Dari pembelajaran mesin hingga kembaran digital, lautan kemungkinan dengan naik (dan turunnya) tren teknologi Teknologi baru dan berkembang dengan cepat mengubah cara kita bekerja, menawarkan peluang kreatif bagi para pengembang yang tidak keberatan memfokuskan kembali dan mempelajari sesuatu yang baru. Dalam artikel ini, kita melihat 11 tren teknologi baru yang menurut para ahli dapat mengganggu praktik TI yang ada dan menciptakan permintaan bagi pengembang yang berorientasi masa depan.
Kita tidak hanya berbicara tentang terobosan besar berikutnya (alias Hal Besar Berikutnya). Sumber peluang masa depan bagi pengembang terletak pada perpaduan beberapa teknologi canggih - kecerdasan buatan (AI), realitas virtual (VR), realitas tertambah (AR), Internet of Things (IoT). Internet of Things, IoT) dan teknologi cloud ... dan, tentu saja, masalah keamanan yang timbul dari merger ini. Jika Anda ingin memperluas perangkat pribadi Anda, kami sarankan untuk melihat lebih dekat teknologi populer ini, serta tips kami tentang cara sukses menggunakannya.
Keamanan Internet of Things
Setelah puluhan juta perangkat yang terhubung diretas pada tahun 2016, bahkan pengamat luar pun menyadari bahwa perangkat IoT yang tidak terlindungi (IoT = internet of things) menyebabkan masalah keamanan yang parah. Dalam laporan terbaru, firma analis Gartner menerbitkan rekomendasi untuk pengembang dan tim ahli. Hal ini menunjukkan bahwa para spesialis ini harus bekerja satu sama lain sejak awal proses desain. Dalam hal ini, Anda dapat menghilangkan ancaman yang muncul. Misalnya dengan mengunduh pembaruan keamanan ke perangkat IoT. Permintaan akan pakar keamanan Internet of Things sangat tinggi, terutama mereka yang memahami kerentanan perangkat keras dan perangkat lunak yang digunakan oleh perangkat yang terhubung ke jaringan. “Vektor serangan IoT hampir sama dengan vektor serangan pada jaringan terdistribusi apa pun, seperti komputer atau telepon seluler. Jadi pengetahuan keamanan akan relevan dan penting dalam bidang ini, kata Richard Whitney, wakil presiden produk di startup Particle. “Pelajari dasar-dasar kriptografi dan otentikasi dan Anda akan mencapai hal-hal hebat.” Tom Gonser, pendiri DocuSign dan mitra di Seven Peaks Ventures, mengatakan perusahaan sekarang memerlukan keterampilan pemrograman tingkat rendah untuk mikroprosesor. “Mereka juga memerlukan pengalaman dengan teknologi Bluetooth, [Windows Identity Foundation] dan teknologi spektrum tersebar. Pengetahuan tentang opsi keamanan terbaru dari sistem operasi Linux, terutama opsi yang dioptimalkan untuk minikernel, seperti Qubes OS, juga dihargai.” Matt Abrams, mitra di Seven Peaks Ventures, menyarankan untuk memfokuskan upaya pada pemahaman proses teknologi dan cara menghancurkannya. Menurutnya, era kriptografi pasca-kuantum mendekat lebih cepat dari yang diperkirakan. “Para spesialis harus memahami apa itu privasi diferensial dan jaringan permusuhan.”
