每个有自尊的开发人员都应该了解的 11 项技术

从机器学习到数字孪生，随着技术趋势的上升（和下降），各种可能性不断涌现新的和不断发展的技术正在迅速改变我们的工作方式，为那些不介意重新聚焦和学习新东西的开发人员提供了创造性的机会。在本文中，我们探讨了 11 个新技术趋势，专家称这些趋势可能会颠覆现有的 IT 实践并为面向未来的开发人员创造需求。 我们谈论的不仅仅是下一个重大突破（又名“下一件大事”）。开发者未来机会的来源在于多种先进技术的融合——人工智能（AI）、虚拟现实（VR）、增强现实（AR）、物联网（IoT）和云技术...当然，还有这次合并引起的安全问题。如果您想扩展您的个人工具箱，我们建议您仔细研究这些流行技术，以及我们关于如何利用这些技术取得成功的提示。

物联网安全

2016 年数千万联网设备遭到黑客攻击后，即使是外部观察家也注意到，未受保护的 IoT 设备（IoT = 物联网）会导致可怕的安全问题。在最近的一份报告中，分析公司 Gartner 发布了针对开发人员和专家团队的建议。它建议这些专家应该从设计过程的一开始就相互合作。在这种情况下，您可以在威胁出现时消除它们。例如，通过下载物联网设备的安全更新。对物联网安全专家的需求很高，尤其是那些了解网络连接设备所使用的硬件和软件漏洞的专家。“物联网攻击媒介几乎与任何分布式网络（例如计算机或手机）的攻击媒介相同。初创公司 Particle 的产品副总裁理查德·惠特尼 (Richard Whitney) 表示，因此安全知识在这一领域将发挥重要作用。“学习密码学和身份验证的基础知识，你将会取得伟大的成就。” DocuSign 创始人兼七峰风险投资公司 (Seven Peaks Ventures) 合伙人汤姆·冈瑟 (Tom Gonser) 表示，公司现在需要微处理器的低级编程技能。“他们还需要蓝牙技术、[Windows Identity Foundation] 和扩频技术方面的经验。了解 Linux 操作系统的最新安全选项，特别是针对迷你内核优化的选项，例如 Qubes OS，也是值得赞赏的。” 七峰风险投资公司 (Seven Peaks Ventures) 的合伙人马特·艾布拉姆斯 (Matt Abrams) 建议集中精力了解技术流程以及如何摧毁它们。在他看来，后量子密码时代的到来比预期更快。“专家必须了解差异隐私和对抗网络是什么。”

人工智能

随着新一波无人驾驶汽车、机器人和智能电子产品的出现，对精通人工智能的工程师的需求正在突飞猛进。埃森哲高级执行董事兼人工智能团队负责人尼古拉·莫里尼-比安齐诺 (Nicola Morini-Bianzino) 表示：“我们现在正处于一个拐点，这主要是由普适计算、负担得起的云服务和几乎无限的信息存储的进步推动的。” “人工智能现在几乎已经融入到一切事物中。” Morini-Bianchino 预测对具有[自动化 - 大约”领域经验的软件开发人员、技术人员和研究人员的需求。从一种语言到另一种语言的翻译、语音识别、计算机视觉、机器人技术、自然语言文本处理、知识表示和逻辑推理。人工智能的食物是数据，因此对数据和内容管理专家、数据科学家和分析师的需求也非常高。Treasure Data 营销副总裁 Kiyoto Tamura 预测，人工智能很快就会从小众、平凡的应用转向更广泛、更令人兴奋的应用。以前，人工智能的任务看起来像这样：“找到包裹的最佳递送路线......或最适合搜索查询的站点。” 现在他们的措辞更接近于以下内容：“发挥不错的围棋水平”、“安全驾驶”等。Tamura Kiyoto 表示：“这很棒，但人们仍然必须告诉计算机该做什么，而你对此无能为力。”MindMeld 首席执行官 Tim 表示，对数据科学家、机器学习科学家和计算语言学家的需求不断增长。 Tuttle 援引 VentureScanner 的一项研究，列出了 2016 年 3 月至 10 月期间成立的 910 家人工智能公司，其中一半以上涉及深度学习/机器学习和数据科学、自然语言。 Tuttle 表示：“该领域是投资最多的领域，约为 45 亿美元。”尽管最近人们对交互式应用程序的兴趣激增，但该领域的供需之间存在不对称。因此，主题专家仍将是一个重要的领域。宝贵的资源，直到学术界和工业界纠正平衡。

机器学习

机器学习是人工智能的一种，可以处理大量数据以快速找到模式（例如面部识别）并执行推荐电影等任务，而无需显式编程。Rocket Software 商业智能研究高级总监帕特里克·斯佩丁 (Patrick Spedding) 认为，认知技术与机器人和机器学习相结合，可以提高组织搜索“噪音中有用信号”的效率。斯帕丁评论道：“毕竟，机器学习是基于高级分析的能力，以前称为数据挖掘，只需要一个合适的平台就能变得更受欢迎。”问题出现了：如何获得七峰风险投资公司的艾布拉姆斯，推荐了Andrew Ng 在 Coursera 上开设的关于机器学习的在线课程 “然而，我经常看到公司雇用没有计算机科学背景的候选人，并将他们培养成机器学习专家。”

数据科学

数据科学是另一个需要各种跨学科技能的热门领域，每个行业都有自己的技能。可能需要机器学习和人工智能方面的经验才能将大量数据转换为对业务决策有用的数据。“经验丰富的数据科学家是稀缺品，”斯帕丁说。“在我看来，可以创建有助于决策的技术的领域，例如认知机器人和引导分析，是利润极其丰厚的机会领域。”对于那些想在这些领域工作的人来说，全面了解概率彭博社机器学习小组负责人加里·卡赞采夫 (Gary Kazantsev) 表示，理论和数理统计是一项关键要求。“工程技能，例如编写创建系统所需代码的能力，是一个优势。”然而，随着人工智能的出现，有了机器学习库 TensorFlow 或 Jupyter Notebook 等工具的帮助，这项任务就大大简化了。要实践数据科学，良好的研究技能是有用的，即提出假设、测试假设、研究现代文献和不断监控新闻的能力。你的地区。” Vectra 首席安全官 Gunter Ollmann 表示，目前许多公司将数据科学家与设计师、研发团队和开发人员分开对待。随着深度学习和机器学习工具的改进以及培训课程在向高级工程师传授数据科学新知识方面变得更加有效，数据科学和软件工程之间的区别将逐渐消失。未来，两种乐器的技能和熟练程度的融合将是必须的。”

交易区块链

这种为交易创建分布式财务会计工具的方法的好处包括透明度和安全性，尽管缺乏标准化已经减缓了它在各行各业的采用。Infosys 助理副总裁兼首席技术架构师 Peter Loop 对这项技术持乐观态度：“尽管人们错误地认为我们距离区块链技术还有好几年的时间，但我们已经进入了下一个阶段”“今年我们将看到金融服务领域的全面部署” 、保险和医疗保健。这将彻底扰乱我们的国际支付系统。” IRIS.TV 联合创始人兼首席税务官罗伯特·巴杜尼亚斯 (Robert Bardunias) 表示，其他新兴技术的学习曲线更为陡峭，他钦佩该技术的创业重点。Bardounias 评论道：“这些技术从一开始就以运营业务应用程序为重点，不断发展，因此开发人员不必想象用例，它们会实时出现和发展。跟上新的发展和变化将是一项挑战。” .对任何想成为该领域专业人士的人的挑战。我记得我曾经如何发展一些小的专业技能，例如阅读网站和贸易杂志。这是我最不想做的事情，但今天它是必修的一部分培训希望在全球市场上获得并保持竞争优势的开发人员。”

网状应用和服务架构 (MASA)

当我们在房子里走动时，对能够保持不间断连接、切换和工作的应用程序的需求也在不断增长。Thycotic 的 Joseph Carson 表示：“网格的要点是高可用性：所有元素都相互连接。如果路由不可用，则会找到另一个设备来建立连接。例如，这会被使用，用于 Tile 的跟踪设备，以及作为分布式财务会计手段的比特币等加密货币。” 其他专家指出了缺乏足够的设备兼容性的潜在瓶颈。“所有供应商都在以自己的方式试图通过保持其生态系统（如果存在）封闭来建立消费者信任，”Apcera（前身为 Cloud Foundry）首席执行官德里克·科里森 (Derek Collison) 表示。科里森说：“我认为人工智能将在云端接受来自所有用户的大量数据的训练。这些算法将不断更新其执行模型，这些模型将无线传输到端点并用于更新“我们的固件”。电话、汽车和家用设备。数据处理将在本地设备的硬件上进行，培训将使用云中的软件进行。”

数字孪生

连接到物理和虚拟传感器，软件模型可用于预测产品和服务故障，使公司能够在故障发生之前规划和分配资源以执行维修。机器学习的进步和人工智能技术的引入正在降低这种被称为“数字孪生”的预测建模的成本，这使得在喷气发动机或动力的整个生命周期内显着提高效率并降低运营成本成为可能植物。Auth0 首席技术官兼联合创始人 Matias Woloski 表示，企业也可以在概念和设计阶段使用数字孪生，对新软件产品进行逐步更改的模拟，直到获得满意的结果。创建产品时将考虑从数字孪生获得的信息。“一些组织已经在使用数字孪生。这项技术主要是在那些前期成本过高、因此失败的代价过高的项目中需要的，”Voloshsky 分享道。SpaceTime Insight 首席技术官 Paul Hofmann 表示，数字孪生使用机器学习使其能够比基于状态的维护模型更有效地预测故障。“借助物联网和机器学习系统，公司可以确信他们的资源不会随机失效，如果发生这种情况，公司可以实时做出最佳的长期决策。”

