开发人员目前应研究的11项技术

Paul+Heltzel

不断发展的新兴技术正在迅速重塑我们的工作方式——为愿意探索和采用新技能的开发人员带来了创造机会。让我们看看11个技术发展趋势，专家们认为这些趋势可能会颠覆当前的IT方法，并为着眼于未来的工程师创造需求。

这不仅仅是关于未来的大突破。开发人员的未来机遇源自人工智能、虚拟现实、增强现实、物联网和云技术等前沿技术的融合，当然，从这些融合中演变出的安全问题也会带来很多机遇。

如果您有兴趣扩展开发人员的技能，请了解这些趋势领域，以及帮助您怎样开始布局的一些提示。

物联网安全

去年有数千万台联网设备遭到攻击，如果您稍有留意，就会发现未受保护的物联网设备将带来噩梦般的安全问题。

研究公司Gartner最近的一份报告建议开发人员和安全部门在设计的早期阶段联合起来工作，以便在新威胁出现时就将其解决掉——例如，让物联网设备具备下载安全更新的能力。

现在迫切需要具有物联网安全技能的工程师，尤其是那些了解联网设备软硬件漏洞的工程师们。

物联网创业公司Particle产品副总裁Richard Whitney说：“物联网中的攻击媒介与任何其他分布式网络（例如计算机和手机）的基本相同，因此适用同样的安全知识，既相互关联也都非常重要。研究加密和认证的基础知识，您的工作就會比较顺利。”

DocuSign创始人同时也是Seven Peaks风险投资公司合伙人Tom Gonser说，公司需要微处理器低层编程技能。他们还希望通过蓝牙，[Windows身份认证基础]和扩展频谱组件获得射频体验。前沿的Linux安全选项也是非常有价值的，特别是针对Qubes OS这样的微型内核进行了优化的安全选项。

Seven Peaks风险投资公司与Gonser的合伙人Matt Abrams建议，“应重点了解工作流程以及怎样创新。Postquantum计算密码学的发展速度也比预期的快。他们还应该了解差异隐私和对抗网络。”

人工智能

当我们准备迎接下一波自主车辆、机器人和智能电子产品浪潮时，对精通人工智能的工程师的需求越来越迫切。

Accenture高级总经理和人工智能主管Nicola Morini-Bianzino说：“我们现在处于关键点，很大程度上是因为泛在计算、低成本云服务和近乎无限的存储空间的不断发展。人工智能将无处不在。”

Morini-Bianzino认为，“对具备语言翻译、语音识别、计算机视觉、机器人、自然语言处理、知识表达和推理专业知识的软件工程师、技术人员和研究科学家的需求会很大。人工智能...数据提取，因此内容和数据管理员、数据科学家和分析专家也非常重要。”

Treasure Data营销副总裁Kiyoto Tamura设想，人工智能从非常具体的、平淡的运营转向更广泛和更激动人心的应用。

“过去，它更像是，‘找到交付包裹的最佳路线，或者搜索查询最相关的网站。现在，我们开始看到，‘Go游戏玩的真好；安全驾驶汽车等等。所有这一切都很酷，但人类仍然需要把目标功能提供给计算机，至少现在就是这种事实。”

MindMeld首席执行官Tim Tuttle说，现在越来越需要数据科学家、机器学习研究人员和计算语言学家。他引用了VentureScanner的一项研究结果，列举了2016年3月至10月期间的910家人工智能公司，其中一半以上专注于深度学习/机器学习和自然语言处理。

Tuttle说：“从事这些方面研究的公司不仅数量众多，而且还获得了大量的投资，高达45亿美元。由于近来对会话应用的兴趣高涨，导致供需失衡。因此，领域专家仍然会非常抢手，直到学术界和业界在人才供需上重新达到平衡后，这种情况才会缓解。”

