Prim Hírek

Elmúltak azok az idők, amikor a nagy teljesítményű számítógépeket csak a kormányzati vagy tudományos intézetekben használták különféle elemzési és kutatási célokra, ami jelentős költségeket jelentett. Napjainkban egyre több vállalatnál alkalmaznak ilyen rendszereket szinte minden iparágban, hogy kihasználhassák a mesterséges intelligencia (Artificial Intelligence – AI) előnyeit, amely óriási számítási kapacitást igényel. Egy friss kutatás szerint tavaly már a szervezetek 61 százaléka vett igénybe AI-technológiát valamilyen formában, míg 2017-ben ez a szám mindössze 38 százalék volt.

Nagy ész, nagy igény

A népszerűség érthető, hiszen a mesterséges intelligencián alapuló alkalmazások segítenek kielemezni és hasznosítani azt az óriási mennyiségű adatot, amelyet a vállalatok gyűjtenek és termelnek, így jobb szolgáltatások és termékek fejlesztését teszik lehetővé. Mindez emberi munkával rendkívül sok időbe és energiába kerülne, ráadásul a gépnek köszönhetően olyan összefüggésekre is fény derülhet, amelyeket a projekten dolgozó emberek képtelenek lennének egyedül vagy akár együttesen átlátni. 

Ahogy azonban az AI-rendszerek egyre bonyolultabb feladatokat látnak el, és a feldolgozásra váró adatok mennyisége is folyamatosan nő, a folyamat egyre nagyobb számítási kapacitást követel. Hiába képes gyors, hatékony és pontos műveletek tömkelegére a mesterséges intelligencia, ha nincs alatta elég erős „vas”, hogy kiszolgája. Ezért az ilyen megoldásokat használó szervezetek számára az jelenti az egyik legnagyobb kihívást, hogy finanszírozzák a működéshez szükséges erőforrásokat. 

Nem kell hozzá milliárdosnak lenni

A SUSE szakértői arra hívják fel a figyelmet, hogy ma már jóval egyszerűbben kiépíthetők ilyen nagy teljesítményt kínáló rendszerek, mint korábban. Sokkal kevesebb gyártó bevonására és sokkal kevesebb egyedi beállításra, illetve testre szabásra van ugyanis szükség hozzá. 

Napjainkban a legtöbb nagy teljesítményű számítástechnikai (High Performance Computing – HPC) rendszer Linux fürtökön alapul, amelyek az iparágban szabványos, azaz széles körben elérhető hardvereken futnak. Ugyanilyen megoldásokat pedig már számos vállalatnál használnak a big data és felhőarchitektúráknál. Innen már nem számít túl nagy lépésnek a hasonló alapokon működő HPC-környezet kiépítése, amely képes párhuzamosan futtatni a számítási folyamatokat, így jelentős mértékben csökkenti az egyes feladatok futtatásához és elvégzéséhez szükséges időt. Az ilyen rendszerek gyors kiépítését segíti, ha a szervezet szoftveralapú infrastruktúrát használ, mivel ezeket a szoftveresen vezérelt megoldásokat mindig egyszerűen bővíthetik és skálázhatják az éppen aktuális igényeknek megfelelően.

Tökéletesebb autók, biztos energiaellátás

A SUSE nagy teljesítményű rendszerekhez optimalizált operációs rendszerét is egyre szélesebb körben alkalmazzák vállalati környezetben. Több autógyártó futtat például olyan szimulációkat SUSE-alapokon, amelyekkel azt elemzik, milyen hatással jár a versenyautózásban a motor beállításainak megváltoztatása. Ezzel értékes másodperceket nyerhetnek egy-egy versenyen, amikor gyorsan kell finomhangolni a működést az időjárás változásainak megfelelően, hiszen máshogy viselkedik egy jármű esőben és párában, mint a napsütéstől felforrósodott aszfalton. 

Az autóiparban a tervezésnél is hasznosak az ilyen modellezések, mivel az egyes prototípusok megépítése költséges, ezért előbb a virtuális tervezőasztalon vizsgálják meg szimulációk segítségével, pontosan melyik ötlet működik majd jól a gyakorlatban is. Hasonló eljárásokat alkalmaznak egyéb termékek, például háztartási gépek tervezése során is. A különféle innovatív sütők, hűtőszekrények és mosógépek esetében AI technológia segítségével térképezik fel, hogy milyen eredményekkel jár, ha egy-egy változót, méretet vagy funkciót módosítanak az eszközön, mielőtt nekifognak a fizikai fejlesztésnek. A nagy méretű árucikkek csomagolása hasonló modellezéssel tökéletesíthető, hogy ne adódjanak problémák és meghibásodások a szállítás során. 

Az energiaiparban SUSE-alapokon futó AI-megoldásokkal elemzik többek között az okosszenzorok által gyűjtött adatokat, hogy jobb energiatermelést és -felhasználást biztosíthassanak a hálózatokban. Míg máshol azt modellezik hasonló rendszerekkel, hogy miként lehet a leghatékonyabban áramot termelni a tengerben elhelyezett turbinák segítségével.