Post-flashová paměť nebo strojové učení: jaký bude rok 2017?

V mém předchozím článku jste si mohli přečíst několik predikcí pro rok 2017. Tím jsem ale neskončil! Pokračujeme právě teď a právě tady! Co dalšího nás tedy čeká?

Post-flashová paměť 

První skutečně dostupná post-flashová paměť v roce 2017 odstartuje zrychlení vývoje softwaru, který dokáže využít rozsáhlé kapacity perzistentní paměti. Nazýváme to érou architektur zaměřených na imagespaměť. Očekáváme, že časem se posun od datových úložišť k pamětem projeví i na sémantice přístupu k datům. Půjde tedy o přechod od instrukcí jako „čtení a zápis“ na „nahrání a uchování“. Výsledkem bude, že naše aplikace nebudou rozlišovat mezi datovým úložištěm a pamětí, ale budou pohlížet na data jako na uložená v obřích vrstvených paměťových prostorách. Architektury pro zpracování databází v paměti a paměťové aplikační rámce budou mnohem běžnější. Funkce infrastruktury pro řízení takovéhoto rozmanitého souboru médií jako spolehlivého paměťového prostoru budou představovat novou hranici inovací v oblasti technologií pro ukládání dat.

Podnikové architektury založené na více cloudech

Očekáváme, že rok 2017 bude rokem, kdy si podniky uvědomí, že si všechny cloudy nejsou rovny. Vzhledem k různorodosti pracovních zátěží a případů využití bude moderní podnik potřebovat rozmanitý soubor infrastruktur, které poskytnou správnou rovnováhu výkonu, nákladů, souladu s předpisy, bezpečnosti a rozsahu, která bude vyhovovat jeho potřebám. To znamená, že bude zapotřebí více cloudů. Primárním cílem bude zvolit správnou sadu cloudů – a co bude ještě důležitější – sladit jejich fungování takovým způsobem, který podnikovým uživatelům zajistí ucelený soubor služeb. Výsledkem bude zásadní posun, kde se inovace více zaměří na to, jak provozovat podnik s vícecloudovým prostředím namísto toho, jak vybudovat nebo užívat jeden konkrétní cloud.

Strojové učení a hloubkové učení

Co bude pro podniky lákavými novými technologiemi? Strojové učení a hloubkové učení (ML/DL)! I když neočekáváme jejich širší zavádění vzhledem k rané fázi jejich vývoje a nedostatku IT dovedností machine_learning-964b7954-9dd5-4bb2-8606-50e4edad350d-251710066.PNG_ppro jejich intenzivnější využití, diskuse o využití nových nástrojů umělé inteligence k dosažení lepších výsledků založených na datech začne v roce 2017 zaujímat významnější místo v progresivních IT strategiích. Výsledkem pravděpodobně bude nejprve zcela nové nativně cloudové aplikační vybavení a nové možnosti využití IoT vzhledem k potřebě doplnit poměrně nízkou inteligenci koncových bodů určitou mírou umělé inteligence na úrovni infrastruktury. Věříme, že k tomu postupně dojde a očekáváme, že se v roce 2017 budou dále vyvíjet systémy ML/DL založené na veřejném cloudu, jako je Google Tenserflow. Můžeme rovněž pozorovat, jak dedikované lokální ML/DL systémy vstupují do fáze testování pro využití ve specifických odvětvích. Skvělým příkladem je hloubkové učení Toshiba/Dell EMC – nedávno schválené Konsorciem pro průmyslový internet.

I když se toho v roce 2017 odehraje mnohem více, tak nás podle mých předpovědí čeká multicloudová budoucnost, jejímž základem budou inovace na nejnižší úrovni fyzických médií, které výrazně ovlivní základní funkce jako zpracování a ukládání dat. Vedle toho očekáváme stírání rozdílů mezi tradičními a nativně cloudovými aplikacemi a vznik efektivnějších hybridních cloudových provozních modelů a vývojových rámců. V neposlední řadě očekáváme, že  si některé nové technologie, např. strojové učení a hloubkové učení, naleznou cestu do našeho přemýšlení o IT architekturách. Tempo změn nepolevuje a rok 2017 bude vzhledem k dalším očekávaným inovacím pravděpodobně z hlediska vývoje IT velmi zajímavý.

John Roese

John Roese
CTO & EVP, Cross Product Operations

Napsat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *