Գնահատել նախագիծը
← Բոլոր հրապարակումները

2024 թվականին հետևելու արժանի տեխնոլոգիական տրենդներ

Տեխնոլոգիաների նոր տարվա սկզբին տեսեք, թե որ տեխնոլոգիական տրենդներ ենք սպասում 2024-ին։ Եվ այո, AI-ը ներկա է դրանցից բոլորում։

12 րոպե
Մեքենայական ուսուցումԱրհեստական բանականությունՏեխնոլոգիական տրենդներMLOpsՔվանտային հաշվարկներ

Սա մեր Tech Trends շարքն է, որտեղ մենք համադրում ենք փորձառությունը ինժեներական մտածելակերպի հետ։ Տեխնոլոգիաների նոր տարվա սկզբին ներկայացնում ենք տրենդների մեր տեսակետը՝ համեմված ինժեներական մոտեցմամբ։ Սա հետաքրքիր ժամանակներ են. բեկումնային տեխնոլոգիաները, առաջին հերթին արհեստական բանականությունը, աննախադեպ արագությամբ փոխում են բիզնես մոդելները և թվային աշխարհը։

Մեկ տարի առաջ, երբ կանխատեսում էինք, թե ինչ կբերի 2023-ը տեխնոլոգիական լանդշաֆտին, մենք նկատեցինք մի քանի նշանակալի օրինաչափություն.

  • no-code/low-code շարժումը շարունակում էր ժողովրդավարացնել ծրագրային ապահովման մշակումը,
  • Big Tech-ի աշխատակիցների կրճատումները քննարկումներ առաջացրին արդյունավետության և այն մասին, թե որ դերերն են իսկապես էական,
  • AI-ը և մեքենայական ուսուցումը շարունակում էին աճել։

Հիմա 2023-ի վերջն է։ Տեսնենք՝ էլ ինչ են մեր կանխատեսումները ճիշտ գուշակել։

Այս գրառման մեջ կանդրադառնանք այն տեխնոլոգիական տրենդներին, որոնք սպասում ենք 2024-ին։ Եվ այո, AI-ը ներկա է դրանցից բոլորում։

Այս գրառումը գրել եմ մեր Tech Evangelist-ի հետ համահեղինակությամբ։ Բոլոր գրաֆիկաները ստեղծվել են Bing AI Image Creator-ով։

Հաճելի ընթերցում և Happy 2024! 🥳

Տեխնոլոգիական տրենդներ 2024. հիմնական եզրակացությունները

  • AI-ը առևտրայնացվում է բազմաթիվ ոլորտներում և պահանջում է զգույշ մոտեցում՝ ապահովելու համար, որ այն օգտագործվի բարոյական նորմերին համապատասխան։
  • AI-ով աշխատող գործիքները օգնում են ընկերություններին բարելավել որոշումների կայացումը և դառնալ տվյալների վրա հիմնված ու խելացի։
  • Platform Engineering-ը IT ոլորտի հաջորդ մշակութային փոփոխությունն է, որը Cloud ծրագրային ապահովումը վերածում է լավ յուղված մեխանիզմի։
  • Արտադրողականությունը նորից ուշադրության կենտրոնում է. մշակողները ստեղծում են ավելի լավ serverless հավելվածներ այնպիսի գործիքներով, ինչպիսիք են WASM-ը, Rust-ը կամ Zig-ը։
  • Հայտնվում են կիբերանվտանգության նոր սպառնալիքներ, այդ թվում՝ կռահեցիք՝ AI հարձակումները։

AI-ի առևտրայնացում

Արհեստական բանականությունը (AI) մի քանի տարի շարունակ եղել է ամենահուզիչ տեխնոլոգիական տրենդը՝ աղմուկ բարձրացնելով բազմաթիվ ոլորտներում։ Այնպիսի գործիքներ, ինչպիսիք են OpenAI-ի Dall-E 3-ը, ChatGPT 4-ը և Github-Copilot-ը, հնարավորություն են տալիս նախնական պատկերացում կազմել, թե ինչ է սպասվում 2024-ին։