无人驾驶汽车、机器人和家用电器

得益于人工智能和机器学习，家用电器、工业设备、汽车和无人机变得更加智能。研究公司 Gartner 估计，到 2020 年，每年将有 6100 万辆联网汽车从汽车制造商的生产线上下线。“这里的整个经济都在增长，”Pegasystems 产品战略和营销总监文斯·杰夫斯 (Vince Jeffs) 说。— 例如，有一些处理人工智能的初创公司和已经成立的公司，它们在自动驾驶汽车领域已经相当牢固。例如，MobileEye 是一家拥有 5 亿美元风险投资的公司，专门生产遍布汽车的小型摄像头。同样，也有一些公司销售实体机器人，例如软银机器人公司(SoftBank Robotics)，专门生产酒店礼宾机器人。他们拥有 2.5 亿美元的风险投资。”韦恩·汤普森表示，深度学习的进步带来了计算机视觉、自然语言处理和语音的进步，以及机器和软件“争取回报”和最大限度提高生产力的能力， SAS首席数据科学家：“结果是新一代机器能够看到世界、聆听和阅读自然语言、与人交流并以一种完全前所未有的方式在机械和行为上进行自我调节。”自动化是一场噩梦，让人们失业，其他人则认为这些技术正在带来更光明、更人性化的未来。“我经常被问到自动化的后果，”ServiceNow 全球传播总监迈克尔·哈伯德 (Michael Hubbard) 说。——智能自动化不是威胁，而是巨大的机遇。它可以让我们从日常活动中解放出来，打开创造力之门，让我们能够建立更牢固、更富有成效的工作关系。”

虚拟和增强现实

经过数十年的侵入性广告，虚拟和增强现实终于达到了一个转折点。对于那些想要开发基于这些技术的产品的人来说，新的视野正在打开：扩大游戏过程中的感觉。Mphasis Digital 副总裁兼技术总监 Anup Nair 表示：“这些技术还不是很常见，但近年来已经变得更加成熟。我相信，在生物医学和医疗保健行业，AR/VR 将带来巨大的好处，无论是为了培训目的还是为了共享复杂外科手术的信息。我们看到了 AR 活动的计划，旨在在大型银行的社交媒体控制中心以及他们将提供服务的交易大厅中进行深入分析股票经纪人有无限的数据分析和协作空间。”圣何塞科格斯韦尔学院 VR/AR 研究生项目副教授 Christian Sasso 将增强现实视为今年最大的技术趋势。 “很快就会成为现实。当客户需要维修公司生产的设备时为他们提供服务，”Sesso 说。“例如，在我正在进行的一个项目中，增强现实眼镜用于在电视或显示器损坏时与客户服务顾问进行沟通。当通过增强现实界面直接与客户交谈时，公司代表可以通过目视检查破损的屏幕来获取所有必要的信息，而无需通过电话描述问题或搜索序列号。”“AR和VR技术Infosys 增强和虚拟现实负责人 Vishwa Ranjan 表示：“只有更实惠、高质量的硬件才能普及。”“早在 2017 年，我们就会看到智能手机公司开始开发增强和虚拟现实功能，例如基于面部识别、位置检测、传感器和 360 度摄像头的技术，这将在促进 AR 和 VR 设备向早期买家的销售方面发挥重要作用。”

人形助手

这就是人工智能的下一阶段！我们将废除目前用于与数字世界交互的笨重工具。据专家介绍，我们很快将使用辅助工具，而不仅仅是在线订购商品和服务或搜索互联网。它们将成为我们大脑的延伸。我们将不再需要记住那么多的信息：在技术工具的帮助下，我们将释放资源用于分析和批判性思维。“如果我们对此类辅助技术的发展感兴趣，我们应该注意什么？”现在最大的需求是深入的知识，”Vectra 安全主管 Günther Ohlmann 说道。“例如，信息安全领域的专业知识（Web 应用程序安全、网络取证、恶意软件反汇编）。” Adobe Document Cloud 数据科学家兼首席技术官 David Parmenter 表示，实现这一目标的关键甚至比计算机科学学位更重要的是对数学和逻辑的热情。“创造力、不断学习的愿望、以客户为中心的思维、面对失败的韧性——机器学习的结果绝不是成品——以及沟通技巧是该领域工程师最重要的软技能。 ”

而获胜者……就是这一切的结合！

虽然人工智能可能是今年最常被引用的颠覆性技术，但最重要的趋势是快速发展的新兴技术的融合。Canonical 的 Maarten Ectors 列出了十多种不同的技术，这些技术结合起来，产生的效果超过其各个部分的总和：“云、移动、物联网、人工智能、区块链、增强现实、语音接口、软件控制无线电通信、‘第四工业革命[工业自动化和数据通信]、机器人技术、边缘计算和无人驾驶汽车。” Rocket Software 的帕特里克·斯帕丁 (Patrick Spadding) 表示，不同的技术正在融合在一起，很大程度上是因为公司需要摆脱自己的数据，例如在分析网站流量时。“当加上物联网等新数据源的增长时，”他说，“仅仅跟上可用于做出业务决策的信息量并不容易。” 斯帕丁认为，随着认知技术、机器人和机器语言变得更容易理解，融合它们的前景将会增加。他表示，新一代数字原住民将加速这些组合技术的采用，因为他们期望易用性、类似游戏的界面以及无处不在的增强现实和虚拟现实。