IBM e machine learning: il prossimo obiettivo sono i mainframe

IBM vuole sfruttare la potenza dei mainframe ed i vantaggi del machine learning per analizzare vasti archivi di dati on premise. I dettagli.

IBM e machine learning: mainframe z13

Il mainframe z13 di IBM

“Più del 90% dei dati a livello globale non può essere raggiunto da Google. Si trova infatti dietro i firewall del cloud privato. Come possiamo automatizzare [i processi di analisi per queste fonti di dati]?” è la domanda che si sono posti i vertici IBM.

Come attesta il titolo, la volonta della compagnia è quella di portare tutti i ben noti vantaggi offerti dal machine learning nel proprio ecosistema mainframe. Sebbene questo termine induca molti a pensare ad un qualcosa che appartiene ormai al passato, i monolitici sistemi sono tutt’altro che scomparsi dall’attuale scena IT: dalle banche fino alle compagnie aeree e quelle assicurative, i mainframe possono ancora vantare una numerosa schiera di utilizzatori e capacità di calcolo notevoli – gli ultimi modelli IBM possono gestire ogni giorno 2.5 miliardi di transazioni, il carico di lavoro richiesto da circa 100 Cyber Monday.

Come sfruttare alcune delle utili funzioni di Watson, apprezzata piattaforma di analisi dati IBM, nei mainframe? L’intenzione è quella di appoggiarsi innanzitutto a popolari strumenti open source come Scala, Python, Java e framework come TensorFlow, H2O ed altri.

La soluzione sarà inoltre in grado di lavorare con il più ampio numero possibile di tipologie file ed offrirà un sorta di assistente (virtuale) per le task di analisi. Il Cognitive Assist for Data Science è una delle carte vincenti di Watson in quanto promette sulla carta di aiutare le aziende a scegliere il migliore algoritmo per un determinato caso di utilizzo. E mano a mano che saranno analizzati sempre più dati, il sistema sarà in grado di valutare l’efficacia effettiva dell’algoritmo ed “apprendere” come migliorarne la resa.

Machine learning: dal cloud ai mainframe

La mossa di IBM va interpretata non tanto come un attacco diretto ai servizi machine learning cloud ma un modo per sfruttare la non trascurabile user base mainframe. Va inoltre ricordato che le soluzioni private ed ibride, seppur in flessione rispetto al passato (report “State of the Cloud” di RightScale), restano sempre molto popolari in ambito enterprise, il che rende sensata l’idea IBM.

Rob Thomas (IBM Analytics general manager) ha dichiarato inoltre che questa soluzione machine learning on premise, grazie alla “collaborazione” del mondo open source e all’algoritmo intelligente IBM, è sicuramente più conveniente e pratica  delle alternative cloud – immaginate di dover spostare nel cloud la medesima quantità di dati.

Per valutare le affermazioni di Rob e l’efficacia delle funzionalità Watson on premise, gli utenti mainframe dovranno attendere almeno la fine dell’attuale trimestre, suggeriscono i portali specializzati.

 

Fonti: 1, 2

 

 

 

 

Facci sapere cosa ne pensi!

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *