Artykuł miesiąca: Pracowniku pamiętaj o 1% dla Fundacji Opiekuńcze Skrzydła

AktualnościITTechnologieWiadomości

Trendy w IT, na które warto zwrócić uwagę w roku 2020

 

Sztuczna inteligencja i blockchain to tematy, które często gościły w świecie technologii w ubiegłym roku. Te dwa zagadnienia w znaczącym stopniu zmienią także sposób, w jaki funkcjonują działy IT zarówno w przedsiębiorstwach, jak w i sferze publicznej. Rok 2020 zapowiada się naprawdę ciekawie, a część procesów i stojących za nimi innowacji, na które jeszcze w ubiegłym roku patrzyliśmy zaledwie z ciekawością, w roku 2020 stanie się powszechnie używanymi rozwiązaniami. Specjaliści Red Hat przygotowali prognozę jak rozwijać się będą zagadnienia sztucznej inteligencji czy też wykorzystanie blockchain w najbliższych 12 miesiącach. 

Blockchain

Tokenizacja. Pojęcie to oznacza reprezentowanie zarówno wartości cyfrowych, jak i niecyfrowych w postaci tokenów w łańcuchu bloków, w którym może następować ich wymiana i sprzedaż. Realizacja tej idei umożliwiłaby stworzenie wolnego rynku w zasadzie dowolnego rodzaju dóbr. To obszar, w którym mogą nastąpić poważne inwestycje — branża finansowa jest nim obecnie bardzo zainteresowana.

Wzrost zainteresowania walutami cyfrowymi emitowanymi przez banki centralne. Po ogłoszeniu informacji o planowanym wprowadzeniu przez korporację Facebook kryptowaluty o nazwie Libra nastąpił ponowny wzrost zainteresowania rynkiem kryptowalut. Należy dodać, że władze niektórych krajów poczuły się zaniepokojone tym komunikatem. Efektem tego wydarzenia był także powrót do dyskusji o walutach cyfrowych emitowanych przez banki centralne, ponieważ wiele z nich rozważało w ostatnich latach wprowadzenie takiego środka płatniczego. Niektórzy uważają „FedCoiny” (cyfrową walutę fiducjarną) za kolejny logiczny krok w rozwoju walut państwowych. Zdaniem części ekspertów jest on niezbędny i należy go pilnie wykonać.

Współdziałanie prywatnych łańcuchów bloków udostępnianych za uprzednią zgodą i publicznych łańcuchów bloków udostępnianych wszystkim zainteresowanym. Chyba wszyscy eksperci zajmujący się tym zagadnieniem zgadzają się w jednej kwestii: nie powstanie żaden łańcuch, który byłby nadrzędny wobec pozostałych. Już od pewnego czasu specjaliści intensywnie zastanawiają się, jak uniknąć „poziomych silosów” i zapewnić interakcję między wieloma łańcuchami. Ten trend nasili się w najbliższym czasie, szczególnie w związku z dalszym rozwojem projektów Polkadot i Cosmos. Co ciekawe, ważnym czynnikiem umożliwiającym prace nad współdziałaniem różnych rozwiązań jest podejście open source obecne w środowisku twórców łańcuchów bloków — zarówno jeśli chodzi o kod, jak i kulturę organizacyjną. Możemy zatem spodziewać się, że w przyszłości będzie równolegle funkcjonować wiele publicznych i prywatnych łańcuchów bloków wymieniających między sobą wartość. Taką wizję określa się mianem „Internetu wartości” (ang. Internet of Value).

Łańcuchy bloków jako warstwa zaufania. Kiedy rozmawiamy o łańcuchach bloków, myślimy o nich głównie jako o gotowym rozwiązaniu pewnych problemów, a nie metodzie wspierającej szersze rozwiązanie. W przyszłości pojawi się więcej projektów, w którym technologia blockchain zostanie zastosowana jako jedna z warstw wykorzystywanych przez inne elementy w celu zbudowania zaufania. Widzimy już to w projektach dotyczących samodzielnie zarządzanej cyfrowej tożsamości, takich jak Sovrin oparty na oprogramowaniu Hyperledger Indy. Inne obszary, w których należy oczekiwać zastosowania łańcuchów bloków, to Internet rzeczy i systemy sztucznej inteligencji.

W ubiegłym roku miał miejsce szczyt popularności systemów opartych na łańcuchach bloków. Nadszedł czas na rozwiązania rzeczywistych problemów. Oznacza to często zastosowanie łańcucha bloków jako narzędzia, jednej z warstw rozwiązania, a nie samego rozwiązania. Musimy przyjrzeć się konkretnym zaletom tej technologii i właściwie je wykorzystać. Dotyczy to tokenów i ekonomiki ich wymiany, kryptowalut i ich znaczenia z punktu widzenia państwa, a także transferu wartości w sieciach obejmujących heterogenicznych uczestników. 

