Cinque tecnologie che potrebbero rivoluzionare l’IT, o finire nell’oblio

Le tecnologie “disruptive” stuzzicano l'interesse dei leader IT in termini di valore aziendale che potrebbero generare, ma i risultati sono ancora incerti e investire oggi è un rischio. Ecco le più promettenti

gartner trend 2022

Abbracciare le innovazioni e i rischi correlati è tipico dell’industria tecnologica. Ai loro albori, alcune innovazioni sembrano eccentriche, ma finiscono per rivelarsi brillanti. Altre sembrano brillanti, ma finiscono nell’oblio nel giro di qualche anno.

In questa prospettiva, ecco sei idee che cavalcano la linea sottile tra sorprendente e sorprendentemente inutile. I responsabili IT devono conoscerle per poter valutare se investire in queste tecnologie e trarne valore aziendale.

1. Computer quantistici

Tra le tecnologie emergenti, i computer quantistici stanno ottenendo grande attenzione. Sviluppati da fisici e informatici che armeggiano con strani dispositivi a temperature super fredde, rimangono ancora avvolti da un alone di mistero.

ADV
HP Wolf Security

Il perimetro aziendale oggi passa dalla casa dei dipendenti

Metà dei dipendenti usa il PC anche per scopi personali e il 30% lascia che venga utilizzato da altri famigliari. La tua cybersecurity è pronta per le sfide del lavoro remoto? LEGGI TUTTO >>

Il potenziale è enorme, almeno in teoria. Le macchine possono lavorare attraverso miliardi di combinazioni in un istante fornendo esattamente la risposta giusta a una versione matematica di Tetris. Con il cloud computing ci vorrebbero milioni di anni di tempo per trovare la stessa combinazione.

Gli scettici, tuttavia, sottolineano che il 99% del lavoro che dobbiamo fare può essere svolto da database standard con buoni indici. Ci sono poche esigenze reali per cercare strane combinazioni e, se ci sono, spesso possiamo trovare approssimazioni perfettamente accettabili in un lasso di tempo ragionevole.

Probabilmente, non abbiamo ancora iniziato a porci le domande a cui il computer quantistico potrebbe rispondere. Una volta che le macchine saranno disponibili, potremmo pensare alle nuove domande da porre. Questo è uno dei motivi per cui IBM offre toolkit di calcolo quantistico e certificazioni per coloro che desiderano esplorare i confini di ciò che le macchine potrebbero fare.

Potenziali early adopter: domini in cui la risposta sta nella ricerca di una combinazione in crescita esponenziale di centinaia di opzioni diverse.
Potenziale di realizzazione nei prossimi cinque anni: basso. Google, IBM, enti pubblici e privati stanno investendo molto nel quantum computing, ma dovremo aspettare per applicazioni a casi d’uso aziendali.

2. Riscaldamento con computer

Ogni decisione presa da una CPU invia alcuni elettroni lungo un filo elettrico e l’energia trasportata viene trasformata in calore. Tradizionalmente, questi joule sono stati trattati come rifiuti e trovare un modo per liberarsi di questo calore è stato un problema per chi progetta circuiti, computer e datacenter.

In questo momento i cloud provider mantengono i loro server in enormi rack in posizioni strategiche, dove l’elettricità è economica. Spostandoli in abitazioni private, si potrebbe riutilizzare il calore per il riscaldamento.

Perché non sostituire caldaie e pompe di calore con rack in miniatura di server che producono calore?

Qualcuno ci sta pensando, ma non mancano le difficoltà. Se un fronte caldo arrivasse nel Vermont a gennaio, per esempio, gli abitanti spegnerebbero riscaldamento prodotto dai server, diminuendo i cicli disponibili per i ricercatori di intelligenza artificiale, data scientist e chiunque acquistasse istanze spot. Potrebbe anche significare l’installazione del doppio dei server o forse la spedizione di server sarebbe abbastanza economica.

Potenziali early adopter: climi freddi come il Canada.
Potenziale di successo nei prossimi cinque anni: alto. I progetti pilota sono già in fase di sperimentazione in diverse parti del mondo.

3. Green AI

Se le parole d’ordine “green” e “intelligenza artificiale” funzionano da sole, perché non abbinarle e raddoppiare l’attenzione? La realtà è un po’ più semplice di quanto potrebbe suggerire il raddoppio dell’hype. Gli algoritmi di intelligenza artificiale richiedono potenza di calcolo e ad un certo punto la potenza di calcolo è proporzionale alla potenza elettrica. Il rapporto continua a migliorare, ma la gestione delle IA può essere costosa. E l’energia elettrica produce tonnellate di anidride carbonica.

Esistono due strategie per risolvere questo problema. Uno è acquistare energia da fonti energetiche rinnovabili, una soluzione che funziona in alcune parti del mondo con facile accesso a centrali idroelettriche, parchi solari o turbine eoliche.