Կարո՞ղ էր AI-ը ավելի հուզիչ դառնալ։ Իհարկե։ Մինչ մենք գրում էինք այս գրառումը, տեղի էր ունենում մի տարօրինակ պատմություն։ OpenAI-ի (ChatGPT-ն ստեղծած ընկերության) գործադիր տնօրեն Սեմ Ալթմանը հրապարակայնորեն ակնարկեց AI-ի խոշոր բեկումների մասին։ Շուտով դրանից հետո խորհուրդը որոշեց Ալթմանին հեռացնել գործադիր տնօրենի պաշտոնից։

Լուրը բոլորի համար անսպասելի էր, այդ թվում՝ OpenAI-ի աշխատակիցների։ Նշված պատճառն այն էր, որ Ալթմանը «չէր եղել հետևողականորեն անկեղծ իր հաղորդակցության մեջ»։

Հեռացվելուց մի քանի օր անց Սեմ Ալթմանը վերադարձավ որպես OpenAI-ի գործադիր տնօրեն։ Կարող է թվալ, թե դա կորպորատիվ սերիալ է, բայց այն շատ ավելի մեծ է։ Մենք կարող ենք միայն կռահել, թե իրականում ինչ է տեղի ունեցել. առաջացել են AI-ի էթիկայի հարցեր, և շատերն ենթադրել են, որ Արհեստական ընդհանուր բանականությունը (AGI) հորիզոնում է։ Սյուժեն թանձրանում է։

Մարտահրավերներ և հնարավորություններ

Նոր AI տեխնոլոգիաները հայտնվում են զարմանալի արագությամբ։ Յուրաքանչյուր օր բերում է լուրեր ծրագրային նոր գործիքների և տեխնոլոգիական լուծումների մասին, որոնք օգնում են շատ մարդկանց ավելի լավ կատարել իրենց աշխատանքը։ Մինչ ոմանք դեռ կատարելագործում են GPT-4-ի համար հնարավորինս լավ prompt-եր գրելու արվեստը, Google-ը մի քանի օր առաջ թողարկեց մրցակից։ Google-ի տվյալները ցույց են տալիս, որ ալգորիթմը բոլոր ուղղություններով գերազանցում է իր նախորդին։ Gemini AI-ը՝ Google-ի ամենանոր LLM-ը, նախագծվել է ավելի հզոր և ավելի կարող լինելու համար։ Այն ստեղծված է մուլտիմոդալության համար և սահուն կերպով դատողություններ է անում տեքստի, պատկերների, տեսանյութի, աուդիոյի և կոդի վրա։

Քանի որ AI-ը գնալով ավելի է տարածվում, այն բերում է և՛ հնարավորություններ, և՛ մարտահրավերներ։ Ընկերությունները կարող են AI տեխնոլոգիան կիրառել բազմաթիվ ոլորտներում, այդ թվում՝ բովանդակության ստեղծման, արտադրանքի նորարարության և հաճախորդների սպասարկման մեջ, որպեսզի ավտոմատացնեն բիզնես գործընթացները և աշխատեն ավելի արդյունավետ։

Շարունակական առաջընթացը նշանակում է նաև պատասխանատվություն, քանի որ այս տեխնոլոգիաների էթիկական հետևանքների և հնարավոր չարաշահման մասին պետք է խորը մտածել։ 2023-ին AI-ը և մեքենայական ուսուցումը շարունակեցին անցնել մոդայիկ բառերից դեպի անփոխարինելի բիզնես գործիքներ։ 2024-ին մենք սպասում ենք, որ դրանք էլ ավելի սերտ կներհյուսվեն առօրյա բիզնես գործընթացներին։

AI-ով աշխատող մշակում

AI-ով աշխատող մշակումը փոխում է ծրագրային ապահովման ստեղծման եղանակը։ AI-ով հարստացված գործիքներով մշակողները կարող են.

