INNOVATIE

thema cloud & data
IoT
Het Internet of Things voegt een heel
nieuwe dimensie toe aan het marketingbegrip
‘total addressable market’.
Het aantal mainframes wereldwijd
bedroeg ooit 10.000 stuks waarbij 1.000
gebruikers werden gekoppeld aan één
mainframe. Het totale aantal gebruikers
met een terminal bedroeg 10 miljoen.
Nog niet zo heel lang geleden dachten
we dat het aantal computers en mobiele
telefoons begrensd was door het aantal
mensen op onze planeet, 7,5 miljard
mensen. Binnen het IoT zullen uiteindelijk
triljoenen apparaten en dingen
met elkaar worden verbonden. Door de
computerverwerkingscapaciteit en de
algoritmes aan de rand van het bedrijfsnetwerk
onder te brengen en niet
in een centrale cloudomgeving, wordt
maximaal geprofiteerd van de voordelen
van edge computing. ‘Machine learning
unlocks the power of edge’, zo luidt de
belofte. Is het dan helemaal gedaan met
de cloud en heeft deze geen functie meer
in het edge-computingtijdperk? Geenszins,
de cloud wordt ingericht als een
leeromgeving en als een opslagplaats
voor belangrijke data. Ook de SaaSdiensten
blijven waarschijnlijk gewoon
in de cloud draaien.
OODA Loop
Aan de rand van het netwerk vinden drie
belangrijke activiteiten plaats: sensors
verzamelen omgevingsinformatie, er
vinden interferenties plaats en er worden
beslissingen genomen. Er is een parallel
te trekken met de zogenoemde OODA
loop. Deze briljante vondst, een beslissingslus,
is ooit door kolonel en oorlogsstrateeg
John Boyd ontwikkeld ten
behoeve van gevechtspiloten gedurende
de oorlogsvoering in Korea. OODA
staat voor observation (het verzamelen
van data met behulp van de zintuigen),
oriëntation (het vormen van een mentaal
perspectief op basis van de synthese van
data en analyses), decision (het bepalen
van een strategie op basis van iemands
huidige mentale perspectief) en action
Eindgebruikers
willen niet meer
wachten op een
respons van een
centrale server
(het uitvoeren van de beslissing). De
gevechtspiloot die het snelst beslissingen
neemt in concrete situaties is aan de
winnende hand, omdat de tegenstander
reageert op gevechtssituaties die in de
tussentijd al zijn gewijzigd. Boyd stelde
dat niet alleen gevechtspiloten op basis
van de beschreven beslissingslussen
reageren, maar alle intelligente wezens
en ook organisaties. Dankzij machine
learning zal de loop zich steeds sneller
en sneller herhalen. Computers zijn veel
beter dan mensen in staat om op het juiste
moment de juiste beslissing te nemen.
Een zelfrijdende auto wordt bovendien
niet afgeleid door jengelende kinderen
op de achterbank en raakt niet vermoeid.
Ook de automatische piloot in vliegtuigen
bewijst al jaren zijn diensten.
Sensors
Sensors zullen alomtegenwoordig zijn
en een enorme hoeveelheid data genereren.
Een zelfrijdende auto zal per mijl
10 gigabyte aan gegevens opleveren.
Een Lytro-camera, die eigenlijk een datacenter
in een camera is, genereert 300
gigabits per seconde. Het zijn echter niet
alleen de complexe apparaten die voor
de data-explosie verantwoordelijk zullen
zijn. In elke hardloopschoen zal binnenkort
een intelligente sensor zitten die
waardevolle informatie doorgeeft over
conditie, trainingsprestaties, het parcours,
rusttijden en trainingsschema’s.
Veel van die data is echter ongestructureerde
data. Met behulp van machine
learning wordt de relevante informatie
uit de berg aan data gefilterd.
Een ding is zeker, de data zal niet in de
cloud worden verwerkt. Net als in het
tijdperk dat de pc opkwam, hebben de
eindgebruikers niet de tijd en het geduld
om te wachten op een respons van een
centrale server of database in de cloud.
Voordat machine learning concrete resultaten
oplevert, moet het systeem eerst
worden gevoed met enorme hoeveelheden
data. Op zelfrijdende auto’s van
Google wordt bijvoorbeeld gebruikge-
20
TIJDSCHRIFT IT MANAGEMENT