毫无疑问,人工智能 (AI) 正在对软件开发产生重大影响,这与 IT 行业对所有 AI 相关事物的热炒相呼应。软件团队特别关注的一个领域是使用大语言模型 (LLM) 来生成代码。这被视为程序员生产力提升的下一个进化阶段。
Atom Bank 工程主管 Simon Dawson 在 10 月的讲话中表示,AI 还可用于技能提升和培训,并帮助管理者识别有潜力的新手软件开发人员。
他说:"我们需要大量高级软件工程人员,但我们正尝试在初级层面培养更多人才,帮助他们更快成长为高级开发人员。"
AI 可以像源代码的自动补全一样工作。但它提供的远不止于此,比如能够基于自然语言输入生成代码。多年没有编程的人也能快速生产出有用的应用程序,避免了从头开发新软件功能所需的陡峭学习曲线。它还有助于代码文档编写,可用于简化不同 IT 系统间的集成。
AI 还为非程序员提供了一种直接成为公民开发者的途径,无需学习编码。相反,低代码/无代码环境利用 AI 的能力将自然语言查询转换为代码。这可能不会产生完全可用的应用程序,但这类工具可以帮助人们入门,更重要的是,为过度繁忙的软件开发团队节省时间。
今年 Computer Weekly 还关注了另外两个重要领域。第一个是 Java,它将在 2025 年迎来 30 周年。
Java 的"一次编写,随处运行"理念及其运行时编译意味着 Java 应用程序可以在执行点针对所使用的硬件进行优化。这意味着 Java 应用程序比那些必须先编译成可执行代码才能运行的编程语言更容易利用新的处理器优化。Computer Weekly 采访的一些专家认为,由 Java 即时编译器在运行时优化的代码比人工编写相同功能的代码更高效。
然而,Java 面临的一个问题是 Java 及创建和运行应用程序所需的 Java 开发工具包 (JDK) 的许可变更。
软件开发领域的另一个重大新闻涉及 Linux 和开源社区。10 月份决定将俄罗斯软件开发人员从 Linux 内核维护者名单中移除,说明了地缘政治对开源社区的影响。任何阻止某些国家的人参与开源项目的美国制裁不仅可能破坏全球合作,还可能为更广泛的审查打开大门,涉及对所有企业中工作的软件工程师进行可能的背景调查。
以下是 Computer Weekly 2024 年十大软件开发者故事。
1. 为什么开发者必须更智能地工作,而不仅仅是更快地工作
面对生成式 AI 带来的诸多机遇和法律先例,开发团队如何制定强有力的风险缓解策略?
2. 采访:纳秒级预算
在高性能金融交易所 LMAX Group,应用程序仅允许 8 纳秒的延迟 - 它是如何实现这一点的?我们向该公司首席技术官 (CTO) Andrew Phillips 请教。
3. 公民开发者的崛起:生成式 AI 和代码民主化
Computer Weekly 向人工智能和数据专家询问了他们对大语言模型驱动的所谓"公民开发者"崛起的看法。
4. 企业中的 AI:如何构建人工智能数据集
企业 AI 战略的成功执行取决于其背后数据的质量,那么公司如何确保在这一过程的早期阶段走上正确的道路?
5. 开源软件为企业应用带来优势
开源软件可能为构建企业应用提供了一种经济有效的方法,同时确保透明度,但也存在需要注意的挑战。
6. Forrester:评估混合云管理的建议
云原生适用于新工作负载,但传统 IT 需要不同的方法,这就是为什么 IT 领导依赖混合云部署。
7. LLM 解析:开发者入门指南
帮助企业开发人员在应用程序中安全、高效和经济地使用大语言模型的指南。
8. 让软件开发更环保
我们探讨 IT 领导者可以采取哪些措施来帮助减少与软件开发相关的环境影响。
9. 迁移到 OpenJDK 的建议
随着 Oracle Java SE 变得越来越昂贵,对 OpenJDK 及其商业支持的兴趣日益浓厚。
10. 云原生世界中的 SD-WAN
我们探讨软件定义广域网在现代云原生 IT 架构中的定位。
好文章,需要你的鼓励
悉尼大学和微软研究院联合团队开发出名为Spatia的创新视频生成系统,通过维护3D点云"空间记忆"解决了AI视频生成中的长期一致性难题。该系统采用动静分离机制,将静态场景保存为持久记忆,同时生成动态内容,支持精确相机控制和交互式3D编辑,在多项基准测试中表现优异。
33年后,贝尔纳多·金特罗决定寻找改变他人生的那个人——创造马拉加病毒的匿名程序员。这个相对无害的病毒激发了金特罗对网络安全的热情,促使他创立了VirusTotal公司,该公司于2012年被谷歌收购。这次收购将谷歌的欧洲网络安全中心带到了马拉加,使这座西班牙城市转变为科技中心。通过深入研究病毒代码和媒体寻人,金特罗最终发现病毒创造者是已故的安东尼奥·恩里克·阿斯托尔加。
马里兰大学研究团队开发ThinkARM框架,首次系统分析AI推理过程。通过将思维分解为八种模式,发现AI存在三阶段推理节律,推理型与传统AI思维模式差异显著。研究揭示探索模式与正确性关联,不同效率优化方法对思维结构影响各异。这为AI系统诊断、改进提供新工具。