: στην περίπτωση
μιας συγκοινωνιακής μελέτης π. χ. σε στοιχεία σχετικά με τον αριθμό των
επιβατών ανά μέσο και ημέρα, με το πλήθος των Ι. Χ. τα οποία κινούνται
ανά πάσα στιγμή στις βασικές αρτηρίες ή τη συχνότητα με την οποία σε
αυτές τις αρτηρίες παρατηρείται κυκλοφοριακή συμφόρηση.
Πληροφορίες,
όμως, οι οποίες θα πρέπει πρώτα να διαπιστωθεί ότι είναι όντως
αξιόπιστες πριν χρησιμοποιηθούν. Κάτι που, με τις υπάρχουσες στατιστικές
μεθόδους, είναι εξαιρετικά δύσκολο να πραγματοποιηθεί. Αυτός είναι ο
λόγος, άλλωστε, που τέτοιες περίπλοκες αναλύσεις γίνονται με κάποιον από
τους πανίσχυρους υπερυπολογιστές που υπάρχουν σήμερα. Ομως, ακόμη και
σε αυτήν την περίπτωση, η μαθηματική επεξεργασία είναι εξαιρετικά
χρονοβόρα. Και για να ολοκληρωθεί, οι ειδικοί θα πρέπει να απλοποιήσουν
τα στοιχεία που έχουν συγκεντρώσει, ουσιαστικά «αλλοιώνοντάς» τα σε
μικρό ή μεγάλο βαθμό.
Ωστόσο, ο κ. Κώστας Μπέκας, ένας Ελληνας
επιστήμονας από το ερευνητικό κέντρο της ΙΒΜ στη Ζυρίχη, ανέπτυξε μαζί
με τον συνάδελφό του Alessandro Curioni μία πρωτοποριακή τεχνική η οποία
αντιμετωπίζει όλα τα παραπάνω τεχνικά προβλήματα. Πιο συγκεκριμένα, η
τεχνική του κ. Μπέκα βασίζεται σε ένα μαθηματικό αλγόριθμο «ο οποίος
επιτρέπει στους υπερυπολογιστές να ελέγχουν την ποιότητα από τεράστιους
όγκους πληροφοριών έως και εκατό φορές ταχύτερα συγκριτικά με τις
υπάρχουσες μεθόδους και μάλιστα χωρίς καμία προηγούμενη απλοποίηση»,
όπως λέει ο ίδιος στην «Κ».
Μία τεχνική που ανοίγει τον δρόμο για
τη βελτίωση ενός ευρέος φάσματος εφαρμογών, σύμφωνα με τον ερευνητή,
«από ακριβέστερα μοντέλα για την πρόγνωση του γήινου κλίματος και την
πιο «έξυπνη» διαχείριση των δικτύων παροχής ηλεκτρικής ενέργειας, μέχρι
την καλύτερη μελέτη της αεροδυναμικής συμπεριφοράς νέων αεροσκαφών και
την αποτελεσματικότερη οικονομική στρατηγική μεγάλων εταιρειών». Γεγονός
που εξηγεί γιατί η σχετική ανακοίνωση των δύο ερευνητών πριν από
μερικές εβδομάδες σε συνέδριο στο Seattle καλύφθηκε από ΜΜΕ όπως οι New
York Times και το περιοδικό Forbes.
Αλλωστε, η μέθοδος έχει ήδη δείξει
τις δυνατότητές της: σε πείραμα που πραγματοποιήθηκε χρησιμοποιώντας τον
Blue Gene/P της IBM -τον υπερυπολογιστή της εταιρείας ο οποίος μπορεί
να εκτελέσει 1.000 τρισεκατομμύρια υπολογισμούς ανά δευτερόλεπτο- ο
αλγόριθμος του κ. Μπέκα κατάφερε να αναλύσει 9 Terabyte δεδομένων σε
μόλις 20 λεπτά, τη στιγμή που με τις συμβατικές τεχνικές θα χρειάζονταν
περισσότερες από 24 ώρες.
Αντιπαραβολή
«Η
καινοτομία της μεθόδου έγκειται στο ότι μπορεί να αντιπαραβάλλει με
αυτόματο τρόπο συνδυασμούς των δεδομένων», επισημαίνει ο Ελληνας
επιστήμονας, «δηλαδή, για το εξηγήσουμε μεταφορικά, είναι σαν να
προσδιορίζει κανείς τη μορφή ενός κτιρίου παρατηρώντας το από τόσες
οπτικές γωνίες όσες είναι απαραίτητες για να συμπεράνει το ακριβές σχήμα
του».
Επίσης, κάθε αντιπαραβολή γίνεται με νέα μαθηματικά εργαλεία τα
οποία επιταχύνουν ακόμη περισσότερο τη διαδικασία. Εργαλεία τα οποία
μπορούν επίσης να χρησιμοποιηθούν σε αντίστοιχες εφαρμογές για πολύ
λιγότερο… εξωτικά υπολογιστικά συστήματα, όπως τα PC που αναλύουν τα
δεδομένα ενός αξονικού τομογράφου ή τις πωλήσεις μιας μέσης επιχείρησης.
Με συνέπεια ο συγκεκριμένος αλγόριθμος να προσφέρει τα ίδια οφέλη και
σε πολύ μικρότερες κλίμακες, ακόμη και για προγράμματα που θα «τρέχουν»
σε ένα λάπτοπ.
Oσον αφορά, πάντως, τις αναλύσεις που γίνονται σε
υπερυπολογιστές, η ανάπτυξη τέτοιων πιο αποτελεσματικών τεχνικών
ανάλυσης είναι και σε αυτήν την περίπτωση περίπου μονόδρομος. Βέβαια, οι
δυνατότητες αυτών των πανίσχυρων μηχανημάτων αυξάνονται με την πάροδο
του χρόνου: για παράδειγμα, η ίδια η ΙΒΜ έχει ήδη στα σκαριά τον Blue
Gene/Q, που θα είναι 20 φορές ταχύτερος από τον προκάτοχό του. Ωστόσο, η
συλλογή πληροφοριών μεγαλώνει με ακόμη μεγαλύτερη ταχύτητα.
«Με τη
διάδοση των αισθητήρων, των δεκτών GPS και άλλων μετρητικών συσκευών,
ουσιαστικά κάθε ημέρα δημιουργούνται τόσα καινούργια δεδομένα που, αν
τυπώνονταν, θα γέμιζαν μία βιβλιοθήκη σαν κι αυτήν του αμερικανικού
Κογκρέσου», λέει χαρακτηριστικά ο κ. Μπέκας.
(από την εφημερίδα "ΚΑΘΗΜΕΡΙΝΗ", 03/07/2010)