  • Ավելի արագ ավարտել առաջադրանքները
  • Ավելի քիչ սխալներ թույլ տալ
  • Պարզեցնել աշխատանքային հոսքերը
  • Բարձրացնել արտադրողականությունը
  • Ստեղծել ավելի լավ ծրագրային արտադրանքներ

AI-ով աշխատող մշակումը օգնում է ընկերություններին կատարելագործել իրենց IT գործառնությունները և մրցունակ մնալ գնալով ավելի թվայնացվող աշխարհում։

AI-ով հարստացված գործիքներ

AI-ով հարստացված գործիքները փոխում են ծրագրային ապահովման մշակումը՝ ավտոմատացնելով և օպտիմալացնելով բազմաթիվ խնդիրներ, օրինակ՝ կոդ գրելը կոդի ավտոլրացմամբ, փաստաթղթերի ուսումնասիրումը, խնդիրների վերլուծությունը և օպտիմալացումը։ Այնպիսի գործիքներ, ինչպիսիք են GitHub Copilot-ը, Copilot Chat-ը և JetBrains AI Assistant-ը, թույլ են տալիս մշակողներին աշխատել ավելի արդյունավետ, ավելի շուտ ավարտել առաջադրանքները և մատակարարել բարձրորակ ծրագրային ապահովում։

Սա կարող է բարձրացնել մշակողների աշխատանքից բավարարվածությունը և պահպանումը, ինչը լավ է ե՛ւ անհատի, ե՛ւ կազմակերպության համար։

Ազդեցությունը մշակողների վրա

AI-ով աշխատող մշակման գործիքների աճը փոխում է այն, ինչ անում են մշակողները՝ ստիպելով նրանց հարմարվել և նոր հմտություններ ձեռք բերել՝ ոլորտում արդիական մնալու համար։ Քանի որ AI-ով հարստացված գործիքները ստանձնում են ձանձրալի առաջադրանքները և առաջարկում խելացի կոդային հուշումներ, մշակողները կարող են ավելի շատ ուշադրություն դարձնել բարդ և ստեղծագործական աշխատանքին, ինչը նրանց աշխատանքն ավելի բավարարող և արդյունավետ է դարձնում։

Սակայն AI-ի ներմուծումը աշխատանքի մեջ նաև մարտահրավերներ է բերում, օրինակ՝ AI-ի վատ առաջարկները և AI-ի ոլորտի փորձագետների պակասը։ Շարունակաբար սովորելով և նոր տեխնոլոգիաներ յուրացնելով՝ մշակողները կարող են առաջ մնալ ծրագրային ապահովման մշակման անընդհատ փոփոխվող լանդշաֆտում։

Տվյալների վրա հիմնված. խելացի որոշումների կայացում

Մեծ և բարդ տվյալների հավաքածուներից պատկերացումներ և գիտելիք ստանալու համար առաջադեմ AI մեթոդների օգտագործումը ընկերությունների համար դառնում է ռազմավարական կարևորության։ CxO-ների աճող թիվը տեսնում է AI-ի արժեքը և ցանկանալու է այս տեխնոլոգիան ներդնել իր կազմակերպություններում։ Ինտուիցիայի համադրումը AI-ով աշխատող վերլուծության հետ մեծ ներուժ ունի՝ ընդլայնելու ընկերությունների գիտելիքը և բարելավելու նրանց որոշումները։ Քանի որ օգտատերերը կարող են տվյալների հետ աշխատել ավելի արդյունավետ, նրանք կարող են մանրակրկիտ հետևել, նկատել, հասկանալ և գործել այն ամենի շուրջ, ինչը ամենակարևորն է։

2024-ի ընթացքում AI-ը և ավտոմատացված պատկերացումները բիզնեսում ավելի կտարածվեն՝ պարզեցնելով որոշումների կայացումը։ Մենք կտեսնենք ներկառուցված AI ունեցող ձեռնարկությունների հավելվածների աճող թիվ։ Այս տարի այն հայտնվեց Atlassian-ում, ինչպես նաև Microsoft-ի բազմաթիվ արտադրանքներում՝ Windows 11-ից մինչև Microsoft Teams։ Ժամանակի ընթացքում AI-ի վերափոխումը կտարածվի գործիքներից և գործընթացներից դեպի ռազմավարական բարելավումներ։