Kecerdasan buatan
Permintaan akan insinyur yang paham AI meningkat pesat untuk mengantisipasi gelombang baru mobil tanpa pengemudi, robot, dan perangkat elektronik pintar. “Kita sekarang berada pada titik perubahan, sebagian besar didorong oleh kemajuan dalam komputasi di mana-mana, layanan cloud yang terjangkau, dan penyimpanan informasi yang hampir tak terbatas,” kata Nicola Morini-Bianzino, direktur eksekutif senior dan pemimpin kelompok kecerdasan buatan di Accenture. “Kecerdasan buatan kini tertanam dalam segala hal.” Morini-Bianchino memperkirakan permintaan akan pengembang perangkat lunak, ahli teknologi, dan peneliti dengan pengalaman di bidang [otomatisasi - kira-kira. terjemahan] terjemahan dari satu bahasa ke bahasa lain, pengenalan suara, visi komputer, robotika, pemrosesan teks dalam bahasa alami, representasi pengetahuan dan penalaran logis. Makanan bagi AI adalah data, sehingga kebutuhan akan spesialis manajemen data dan konten, ilmuwan data, dan analis juga sangat tinggi. Wakil presiden pemasaran Treasure Data Kiyoto Tamura memperkirakan bahwa kecerdasan buatan akan segera beralih dari aplikasi khusus dan biasa ke aplikasi yang lebih luas—dan menarik—. Sebelumnya, tugas untuk kecerdasan buatan terlihat seperti ini: “Temukan rute pengiriman optimal untuk sebuah paket... atau situs yang paling sesuai untuk permintaan pencarian.” Sekarang kata-kata mereka mendekati yang berikut: "mainkan Go pada level yang layak", "berkendara dengan aman", dll. “Ini bagus, namun manusia masih harus memberi tahu komputer apa yang harus dilakukan, dan Anda tidak dapat melakukan apa pun untuk mengatasinya,” kata Tamura Kiyoto. Permintaan akan ilmuwan data, ilmuwan pembelajaran mesin, dan ahli bahasa komputasi terus meningkat. kata CEO MindMeld, Tim Tuttle, mengutip studi VentureScanner yang mencantumkan 910 perusahaan kecerdasan buatan yang diluncurkan antara bulan Maret dan Oktober 2016, dengan lebih dari setengahnya bergerak dalam bidang pembelajaran mendalam/pembelajaran mesin dan ilmu data bahasa alami. area di mana banyak uang telah diinvestasikan, yaitu sekitar $4,5 miliar,” kata Tuttle. Meskipun minat terhadap aplikasi interaktif baru-baru ini meningkat, terdapat asimetri antara pasokan dan permintaan di area ini. Akibatnya, para ahli di bidangnya akan tetap menjadi pilihan utama. sumber daya yang berharga sampai akademisi dan industri memperbaiki keseimbangannya.
Pembelajaran mesin
Salah satu jenis kecerdasan buatan, pembelajaran mesin, dapat memproses data dalam jumlah besar untuk menemukan pola dengan cepat—seperti pengenalan wajah—dan melakukan tugas seperti merekomendasikan film untuk streaming, tanpa memerlukan pemrograman eksplisit. Patrick Spedding, direktur senior penelitian intelijen bisnis di Rocket Software, percaya bahwa teknologi kognitif, bersama dengan bot dan pembelajaran mesin, dapat meningkatkan efisiensi organisasi dalam mencari “sinyal berguna di tengah kebisingan.” “Pembelajaran mesin, bagaimanapun juga, didasarkan pada kemampuan analitik tingkat lanjut, yang sebelumnya dikenal sebagai penambangan data, yang hanya membutuhkan platform yang sesuai untuk menjadi lebih populer,” komentar Spadding. Timbul pertanyaan: bagaimana cara mendapatkan keuntungan dari rekomendasi Abrams dari Seven Peaks Ventures Kursus online Andrew Ng tentang pembelajaran mesin di Coursera. Mereka yang mengikuti kursus memiliki kinerja lebih baik dalam kompetisi Kaggle. hasil yang lebih baik dibandingkan beberapa praktisi dengan pengalaman bertahun-tahun. Tidak semua pengembang pembelajaran mesin memiliki gelar ilmu komputer. “Tentu saja, gelar ilmu komputer atau gelar teknik dasar biasanya membantu teknisi berhasil dalam pekerjaan mereka “, spesialis tersebut mampu melakukan eksperimen dalam jangka waktu yang lama dan meningkatkan model pembelajaran mesin,” kata Mehdi Samadi, CTO dan salah satu pendiri Solvvy. “Namun, saya sering melihat perusahaan merekrut kandidat tanpa latar belakang ilmu komputer dan mengubah mereka menjadi spesialis pembelajaran mesin.”
