El britànic Kevin Ashton
quan va idear les etiquetes intel·ligents RFID,
va preveure un futur de sistemes heterogenis interconnectats, és a dir un mon Vimàtic.
Un mon (Vimàtic) en el que tot, tant els essers humans (i
animals) com els objectes inanimats que els envolten, tinguin una identitat digital. Això permetrà als
ubics ordinadors organitzar la seva existència en tots els àmbits de la seva
vida.
Aleshores, qualsevol cosa estarà correctament identificada i
aleshores adquirirà una identitat
pròpia digital, és a dir, serà un element vimàtic.
És el concepte anomenat Internet de les coses o IoT (Internet of Things) o com diu John
Chambers de Cisco Internet de totes
les coses o IoE (Intenet of
everything).
En el 2020 es preveu
que hi haurà uns 50.000 milions de connexions entre dispositius de diferent
naturalesa.
Això pot ser possible si el sistema vimàtic segueix els següents
punts:
1)
Implantació d’una trama de sensors de tot tipus (Domòtica)
2)
Instal·lació d’antenes en tots els dispositius (tipus Fractus)
3)
Capacitat d’anàlisi massiu de dates recollides (Big Data)
4)
Seguretat i redundància a tots nivells (Ciberseguretat)
5)
Traçabilitat i seguiment en temps real (GPS)
Els fabricants de qualsevol cosa incorporaran sensors a tot. El fet d’implantar una
trama de sensors i dotar al sistema d’una recollida massiva de dades, provocarà
que necessiti una capacitat d’anàlisis elevada (BigData i Cloud Computing). És adir,
una gran capacitat de procés paral·lel, sistemes integritats tipus MPP i SMP
(els actuals Smartphones incorporen 4 nuclis).Aqui a casa nostre tenim el cas del doctor Mateo Valero amb la seva tecnologia de processament en paral·lel (BSC), incorporada en molts dels actuals ubics processadors, com els de Nvidia, ARM, Intel, IBM, AMD... , tant necessaris com les antenes fractals (desenvolupades pel Doctor Carles Puente/Fractus).
Avui dia els
microprocessadors estan en qualsevol dispositiu o esser, com ara cotxes,
ordinadors i telèfons de tot tipus, electrodomèstics de qualsevol tipus i
gamma, targetes tipus crèdit i per altres serveis, càmeres de vídeo, etc.
Quan va aparèixer el PC d’IBM en l’any 1981, només hi havia uns 300 ordinadors (i quins ordinadors!)
connectats a una xarxa quasi
desconeguda pel gran públic anomenada Internet. Més de 20 anys després, en el
2003 hi havia uns 500 milions d’ordinadors connectats en xarxa i els càlculs
més optimistes diuen que en l’any 2020 hi haurà uns 50.000 milions, no ja d’ordinadors, sino de tot tipus de
dispositius interconnectats.
Nombre d’objectes a Internet
|
Nombre de connexions teòriques
|
1
|
-
|
100
|
0
|
1.000
|
5
|
1.000.000
|
4.999.995
|
1.000.000.000
|
4.999.999.995.000
|
10.000.000.000
|
499.999.999.995.000
|
51.597.803.520
|
13.311.666.640.184.600
|
També és necessari un identificador únic per a cada dispositiu. Aquí tenim les adreces IP amb els protocols IPv4, ja superat, i el nou IPv6 que permet un elevadíssim nombre d’adreces.
Protocol d’ Internet
|
Nombre d’adreces teòriques
|
IPv4
|
4.294.967.296 (232)
|
IPv6
|
340.282.366.920.938.463.363374.607.431.768.211.456 (2128)
|
També és necessari l’ús d’uns protocols que permetin la connexió i comunicació entre els diferents
sistemes de la xarxa vimàtica.
El protocol MQTT (Message Queuing Telemetry Transport) d’IBM, és un estàndard obert per a
connectivitat màquina a màquina (M2M) proposat per l’organisme de estàndards
tècnics OASIS.
MQTT es un protocol construït per a sensors i dispositius mòbils de baix consum
d’energia.
MQTT fou
inventat per un empleat de IBM fa
dècades como una forma de gestionar les xarxes domestiques i l’automatització.
Internet Industrial és un sistema tecnològic en el que es
combinen màquines connectades a Internet, el diagnòstic de productes, software/hardware
i Big Data, per aconseguir que les operacions comercials siguin més eficients,
proactives i predictives, a més d’estar automatitzades. Això significa, per exemple,
diagnosticar i predir problemes de manteniment abans que es produeixin en una
companyia.
