IAGON : INOVASI MASA DEPAN

Mei 03, 2018

IAGON : INOVASI MASA DEPAN

Halo kawan masih dengan pembahasan iagon ,bahasan lengkapnya akan di bahas kali ini.simak baik baik ya kawan.

PENGANTAR

Perkembangan terkini dalam teknologi Artificial Intelligence (AI) dan Big Data dan peningkatan dramatis dalam pengadopsian teknologi-teknologi ini menandakan sebuah permintaan yang terus meningkat dan bertumbuh secara eksponensial terhadap kapasitas penyimpanan dan untuk kekuatan pemrosesan komputasi vis-a-vis adopsi yang lebih luas dari teknologi ini.

Teknologi Big Data seperti kerangka Hadoop (terutama database MongoDB, HDFS dan Spark) membutuhkan kapasitas penyimpanan yang sangat besar, baik secara terpusat atau terdistribusi, untuk memproses dan mengelola file Big Data. Untuk sebagian besar, teknologi Big Data mendukung pertumbuhan eksponensial data di semua jenis organisasi, dalam layanan berbasis web dan jaringan sosial dan penerapannya sangat penting untuk mendukung operasi dan pemrosesan yang tepat dari sejumlah besar data ini (lihat Gambar. 1 ).

Pembelajaran mesin dan proses pembelajaran mendalam (terutama TensorFlow, Caffe dan Theano dari Google; lihat juga: Dean et al., 2012, Ray, 2017) melakukan pengenalan pola komputasi tingkat lanjut, pengenalan citra, dan analisis prediktif yang memerlukan volume komputasi yang tinggi. Skenario dari permintaan yang tumbuh secara eksponensial untuk kemampuan Big Data dan AI adalah solid dan sangat nyata, mengingat bahwa kedua bidang teknologi adalah dasar untuk mendukung sistem IoT dan Industry 4.0. Selain itu, meskipun Big Data dan teknologi AI hanya pada tahap implementasi mereka, sebagian besar perusahaan dan lembaga publik telah mulai memeriksa aplikasi mereka untuk meningkatkan banyak aspek operasi mereka.

PROSPEK PASAR PENYIMPANAN CLOUD STORAGE

Penyimpanan data Cloud didasarkan pada pengiriman file dari komputer dan server lokal ke server jarak jauh dan fasilitas penyimpanan yang tidak jelas bagi pengguna, tetapi dapat diakses dan dikelola kapan saja. Dengan demikian, keandalan layanan penyimpanan cloud dan privasi pengguna (yaitu melindungi file agar tidak diakses oleh pihak lain selain pemiliknya) sangat penting untuk berlangganan dan mengimplementasikan layanan cloud apa pun.

Pasar layanan penyimpanan cloud terdiri dari sejumlah besar perusahaan yang mengoperasikan dan menawarkan program penyimpanan data, dari pusat data kecil yang memenuhi kebutuhan individu dan UKM hingga fasilitas penyimpanan besar perusahaan (seperti Amazon, Google, dan Microsoft) , yang bertujuan mengelola volume data gigantik mereka sendiri, tetapi juga ditawarkan kepada pelanggan eksternal. Namun, sejak hari pertama layanan penyimpanan cloud dan sampai saat ini terkait dengan perlindungan data, keandalan pusat data terpusat, tanggung jawab perusahaan penyimpanan cloud dalam kasus file hilang atau salah disimpan dan privasi pengguna sering diungkapkan oleh ahli (lihat misalnya Hu et al., 2010; Dai et al., 2017).