Ilmu Data
Ilmu data adalah bidang trendi lainnya yang memerlukan beragam keterampilan interdisipliner, dan setiap industri memiliki keahliannya sendiri. Pengalaman dengan pembelajaran mesin dan kecerdasan buatan mungkin diperlukan untuk mengubah data dalam jumlah besar menjadi data yang berguna untuk pengambilan keputusan bisnis. “Ilmuwan data yang berpengalaman adalah komoditas yang langka,” kata Spadding. “Bagi saya, area di mana Anda dapat menciptakan teknologi yang membantu dalam pengambilan keputusan, seperti bot kognitif dan analisis terpandu, merupakan area dengan peluang yang sangat menguntungkan.” Bagi mereka yang ingin bekerja di area ini, diperlukan pengetahuan menyeluruh tentang probabilitas. teori dan statistik matematika merupakan persyaratan utama, kata Gary Kazantsev, yang mengepalai kelompok pembelajaran mesin di Bloomberg. “Keterampilan teknik, seperti kemampuan menulis kode yang diperlukan untuk membuat sistem, merupakan nilai tambah.” Namun, dengan adanya kemajuan alat seperti perpustakaan pembelajaran mesin TensorFlow atau notebook Jupyter, tugas ini sangat disederhanakan. Untuk mempraktikkan ilmu data, keterampilan penelitian yang baik berguna, yaitu kemampuan merumuskan hipotesis, mengujinya, mempelajari literatur modern, dan terus memantau berita di daerahmu." Gunter Ollmann, kepala petugas keamanan di Vectra, mengatakan banyak perusahaan saat ini memperlakukan data scientist secara terpisah dari desainer, tim R&D, dan pengembang. Seiring dengan peningkatan alat pembelajaran mendalam dan pembelajaran mesin serta kursus pelatihan yang lebih efektif dalam mendidik insinyur senior tentang hal-hal baru dalam ilmu data, perbedaan antara ilmu data dan rekayasa perangkat lunak akan berangsur-angsur hilang. Di masa depan, perpaduan keahlian dan kemahiran dengan kedua instrumen tersebut akan menjadi suatu keharusan."
Rantai blok transaksi
Manfaat dari metode menciptakan alat akuntansi keuangan terdistribusi untuk transaksi ini mencakup transparansi dan keamanan, meskipun kurangnya standarisasi telah memperlambat penerapannya di berbagai industri. Peter Loop, asisten wakil presiden dan arsitek teknologi utama di Infosys, optimis terhadap teknologi ini: “Meskipun ada kesalahpahaman bahwa kita masih jauh dari teknologi blockchain, kita sudah berada di masa depan. "Tahun ini kita akan melihat penerapan penuh dalam layanan keuangan , asuransi dan layanan kesehatan. Ini akan sepenuhnya mengganggu sistem pembayaran kami secara internasional." Teknologi baru lainnya memiliki kurva pembelajaran yang lebih curam, kata Robert Bardunias, salah satu pendiri dan kepala petugas pajak IRIS.TV, yang mengagumi fokus kewirausahaan teknologi ini. “Teknologi ini berkembang sejak hari pertama dengan fokus pada aplikasi bisnis operasional, sehingga pengembang tidak perlu membayangkan kasus penggunaan—teknologi ini muncul dan berkembang secara real time,” komentar Bardounias. “Mengikuti perkembangan dan perubahan baru akan menjadi tantangan .tantangan bagi siapa pun yang ingin menjadi profesional di bidang ini. Saya ingat bagaimana saya pernah mengembangkan keterampilan profesional kecil seperti membaca situs web - dan majalah perdagangan. Ini adalah hal terakhir yang ingin saya lakukan, tetapi sekarang ini adalah bagian wajib dari pelatihan pengembang yang ingin mendapatkan dan mempertahankan keunggulan kompetitif di pasar global."
