近日,在数字化转型日益成为企业竞争力的关键时刻,研究机构Gartner发布了2024年十大战略技术趋势,分别为:人工智能信任、风险和安全管理 (AI TRiSM)、持续威胁暴露管理(CTEM)、可持续技术、平台工程、人工智能增强开发、行业云平台、智能应用、全民化的生成式人工智能、增强型互联员工队伍、机器客户。在这份备受行业关注的报告中,AI增强开发和测试技术凭借其在提升软件开发效率、保障产品质量等方面的显著优势脱颖而出,首次被列为战略技术趋势之一。这一趋势的上榜,不仅是对AI在开发和测试领域中日益增长价值的肯定,更是对信息行业管理者的明确提示:未来,AI和自动化将成为推动开发和测试革新的重要力量。
说起AI增强开发(AI-Augmented Development)是指使用生成式人工智能、机器学习等AI技术协助软件工程师进行应用设计、编码和测试。主要包括:AI代码生成、AI增强测试、从设计到代码的过程。“AI增强测试”即会有很多测试任务逐渐被AI开发替代,主要集中在3个方面:编写测试代码、生成测试数据、生成单元测试中的“测试桩”。
Gartner作为全球知名的信息技术研究和顾问公司,每年的技术趋势报告都备受业界瞩目。2024年的报告突出了AI增强开发和测试的重要性,并预测这一领域将在未来几年内迎来快速发展。然而,AI在提升开发和测试流程中的作用尤为突出,这一点在报告中得到了充分的强调。
AI辅助软件工程提高了开发人员的生产力,使开发团队能够满足业务运营对软件日益增长的需求。这些融入了AI的开发工具能够减少软件工程师编写代码的时间,使他们有更多的时间开展更具战略意义的活动,比如设计和组合具有吸引力的业务应用等。此外,AI还能够帮助测试团队应对日益复杂的测试环境和多变的需求。通过对大量测试数据的分析,AI可以确保测试的覆盖率和效果,特别是在面对大规模分布式系统和微服务架构时,AI的这一优势尤为突出。对于信息行业管理者来说,理解并充分利用AI增强开发和测试的价值,是推动企业技术革新和保持市场竞争力的重要策略。它不仅代表了一种技术趋势,更是一种全新的工作方式和思维模式。
我们可以预见,AI将在软件工程的各个方面发挥更加广泛和深刻的影响。对于信息行业管理者而言,及早布局和采用这些技术,将是赢得未来的关键。特别是对于高度重视AI在软件测试行业的应用者,Testin云测等服务商在AI测试领域的价值不容忽视。通过他们融入AI的测试平台和AI驱动的测试服务,企业可以更加灵活和高效地进行软件测试,确保产品的质量和稳定性,同时也为企业节约了大量的研发资源。
AI技术在增强开发和测试方面的应用,预示着软件工程的未来将是智能化、自动化和高效化的。信息行业管理者应当充分认识到这一趋势,并积极探索和实践AI增强技术,以保持企业的竞争力和创新能力。随着AI技术的不断进步,未来将有更多前所未有的可能性被解锁,而今天的战略布局将是迈向那个未来的第一步。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。