Ահա ավելին այն տրենդի մասին, երբ AI գործիքները հեշտացնում են տվյալների հավաքածուներից տեղեկատվություն հանելը, նույնիսկ ոչ տեխնիկական օգտատերերի համար, մեր մեքենայական ուսուցման թիմի ML Engineer-ից։

2024-ի ընթացքում բնական լեզվի մշակման (NLP) համադրումը ավտոմատացված պատկերացումների հետ թույլ կտա մարդկանց փոխգործակցել տվյալների հետ։

  1. Zero-shot Information Extraction: LLM-երը հնարավորություն են տալիս չկառուցվածքավորված տեքստից հանել անձնական նույնականացնող տվյալներ (օրինակ՝ անուն, SSN, էլ. փոստ, հեռախոսահամար, ծննդյան ամսաթիվ) և դրանք դնել կառուցվածքավորված տեսքով։ Հնարավոր կիրառությունները ներառում են տվյալների ներքին կազմակերպումը տեքստային աղբյուրներից, օրինակ՝ էլ. փոստից, կամ բոլոր տեսակի փաստաթղթերի անանունացումը։
  2. Invoice Extraction: տեղեկատվության հանում փաստաթղթերից, մասնավորապես հաշիվ-ապրանքագրերից և ձևաթղթերից, OCR + LLM համադրությամբ կամ նույնիսկ առանց OCR-ի։ Սովորաբար սա ներառում է երեք ենթախնդիր, որոնք կարող են լուծվել միմյանցից անկախ.
  • Document Layout Analysis: փաստաթղթի բաժանումը կամ սեգմենտավորումը համահունչ մասերի, որոնք պարունակում են, օրինակ, ամբողջական բազմատող հասցեներ, մի քանի պարբերություն ընդգրկող կետեր, աղյուսակներ կամ աղյուսակի տարրեր։
  • Span Classification:տեքստի կոնկրետ դասերի ճանաչում՝ հասցեներ, գումարներ, հեռախոսահամարներ, ընկերությունների անուններ, ամսաթվեր և այլն։
  • Relation Extraction:ապագայում ամենանպաստավոր մոտեցումը zero-shot սեմանտիկ հարաբերությունների հանումն է, որը ճանաչում է փաստաթղթի տեքստային հատվածների միջև կապերը առանց լրացուցիչ fine-tuning-ի։
  1. CV Parsing: թեկնածուների ռեզյումեներից կառուցվածքավորված տեղեկատվության հանում։ Թեև ռեզյումեները տարբերվում են կառուցվածքով, ձևով, գույներով և բովանդակությամբ, դրանք սովորաբար պարունակում են արժեքների ստանդարտ հավաքածու, որը LLM-երը, լավ մշակված prompt-երի հետ միասին, կարող են ավելի հեշտ հանել։
  2. Retrieval Augmented Generation: Retrieval Augmented Generation-ը LLM-երի ամենահիմնավոր կիրառություններից մեկն է, և այն կարելի է կառուցել on-premise լուծումների համար, որտեղ գաղտնիությունը պարտադիր է։ Մոտ ապագայում այն հավանաբար կլինի ամենահայտնի դեպքերից մեկը, քանի որ այն թույլ է տալիս LLM-երին գործել ներքին գիտելիքների բազաների վրա՝ նվազեցնելով այսպես կոչված «հալյուցինացիաները» և պահպանելով մարդու համար հարմար ինտերֆեյսի առավելությունները։

Data observability

Տվյալների հուսալիությանը հետևելը կազմակերպությունների համար դժվար է. այլ խոսքով՝ տվյալների կառավարումը և պահպանումը լրիվ նոր խաղ է։ Data observability-ն նրանց համար հեշտացնում է տվյալների որակի, հուսալիության և արտադրողականության մոնիթորինգը, հետևումը և պաշտպանությունը դրանց ամբողջ կյանքի ցիկլի ընթացքում։ Քանի որ կազմակերպությունների 85%-ը կախված է տվյալների վրա հիմնված որոշումների կայացումից և վերլուծությունից, ճիշտ տվյալների առկայությունը վճռորոշ է։

