https://www.infoq.com/articles/ai-devops-takeover/
هل استحوذ الذكاء الاصطناعي على DevOps؟
08 أكتوبر 2021قراءة 8 دقائق
الماخذ الرئيسية
- تعمل معظم الشركات مع شكل من أشكال البنية التحتية المختلطة أو السحابية ، لكن إدارة ذلك أصبحت شبه مستحيلة بدون بعض أشكال مساعدة الذكاء الاصطناعي
- بالنسبة للفرق التي تقوم بتشغيل العديد من السحابات المختلفة ، أصبحت واجهات الذكاء الاصطناعي ضرورة تقريبًا أثناء تطويرها وتوسيع نطاق برنامج DevOps الخاص بها.
- من الواضح جدًا أن للذكاء الاصطناعي بالفعل تأثيرًا كبيرًا على السرعة والجودة التي يتم بها شحن البرامج.
- لقد كان لثورة الذكاء الاصطناعي آثار جانبية تتمثل في جعل فرق DevOps أكثر انشغالًا من أي وقت مضى ، ودورات التطوير أسرع أيضًا.
- في النهاية ، لا تزال فرق التطوير بحاجة إلى قيادة إستراتيجية ، وعلى الرغم من أن أنظمة الذكاء الاصطناعي أصبحت الآن قادرة للغاية في العديد من المجالات ، إلا أنها لا تزال تفتقر إلى القدرة على الاستجابة لطلب المستخدم بطرق إبداعية حقًا.
بالنسبة للعديد من المطورين ، أصبح توقع الخطوة التالية في DevOps شيئًا من التسلية المفضلة. لقد رأينا صناعتنا تتغير بسرعة في العقد الماضي فقط ، وفي نفس الفترة تغير دور المبرمج أيضًا بشكل أساسي.
في الواقع ، وخاصة بين هؤلاء المطورين (يجب أن نقول) عصرًا معينًا ، قد يبدو كما لو أن دور المطور "التقليدي" لم يعد موجودًا. بدلاً من دورة حياة تطوير البرامج التقليدية - حيث يتم تخطيط البرامج وبناؤها ثم إطلاقها - يعمل الكثير منا الآن في فرق متعددة التخصصات حيث يوجد التطوير والعمليات جنبًا إلى جنب ، ولا يمكن تمييزها بشكل متزايد.
أصبح هذا النموذج معروفًا باسم DevOps ، ولكن مؤخرًا فقط. ولم يستغرق الأمر سوى بضع سنوات (أو أشهر؟) حتى تبدأ DevOps نفسها في التغيير والتكيف. الآن ، نحن في بحر من الاختصارات (بما في ذلك DevSecOps الأحدث ) التي تشير إلى طريقة عمل مختلفة قليلاً ، ولكل منها وجهة نظر مختلفة قليلاً عن المستقبل.
المحتوى المدعوم ذو الصلة
الراعي ذو الصلة
/filters:no_upscale()/sponsorship/topic/70bc7fb7-d1bf-4cc1-82d3-4e54d4570d9f/AblyLogoRSB-1647966025029.png)
من بين أحدثها AIOps . في هذه الرؤية ، تحل أدوات الذكاء الاصطناعي ببطء محل دور المطور - تمامًا كما فعلت DevOps من قبل - وستحل في النهاية محل DevOps تمامًا.
يعد تقييم ما إذا كان هذا التوقع صحيحًا أمرًا صعبًا ، ولكن في هذه المقالة سنحاول مع ذلك. سننظر في ما يعد به الذكاء الاصطناعي في عملية التطوير ، ونقيم ما إذا كان بإمكانه بالفعل أن يتولى المسؤولية من المطورين البشريين ، ثم ننظر إلى الشكل الذي من المحتمل أن تبدو عليه DevOps في غضون عقود.
وعد الأتمتة
أولاً ، لفهم سبب تبني فرق DevOps لأدوات الذكاء الاصطناعي بهذه السرعة ، من المفيد فهم ما يعدون بتحقيقه. يمكن كسر هذا الوعد بشكل أساسي إلى جزأين:
- من ناحية أخرى ، يعد استخدام أدوات الذكاء الاصطناعي "مجرد" وسيلة للمطورين الممددين للبقاء في صدارة الأنظمة المعقدة بشكل متزايد التي يعملون معها.
- من ناحية أخرى ، تقدم أدوات الذكاء الاصطناعي مجموعة من تقنيات تطوير ونشر التعليمات البرمجية المؤتمتة التي غيرت بشكل أساسي طريقة صنع البرامج.
