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.
Portfóliónk minőségi tartalmat jelent minden olvasó számára. Egyedülálló elérést, országos lefedettséget és változatos megjelenési lehetőséget biztosít. Folyamatosan keressük az új irányokat és fejlődési lehetőségeket. Ez jövőnk záloga.