Arsitektur Aplikasi dan Layanan Mesh (MASA)
Ada juga permintaan yang terus meningkat akan aplikasi yang dapat menjaga koneksi tanpa gangguan, beralih, dan berfungsi saat kita bergerak di sekitar rumah. “Inti dari mesh adalah ketersediaan tinggi: semua elemen terhubung satu sama lain,” kata Joseph Carson dari Thycotic. “Jika rute tidak tersedia, perangkat lain akan ditemukan untuk membuat koneksi. Ini digunakan, misalnya , untuk perangkat pelacak Tile, serta untuk mata uang kripto seperti Bitcoin sebagai sarana akuntansi keuangan terdistribusi." Pakar lain menunjukkan potensi hambatan karena kurangnya kompatibilitas perangkat. “Semua vendor, dengan caranya masing-masing, mencoba membangun kepercayaan konsumen dengan menjaga ekosistem mereka, jika memang ada, tetap tertutup,” kata Derek Collison, CEO Apcera (sebelumnya Cloud Foundry). “Saya pikir kecerdasan buatan akan dilatih di cloud, pada data dalam jumlah besar dari semua pengguna,” kata Collison. “Algoritme ini akan terus memperbarui model eksekusinya, yang akan dikirimkan secara nirkabel ke titik akhir dan digunakan untuk memperbarui firmware "di kami telepon, mobil, dan perangkat rumah. Pemrosesan data akan dilakukan pada perangkat keras perangkat lokal, dan pelatihan akan dilakukan menggunakan perangkat lunak di cloud."
Si kembar digital
Terhubung ke sensor fisik dan virtual, model perangkat lunak dapat digunakan untuk memprediksi kegagalan produk dan layanan, memungkinkan perusahaan merencanakan dan mengalokasikan sumber daya untuk melakukan perbaikan sebelum kegagalan terjadi. Kemajuan dalam pembelajaran mesin dan pengenalan teknologi kecerdasan buatan mengurangi biaya pemodelan prediktif, yang disebut “digital twins,” yang memungkinkan peningkatan efisiensi dan pengurangan biaya pengoperasian secara signifikan selama masa pakai, misalnya, mesin atau tenaga jet. tanaman. Menurut Matias Woloski, CTO dan salah satu pendiri Auth0, bisnis juga akan dapat menggunakan digital twins pada tahap konseptual dan desain, melakukan simulasi produk perangkat lunak baru dengan perubahan langkah demi langkah hingga hasil yang memuaskan tercapai. Informasi yang diperoleh dari digital twins akan diperhitungkan saat membuat produk. "Beberapa organisasi sudah menggunakan digital twins. Teknologi ini terutama dibutuhkan dalam proyek-proyek yang biaya di mukanya terlalu tinggi, dan akibatnya, harga kegagalannya," kata Voloshsky. CTO SpaceTime Insight Paul Hofmann mengatakan digital twins menggunakan pembelajaran mesin untuk membuatnya lebih efektif dalam memprediksi kegagalan dibandingkan model pemeliharaan berbasis kondisi. “Dengan IoT dan sistem pembelajaran mesin, perusahaan dapat yakin bahwa sumber daya mereka tidak akan mengalami kegagalan secara tiba-tiba, dan jika hal tersebut terjadi, perusahaan dapat mengambil keputusan terbaik secara real-time untuk jangka panjang.”