机器学习

机器学习作为人工智能的一种形式，可以获取大量的数据，快速发现面部识别等模式，并解决问题，例如推荐电影流，而且不需要进行明确的编程。

Rocket Software商业智能研发高级总监Patrick Spedding说：“当企业力求从‘噪声中提取出信号时，由机器人和机器学习提供帮助的认知技术将凸显其价值所在。毕竟，机器学习基于成熟的分析功能——以前被称为‘数据挖掘，其实是一直在等待一个合适的平台，以便更适合‘可消费。”

那些想扩展这一领域机器学习知识面的开发人员应该怎样开发这方面的技能呢？

Seven Peaks风险投资公司的Abrams建议了一个受到高度评价的在线课程：“Andrew Ng的Coursera机器学习的开创性课程是一个很好的例子。通过Coursera参加他的课程的学生在Kaggle比赛中的表现确实比一些长期从业者还要好。”

Solvvy首席技术官同时也是联合创始人Mehdi Samadi说，并不是所有从事机器学习工作的开发人员都有计算机科学背景——尽管这会有帮助；他看到也会聘用没有计算机科学学位的博士，经过培训可以成为机器学习工程师。

他说：“要在机器学习领域做出关键贡献需要运用实际数据进行大量实验，观察模型的结果，并改进模型。拥有计算机科学学位或者核心工程背景，通常会让工程师在工作中更加成功，不断进行实验，改进机器学习模型。”

数据科学

数据科学是另一热门领域，需要不同行业的多学科技能。其要求包括机器学习和人工智能的经验，获取大量数据，并对数据进行整理从而能够用于做出业务决策。

Spedding说：“一段时期以来，技术精湛的数据科学家供不应求。具体来说，我看到在一些领域中，技术可以用于‘协助决策，例如认知机器人和导航分析等，这些领域的机会将产生很高的价值。”

Bloomberg机器学习部门负责人Gary Kazantsev说，对于那些想在这一领域工作的人来说，精通概率和统计是最关键的。“永远都需要编写一些代码来开发系统，因此要具备一些工程技能，随着TensorFlow和Jupyter笔记本电脑等工具的出现，这也变得更加容易了。他们还需要良好的研究能力——即形成假设并进行测试的能力，阅读最新的文献，并跟上最新研究进展。”

Vectra首席安全官Gunter Ollmann说，他目前看到的是，企业并没有把数据科学家放到工程研究和开发团队中。他认为这种做法不会持续下去。

“随着深度学习和机器学习工具的改进，新手培训课程变得更有利于让高级工程师加速掌握数据科学，数据科学与工程之间的分工将消失。所有工程师都要擅长数学。现在，他们还需要掌握数据科学数学。今后在技能上必须融合而且能同时运用这两种技术。”

区块链（Blockchain）

区块链意味着，为交易创建分布式分类帐具有透明和安全方面的好处，尽管缺乏标准化可能会减缓其在整个行业的应用。

Infosys的副总裁兼首席技术架构师Peter Loop对这项技术比较乐观：“虽然对区块链有多年的误解，但明年我们会看到金融服务、保险和保健行业将全面部署区块链。这有可能在全球范围内彻底颠覆支付体系。”

IRIS.TV的联合创始人兼首席税务官Robert Bardunias对区块链以业务为重点的特性非常感兴趣，他指出，其他新兴技术的学习曲线更为陡峭。

Bardunias说：“这些技术一开始时就考虑到真实的业务应用，所以在开发方面不需要去想象怎样使用——它们正在发生，也在实时增长。那些希望在这些领域发展技能的人遇到的真正挑战是怎样跟上新的发展和变化。我记得很久以前，当我正在学习二级开发技能，阅读行业网站和杂志时，这是我最后想要做的一件事，而现在开发人员进行开发，并希望在全球市场上保持竞争优势时，这成为现在各种学习组合的一个重要组成部分。”

网格应用和服务架构（MASA，Mesh app and Service Architecture）

我们越来越希望无论在家里、上下班途中还是工作中都能够无縫连接应用程序。

Thycotic的Joseph Carson说：“网格网或者应用的目的在于其高可用性——所有连接在一起的一切都要有很高的可用性。如果路径不可用，将找到另一台设备建立连接。我们已经看到，这被用于Tile跟踪器设备等，已经创建了跟踪设备社区，并且比特币是分布式分类帐。”

