每個有自尊的開發人員都應該了解的 11 項技術

從機器學習到數位孿生，隨著技術趨勢的上升（和下降），各種可能性不斷湧現新的和不斷發展的技術正在迅速改變我們的工作方式，為那些不介意重新聚焦和學習新東西的開發人員提供了創造性的機會。在本文中，我們探討了 11 個新技術趨勢，專家表示這些趨勢可能會顛覆現有的 IT 實踐並為面向未來的開發人員創造需求。 我們談論的不僅僅是下一個重大突破（又名“下一件大事”）。開發者未來機會的來源在於多種先進技術的整合——人工智慧（AI）、虛擬實境（VR）、擴增實境（AR）、物聯網（IoT）和雲端技術...當然，還有這次合併引起的安全問題。如果您想擴展您的個人工具箱，我們建議您仔細研究這些流行技術，以及我們關於如何利用這些技術取得成功的提示。

物聯網安全

2016 年數千萬連網裝置遭到駭客攻擊後，即使是外部觀察家也注意到，未受保護的 IoT 裝置（IoT = 物聯網）會導致可怕的安全問題。在最近的一份報告中，分析公司 Gartner 發布了針對開發人員和專家團隊的建議。它建議這些專家應該從設計過程的一開始就相互合作。在這種情況下，您可以在威脅出現時消除它們。例如，透過下載物聯網設備的安全性更新。對物聯網安全專家的需求很高，尤其是那些了解網路連接設備所使用的硬體和軟體漏洞的專家。「物聯網攻擊媒介幾乎與任何分散式網路（例如電腦或手機）的攻擊媒介相同。新創公司 Particle 的產品副總裁 Richard Whitney 表示，因此安全知識在這一領域將發揮重要作用。“學習密碼學和身份驗證的基礎知識，你將會取得偉大的成就。” DocuSign 創辦人兼七峰創投公司 (Seven Peaks Ventures) 合夥人 Tom Gonser 表示，公司現在需要微處理器的低階程式設計技能。「他們還需要藍牙技術、[Windows Identity Foundation] 和擴頻技術的經驗。了解 Linux 作業系統的最新安全選項，特別是針對迷你核心優化的選項，例如 Qubes OS，也是值得讚賞的。” 七峰創投公司 (Seven Peaks Ventures) 的合夥人 Matt Abrams 建議專注於了解技術流程以及如何摧毀它們。在他看來，後量子密碼時代的到來比預期更快。“專家必須了解差異隱私和對抗網路是什麼。”

人工智慧

隨著新一波無人駕駛汽車、機器人和智慧電子產品的出現，對精通人工智慧的工程師的需求正在突飛猛進。埃森哲高級執行董事兼人工智慧團隊負責人尼古拉·莫里尼-比安齊諾(Nicola Morini-Bianzino) 表示：「我們現在正處於一個拐點，這主要是由普適計算、負擔得起的雲端服務和幾乎無限的資訊儲存的進步所推動的。” “人工智慧現在幾乎已經融入一切事物中。” Morini-Bianchino 預測對具有[自動化 - 大約」領域經驗的軟體開發人員、技術人員和研究人員的需求。從一種語言到另一種語言的翻譯、語音辨識、電腦視覺、機器人技術、自然語言文字處理、知識表示和邏輯推理。人工智慧的食物是數據，因此對數據和內容管理專家、數據科學家和分析師的需求也非常高。Treasure Data 行銷副總裁 Kiyoto Tamura 預測，人工智慧很快就會從小眾、平凡的應用轉向更廣泛、更令人興奮的應用。以前，人工智慧的任務看起來像這樣：“找到包裹的最佳遞送路線......或最適合搜尋查詢的站點。” 現在他們的措辭更接近以下內容：「發揮良好的圍棋水平」、「安全駕駛」等。Tamura Kiyoto 表示：「這很棒，但人們仍然必須告訴電腦該做什麼，而你對此無能為力。」MindMeld 執行長 Tim 表示，對數據科學家、機器學習科學家和計算語言學家的需求不斷增長。 Tuttle 引用 VentureScanner 的一項研究，列出了 2016 年3 月至10 月期間成立的910 家人工智慧公司，其中一半以上涉及深度學習/機器學習和資料科學、自然語言。Tirttle 表示：「該領域是投資最多的領域，約45 億美元。」儘管最近人們對互動式應用程式的興趣激增，但該領域的供需之間存在不對稱。因此，主題專家仍將是一個重要的領域。寶貴的資源，直到學術界和工業界糾正平衡。