Mobil tanpa pengemudi, robot, dan peralatan rumah tangga
Peralatan rumah tangga, peralatan industri, mobil, dan drone menjadi lebih pintar berkat kecerdasan buatan dan pembelajaran mesin. Perusahaan riset Gartner memperkirakan bahwa pada tahun 2020, 61 juta kendaraan yang terhubung akan keluar dari jalur produksi pembuat mobil setiap tahunnya. “Seluruh perekonomian tumbuh di sini,” kata Vince Jeffs, direktur strategi produk dan pemasaran di Pegasystems. — Misalnya, ada perusahaan rintisan dan perusahaan yang sudah mapan yang bergerak di bidang kecerdasan buatan, yang sudah cukup mapan di bidang kendaraan otonom. Misalnya, MobileEye adalah perusahaan dengan modal ventura $500 juta yang mengkhususkan diri pada kamera kecil yang ditempatkan di seluruh mobil. Demikian pula, ada perusahaan yang menjual robot fisik—SoftBank Robotics, misalnya, mengkhususkan diri pada robot pramutamu hotel. Mereka memiliki modal ventura sebesar $250 juta." Kemajuan dalam pembelajaran mendalam telah menghasilkan peningkatan dalam visi komputer, pemrosesan bahasa alami dan ucapan, serta kemampuan mesin dan perangkat lunak untuk "berjuang untuk mendapatkan imbalan" dan memaksimalkan produktivitas, kata Wayne Thompson, kepala ilmuwan data SAS: "Hasilnya adalah mesin generasi baru yang mampu melihat dunia, mendengar dan membaca bahasa alami, berkomunikasi dengan manusia, dan mengatur diri sendiri baik secara mekanis maupun perilaku dengan cara yang belum pernah terjadi sebelumnya." Meskipun banyak orang melihatnya otomatisasi sebagai mimpi buruk, membuat orang kehilangan pekerjaan, yang lain berpendapat bahwa teknologi ini mengarah ke masa depan yang lebih cerah dan lebih manusiawi. “Saya sering ditanya tentang konsekuensi otomatisasi,” kata Michael Hubbard, direktur komunikasi global di ServiceNow. — Otomatisasi cerdas bukanlah ancaman, namun peluang yang sangat besar. Hal ini dapat membebaskan kita dari aktivitas rutin, membuka pintu kreativitas dan memungkinkan kita menciptakan hubungan kerja yang lebih kuat dan produktif.”
Realitas virtual dan augmented
Setelah berpuluh-puluh tahun iklan yang mengganggu, virtual dan augmented reality akhirnya mencapai titik balik. Dan bagi mereka yang ingin mengembangkan produk berdasarkan teknologi tersebut, cakrawala baru terbuka: memperluas sensasi selama bermain. “Teknologi-teknologi ini belum terlalu umum, namun sudah menjadi jauh lebih matang dalam beberapa tahun terakhir,” kata Anup Nair, wakil presiden dan direktur teknis Mphasis Digital. “Saya percaya bahwa dalam industri biomedis dan perawatan kesehatan, AR /VR akan membawa manfaat yang sangat besar, baik untuk tujuan pelatihan maupun untuk berbagi informasi tentang prosedur pembedahan yang kompleks. Kami melihat rencana kegiatan AR yang bertujuan untuk melakukan analisis mendalam di pusat kendali media sosial bank-bank besar, serta di bursa pertukaran tempat mereka akan memberikan bantuan. Terdapat ruang yang tidak ada habisnya bagi pialang saham untuk menganalisis data dan berkolaborasi." Christian Sasso, seorang profesor di program pascasarjana VR/AR di Cogswell College yang berbasis di San Jose, melihat augmented reality sebagai tren teknologi terbesar tahun ini. "AR akan menjadi tren teknologi terbesar tahun ini. kenyataan dalam waktu dekat, untuk melayani pelanggan ketika mereka perlu memperbaiki perangkat yang diproduksi perusahaan,” kata Sesso. “Misalnya, dalam proyek yang saya kerjakan, kacamata augmented reality digunakan untuk berkomunikasi dengan konsultan layanan pelanggan jika terjadi kerusakan pada TV atau monitor. Saat berbicara langsung dengan pelanggan melalui antarmuka augmented reality, perwakilan perusahaan dapat memperoleh semua informasi yang diperlukan dengan memeriksa secara visual layar yang rusak, tanpa harus menjelaskan masalahnya melalui telepon atau mencari nomor seri." "Teknologi AR dan VR tidak akan tersebar luas sampai perangkat keras yang lebih terjangkau dan berkualitas tinggi bagi mereka,” kata Vishwa Ranjan, kepala augmented reality dan virtual reality di Infosys. “Pada awal tahun 2017, kita akan melihat perusahaan ponsel pintar mulai mengembangkan kemampuan augmented reality dan virtual reality, seperti sebagai teknologi berbasis pengenalan wajah, deteksi lokasi, penggunaan sensor, dan kamera 360 derajat, yang akan berperan penting dalam mendorong penjualan perangkat AR dan VR kepada pembeli awal."