Kesalahan yang terkait dengan kinerja teknis cloud muncul dari servernya, dari sistem retrieval (Jaringan Distribusi Konten, atau CDN) dan dari klien. Beberapa kesalahan didefinisikan sebagai kesalahan crash sementara yang lain kesalahan kinerja-merendahkan. Crash fault adalah kategori yang paling umum, dikategorikan oleh "pemadaman" layanan, sedangkan layanan yang dinonaktifkan sementara atau menunjukkan tingkat kinerja yang lebih rendah adalah kesalahan yang merusak kinerja. Misalnya, insiden di mana file yang diunggah ke cloud tidak dapat diakses karena kesalahan penulisan ke folder adalah kesalahan kerusakan, sementara kebocoran CPU yang menyebabkan kinerja server yang lebih rendah (dan karena itu pengambilan file yang lebih lambat) adalah kinerja kesalahan -domain (Wang, 2017).

Ketika data dan file dikelola melalui pusat data terpusat (atau melalui serangkaian dari mereka), kesalahan skala luas, dan khususnya kesalahan kecelakaan yang mengakhiri akses pengguna ke file yang disimpan, dapat menyebabkan penghentian operasi perusahaan , organisasi dan individu selama pemadaman tetap ada. Misalnya, penghentian terbaru AWS pada Maret 2017 berlanjut selama beberapa jam, menyebabkan kerusakan yang diperkirakan lebih dari 300 juta USD (Sverdlik, 2017).

OUTLOOK MARKET DARI LAYANAN KOMPUTER CLOUD

Artificial Intelligence adalah seperangkat model dan proses komputasi canggih yang terinspirasi oleh penelitian otak manusia. Model dan alat ini beroperasi di balik layar berbagai aplikasi, situs web, dan aplikasi dengan cara yang mulus yang tidak mengganggu interaksi pengguna melalui UI. Misalnya, penelusuran web dan kesamaan antara istilah, terjemahan otomatis, pengenalan wajah, dan sistem rekomendasi adalah beberapa aplikasi AI.

Kecerdasan Buatan sering digunakan untuk menghasilkan pengalaman pengguna yang lebih baik. Kasus sederhana ini adalah Google. Google menggunakan algoritme pembelajaran mesin lanjutan untuk mempersempit hasil pencariannya untuk memberikan hasil yang cocok dengan pengguna yang dicari oleh pengguna. Saat algoritme mempelajari dan menyempurnakan definisi pencariannya, pengguna terkadang dapat melihat bahwa hasil pencarian dapat bervariasi dari hari ke hari atau pengguna oleh pengguna. Iklan bertarget sering menggunakan algoritme pembelajaran mesin untuk mengusulkan kemungkinan produk dan iklan yang dijual berdasarkan hasil pencarian pengguna.

Pasar untuk aplikasi AI diperkirakan akan tumbuh secara substansial di tahun-tahun mendatang. Gambar 2 menyajikan beberapa penggunaan umum yang diharapkan dan pendapatan dari komersialisasi mereka dalam waktu dekat. Meskipun demikian, penerapan proses AI yang meluas membutuhkan fasilitas komputasi yang semakin kuat, karena kerumitan operasi ini. Oleh karena itu, perusahaan menginvestasikan jumlah yang sangat besar dalam pembelian unit GPU dan CPU yang didedikasikan untuk melaksanakan lingkup komputasi ini, atau membeli dengan kekuatan pemrosesan biaya besar dari salah satu penyedia pemrosesan cloud (yaitu Amazon Web Services, Google Cloud, Microsoft Azure dan IBM).

IAGON'S PROSES KOMPUTASI YANG BERBASIS AI

Sama seperti otak manusia, algoritma AI dan pembelajaran mesin membutuhkan input data untuk menyimpulkan suatu inferensi. Penambangan data adalah proses komputasi untuk menemukan pola dalam kumpulan data besar dan membantu mengurangi set besar struktur data untuk memungkinkan algoritma pembelajaran mesin untuk membuat keputusan dan kesimpulan. Akibatnya, karena organisasi dan perusahaan mengumpulkan kumpulan data besar sebagai bagian dari operasi sehari-hari mereka secara virtual pada setiap aspek kinerja, pemasok, dan klien mereka, mereka mencari cara baru untuk menerapkan metode pembelajaran mesin dan AI untuk memperoleh wawasan manajerial baru dari data secara terus menerus.