但有些人则认为缺乏设备兼容性是潜在的瓶颈问题。

Aperna的首席执行官Derek Collison曾在Cloud Foundry工作过，他说：“每家供应商都用自己的方式来试图推动在这一系统中实现可信——它们都是‘秘密花园。”

这种技术承诺实现以前不可想象的连通性——如果缺少标准不会造成妨碍的话。

Collison说：“我更大的想法是，人工智能通常会在云中进行训练，接受来自所有用户的大量数据。这些算法将不断更新它们的执行模型，这些模型将通过空中传送到边缘，并更新我们的手机、汽车和家庭里边缘设备中的固件。处理将发生在硬件边缘；培训将在云软件中进行。”

数字双胞胎：准备好面对失败

与物理和虚拟传感器相关联的软件模型可以帮助预测产品或者服务故障，以便企业在发生故障之前规划和分配资源来进行维修。机器学习的进步以及物联网技术的应用正在帮助降低这类预测性“数字双胞胎”建模的成本，从而提高效率并降低整个生命周期的运营成本，例如喷气发动机或者发电厂。

Auth0的首席技术官和联合创始人Matias Woloski说，企业还可以在概念和设计阶段使用数字双胞胎，模拟测试新产品，然后进行更改，直到工程师得到了他们想要的产品。然后应用数字双胞胎的结果来开发产品。

Woloski说：“一些企业已经推出了数字双胞胎计划，尽管采用这项技术的主要项目会有较大的前期开发成本，而且失败的成本也非常高。”

SpaceTime Insight的首席技术官Paul Hofmann指出，数字双胞胎受益于机器学习，使其在预测故障时比基于条件的模型更有效。

“物联网和机器学习系统帮助企业使其资产不会随机地发生故障，如果的确出现了故障，那么企业可以实时做出最佳决策，获得最好的长期解决方案。”

自主驾驶汽车、机器人和家用电器

人工智能和机器学习让家居设备、工业设备、汽车和无人机等更加智能，新机遇层出不穷。研究公司Gartner估计，到2020年，汽车制造商的生产线将会有6100万台支持数据连接的汽车下线。

Pegasystems战略和产品营销总监Vince Jeffs说：“这些领域已经出现规模性经济。例如，在自主驾驶汽车领域已经有了人工智能创业公司甚至是更成熟的公司。MobileEye是一家拥有大约5亿美元风险投资支持的公司，专门从事车辆上小型摄像机的开发。同样，有实体机器人商店——例如，SoftBank Robotics专门开发酒店礼宾用的机器人。他们有大约2.5亿美元的风险投资支持。”

SAS的首席数据科学家Wayne Thompson说：“深度学习的进步也促进了计算机视觉、语言处理和语音的发展，机器和软件还能够去寻找奖励，进一步提高性能。因此，我们将看到能够看世界、听懂和读懂人类语言、与人沟通、从机械上和行为上控制好自己的新一代机器——以前所未有的方式。”

有些人认为自动化是窃取工作的噩梦，而另一些人则认为技术将让人类走向更光明、更人性化的未来。

ServiceNow全球副总裁Michael Hubbard说：“我经常被问及关于自动化影响的问题。智能自动化是巨大的机会，而不是威胁。通过与智能技术相结合，我们可以做更大的事情。它使我们摆脱了平凡、重复性的工作，我们更能发挥创造力，建立更强大、更有成效的工作关系。智能自动化让我们更加人性化，而不是更少。”