L’altro approccio è utilizzare meno elettricità. Anziché chiedere agli sviluppatori di trovare gli algoritmi più sorprendenti, si può chiedere di trovare le funzioni più semplici che rispondono alle esigenze. Si tratterebbe di ottimizzare questa approssimazione per distribuire il più piccolo carico sui computer più elementari. In altre parole, si tratta di sviluppare soluzioni meno sofisticate, ma più sostenibili dal punto di vista ambientale.

Potenziali early adopter: applicazioni AI casuali che non necessitano di algoritmi costosi.
Potenziale di successo nei prossimi cinque anni: alto. Risparmiare denaro è un incentivo facile da capire.

4. Cluster cloud fai-da-te

Sì, sono piccoli computer che costano meno di 50 dollari, utilizzati da studenti e maker. Ma solo perché sono giocattoli economici non significa che non possano essere utili per il lavoro reale. Questo è il motivo per cui alcuni stanno costruendo cluster Raspberry Pi con rack pieni di piccoli nodi Linux dotati di chip con quattro core ARM.

Naturalmente, le macchine più grandi sono molto più efficienti e offrono decine di core che eseguono decine di thread e condividono grandi blocchi di RAM e pacchetti di dischi.

Ma lavorare con macchine più piccole e separate offre ridondanza proprio perché sono separate. Si può pensare pensare che ogni istanza sia separata dalle altre macchine virtuali, ma di solito condividono tutte la stessa CPU e potrebbero essercene decine o addirittura centinaia. Macchine separate con circuiti stampati separati offrono sicurezza e ridondanza.

La vittoria più grande, tuttavia, potrebbe essere il prezzo. Questi cluster possono essere molto, molto più economici di alcune delle istanze nei cloud principali. Certo, alcune macchine cloud costano solo 5 dollari al mese, ma dopo un anno il Raspberry Pi diventa più economico.

Cluster come questi consentono agli algoritmi massicciamente paralleli di funzionare liberamente. Molti dei problemi più intriganti richiedono la produzione di enormi raccolte di dati e spesso le attività non devono essere eseguite in ordine. Queste macchine consentono ai programmatori non solo di pensare ad algoritmi intrinsecamente paralleli, ma anche di iniziare a costruirli e distribuirli.

La tendenza segue anche il modo in cui alcuni dei principali cloud stanno adottando soluzioni che offrono opzioni ibride per riportare i dati in sede. Alcuni vogliono risparmiare denaro. Alcuni vogliono sicurezza. Alcuni vogliono garanzie.

Potenziali early adopter: aziende con set di big data che richiedono un’analisi parallela.
Potenziale di successo nei prossimi cinque anni: alto. I cluster sono già in fase di sviluppo.

5. Crittografia omomorfica

Il punto debole nel mondo della crittografia è stato l’utilizzo dei dati. Mantenere le informazioni bloccate con un algoritmo di crittografia abbastanza sicuro è stato semplice. Gli algoritmi standard (AES, SHA, DH) hanno resistito per anni agli attacchi di matematici e hacker. Il guaio è che per fare qualcosa con i dati bisogna decodificarli, e questo li lascia nella memoria dove è più difficile proteggerli.

L’idea con la crittografia omomorfica è di riprogettare gli algoritmi di calcolo in modo che funzionino con valori crittografati. Se i dati non sono decodificati, non possono essere rubati. C’è molta ricerca attiva che ha prodotto algoritmi con vari gradi di utilità. Alcuni algoritmi di base possono svolgere compiti semplici come la ricerca di record in una tabella, il che potrebbe rispondere alle esigenze più semplici in modo estremamente sicuro.

IBM, uno dei leader nel settore, ha alimentato l’esplorazione offrendo toolkit per sviluppatori Linux, iOS e MacOS che desiderano includere la funzionalità nelle loro applicazioni.

Potenziali early adopter: ricercatori in ambito medico, istituzioni finanziarie, industrie ricche di dati che devono tutelare la privacy.
Potenziale di successo nei prossimi cinque anni: vario. Alcuni algoritmi di base vengono utilizzati comunemente per proteggere i dati, ma i calcoli elaborati sono ancora troppo lenti.

Se questo articolo ti è stato utile, e se vuoi mantenerti sempre aggiornato su cosa succede nell’industria ICT e ai suoi protagonisti, iscriviti alle nostre newsletter:

CWI: notizie e approfondimenti per chi acquista, gestisce e utilizza la tecnologia in azienda
CIO:
approfondimenti e tendenze per chi guida la strategia e il personale IT
Channelworld: notizie e numeri per distributori, rivenditori, system integrator, software house e service provider

Iscriviti ora!