Pembantu humanoid
Ini adalah tahap selanjutnya dari kecerdasan buatan! Kami akan menghilangkan alat-alat kikuk yang saat ini kami gunakan untuk berinteraksi dengan dunia digital. Menurut para ahli, kita akan segera menggunakan alat bantu untuk lebih dari sekedar pemesanan barang dan jasa secara online atau mencari di Internet. Mereka akan menjadi perpanjangan dari otak kita sendiri. Kita tidak perlu lagi mengingat banyak informasi: dengan bantuan alat-alat teknologi, kita akan membebaskan sumber daya untuk berpikir analitis dan kritis." Apa yang harus kita perhatikan jika kita tertarik pada pengembangan teknologi pendukung tersebut? "The permintaan terbesar saat ini adalah pengetahuan yang mendalam,” “kata Günther Ohlmann, Kepala Keamanan di Vectra. “Misalnya, pengetahuan ahli di bidang keamanan informasi (keamanan aplikasi web, forensik jaringan, pembongkaran malware).” David Parmenter, data scientist dan chief technology officer di Adobe Document Cloud, mengatakan bahwa kunci untuk mencapai hal ini, lebih dari sekedar gelar ilmu komputer, adalah kecintaan pada matematika dan logika. “Kreativitas, keinginan untuk terus belajar, pemikiran yang berpusat pada pelanggan, ketahanan dalam menghadapi kegagalan—hasil pembelajaran mesin bukanlah produk jadi—dan keterampilan komunikasi adalah soft skill terpenting bagi para insinyur yang bekerja di bidang ini. ”
Dan pemenangnya... adalah kombinasi dari semua ini!
Meskipun kecerdasan buatan mungkin merupakan teknologi disruptif yang paling sering disebutkan pada tahun ini, tren yang paling penting adalah konvergensi teknologi-teknologi baru yang berkembang pesat. Maarten Ectors dari Canonical mencantumkan lebih dari selusin teknologi berbeda yang, jika digabungkan, menghasilkan lebih dari sekadar gabungan dari bagian-bagiannya: "cloud, seluler, IoT, kecerdasan buatan, blockchain, augmented reality, antarmuka suara, komunikasi radio yang dikendalikan perangkat lunak, 'keempat' revolusi industri' [otomatisasi dan komunikasi data dalam industri], robotika, komputasi tepi, dan mobil tanpa pengemudi." Patrick Spadding, dari Rocket Software, mengatakan teknologi-teknologi yang terpisah muncul bersamaan terutama karena kebutuhan perusahaan untuk memanfaatkan data mereka sendiri, seperti ketika menganalisis lalu lintas situs web. “Jika Anda menambahkan pertumbuhan sumber data baru seperti Internet of Things,” katanya, “tidaklah mudah untuk mengikuti volume informasi yang tersedia untuk membuat keputusan bisnis.” Spadding percaya bahwa prospek penggabungan teknologi kognitif, bot, dan bahasa mesin akan meningkat seiring dengan semakin mudahnya memahaminya. Generasi baru masyarakat digital akan mempercepat adopsi teknologi gabungan ini, katanya, karena mereka mengharapkan kemudahan penggunaan, antarmuka seperti game, dan keberadaan augmented reality dan virtual reality di mana-mana.
GO TO FULL VERSION