیمش انجام آن را تضمین می‌کند. روایت و تفکر حکمفرما در صنعت تکنولوژی این است که پردازش اغلب اطلاعات به‌صورت متمرکز در کلاد بهترین روش است. این تفکر اما از طرفی با واقعیت اینکه بسیاری از کاربردهای جدید تکنولوژی باید عملکرد سریعی داشته باشند، در تضاد است و تضعیف می‌شود. بر اساس بعضی بررسی‌های انجام‌شده در این زمینه، خودروهای خودران در هر ساعت اطلاعاتی به اندازه ۲۵ گیگابایت تولید می‌کنند که این میزان حدود ۳۰ برابر بیشتر از اطلاعاتی است که توسط ساختار استریم ویدئو باکیفیت بالا تولید می‌شود. تا پیش از بارگذاری این حجم زیاد اطلاعات و سپس ارسال ساختارهای رانندگی متناسب برای خودرو، ممکن است خودرو با عابری که ناگهان وارد خیابان می‌شود، برخورد کند.
تحولات اقتصادی یکی دیگر از موضوعات قابل ملاحظه است. انجام سریع‌تر تنظیمات به‌عنوان مثال در عملکرد ماشین‌آلات کارخانه‌ای، می‌تواند به درآمدزایی بیشتری منجر شود. این به معنای آن است که اطلاعات اغلب درست در زمانی که به‌دست می‌آیند، بهتر پردازش می‌شوند. چنین ساختاری نیاز به پردازش داخلی اطلاعات دارد. این کار می‌تواند هزینه انتقال، ذخیره و پردازش اطلاعات در کلاد را هم حذف کند. مرکز تحقیقاتی Pierre Ferragu of Bernstein بررسی کرده است که چرا خدماتی که از هوش مصنوعی استفاده می‌کنند، به سرعت به دو بخش تقسیم می‌شوند؛ درست شبیه به کارکردهای مبتنی بر سرور کلاینت. برای مثال الگوریتم‌های خودروهای خودران در ابتدا در ساختار کلاد با میلیون مایل اطلاعات ثبت شده از رانندگی آموزش داده می‌شوند. تنها پس از آن است که این خودروها از کامپیوترهای قدرتمندی برای پردازش اطلاعات در لحظه برای دریافت دستورات متناسب رانندگی بهره می‌گیرند. در حال حاضر بسیاری از دوربین‌های ویدئویی نظارتی هم که مجهز به نرم‌افزار تشخیص چهره هستند (مانند دوربین تعبیه شده در آخرین مدل آی‌فون شرکت اپل)، در ساختار کلاد آموزش داده می‌شوند. در ماه نوامبر شرکت گوگل از افزودن ویژگی جدیدی به تکنولوژی هوش مصنوعی خودش یعنی
TensorFlow خبر داد. این قابلیت به توسعه‌دهندگان امکان به‌کار گرفتن الگوریتم‌های برای دستگاه‌های موبایل را می‌دهد. «سیمون کراسبی» مدیر ارشد تکنولوژی استارت‌آپ Swim معتقد است که با این حال در بسیاری از موارد حتی آموزش الگوریتم‌ها برای اپلیکیشن‌های هوش مصنوعی که می‌توانند کاربرد تجاری داشته باشند، هم باید به‌صورت پردازش داخلی انجام شود. برای مثال ارسال چهار ترابایت اطلاعاتی که روزانه توسط چراغ‌های راهنمایی تقاطع‌های پائولو آلتو در سیلیکون‌ولی تولید می‌شود، به یک ارائه‌دهنده خدمات کلاد برای پردازش در یک ماه هزینه‌ای برابر هزاران دلار دارد. استارت‌آپ Swim سیستمی ساخته است که همین کار را با تنها چند صد دلار انجام می‌دهد. این سیستم از اطلاعات در زمانی که در حال تولید و انتقال هستند، ساختار مورد نیازش را یاد می‌‌گیرد. با این اوصاف همراهی با تکنولوژی‌های پیشرفته در پردازش اطلاعات نیازمند بهره‌گیری از ساختارهای هوشمند جدیدی است که صرف زمان و هزینه را به حداقل برسانند. درست به همین دلیل هم هست که این روزها اینترنت اشیا و هوش مصنوعی به خوبی شرکت‌ها را برای صرف‌نظر از تمرکز بر ساختار پردازش ابری یا کلاد و حرکت به سمت شبکه‌های پردازش داخلی، محدود و هوشمند، ترغیب کرده‌اند.
ارسال نظر