Moore, és ami utána jön

Gordon E. Moore jóslata szerint a csipekben lévő tranzisztorok száma – és így végeredményben számítási teljesítményük – nagyjából kétévente megduplázódik. Az évtizedekig érvényes törvényt – amely igazából egy önbeteljesítő prófécia –, úgy tűnik, hamarosan hatályon kívül helyezik. A félvezetőipari kutatás és informatikai fejlesztés középpontjából ugyanis lassan kikerülnek a szilíciumcsipek: ezek már olyan kicsik, és olyan sokat tudnak, hogy a hatékonyság növelése túlságosan nagy költséggel jár.

Azt jelenti-e ez, hogy a big data korában a számítási teljesítmény növekedési ütemének lassulására kell számítanunk? Éppen ellenkezőleg: soha nem látott ütemű gyorsulásra számíthatunk, méghozzá nem feltétlenül szilíciumalapon. Ha például szilícium helyett grafént, azaz egyetlen molekulányi „vastagságú” grafitréteget használunk – más anyagokkal kombinálva –, akkor az elektronok sokkal kisebb térben sokkal gyorsabban képesek mozogni, mint napjaink legkisebb szilíciumalapú tranzisztoraiban, ez pedig a számítási teljesítmény drámai növekedésével jár. Sokat hallunk a kvantumszámítógépekről is: használatuk során a bitek nem csak a szokásos két értéket (0 vagy 1, igen vagy nem) vehetik fel, így segítségükkel a komplexebb problémák is gyorsabban megoldhatók.

Izgalmas fejlesztés a Lund Egyetem kutatóinak bioszámítógépe is, amelyben fehérjeszálakat mozgatnak mesterségesen kialakított pályákon. Ez a hagyományos csipekhez képest gyorsabb adatfeldolgozást tesz lehetővé, és kevesebb energiát fogyaszt. Az energiahatékonyság javításának másik fontos iránya a passzív wifi: a University of Washington kutatói által kifejlesztett átviteli technológia a jelenleg használt megoldások energiaigényének tízezredrészével is beéri. Ez a számítási teljesítménnyel nincs közvetlen kapcsolatban, de rendkívüli távlatokat nyit meg az összekapcsoltság terén.

Néhány éven belül képes lehet az ember a genetikai kód technológiájának alkalmazására is. Csak hogy érzékeltessük a lehetőségeket: egy teáskanálnyi DNS-ben az emberiség által létrehozott összes adat elfér – az őskori barlangrajzoktól a legfrissebb Facebook-profil-frissítésekig!
A neuromorfikus számítástechnikai rendszerek az emberi agy működését próbálják utánozni. Az adatok felismerése és feldolgozása képes lépést tartani az adatok létrejöttének ütemével. Bár a kutatások nagy reményekkel kecsegtetnek, ezek az irányok egyelőre a „jövő zenéje” kategóriába sorolhatók. Van azonban egy módszer, amely már évek óta kipróbáltan és hatékonyan működik: a memóriaalapú számítástechnika. Ez azt jelenti, hogy – a hagyományos számítási módszerrel szemben – a hatalmas adatmennyiség közvetlenül az adatokat feldolgozó RAM-ba kerül, ami a feldolgozás sebességét rendkívüli mértékben növeli, a költségeket pedig csökkenti.

A számítási kapacitás tehát lépést tud tartani az adatmennyiség exponenciális növekedésével. A globális adatmennyiség 90 százaléka az elmúlt két év termése. A big data kezelése nem lehetetlen, és annak ellenére sem lassul, hogy az adatokat szerteágazó forrásokból kell feldolgozni. A big data másik fontos területe az analitika: biztosítja, hogy az adatból információ legyen, amelynek alapján döntéseket lehet hozni.
Ezen a területen a legizgalmasabb irányok az államigazgatás terén, az egészségügyi, adó- és nyugdíjrendszerek kezelésében látszanak, ami persze nem jelenti azt, hogy a cégek előtt ne nyílnának mind újabb, már a mai IT-megoldások révén is kiaknázható big data lehetőségek.