Acepto

COOKIES

Esta web utiliza cookies técnicas, de personalización y de análisis, propias y de terceros, para anónimamente facilitarle la navegación y analizar estadísticas del uso de la web. Obtener más información

Aprovechando el valor de los datos gracias a la supercomputación

  • Noticias y Actualidad

Seguridad, Datos, Inteligencia

Las organizaciones generan, captan y almacenan grandes cantidades de datos, que gracias a las nuevas tecnologías pueden aprovecharse para ampliar el conocimiento, potenciar la innovación y obtener mayores beneficios. La supercomputación y la inteligencia artificial se suman al almacenamiento de alta velocidad para potenciar industrias clave como la financiera, pero también para acelerar la investigación médica en la lucha contra enfermedades.

Las tecnologías de supercomputación están ganando tracción rápidamente, y los principales proveedores tecnológicos están tomando posiciones en el mercado HPC, en previsión del gran crecimiento que experimentará en los próximos años. Un ejemplo es la compra de Cray por parte de Hewlett Packard Enterprise, que ha culminado recientemente con el lanzamiento de la firma HPE Cray, pero hay otros entre los grandes de la industria.

Este crecimiento está siendo impulsado desde hace tiempo por ciertas industrias como la financiera, donde es vital contar con la información más precisa y actualizada, algo que se logra con las plataformas de computación más potentes, y con el apoyo de las nuevas tecnologías de inteligencia artificial. Pero la irrupción del coronavirus ha hecho que los propietarios de Plataformas de Computación de Alto Rendimiento (HPC) se vuelquen en la investigación de la enfermedad del coronavirus, tanto en el desarrollo de un tratamiento como en la elaboración de predicciones sobre el progreso de la enfermedad.

Y precisamente el campo de la predicción es donde se revela el mayor potencial para la combinación de la supercomputación, la IA y las grandes cantidades de datos de que se alimentan.  Como comenta el Dr. Eng Lim Goh, director de tecnología de IA de Hewlett Packard Enterprise en un reciente artículo publicado por el colaborador Stan Gibson en el portal NXT Enterprise, de HPE, “en los servicios financieros, la predicción del valor futuro de un activo en particular puede tener en cuenta factores tan variados como la economía, el clima y los sentimientos”.

Por ello, esta industria no solo necesita trabajar con datos financieros, sino combinar mucha otra información proveniente de todo tipo de entornos, incluyendo todo tipo de variables que tienen influencia en la economía. Goh explica que estas empresas han estado mucho tiempo empleando máquinas de gran capacidad y el almacenamiento de más alto rendimiento, y ahora se están dando cuenta de que necesitan incrementar las fuentes de datos que usan para realizar sus predicciones.

Esto supone agrupar incluso decenas de miles de variables en sus operaciones de cálculo, algo que se ha demostrado posible en la lucha contra la COVID-19. Como señala Goh, “después de haber realizado recientemente análisis y aprendizaje automático en conjuntos de datos tan desafiantes, tanto de pacientes hospitalizados como de voluntarios de ensayos clínicos, ahora podemos aportar ese conocimiento para hacer avanzar la industria financiera”.

En estos grandes avances tiene mucho que ver la inteligencia artificial, que en el futuro (y no muy lejano) formará parte indisoluble de lo que se entiende como supercomputación. Y las plataformas HPC están evolucionando para integrar conceptos revolucionarios como el aprendizaje de enjambre, una rama de la IA que agrupa las capacidades de diferentes supercomputadores, separados geográficamente, para acelerar la capacidad de cálculo a nuevos niveles.

En palabras de Goh, “si un hospital en Holanda tiene datos sobre cientos de pacientes, no es suficiente para desarrollar ciertos algoritmos de entrenamiento de aprendizaje automático. Pero si esos datos pudieran aprovecharse con datos de hospitales en otros países, como Alemania y el Reino Unido, sería suficiente para lograr este aprendizaje automático”. Añade que “el aprendizaje de enjambre permite esto al compartir solo los pesos de la red neuronal, sin compartir ningún dato del paciente, superando así los problemas de privacidad”. Además, afirma que es posible “aplicar el aprendizaje por enjambre a otras industrias, como el petróleo y el gas, la fabricación, el crédito y la publicidad, en las que se necesite compartir el aprendizaje con otros grupos sin tener que compartir sus datos”.

Más información

¿Cuál es el futuro del mercado de almacenamiento? ¿Qué tecnologías son las más adecuadas para las empresas? Si quieres obtener más información sobre un segmento en crecimiento puedes visitar la página de nuestro colaborador HPE.