Когда дело доходит до хранения компьютерных данных, может показаться, что числа у нас на исходе. Если вы достаточно взрослые, вы, возможно, помните, как в 1980-х годах объем дискет измерялся килобайтами. Если вы немного моложе, вы, вероятно, больше знакомы с флэш-накопителями, выраженными в гигабайтах, или жесткими дисками, которые в настоящее время содержат терабайты.
Непостижимый след данных человечества
Но сейчас мы производим данные с беспрецедентной скоростью. В результате нам нужно будет уметь воспринимать числа настолько большие, что они кажутся почти недоступными человеческому пониманию. Чтобы получить представление о новой сфере, в которую мы входим, примите во внимание следующее: компания по анализу рынка IDC оценки что общее глобальное создание и потребление данных составило 59 зеттабайт в 2020 году – это 59 триллионов гигабайт в старых деньгах.
Тем не менее, хотя общий объем существующих данных сейчас находится в почти непостижимом масштабе, темпы его роста еще более поразительны. Еще в 2012 году IBM рассчитанный что 90% мировых данных были созданы в предыдущие два года. С тех пор экспоненциальный рост глобального объема данных продолжился быстрыми темпами, и эта тенденция, похоже, сохранится. Действительно, IDC проекты что в следующие три года человечество создаст больше данных, чем за предыдущие три десятилетия.
Очевидный вопрос: Что изменилось? Почему мы внезапно производим гораздо больше данных, чем когда-либо прежде? Конечно, смартфоны – часть истории. Теперь каждый фактически носит мобильный компьютер в кармане, превосходя по мощности настольные компьютеры предыдущих поколений. Эти машины постоянно подключены к Интернету и непрерывно получают и передают данные, даже когда они простаивают. Средний взрослый американец поколения Z открывает их телефон 79 раз в день, примерно раз в 13 минут. Постоянное включение этих устройств привело к появлению лавины новых данных, включая 500 миллионов новых твитов, 4000 терабайт сообщений в Facebook и 65 миллиардов новых сообщений WhatsApp, отправленных в киберпространство. каждый 24 часа.
Смартфоны – лишь верхушка айсберга
Однако смартфоны – это всего лишь наиболее заметное проявление новой реальности данных. Принимая во внимание, что вы можете предположить, что видеоплатформы, такие как Netflix и YouTube, составляют львиную долю глобальных данных, на самом деле вся потребительская доля составляет только примерно 50%, и, по прогнозам, в ближайшие годы этот процент будет постепенно снижаться. Итак, что составляет остальное?
Развитие Интернета вещей и подключенных устройств привело к дальнейшему расширению нашей глобальной базы данных. Действительно, самый быстрый рост из года в год наблюдается в категории информации, известной как встроенные данные и данные о производительности. Это информация, полученная от датчиков, подключенных компьютеров и автоматически сгенерированных метаданных, которые существуют за кулисами, за пределами видимости конечных пользователей.
Возьмем, к примеру, автономные транспортные средства, в которых используются такие технологии, как камеры, гидролокатор, лидар, радар и GPS, для наблюдения за транспортной средой, построения маршрута и предотвращения опасностей. Intel имеет рассчитанный что средний автономный автомобиль, использующий современные технологии, будет производить четыре терабайта данных в день. Для сравнения: одно транспортное средство будет ежедневно производить объем данных, эквивалентный почти 3000 человек. Кроме того, будет критически важно, чтобы эти данные хранились в безопасности.
С одной стороны, это будет полезно для планирования интервалов обслуживания и наиболее эффективной диагностики технических проблем. Это также могло быть использовал как часть децентрализованной системы для координации транспортных потоков и минимизации энергопотребления в конкретном городе. Наконец, что, вероятно, наиболее важно в краткосрочной перспективе, это будет иметь важное значение для урегулирования юридических споров в случае травм или несчастных случаев.
Автономные транспортные средства – лишь небольшая часть общей истории. Согласно Согласно McKinsey & Company, процент предприятий, использующих технологию IoT, увеличился с 13% до 25% в период с 2014 по 2019 год, а общее количество устройств, по прогнозам, достигнет 43 миллиардов к 2023 году. От промышленного Интернета вещей до целых умных городов будущая экономика будет иметь значительно увеличенное количество подключенных устройств, производящих потенциально высокочувствительные или даже критически важные данные.
Близок ли конец закону Мура?
Следует учитывать два фактора, и оба указывают на растущую полезность децентрализованных сетей. Во-первых, хотя у нас больше данных, чем когда-либо прежде, для решения глобальных проблем, таких как изменение климата, финансовая нестабильность и распространение переносимых по воздуху вирусов, таких как COVID-19, мы, возможно, приближаемся к жесткой технической границе с точки зрения того, какой объем этой информации может обрабатываться централизованными компьютерами в режиме реального времени. Хотя в последние годы объемы данных росли в геометрической прогрессии, вычислительная мощность не увеличивалась такими же темпами.
В 1960-х годах соучредитель Intel Гордон Мур придумал Закон Мура, в котором говорилось, что, поскольку количество транзисторов на микрочипе удваивается каждые два года, вычислительная мощность будет расти с соответствующей скоростью. Но сам Мур признал, что это не научный закон; это было скорее временное статистическое наблюдение. В 2010 году он признал что, поскольку транзисторы теперь приближаются к размеру атома, вычислительная мощность компьютеров в ближайшие десятилетия достигнет жесткого технического предела. После этого к процессорам можно добавить больше ядер для увеличения скорости, но это увеличит размер, стоимость и энергопотребление устройства. Поэтому, чтобы избежать эффекта «узкого места», нам нужно будет найти новые способы мониторинга данных и реагирования на них.
Второй фактор, который следует учитывать, – это кибербезопасность. Во все более взаимосвязанном мире миллионы новых устройств выходят в сеть. Предоставляемые ими данные потенциально могут повлиять на такие вещи, как управление электрическими сетями, управление здравоохранением и управление трафиком. В результате пограничная безопасность – безопасность данных, находящихся за пределами ядра сети, – становится первостепенной задачей. Это представляет собой сложную задачу для экспертов по кибербезопасности, поскольку множество различных комбинаций устройств и протоколов предоставляют новые поверхности для атак и возможности для вторжений типа «злоумышленник в середине».
Изучение сетей в природе
Если централизованная обработка данных слишком медленная и небезопасная для грядущей экономики с избытком данных, какова альтернатива? Некоторые эксперты искали вдохновение в мире природы, утверждая, что мы должны перейти от модели мониторинга и реагирования на данные сверху вниз к модели снизу вверх. Возьмем, к примеру, колонии муравьев. В то время как каждый отдельный муравей обладает относительно скромным интеллектом, в совокупности муравьиные колонии управлять для создания и поддержания сложных динамических сетей кормовых троп, которые могут соединять несколько гнезд с временными источниками пищи. Они делают это, следуя нескольким простым образцам поведения и реагируя на раздражители в своей окружающей среде, такие как следы феромонов других муравьев. Однако со временем эволюция выявила инстинкты и модели поведения на индивидуальном уровне, которые привели к созданию системы, которая является высокоэффективной и надежной на макроуровне. Если тропа разрушена ветром или дождем, муравьи найдут новый маршрут, при этом ни один из муравьев даже не будет знать об общей цели сохранения сети.
Что, если эту же логику можно применить к организации компьютерных сетей? Подобно колониям муравьев, в сети блокчейнов многие узлы со скромной вычислительной мощностью могут объединяться для получения глобального результата, превышающего сумму его частей. Подобно тому, как инстинкты и поведение имеют решающее значение по своей природе, правила, регулирующие взаимодействие узлов, имеют решающее значение для определения того, насколько успешной будет сеть в достижении целей макроуровня.
На то, чтобы согласовать стимулы каждого децентрализованного участника во взаимовыгодной сети, природе потребовались тысячи лет. Поэтому неудивительно, что это также трудная задача для разработчиков децентрализованных сетей. Но хотя генетические мутации животных по существу случайны с точки зрения их потенциальной пользы, у нас есть преимущество в том, что мы можем целенаправленно моделировать и разрабатывать стимулы для достижения общих общих целей. Это было в центре нашего внимания: цель состояла в том, чтобы устранить все порочные стимулы для отдельных участников, которые подрывают полезность и безопасность сети в целом.
За счет тщательного проектирования структур стимулов децентрализованные сети могут значительно повысить степень безопасности периферии. Подобно тому, как сеть поиска пути колонии муравьев будет продолжать функционировать, даже если один муравей потеряется или умрет, децентрализованные сети одинаково надежны, позволяя сети оставаться полностью функциональной, даже когда отдельные узлы выходят из строя или отключаются. Кроме того, ни один узел не должен обрабатывать или понимать все данные в целом, чтобы сеть в целом могла на них реагировать. Таким образом, некоторые исследователи полагать мы можем создать структуру экономических стимулов, которая автоматически выявляет общие проблемы и децентрализованно реагирует на них.
Вывод
Объем данных, которые мы производим, стремительно растет, и наша способность отслеживать и реагировать на них с помощью централизованных компьютерных сетей приближается к своим пределам. По этой причине децентрализованные сети уникально подходят для решения предстоящих задач. Еще предстоит провести много исследований, испытаний и экспериментов, но фундаментальная надежность и полезность лежащей в основе технологии были продемонстрированы. По мере того, как мы движемся к миру с избыточными данными и гиперподключениями, децентрализованные сети могут сыграть важную роль в извлечении максимальной экономической и социальной выгоды от Интернета вещей.
Взгляды, мысли и мнения, выраженные здесь, принадлежат только автору и не обязательно отражают или отражают взгляды и мнения Cointelegraph.
Стефани Со – экономист, политический аналитик и соучредитель Geeq, компании, занимающейся безопасностью блокчейнов. На протяжении всей своей карьеры она применяла технологии в своих специализированных дисциплинах. В 2001 году она первой применила машинное обучение к данным социальных наук в Национальном центре суперкомпьютерных приложений. Совсем недавно она исследовала использование распределенных сетевых процессов в здравоохранении и безопасности пациентов в качестве старшего преподавателя в Университете Вандербильта. Стефани – выпускница Принстонского и Рочестерского университетов.