Կազմակերպությունների համար data observability-ի հիմնական ասպեկտների թվում են Data Quality Monitoring-ը, Data Lineage-ը և Traceability-ն, Data Security-ն և Compliance-ը, Data Auditing-ը և Logging-ը։ Հետևաբար ակնհայտ է, որ observability-ն պահպանում է տվյալների որակը, անվտանգությունը և արտադրողականությունը՝ միաժամանակ ապահովելով կազմակերպության համապատասխանությունը կանոնակարգերին և աջակցելով տվյալների վրա հիմնված որոշումների կայացմանը։ Data observability-ի ամուր պրակտիկաներ ներդնելով՝ կազմակերպությունները կարող են ստանալ վստահելի պատկերացումներ և կայացնել ավելի հիմնավորված որոշումներ։

Platform Engineering

Այս տրենդը անիվը նորից հորինելու մասին չէ. խոսքը Cloud ինժեներների լավ կազմակերպված թիմեր ձևավորելու մասին է, որոնք կարող են ղեկավարվել որպես արտադրանք և մշակողների թիմերին դարձնել ավելի արդյունավետ։ Platform թիմերն աշխատում են այնպես, որ բոլոր գործառնական ծառայությունները միավորված լինեն մեկ ներքին հարթակում, որը ապահովում է շարունակական մատակարարում (continuous delivery), մինչդեռ նրա օգտատերերը՝ մշակողները, DevOps ինժեներները և SRE ինժեները, կարող են աշխատել իրենց սեփական արագությամբ և ռիթմով։

Ընկերությունների աճող թիվը կանցնի Platform Engineering մոդելին՝ ապահովելու համար ենթակառուցվածքը և գործիքները, որոնք անհրաժեշտ են cloud հարթակներում հավելվածներ մշակելու, տեղակայելու և կառավարելու համար։ Սա ներառում է.

  • Internal Developer Platform-ի (IDP) կառուցումը և պահպանումը
  • CI/CD pipeline-ների նախագծումը
  • Self-service հնարավորությունների ստեղծումը
  • Ինժեներական հարթակի շահագործումը

Cloud հարթակի սահուն աշխատանքը ապահովելով՝ Platform Engineer-ները կարևոր դեր կխաղան թվային բիզնեսների արդյունավետ և անվտանգ գործունեության աջակցման մեջ։

DevOps և Platform թիմերը նաև դիմում են AI-ով աշխատող ավտոմատացված լուծումների՝ պարզեցնելու համար ենթակառուցվածքի և ծրագրային ապահովման ստեղծման, տեղակայման, կառավարման և թեստավորման հետ կապված խնդիրները։ Այս փոփոխությունը ոչ միայն արագացնում է նախագծերի մատակարարումը՝ ավելի քիչ սխալներով, այլև հանգեցնում է արտադրանքի ավելի լավ որակի։

MLOps. AI-ի և մեքենայական ուսուցման ապագան

Machine Learning Operations-ը (MLOps) պարադիգմա է, որը պարզեցնում և ավտոմատացնում է մեքենայական ուսուցման մոդելների տեղակայումը, մոնիթորինգը և կառավարումը։ MLOps-ի սկզբունքների կիրառումը թույլ է տալիս կազմակերպություններին արդյունավետ կերպով ներդնել և շահագործել AI և մեքենայական ուսուցման լուծումներ՝ օգտագործելով այս ժամանակակից տեխնոլոգիաները՝ նորարարության և բիզնես գործընթացների բարելավման համար։

MLOps-ը բերում է բազմաթիվ առավելություններ, այդ թվում՝ ավելի արագ մշակում և տեղակայում, մասշտաբավորելիություն և ավելի ցածր գործառնական ծախսեր։ Միևնույն ժամանակ այն մարտահրավերներ է առաջացնում ենթակառուցվածքի, գործընթացների և անվտանգության հետ կապված։

Քանի որ AI-ի հանրաճանաչությունն աճում է, մենք սպասում ենք, որ MLOps-ի մեթոդները և գործիքները, օրինակ՝ MLFlow-ը կամ Kubeflow-ը, էլ ավելի կտարածվեն։

