it gb
it gb

M. Aldinucci - Composizionalità, isolamento e asincronia nel calcolo concorrente, questo è il trilemma

E un certo punto il macchinario inizio davvero ad imparare.

La capacità del macchinario ingoiare e digerire di tutto a una velocità pazzesca aveva fatto la differenza. Era già successo per la trasformazione dei dati in conoscenza (Big Data) e si iniziava a pensare in modo collettivo tutte le cose dell'internet delle cose (Fog/Edge computing).

Le applicazioni spuntavano come i funghi, dall'algoritmo "Malaussène" per decidere se erogare un mutuo, alle più audaci come le automobili che si guidano da sole

scambiandosi messaggi fra di loro (anche se su questo l'intelligenza artificiale pareva indistinguibile alla ottusità naturale). I "concorrenti" aspettavano da 40 anni questo momento: tutti avrebbero potuto disporre di grande potenza di calcolo, scalabile, facile da controllare e ubiqua. Fra i concorrenti,gli "HPC" i sostenitori della scalabilità ad ogni costo, anche la conoscenza completa del comportamento individuale di milioni di processi asincroni. I "paralleli" dogmatici dell'astrazione e della composizionalità come metodo per semplificare lo sviluppo di applicazioni efficienti (insensibili alla vera concorrenza). E i "distribuiti"

incompresi sia dagli HPC che dai paralleli, teorici della vera concorrenza e concentrati sull'isolamento come fonte di affidabilità e di sicurezza.

In questo intervento, partendo dall'ipotesi che ogni fantastico nuovo macchinario dovrà essere programmato come un sistema concorrente, introdurremo un semplice modello di programmazione data-flow, utile per analizzare le peculiarità dei sistemi paralleli

e distribuiti per l'analisi di Big Data e il training delle reti neurali.

Rifletteremo sui meccanismi di sincronizzazione e sulla loro potenza espressiva e la loro efficienza e la loro capacità di supportare astrazioni di programmazione parallela. Cercheremo di verificare che composizionalità isolamento e asincronia sono tre aspetti desiderabili ma difficili da ottenere in modo congiunto.