În timp, tehnologiile inteligente vor combină precizia unui calculator cu adaptabilitatea şi inteligenţă umană
Dacă ne uităm în trecutul recent, primul punct de inflexiune a fost atunci când a apărut virtualizarea, tehnologie care permite rularea a mai multor sisteme de operare simultan, pe aceeași mașină fizică. Serverele au început să fie folosite mai eficient, permițând astfel companiilor să reducă din costurile cu echipamentele hardware și electricitatea.
Astăzi, ne aflăm într-un alt punct de inflexiune. Din ce în ce mai multe companii au început să adopte ideea de Cloud Public. Pentru ISSCO, una dintre soluții a fost Google Cloud Platform. Google App Engine ne-a permis să ne concentrăm pe inovație și dezvoltarea mult mai rapidă de aplicații atât pentru noi (GPS-Protect.ro), cât și pentru clienții noștri.
Atunci când Google a dezvoltat App Engine, a inclus o parte din API-urile folosite intern, pentru a crea propriile aplicații, precum și resurse de infrastructură. Acum, publicul larg are acces la rețeaua Google, bazele de date și CDN (Content Delivery Network). Fie că dezvolți o aplicație simplă sau complexă, plătești doar pentru ceea ce folosești din acest PaaS (Platform as a Service).
Conceptul „container” ia tot mai mare amploare
Pe lângă virtualizarea tradițională, începând cu anul 2013, un concept mai vechi, și anume „containere”, ia amploare. Docker permite livrarea extrem de rapidă a aplicațiilor, cu un grad înalt de flexibilitate. O analogie între mașini virtuale și containere ar putea următoarea: case versus clădiri de apartamente.
Casele (mașinile virtuale) sunt complet autonome, oferă protecție împotriva factorilor externi, au propria infrastructură și sunt construite din start cu mai multe camere.
Clădirile de apartamente (containere) de asemenea oferă protecție împotriva factorilor externi, dar utilizează resurse partajate din infrastructură, și pot avea diverse dimensiuni: garsonieră, 3 camere, penthouse, etc. În principiu, folosești exact atât cât îți trebuie.
În containere, partajati resursele de baza ale mașinii care are Docker instalat și construiți o imagine care conține strict serviciile de care aveți nevoie pentru a rula aplicația. Vei în- cepe cu elementele de baza și adaugi pe parcurs alte elemente de care ai nevoie. Mașinile virtuale sunt construite în direcția opusă. Vei începe cu un sistem de operare complet și, în funcție de aplicație, poți elimina serviciile de care nu ai nevoie.
Docker se potrivește cu strategia de Cloud, în orice varianta: Public, Privat sau Hybrid. Cei mai importanți furnizori de Cloud (Amazon, Google, Microsoft) oferă suport pentru Docker, iar acest lucru constituie un mare avantaj pentru cei care dezvoltă software. Metodele clasice DevOps de automatizare, împreună cu Docker ajută la dezvoltarea rapidă a aplicațiilor și la reducerea timpilor de livrare în piață.
Machine Learning poate deveni un puternic atu pentru orice afacere
Ce urmează în CLOUD? Machine Learning, un domeniu al Inteligenței Artificiale care va permite calculatoarelor să „învețe” bazându-se pe reguli și experiență anterioară. Acum 5 ani, aplicațiile mobile au constituit un boom economic. În următorii 5 ani, este posibil să vedem din ce în ce mai multe companii care vor crea aplicații în Cloud, vor utiliza date de tip “human-sourced crowd” și vor aplică Machine Learning pentru a furniza informații și concluzii generatoare de inovație.
Machine Learning poate deveni un puternic atu pentru orice afacere, potențialul de învățare automată este enorm. Calculatoarele vor deveni fundamental diferite și mai puternice decât sunt astăzi, rezultând în aplicații inovatoare.
Deja vedem câteva exemple. Facebook îți personalizează Newsfeed-ul și îți oferă reclamă targetata, bazându-se pe preferințele și postările tale. Tot Facebook a dezvoltat “DeepFace”, un program de recunoaștere facială cu o acuratețe de 97,23%. Apple folosește recunoașterea vocală pentru Siri. Google investește în mașini autonome. Casele devin și ele inteligente.
Ce mai poate face „Machine Learning”
Dar poate cel mai recent și fascinant exemplu vine tot de la Google. Ei au construit o rețea neuronală cu 16.000 procesoare, 1 miliard de conexiuni și au lăsat acest sistem să navigheze pe YouTube fără nici o altă informație.
Acest “Creier” a fost expus la 10 milioane cadre video selectate aleatoriu, pe parcursul a 3 zile. La final, i s-a prezentat o lista cu 20.000 de articole diferite și creierul a început să recunoască imaginile cu pisici, utilizând un algoritm tip “deep learning”, fără a fi știut în prealabil alte informații și fără să fi primit caracteristici care ar fi putut ajută la identificarea pisicilor. Acuratețea în detectarea chipurilor umane a fost de 81.7%, 76.7% în detectarea unor părți ale corpului uman și 74.8% în identificarea pisicilor.
Există multe opțiuni prin care să profităm de Machine Learning. Motoarele de recomandare pot promova produsul potrivit către clientul potrivit la momentul potrivit. Organizațiile de domeniul sănătății pot fi ajutate în identificarea simptomelor unui pacient, în diagnosticare și în furnizarea medicamentației corecte. Posibilitățile sunt infinite. În timp, tehnologiile inteligente vor combină precizia unui calculator cu adaptabilitatea și inteligență umană.