而隨著的發(fā)展,對當今世界的70多億人來說,平均每個人都將擁有5個物聯(lián)網(wǎng)設備。全世界有數(shù)十億臺機器來保障這些設備的運行。坦率地說,這些機器需要全天候運行以滿足需求。
顯然,物聯(lián)網(wǎng)設備的數(shù)量已經(jīng)超過人類。當所有這些設備和計算機開始相互通信時,這會對任何網(wǎng)絡造成極大的壓力。人們今后將會更加深刻地感到這種壓力。不僅如此,它還是一個日益增長的全球市場。調(diào)研機構(gòu)IDC公司預測,2020年物聯(lián)網(wǎng)的市場規(guī)??赡軙_到7萬億美元。
展望不久的將來,人們看到數(shù)據(jù)中心在機器之間通信方面受到以下三種影響:
1. 為5G奠定基礎
這些技術(shù)進步和發(fā)展也發(fā)生在數(shù)據(jù)中心。所有需要相互通信的設備和人類將會采用大量的光纖通信的應用,特別是當人們期待5G在未來5到10年內(nèi)上市時。為此,人們還有很多事情要做。無線網(wǎng)絡需要大量“有線”網(wǎng)絡資產(chǎn)有效地將數(shù)據(jù)通過光纖傳送到核心數(shù)據(jù)中心和邊緣數(shù)據(jù)中心。
為了實現(xiàn)5G應用,還需要通信基站的密集化(例如小型基站)。此外,適用于這種通信技術(shù)的多種供電解決方案涌入市場,允許通信運營商以經(jīng)濟高效的方式為網(wǎng)絡邊緣的許多設備供電。
2. 更低的延遲
機器處理信息幾乎與接收信息一樣快,人類卻不能。特別是在數(shù)據(jù)中心中,決策是即時做出的,并且需要有強大的骨干網(wǎng)絡來支持。這是數(shù)據(jù)中心面臨的一個變化,需要實時計算、分析和處理信息。IDC公司認為數(shù)據(jù)中心的現(xiàn)代化是2018年的重要預測之一,數(shù)據(jù)中心需要“大量使用預測分析來提高準確性并減少停機時間”。
3. 更高的密度和速度
部署大量的光纖是最好的解決方案。但這并不總是可行的。最有效的方案是從一開始就部署高密度光纖,以允許機器間對話快速發(fā)生。而采用可支持多代設備的模塊化高速平臺是最佳選擇。
這是一個重復使用的機器學習示例,但它是一個很好的例子。在匹茲堡的試點項目中,自動駕駛汽車正在成為現(xiàn)實。而在理想情況下,采用強大的網(wǎng)絡和大量傳感器,可以使汽車處理數(shù)據(jù)的速度比人類都要快。
然而,無論機器多么復雜,都是基于算法和編程。他們很容易被人類或甚至其他機器操縱(黑客攻擊)。Gartner公司預測,到2022年,成熟經(jīng)濟體中的大多數(shù)人將消耗比真實信息更多的虛假信息。甚至可以說,虛假信息將助長金融詐騙事件的發(fā)生。人們比以往更容易受到遭遇黑客和數(shù)據(jù)盜竊。當然還存在數(shù)據(jù)隱私問題。甚至有一種思想流派認為機器可能將接管人類的工作。
然而,Gartner公司的這個調(diào)查報告表明,到2020年,機器學習在消除180萬個就業(yè)機會的同時,將創(chuàng)造230萬個就業(yè)機會。而對于人類來說,仍然有很多工作要做,盡管這些工作崗位肯定與現(xiàn)在所從事的工作不同。
人類不會很快讓機器人自己來決定和處理。機器對機器的技術(shù)要求改變思維方式,而如果人類放棄控制,將會出現(xiàn)更多的問題,當然這也不會是完美的。但這是“第四次工業(yè)革命”向前邁出的巨大一步。
http://m.fdgzk.cn/ask/152.html