Sztuczna inteligencja (AI) / uczenie maszynowe (ML) i rozwiązania AIOps

  1. Nastąpi spadek znaczenia zintegrowanych platform AI

Korzystając z technologii Kubernetes, użytkownicy będą budować platformy związane z analityką danych i sztuczną inteligencją oparte na najlepszych wyspecjalizowanych komponentach. Dzięki projektom takim jak Kubeflow i jego wersji utrzymywanej przez Red Hat, czyli Open Data Hub, technologia Kubernetes stanie się standardem i podstawową platformą AI. Potencjalnym użytkownikom trudniej będzie dostrzec korzyści obecnych na rynku rozwiązań opartych na uproszczonych interfejsach klienta i warstwach obsługi przepływu pracy, korzystających z tych samych pakietów open source. Większe znaczenie zyskają zróżnicowane, specjalistyczne komponenty.

  1. Uczenie maszynowe oparte na małych i wielkich zbiorach danych („Small Data ML” i „Big Data ML”) to dwa odrębne wątki
  1. Większość pojawiających się w branży problemów do rozwiązania nadal dotyczy małych zbiorów danych. Głównymi barierami są dostępność oczyszczonych danych, definiowanie problemów i modeli z rozwiązaniami umożliwiającymi podjęcie działań oraz wdrażanie modeli w środowisku produkcyjnym i monitorowanie ich wydajności. Trzeba przy tym pamiętać o konieczności zachowania zgodności z przepisami i wewnętrznymi procedurami; warto także postarać się o to, by wdrażaniem modelu nie musiało zajmować się kolejno wiele zespołów w przedsiębiorstwie. Kontrola wersji danych i modeli będzie dla wielu organizacji poważnym wyzwaniem.
  2. Początkowo stosowane modele uczenia głębokiego wymagały dużych ilości danych niezbędnych do wielokrotnego szkolenia i dostrajania. Modele typu open source operują na znacznie mniejszych, realistycznych zestawach danych, w szczególności dotyczy to zadań rozpoznawania obrazu i języka naturalnego. Dostępne są różne biblioteki, np. fast.ai i spacy. Analizie można poddać więcej zestawów danych, problemy wiążą się tylko z czasem przetwarzania i interpretowalnością.
  3. W większości przypadków stosowane będą techniki niezwiązane z uczeniem głębokim, np. modele liniowe, modele oparte na drzewach decyzyjnych, grupowanie i analiza szeregów czasowych, a także bardziej specjalistyczne narzędzia analityczne, takie jak teoria kolejek i optymalizacja dyskretna.
  1. W praktycznych zastosowaniach mechanizmów sztucznej inteligencji ogromne znaczenie będą mieć kwestie zaufania i zarządzania. Należy spodziewać się kolejnych prób objęcia tej dziedziny regulacjami prawnymi; pojawią się także rozwiązania technologiczne do zarządzania zaufanymi modelami.
  2. Na rynek wejdą specjalistyczne urządzenia umożliwiające realizację wymagań związanych z wydajnością i efektywnością energetyczną, szczególnie do obsługi systemów wnioskowania.
  1. Wzrośnie zainteresowanie rozwiązaniami typu AI Ops / AI Dev (Sec) Ops

Poszerza się zakres zastosowań sztucznej inteligencji w obszarach eksploatacji infrastruktury informatycznej i Dev (Sec) Ops, dlatego należy spodziewać się wzrostu zainteresowania takimi rozwiązaniami w przypadku nowych przedsiębiorstw o dużych możliwościach rynkowych. Uznani producenci dokonują poważnych inwestycji w tej dziedzinie i skoncentrują się na tworzeniu autonomicznych chmur hybrydowych. Podstawowym elementem takich środowisk będzie technologia Kubernetes, ponieważ oferuje odpowiednie możliwości standaryzacji i automatyzacji, zwłaszcza w połączeniu z koncepcją operatorów Kubernetes. Klienci mogą liczyć na wzrost niezawodności, jakości i skalowalności zarówno w środowisku produkcyjnym, jak i w procesach tworzenia i eksploatacji oprogramowania.

 

 

Polecane artykuły
AktualnościWiadomości

Powstaje Koalicja na rzecz telemedycyny

AktualnościWiadomości

Nowe, korzystne zasady biletów KLM

AktualnościWiadomości

Pandemia powoduje gwałtowny wzrost sprzedaży gier

AktualnościWiadomości

Szef Rezerwy Federalnej USA ostrzega przed krachem na rynku nieruchomości

Zapisz się do Newslettera
Bądź na bieżąco i otrzymuj najnowsze artykuły
%d bloggers like this: