Wiceprezes IBM: czas komputerów mainframe się nie skończył

O najciekawszych zastosowaniach maszyn mainframe i serwerów Power Systems, a także strategii IBM i możliwościach komputerów kwantowych opowiada Tom Rosamilia, wiceprezes IBM Systems.

Wiceprezes IBM: czas komputerów mainframe się nie skończył

Tom Rosamilia, IBM

Computerworld: Historia komputerów klasy mainframe liczy ok. 50 lat. Co sprawia, że maszyny te są wciąż w użyciu mimo stale zmieniających się warunków? Co pozwala im konkurować z systemami x86?

Tom Rosamilia, wiceprezes IBM Systems: Ponieśliśmy ogromne nakłady na rozwój zarówno sprzętu, jak i oprogramowania pośredniczącego mainframe – to odporne i wydajne rozwiązania. Doskonalenie systemów o tak wysokim stopniu wyrafinowania nie było łatwe, ale możliwe dzięki inżynierom, którzy potrafili z poziomu systemu zejść na poziom podstawowego kodu. Dzięki tej mozolnej pracy zrobiliśmy znaczący krok do przodu.

Zobacz również:

  • AI konwertuje automatycznie aplikacje COBOL na aplikacje Java

Wokół naszych systemów mainframe wytworzył się zdrowy ekosystem partnerski. Posiadamy najszybszy, przeznaczony dla przetwarzania jednowątkowego, mikroprocesor na świecie. Klienci mogą na nas polegać – gwarantujemy, że rozwiązania, które tworzymy, nie utrudniają działania i nie spowalniają ich biznesu. Szereg naszych systemów obsługuje w organizacjach klientów krytyczne zadania, które muszą być wykonane dokładnie i w określonym czasie. Dzięki podejściu design thinking, we współpracy z kilkuset organizacjami – naszymi klientami – byliśmy w stanie uzyskać mnóstwo wskazówek dotyczących tego, jak powinna wyglądać architektura komputera z14.

Co do technologii IBM Power System – wychodząc od prostych, uniksowych rozwiązań AIX oraz IBM i, rozwinęliśmy ją, by obsługiwała także Linuksa. System ten jest ważnym elementem strategii rozwoju linii Power. Architektura systemu była rozwijana za pomocą sztucznej inteligencji. Są ludzie niepokojący się rozwojem tej technologii; uważają, że ostatecznie sztuczna inteligencja zwróci się przeciw człowiekowi. Ja myślę o tym raczej w kategoriach współdziałania ludzi i maszyn, które doprowadzi do ogromnych zmian na całym świecie, np. w obszarze efektywności pracy. W końcu każdy cykl rozwoju technologii zmienia coś w tym zakresie – tak jak rewolucja przemysłowa.

PowerAI, nasze oprogramowanie obejmujące najlepsze środowiska uczenia maszynowego na świecie, takie jak TensorFlow, Caffe czy Torch, oferuje kombinację mocy obliczeniowej procesorów CPU i GPU. Te ostatnie dostarcza Nvidia – stworzone z myślą o przetwarzaniu grafiki, znajdują teraz szerokie zastosowania w mechanizmach sztucznej inteligencji wdrożonych w najpotężniejszym superkomputerze na świecie, nawiasem mówiąc zbudowanym przez IBM i Nvidię. Nie wiem, czy po prostu mieli szczęście, czy też przewidują przyszłość, ale wynaleźli coś wspaniałego. Nasza współpraca także jest wyjątkowo udana. Rozwój naszych rozwiązań linii Power Systems oscyluje obecnie wokół Linuksa oraz sztucznej inteligencji.

Zestawiając najnowsze wersje platform Power Systems z komputerami mainframe – jakie są najlepsze zastosowania biznesowe tych rozwiązań? Jak przedstawiłby je pan klientom?

Zbudowaliśmy je z takiego samego krzemu, ale procesory obu platform obsługują kompletnie inne zestawy instrukcji, różni je też oprogramowanie. Mainframe to maszyna zoptymalizowana do przetwarzania transakcyjnego. Można to oczywiście równie dobrze robić na serwerach Power, ale jeżeli transakcje to priorytet – zawsze wybrałbym mainframe. To jedyne rozwiązanie zapewniające szyfrowanie i pełne bezpieczeństwo, nie tylko na poziomie sprzętu, ale i oprogramowania. Power Systems jest natomiast najlepszą platformą analityczną i – obecnie – także platformą sztucznej inteligencji.

Systemy Power i komputery mainframe są inaczej zbudowane, ale pewne ich funkcje nakładają się. Powiedziałbym że ludzie, którzy używają komputerów mainframe, właśnie tam przechowują istotną większość swoich danych. 80% światowych danych znajduje się za firewallami, nie jest dostępna publicznie i możliwa do wyszukania. Właściciele tych danych chcą zaś powiązać z nimi możliwości analityczne i mechanizmy uczenia maszynowego, dostępne w zewnętrznych usługach. Nie znam natomiast instytucji publicznej czy finansowej, która chciałaby w tym celu wyprowadzić dane na zewnątrz. I racja – często zarządzają ważnymi, cennymi informacjami.