Meskipun demikian, perangkat pembelajaran AI dan mesin untuk menganalisis data dalam jumlah besar membutuhkan kekuatan komputasi dalam jumlah besar yang sering kekurangan organisasi, sehingga mengharuskan mereka untuk berlangganan layanan cloud komersial dan mengunggah file data sensitif mereka ke server perusahaan lain. Karena sifat data rahasia dan nilai komersialnya, banyak perusahaan yang menghindari hal itu, sehingga tidak mendapatkan manfaat dari nilai potensial menganalisis basis data mereka dengan metode AI tingkat lanjut.

Teknologi Blockchain memberikan solusi yang unik dan sepenuhnya aman untuk memproses, menyimpan, dan mendistribusikan data serta menjaga konsistensi dan integritasnya yang dapat digunakan untuk kasus-kasus penggunaan seperti pemrosesan terdesentralisasi. Blockchain hanyalah blok data yang dirangkai bersama dan dirantai menggunakan hash sebelumnya dan bloknya saat ini untuk menjaga konsistensi di seluruh rantai (Vijayan, 2017). Blockchain menggunakan algoritma SHA 256 untuk membuat hash. Sifat unik dari hash membuat sumber daya yang intensif untuk retak sebagai hash SHA256 hanya dapat rusak hari ini melalui kekuatan kasar dengan kekuatan komputasi yang belum tersedia di pasar perangkat keras komersial (Vijayan, 2017).

Data terdistribusi penambangan dari dataset besar diperkenalkan oleh SETI Institute melalui program BOINC (Estrada et al., 2009). Pengenalan 'Bitcoin' dan bukti mekanisme kerja memungkinkan kerangka kerja untuk memberikan insentif kepada para penambang data untuk bekerja dan energi untuk menyelesaikan sejumlah besar perhitungan yang diperluas untuk memproses data melalui jaringan terdesentralisasi (Nakamoto, 2008).

Ada banyak proyek yang sedang berlangsung dalam hal menyediakan penyimpanan aman melalui jaringan terdesentralisasi. Jaringan penyimpanan terdesentralisasi didefinisikan sebagai platform cloud tempat node menyimpan sebagian dari data atau file atau seluruh rantai data dalam blockchain. Beberapa nama yang lebih terkenal di ruang ini adalah FileCoin, IPFS, SiaCoin, Storj, NextCloud, dan proyek MJin NEM (lihat misalnya, Protokol Labs, 2017). Kehandalan dan privasi pada jaringan yang terdesentralisasi dapat menjadi masalah besar. Sebagian besar jaringan terdesentralisasi tidak dilengkapi untuk memulihkan data yang hilang jika node hosting mengalami kerusakan perangkat atau node dengan file konfigurasi maksud jahat untuk meretas penerima file (masalah umum yang mengganggu torrent).

IAGON dibangun tidak hanya untuk melayani jaringan terdesentralisasi tetapi juga bekerja dengan fasilitas penyimpanan data saat ini seperti database SQL dan NoSQL. Pendekatan yang dilakukan dengan IAGON adalah unik pada titik yang digunakan IAGON adalah algoritma pembelajaran mesin untuk mendistribusikan beban di seluruh jaringan terdesentralisasi untuk memproses dan kemudian mengenkripsi / mendekripsi data yang mengalir melalui sistemnya.

Ada banyak kasus penggunaan yang dapat dilayani oleh IAGON. IAGON dapat menyediakan penyimpanan aman melalui jaringan terpusat, cluster atau terdesentralisasi, mendistribusikan beban pemrosesan data di seluruh jaringan penambang datanya untuk analitik data, menyediakan solusi aman untuk membuat kontrak pintar di atas Blockchain, atau berfungsi untuk mengidentifikasi node yang jujur dan menyerang dalam suatu sistem .

ROADMAP