機器學習

機器學習是人工智慧的一種，可以處理大量資料以快速找到模式（例如臉部辨識）並執行推薦影片等任務，而無需明確程式設計。Rocket Software 商業智慧研究資深總監 Patrick Spedding 認為，認知技術與機器人和機器學習相結合，可以提高組織搜尋「噪音中有用訊號」的效率。史帕丁評論道：「畢竟，機器學習是基於高級分析的能力，以前稱為資料探勘，只需要一個合適的平台就能變得更受歡迎。」問題出現了：如何獲得七峰創投公司的艾布拉姆斯，推薦了Andrew Ng 在 Coursera 上開設的關於機器學習的線上課程 “然而，我經常看到公司僱用沒有電腦科學背景的候選人，並將他們培養成機器學習專家。”

數據科學

數據科學是另一個需要各種跨學科技能的熱門領域，每個行業都有自己的技能。可能需要機器學習和人工智慧方面的經驗才能將大量資料轉換為對業務決策有用的資料。「經驗豐富的資料科學家是稀缺品，」斯帕丁說。「在我看來，可以創建有助於決策的技術的領域，例如認知機器人和引導分析，是利潤極其豐厚的機會領域。」對於那些想在這些領域工作的人來說，全面了解機率彭博社機器學習小組負責人加里·卡贊采夫(Gary Kazantsev) 表示，理論和數理統計是一項關鍵要求。「工程技能，例如編寫創建系統所需程式碼的能力，是一個優勢。」然而，隨著人工智慧的出現，有了機器學習庫TensorFlow 或Jupyter Notebook 等工具的幫助，這項任務就大大簡化了。要實踐資料科學，良好的研究技能是有用的，即提出假設、測試假設、研究現代文獻和不斷監控新聞的能力。你的地區。” Vectra 首席安全長 Gunter Ollmann 表示，目前許多公司將資料科學家與設計師、研發團隊和開發人員分開處理。隨著深度學習和機器學習工具的改進以及培訓課程在向高級工程師傳授數據科學新知識方面變得更加有效，數據科學和軟體工程之間的區別將逐漸消失。未來，兩種樂器的技能和熟練程度的融合將是必須的。”

交易區塊鏈

這種為交易創建分散式財務會計工具的方法的好處包括透明度和安全性，儘管缺乏標準化已經減緩了它在各行各業的採用。Infosys 助理副總裁兼首席技術架構師Peter Loop 對這項技術持樂觀態度：「儘管人們錯誤地認為我們距離區塊鏈技術還有好幾年的時間，但我們已經進入了下一個階段」今年我們將看到金融服務領域的全面部署” 、保險和醫療保健。這將徹底擾亂我們的國際支付系統。” IRIS.TV 聯合創始人兼首席稅務官 Robert Bardunias 表示，其他新興技術的學習曲線更為陡峭，他欽佩該技術的創業重點。Bardounias 評論道：“這些技術從一開始就以運營業務應用程式為重點，不斷發展，因此開發人員不必想像用例，它們會實時出現和發展。跟上新的發展和變化將是一項挑戰。” .對任何想成為該領域專業人士的人的挑戰。我記得我曾經如何發展一些小的專業技能，例如閱讀網站和貿易雜誌。這是我最不想做的事情，但今天它是必修的一部分培訓希望在全球市場上獲得並保持競爭優勢的開發人員。”