Mainframe to doskonała platforma do konsolidacji danych dla Linuksa na serwerach x86. Power Systems jest z kolei świetną bazą dla analityki. Gdybym – nie mając wiedzy na temat lokalizacji danych – miał wybrać narzędzie do analizy danych, zawsze wybrałbym serwery Power. Platforma ta wspiera o wiele więcej wątków obliczeniowych, dzięki czemu analizę można rozdzielić. Wielowątkowość jest w tym przypadku pożądana, ale już niekoniecznie w przetwarzaniu transakcyjnym, w którym liczy się przede wszystkim wydajność obliczeń pojedynczego wątku.

Jaka jest aktualna strategia i cele biznesowe IBM? W jakim kierunku zamierzają państwo rozwijać swoją ofertę w ciągu najbliższych 3-5 lat?

Odpowiedź jest prosta: chmura obliczeniowa, sztuczna inteligencja, wiedza branżowa. W tym pierwszym obszarze wiele się zmieniło w ciągu minionego roku. Przeprowadzone przez IDC badanie na bardzo wielu przykładach dowodzi, że większość klientów będzie korzystać z wielu chmur – pięciu i więcej. Już teraz używają nie tylko Amazona, ale i np. usług Salesforce; eksportują swoje dane i przeprowadzają prace analityczne np. w stosie Google, IBM czy Microsoftu. Na starcie mówimy o trzech różnych rozwiązań chmurowych. Co to oznacza? Że potrzebna jest platforma do orkiestracji tych środowisk, w tym np. prywatnej chmury IBM wyposażonej w możliwość konteneryzacji.

Do tego wszystkiego konieczni będą ludzie, którzy zarządzą tymi usługami, a także oprogramowaniem, sprzętem i pamięcią. Stworzyliśmy Power System jako najpotężniejszą platformę sztucznej inteligencji. W oczywisty sposób na styku tych obszarów pojawi się wiele potencjalnych usług – okazji do rozwijania biznesu, które będziemy w stanie oferować naszym klientom. W ciągu najbliższych trzech lat – a może i dłużej – będziemy więc zmierzali ku chmurze i sztucznej inteligencji.

IBM rozwija także komputery kwantowe. Jakie zastosowania biznesowe dostrzegają państwo w tym obszarze?

Możliwości komputerów kwantowych są zadziwiające. Mówi się o nich od dziesięciu lat, więc część osób zdążyła nabrać pewnego sceptycyzmu. Niemniej, w końcu zaczynamy dostrzegać efekty, m.in. dlatego, że tego typu usługę [Qiskit – red.] udostępniliśmy w naszej chmurze obliczeniowej. Komputer kwantowy musi być chłodzony – w wypadku naszego rozwiązania niemal do zera absolutnego. Z tego powodu trudno wyobrazić sobie wdrożenie tej technologii w lokalnym centrum danych. W przypadku awarii zasilania przywrócenie funkcjonalności komputera zajmuje bardzo wiele czasu, potrzebne jest więc zasilanie naprawdę wysokiej klasy i redundancja innych systemów.

Na razie musi wystarczyć publiczna chmura obliczeniowa. Dzięki naszej usłudze naukowcy zrealizowali już setki tysięcy eksperymentów. Coraz więcej programistów sięga po nasze systemy kwantowe. Oglądanie tego w akcji jest imponujące. Komputery kwantowe wykorzystywane są do rozwiązywania szczególnie uciążliwych, niemal nierozwiązywalnych problemów. Można byłoby oczywiście podjąć próby ich rozwiązania, ale uzyskanie wyników obliczeń prowadzonych na tradycyjnych maszynach zajęłoby niekiedy miliony lat. Na komputerach kwantowych zajmuje to chwilę.

Przykładem może być scoring kredytowy – co wydarzy się z całościową równowagą kredytów dużego banku, jeżeli udzieli kredytu danej osobie? Z uwagi na konieczność przeprowadzenia potężnych obliczeń, tego typu analiz raczej nie wykonuje się częściej niż raz na tydzień. Jeśli dany bank miałby możliwość natychmiastowego sprawdzenia wyniku, byłby w stanie dużo lepiej zarządzać portfelem kredytowym, mając na względzie ustalony profil ryzyka.

Analizy ryzyka to potencjalnie bardzo perspektywiczny obszar dla komputerów kwantowych. Obecnie do analiz wymagających zbyt dużych obliczeń wykorzystuje się modele, które mniej lub bardziej odpowiadają rzeczywistości – nie rozwiązują jednak problemu, dają odpowiedź jedynie w pewnym przybliżeniu. Sądzę, że komputery kwantowe sprawdzą się także przy analizie materiałowej i tworzeniu nowych stopów czy mechanice przepływów, farmakologii.

Komputery kwantowe nie zastąpią klasycznych komputerów. Pomogą nam natomiast znaleźć odpowiedzi na problemy obecnie nie dające się rozwiązać.

W celu komercyjnej reprodukcji treści Computerworld należy zakupić licencję. Skontaktuj się z naszym partnerem, YGS Group, pod adresem [email protected]

TOP 200