Կայուն տեխնոլոգիա և դրա ազդեցությունը

Կայուն տեխնոլոգիան՝ աճող տրենդ, կենտրոնանում է էկոլոգիապես մաքուր լուծումների ստեղծման և տեղակայման վրա, որոնք նվազեցնում են շրջակա միջավայրի վրա ազդեցությունը և աջակցում կայուն աճին։ Կլիմայի փոփոխության և ռեսուրսների կառավարման աճող մտահոգությունների պայմաններում Համաշխարհային տնտեսական֊ֆորումի զեկույցը թվարկում է այն տեխնոլոգիաները, որոնք սպասվում է, որ առաջիկա երեքից հինգ տարում կունենան ամենամեծ գլոբալ ազդեցությունը։ Դրանցից մեկը հատկապես սիրելի է մեր ինժեներական սրտերին։

Cloud-ի կայունություն

Վերջին տարիներին բոլոր առաջատար cloud մատակարարները ներդրել են գործիքներ և հնարավորություններ, որոնք թույլ են տալիս հաշվարկել ձեր cloud ենթակառուցվածքի CO2 ազդեցությունը և ընտրել, օրինակ, ցածր CO2 ունեցող ռեգիոններ։ Այս հնարավորությունները շարունակում են բարելավվել։ Microsoft Cloud for Sustainability-ը միավորում է շրջակա միջավայրի, սոցիալական և կառավարման (ESG) տարբեր հնարավորություններ՝ օգնելով կազմակերպություններին ավելի արդյունավետ հետևել և կառավարել իրենց էկոլոգիական հետքը։

Կայուն տեխնոլոգիան օգնում է ընկերություններին խնայել ռեսուրսներ։ 2024-ին ավելի շատ արտադրանքներ կխթանեն կանաչ տեխնոլոգիայի ավելի լայն ընդունումը։

Քվանտային հաշվարկների տեխնոլոգիա

Քվանտային հաշվարկները նորարար տեխնոլոգիա են, որը կարող է փոխակերպել ավանդական հաշվարկները՝ ապահովելով հսկայական հաշվողական հզորություն և արագություն։ Հենվելով քվանտային մեխանիկայի վրա՝ քվանտային համակարգիչները կարող են լուծել բարդ խնդիրներ և կատարել հաշվարկներ, որոնք դասական համակարգիչները նախկինում չէին կարող իրականացնել։

Քանի որ քվանտային հաշվարկները շարունակում են զարգանալ, դրանք կձևավորեն տեխնոլոգիայի ապագան, մինչդեռ դրանց կիրառություններն ու հետևանքները կմշակվեն։

Քվանտային հաշվարկների հնարավորությունները

Քվանտային հաշվարկների հնարավորությունները ներառում են բարդ օպտիմիզացիոն խնդիրների լուծումը, քվանտային համակարգերի սիմուլյացիան և ծածկագրության ամրապնդումը։ Քվանտային մեխանիկայի առանձնահատուկ հատկությունների շնորհիվ քվանտային համակարգիչները կարող են միաժամանակ ուսումնասիրել բազմաթիվ լուծումներ և հասնել օպտիմալին ավելի արդյունավետ, քան դասական համակարգիչները։

Այս հնարավորությունները կարող են փոխակերպել այնպիսի ոլորտներ, ինչպիսիք են ֆինանսները, առողջապահությունը և լոգիստիկան՝ խնդիրների լուծումը և տվյալների մշակումն ավելի արագ և արդյունավետ դարձնելով։

Կիրառություններ արդյունաբերության մեջ

Ֆինանսները, առողջապահությունը և լոգիստիկան այն ոլորտների թվում են, որոնք կարող են օգուտ քաղել քվանտային հաշվարկներից։ Սակայն ապարատային ապահովման մշակումը դեռ բախվում է մարտահրավերների։ IBM-ը մտադիր է 2023-ի ավարտից առաջ թողարկել իր նոր Condor չիպը՝ 1121 քյուբիթով, մինչդեռ ընդամենը 2021-ին հայտնվեցին 100 քյուբիթանոց առաջին համակարգերը։