GE preveu que la connexió i entesa entre ments i màquines tindrà un gran impacte en empreses de transport, petroli, gas, aviació, salut, fabricació de bens i equips, etc. Això transformarà els processos de treball i estalviarà molts diners en temps i recursos desaprofitats amb una millora de l’eficiència a tots nivells. Canviarà completament el funcionament de les empreses que treballin amb grans volums de dades (per exemple una companyia elèctrica), per que permet analitzar dades de fonts noves fins ara no aprofitades i ho fa en temps real.
En
el 2010 a causa de l’increment de la quantitat de dades emmagatzemades, es va
començar a parlar del concepte de Big Data. Aleshores les dades que es
poden recollir es poden dividir en dos
grups. Les dades desestructurades(de
sensors, GPS, xarxes socials, etc.) i les dades estructurades (temperatura, factures, consum, etc.). El Big Data es caracteritza per les
anomenades 4 be baixes (V4): Volum, Varietat, Velocitat i Valor.
En l’any 2016 es preveu que el tràfic de dades per Internet
arribi al ZetaByte (270 Bytes).
Això significa que quasi es quadruplicarà el tràfic de dades en les xarxes de
tot tipus. I en el 2020 podria arribar als 40 ZetaBytes.
Es calcula que en els EE.UU. el tràfic de dades pot arribar als 22 Exabytes (260 Bytes) al mes. No cal dir que les persones i programes encarregades de gestionar aquest volum de dades i metadades, els gestors, buscadors (browsers), els content curators etc, tindran feina i futur. Per exemple els content curators seran els encarregats de trobar en aquesta immensa sitja de dades (Data Minig) les que necessiten les empreses, gran corporacions, governs, ciutadans etc.
Es calcula que en els EE.UU. el tràfic de dades pot arribar als 22 Exabytes (260 Bytes) al mes. No cal dir que les persones i programes encarregades de gestionar aquest volum de dades i metadades, els gestors, buscadors (browsers), els content curators etc, tindran feina i futur. Per exemple els content curators seran els encarregats de trobar en aquesta immensa sitja de dades (Data Minig) les que necessiten les empreses, gran corporacions, governs, ciutadans etc.
Taula d’unitats d’emmagatzematge:
UNITATS
|
||
8 BITS
|
1 BYTE (20)
|
|
1 KILOBYTE
|
1.024 BYTES (210)
|
8.192 BITS
|
1 MEGABYTE
|
1.048.576 BYTES (220)
|
1.024 KILOBYTES
|
1 GIGABYTE
|
1.073.741.824 BYTES (230)
|
1.024 MEGABYTES
|
1 TERABYTE
|
1.099.511.627.776 BYTES (240)
|
1.024 GIGABYTES
|
1 PETABYTE
|
1.125.899.906.842.624 BYTES (250)
|
1.024 TERABYTES
|
1 EXABYTE
|
1.152.921.504.606.847.466 BYTES (260)
|
1.024 PETABYTES
|
1 ZETTABYTE
|
1.180.591.620.717.411.303.424 BYTES (270)
|
1.024 EXABYTES
|
1 YOTTABYTE
|
1.208.925.819.614.629.174.706.176
BYTES (280)
|
1.024 ZETTABYTES
|
El tractament de les dades pels algoritmes és importantíssim. Per exemple, en l’any 2009 Google va poder preveure la propagació de la grip hivernal als EE.UU. per zones amb només estudiar què buscava la gent a Internet. Un altre cas és el del buscador Farecast ideat pet Oren Etzioni, per a predir el preu dels bitllets d’avió (pot servir la idea per a preus d’hotel o concerts entre altres esdeveniments), a partir del anàlisis dels milions de dades disponibles referents als preus anteriors. No caldria dir-ho, però Microsoft el va adquirir en 2008 (igual que Skype), i el va integrar en el seu browser Bing.
Un altre bon exemple
de la tecnologia Big Data és l’anàlisi de comportaments històrics dels clients
reals o potencials d’uns companyia, per a poder predir les seves actuacions
futures i, d’aquesta forma, oferir nous productes i serveis acords a les seves
necessitats reals, reduint inventaris i optimitzant les cadenes de subministrament.
Aquets sistemes
analitzen tendències generals i no només
buscar dades com fins ara. No farà falta saber el per què de les coses que passen sino el què, és a dir, que es produirà tal cosa a partir de la informació,
en definitiva estem davant de l’aplicació de la llei de Bayes en tot el seu esplendor. Fer prediccions a partir de
grans quantitats de dades pot ajudar a que les persones vegin el mon d’una
forma completament nova.
No hay comentarios:
Publicar un comentario