網狀應用與服務架構 (MASA)

當我們在房子裡走動時，對能夠保持不間斷連接、切換和工作的應用程式的需求也在不斷增長。Thycotic 的 Joseph Carson 表示：「網格的要點是高可用性：所有元素都相互連接。如果路由不可用，則會找到另一個設備來建立連接。例如，這會被使用，用於Tile 的追蹤設備，以及作為分散式財務會計手段的比特幣等加密貨幣。” 其他專家指出了缺乏足夠的設備相容性的潛在瓶頸。「所有供應商都在以自己的方式試圖透過保持其生態系統（如果存在）封閉來建立消費者信任，」Apcera（前身為 Cloud Foundry）執行長 Derek Collison 表示。科里森說：「我認為人工智慧將在雲端接受來自所有用戶的大量資料的訓練。這些演算法將不斷更新其執行模型，這些模型將無線傳輸到端點並用於更新「我們的韌體」。電話、汽車和家用設備。數據處理將在本地設備的硬體上進行，培訓將使用雲端中的軟體進行。”

數位孿生

連接到實體和虛擬感測器，軟體模型可用於預測產品和服務故障，使公司能夠在故障發生之前規劃和分配資源以執行維修。機器學習的進步和人工智慧技術的引入正在降低這種被稱為「數位孿生」的預測建模的成本，這使得在噴氣發動機或動力的整個生命週期內顯著提高效率並降低運營成本成為可能植物。Auth0 技術長兼聯合創辦人 Matias Woloski 表示，企業也可以在概念和設計階段使用數位孿生，對新軟體產品進行逐步更改的模擬，直到獲得滿意的結果。創建產品時將考慮從數位孿生獲得的資訊。「一些組織已經在使用數位孿生。這項技術主要是在那些前期成本過高、因此失敗的代價過高的項目中需要的，」Voloshsky 分享道。SpaceTime Insight 技術長 Paul Hofmann 表示，數位孿生使用機器學習使其比基於狀態的維護模型更有效地預測故障。“借助物聯網和機器學習系統，公司可以確信他們的資源不會隨機失效，如果發生這種情況，公司可以實時做出最佳的長期決策。”

無人駕駛汽車、機器人和家用電器

由於採用人工智慧和機器學習，家用電器、工業設備、汽車和無人機變得更加智慧。研究公司 Gartner 估計，到 2020 年，每年將有 6,100 萬輛連網汽車從汽車製造商的生產線上下線。「這裡的整個經濟都在成長，」Pegasystems 產品策略和行銷總監文斯·傑夫斯 (Vince Jeffs) 說。— 例如，有一些處理人工智慧的新創公司和已經成立的公司，它們在自動駕駛汽車領域已經相當牢固。例如，MobileEye 是一家擁有 5 億美元風險投資的公司，專門生產遍布汽車的小型攝影機。同樣，也有一些公司銷售實體機器人，例如軟銀機器人公司(SoftBank Robotics)，專門生產飯店禮賓機器人。他們擁有 2.5 億美元的風險投資。」韋恩湯普森表示，深度學習的進步帶來了電腦視覺、自然語言處理和語音的進步，以及機器和軟體「爭取回報」和最大限度提高生產力的能力， SAS首席資料科學家：「結果是新一代機器能夠看到世界、聆聽和閱讀自然語言、與人交流並以一種完全前所未有的方式在機械和行為上進行自我調節。」自動化是一場噩夢，讓人們失業，其他人則認為這些技術正在帶來更光明、更人性化的未來。「我經常被問到自動化的後果，」ServiceNow 全球傳播總監 Michael Hubbard 說。——智慧自動化不是威脅，而是巨大的機會。它可以讓我們從日常活動中解放出來，打開創造力之門，讓我們建立更牢固、更富有成效的工作關係。”