Հետազոտությունների և մշակման մեջ համապատասխան ներդրումների դեպքում քվանտային հաշվարկները կարող են փոխել տվյալների մշակման և վերլուծության մեր եղանակը՝ խթանելով նորարարությունը և նոր հնարավորություններ բացելով ինչպես ընկերությունների, այնպես էլ մասնագետների համար։

Քվանտային հաշվարկները կարող են թվալ հեռավոր թեմա, բայց տարբեր համակարգեր արդեն պատրաստվում են դրան։ Քվանտային համակարգիչները կիբերանվտանգության նոր սպառնալիքներ են առաջացնում։ Signal-ը (անվտանգ ինտերնետ հաղորդագրությունների հարթակ) այս տարի փոփոխություններ ներմուծեց իր արձանագրության մեջ՝ քվանտային դիմադրողականություն ապահովելու համար։ GitHub-ը հայտարարեց գործիքների մասին, որոնք նախատեսված են հետքվանտային ծածկագրության աջակցության համար։ Մենք սպասում ենք ծածկագրության նոր առաջընթացի և ալգորիթմների նոր կիրառությունների, որոնք ինտերնետը կպահեն անվտանգ, երբ կառուցվեն հզոր նոր քվանտային համակարգիչներ։

Կիբերանվտանգություն թվային դարաշրջանում

Կիբերանվտանգությունը շարունակում է ավելի կարևոր դառնալ, քանի որ ամեն տարի հայտնվում են նոր տեսակի սպառնալիքներ։ Քանի որ թվային տեխնոլոգիան ավելի ու ավելի է օգտագործվում և տվյալների ծավալները աճում են, ընկերություններն ու մասնագետները պետք է մնան զգոն և ակտիվ գործեն կիբերանվտանգության ռիսկերի դեմ։

Նոր սպառնալիքներ և լուծումներ

Կիբերանվտանգության նոր սպառնալիքների թվում են AI-ով առաջնորդվող հարձակումները, գաղտնիության արտահոսքերը և անձնավորումը (impersonation)։ Deepfake-երը կարող են ստեղծել կեղծ տեսանյութեր կամ նմանակել ցանկացած մարդու ձայնը՝ բացելով լիովին նոր հարձակման վեկտոր։ Շատ AI գործիքներ գրավիչ են, բայց միշտ չէ, որ պարզ է, թե ինչ է լինում այն տվյալների հետ, որոնք դուք տալիս եք դրանց։ Ընկերությունները կարող են սկսել ապավինել մասնավոր instance-ների կամ ձեռնարկությունների փաթեթների՝ գաղտնիության հետ կապված լրացուցիչ հնարավորություններով։

Կիբերանվտանգությունը համընկնում է այս գրառման մեջ քննարկված շատ ոլորտների հետ։ Այն կապված է AI-ի հետ (օրինակ՝ տվյալների գաղտնիության առումով), MLops-ի, Platform Engineering-ի (լավ անվտանգության պրակտիկաները չպետք է մոռացվեն) և Քվանտային հաշվարկների (նոր տեսակի սպառնալիքներ) հետ։ Անվտանգությունը շարունակում է մնալ cloud հաշվարկների հիմնական մտահոգություններից մեկը, քանի որ ընկերությունները պետք է պաշտպանեն իրենց թվային ակտիվները և իրենց հաճախորդների տվյալների գաղտնիությունը։ Մենք դա ասել ենք նաև նախորդ տարիներին, բայց սպասում ենք, որ առաջիկա մի քանի տարում անվտանգությունն էլ ավելի կարևոր կդառնա IT ընկերությունների համար։

Ամփոփելով մեր տեխնոլոգիական տրենդները

Այս տարի ամենամեծ նորարարությունը եղավ AI-ի ոլորտում, և մենք սպասում ենք, որ տրենդը կշարունակվի 2024-ին։ Մյուս ոլորտները կարող են ծանոթ հնչել, բայց դրանք տարեցտարի շարունակում են ավելի կարևոր դառնալ։

Մենք սիրով կիմանայինք, թե ինչ է նկատել ձեր ինժեներական հայացքը և ինչը, ձեր կարծիքով, ավելի ակնառու կդառնա հաջորդ տարի։ Պատմեք մեզ ձեր տրենդների մասին մեկնաբանություններում։