虚拟现实和增强现实

经过几十年的炒作，虚拟现实和增强现实似乎终于迎来了它们的好时候。对于那些希望为这些技术开发产品的人，除了创造个体游戏体验之外，还会有很多的机会。

Mphasis Digital副总裁兼首席技术官Anup Nair说：“虽然这些技术还并不普及，但在过去几年中，这些技术肯定已经成熟了。我们看到虚拟现实和增强现实在产品营销和沉浸式销售领域的应用越来越多。最好的应用案例来自分销服务（零售、消费品和酒店），对于很多这类领域，一切才刚刚开始。我认为，在生物医学和保健行业，增强现实和虚拟现实对于教育以及复杂外科手术的交流将是非常有利的。我们还看到增强现实方案开始应用于大型银行社交媒体指挥中心的深度分析，在交易平台上为交易者数据分析和协作提供近乎真实的场景支持。”

位于圣荷西Cogswell学院的增强现实和虚拟现实证书课程副教授Christian Sasso认为，增强现实是今年最重要的科技潮流。

Sasso说：“增强现实很快可以用于客户服务，以处理企业设备需要维修时的各种问题。例如，我曾经从事过的一个项目中，当电视或者显示器停止工作时，使用增强现实眼镜与客服顾问联系。通过增强现实界面直接与她交谈，客服代表通过查看破碎的屏幕就能够找到所需的信息，而不用通过电话来描述问题，或者寻找序列号。”

Infosys增强和虚拟现实负责人Vishwa Ranjan说，增强现实和虚拟现实的未来取决于分销，在出现更好、更便宜的硬件之前很難流行起来。

“2017年，我们将会看到智能手机公司开发基于增强现实和虚拟现实的功能，例如基于图像识别、基于位置和基于传感器的技术，以及360度全景相机，这些有助于把增强现实和虚拟现实送到早期采用者的手里。”

人性化的助手

人工智能的下一发展阶段将淘汰我们现在用于和数字世界互动的那些笨重工具。重要的是，办公领域在这方面的变化也越来越多。

研究公司ISG合伙人Steve Hall说：“未来的工作场所把智能应用集成到日常工作中，以提高整体生产效率。我们将看到，IT自动化程度的提高，会使生产效率提高40%到50%。随着企业工作大范围的迁移到公有云，以及自动化和智能应用的结合，IT企业正在经历重塑过程。”

在个人领域，Apcera的Collison认为，我们很快就会使用助手来做网上订单，或者在网上搜索，他说：“这将是延伸我们自己大脑的工具。我们可能不再需要保留大量的信息；使用这些工具作为辅助手段后，我们会有更多的时间进行分析，思考更重要的事情。”

如果您有兴趣开发这类辅助技术，该怎么办？

Vectra首席安全官Gunter Ollmann说：“总而言之，目前最需要的技能是深度学习。一个例子是精通一类信息安全（网络应用安全、网络取证、恶意软件反汇编）。书本上的知识越来越多地被封装在现成的工具中。最需要的是能够完善这些工具，更好地进行异常处理的领域专家。”

Adobe Document Cloud工程与数据总监David Parmenter指出，对数学和逻辑的热情是关键所在，热情甚至比计算机科学学位更重要。

创造力、不断学习的动力、以客户为中心的思维、面对失败的韧性——机器学习带来的实际上不仅仅是完整的产品，强大的沟通技巧对于这一领域的工程师来说是非常重要的软技能。

胜利者是...融合

虽然人工智能可能是今年最经常被引用的突破性技术，但2017年最重要的趋势可能是新出现的颠覆性技术的融合。

Canonical的Maarten Ectors提及了十多种不同的技术，当融合后，它们远远超过其总和：“云、移动通信、物联网、人工智能、区块链、增强现实、语音接口、软件定义无线电、工业4.0 [制造业的自动化和数据交换技术]、机器人、边缘计算和自主驾驶。”

Rocket Software的Spedding说，孤立的技术正在融合，部分原因是企业需要自己挖掘自己的数据，例如分析网站流量等。

他说：“此外，新数据源越来越多，如物联网，处理用于支持业务决策的大量信息会面临很大的挑战。”

Spedding认为，认知技术、机器人和机器语言的融合将有助于这一切的实现。他说，新一代数字原生代将加速这些融合技术的应用，因为他们想要使用方便、游戏式的界面，每天都沉浸在增强现实和虚拟现实中。