虛擬和擴增實境

經過數十年的侵入性廣告，虛擬和擴增實境終於達到了一個轉捩點。對於想要開發基於這些技術的產品的人來說，新的視野正在打開：擴大遊戲過程中的感覺。Mphasis Digital 副總裁兼技術總監 Anup Nair 表示：「這些技術還不是很常見，但近年來已經變得更加成熟。我相信，在生物醫學和醫療保健行業，AR/VR 將帶來巨大的好處，無論是為了培訓目的還是為了共享複雜外科手術的資訊。我們看到了AR 活動的計劃，旨在在大型銀行的社交媒體控制中心以及他們將提供服務的交易大廳中進行深入分析股票經紀人有無限的數據分析與協作空間。」聖荷西科格斯韋爾學院VR/AR 研究生課程副教授Christian Sasso 將擴增實境視為今年最大的技術趨勢。「很快就會成為現實。當客戶需要維修公司生產的設備時為他們提供服務，」Sesso 說。「例如，在我正在進行的一個專案中，擴增實境眼鏡用於在電視或顯示器損壞時與客戶服務顧問進行溝通。當透過擴增實境介面直接與客戶交談時，公司代表可以透過目視檢查破損的螢幕來獲取所有必要的信息，而無需透過電話描述問題或搜尋序號。」「AR和VR技術Infosys 增強和虛擬現實負責人Vishwa Ranjan 表示：「只有更實惠、高品質的硬體才能普及。」「早在2017 年，我們就會看到智慧型手機公司開始開發增強和虛擬實境功能，例如基於臉部辨識、位置偵測、感測器和360 度攝影機的技術，這將在促進AR 和VR 設備向早期買家的銷售方面發揮重要作用。”

人形助手

這就是人工智慧的下一階段！我們將廢除目前用於與數位世界互動的笨重工具。根據專家介紹，我們很快就會使用輔助工具，而不僅僅是在線訂購商品和服務或搜尋網路。它們將成為我們大腦的延伸。我們將不再需要記住那麼多的信息：在技術工具的幫助下，我們將釋放資源用於分析和批判性思維。“如果我們對此類輔助技術的發展感興趣，我們應該注意什麼？”現在最大的需求是深入的知識，」Vectra 安全主管Günther Ohlmann 說。“例如，資訊安全領域的專業知識（Web 應用程式安全、網路取證、惡意軟體反彙編）。” Adobe Document Cloud 資料科學家兼技術長 David Parmenter 表示，實現這一目標的關鍵甚至比電腦科學學位更重要的是對數學和邏輯的熱情。「創造力、不斷學習的願望、以客戶為中心的思維、面對失敗的韌性——機器學習的結果絕不是成品——以及溝通技巧是該領域工程師最重要的軟技能。 ”

而獲勝者……就是這一切的結合！

雖然人工智慧可能是今年最常被引用的顛覆性技術，但最重要的趨勢是快速發展的新興技術的融合。Canonical 的Maarten Ectors 列出了十多種不同的技術，這些技術結合起來，產生的效果超過其各個部分的總和：「雲、行動、物聯網、人工智慧、區塊鏈、擴增實境、語音介面、軟體控制無線電通訊、'第四工業革命[工業自動化和數據通訊]、機器人技術、邊緣運算和無人駕駛汽車。” Rocket Software 的 Patrick Spadding 表示，不同的技術正在融合在一起，很大程度上是因為公司需要擺脫自己的數據，例如在分析網站流量時。“當加上物聯網等新數據源的增長時，”他說，“僅僅跟上可用於做出業務決策的信息量並不容易。” 斯帕丁認為，隨著認知技術、機器人和機器語言變得更容易理解，融合它們的前景將會增加。他表示，新一代數位原住民將加速這些組合技術的採用，因為他們期望易用性、類似遊戲的介面以及無所不在的擴增實境和虛擬實境。