فيما يتعلق بالأولى - أدوات الذكاء الاصطناعي التي تجعل حياتنا أسهل - علينا فقط أن ننظر إلى انتشار نماذج البنية التحتية السحابية على مدى العقد الماضي لنرى لماذا كان الذكاء الاصطناعي ضروريًا. في الوقت الحاضر ، تعمل معظم الشركات مع شكل من أشكال البنية التحتية السحابية / المختلطة ، وأصبحت إدارة ذلك شبه مستحيلة بدون بعض أشكال مساعدة الذكاء الاصطناعي. في الواقع ، أدت البنى التحتية السحابية المختلطة والمتعددة وبنى الخدمات الصغيرة مثل الحاويات والتطبيقات فائقة النطاق إلى إنشاء بيئة تكنولوجيا معلومات مؤسسية أكثر تعقيدًا من أي وقت مضى.
ثم هناك الجانب الثاني لاعتماد أداة الذكاء الاصطناعي - حقيقة أن بعض أدوات الذكاء الاصطناعي مثل مساعد الترميز بالذكاء الاصطناعي من GitHub أو DeepDev من Microsoft لا تجعل حياتنا أسهل فحسب ، بل تفتح إمكانيات جديدة عندما يتعلق الأمر بتطوير الكود وتوزيعه. السرعة التي تستطيع بها أنظمة الذكاء الاصطناعي تقييم متطلبات المستخدم الفردي ، على سبيل المثال ، تجعل من الممكن استخدامها لتعديل وتحديد سلوك تصفح الويب الافتراضي لكل مستخدم على حدة ، مما يقلل من تعرضهم لأنواع معينة من البرامج الضارة أثناء استخدام برنامجنا.
DevOps و AIOps و NoOps
كنتيجة لفائدة أدوات الذكاء الاصطناعي ، فقد تم تبنيها على نطاق واسع وسريع من قبل جميع فرق DevOps الأكثر عنادًا. في الواقع ، بالنسبة للفرق التي تشغل الآن العديد من السحابات المختلفة (وهذا كل الفرق تقريبًا) ، أصبحت واجهات الذكاء الاصطناعي ضرورة تقريبًا مع تطورها وتوسيع نطاق برنامج DevOps الخاص بهم .
كانت النتيجة الأكثر وضوحًا وملموسة لهذا التحول هي البيانات والأنظمة التي يقضي المطورون وقتهم في النظر إليها. كان من المعتاد أن يكون الجزء الأكبر من دور فريق العمليات ، على سبيل المثال ، هو بناء وصيانة لوحة معلومات يمكن لجميع الموظفين الرجوع إليها ، والتي تحتوي على جميع البيانات المناسبة على جزء من البرنامج.
اليوم ، أصبحت تلك المهمة المركزية بالية إلى حد كبير. نظرًا لأن البرامج أصبحت أكثر تعقيدًا ، فقد بدأت فكرة وجود لوحة معلومات واحدة تحتوي على جميع المعلومات ذات الصلة في جزء معين من البرنامج تبدو سخيفة. بدلاً من ذلك ، تستخدم معظم فرق DevOps الآن أدوات الذكاء الاصطناعي التي تراقب "تلقائيًا" البرامج التي يعملون عليها ، وتقدم البيانات فقط عندما يكون من الواضح أن شيئًا ما قد حدث خطأ.
هذا تحول هائل في الطريقة التي نعمل بها كمطورين وموظفين تشغيليين ، ولذا فليس من المستغرب أن يتم إعطاؤها اختصارًا خاصًا بها - AIOps. في الواقع ، ذهب البعض إلى أبعد من ذلك ، وادعى أن هذا الاعتماد على أدوات الذكاء الاصطناعي يعني الآن أننا ندخل عصر NoOps . ومع ذلك ، تنقسم الآراء بشكل واضح حول الدور الذي تم إلغاؤه - سواء كانت NoOps تعني "لا يوجد مطورون" ، أو "لا توجد عمليات".
ثورة الذكاء الاصطناعي
قد تبدو كل هذه الانعكاسات حول الخلفية الفلسفية لتطوير البرمجيات مجردة بعض الشيء. حتى تنظر إلى الأرقام ، والتي من الواضح بشكل لافت للنظر أن الذكاء الاصطناعي له بالفعل تأثير كبير على السرعة (إن لم يكن الجودة) التي يتم بها شحن البرامج.
أحدث استطلاع أجراه GitLab لأكثر من أربعة آلاف مطور يضع بعض الأرقام الثابتة في هذا الشأن. وجد هذا البحث أن بعض الشركات تطلق كودًا جديدًا أسرع بعشر مرات من ذي قبل. بصراحة ، 75٪ يستخدمون الذكاء الاصطناعي والتعلم الآلي لاختبار ومراجعة ما قبل إصدار الكود. هذا ارتفاع من 40٪ فقط في العام الماضي.
هذه أخبار رائعة للمطورين ، أو على الأقل أولئك الذين يرغبون في إنتاج الكثير من التعليمات البرمجية بسرعة. لسوء الحظ ، هذا ليس دائمًا نفس إنتاج كود رائع. من الواضح ، على سبيل المثال ، من اتجاهات هجوم الفدية أن التعليمات البرمجية التي تم اختبارها بشكل سيئ أصبحت بسرعة مصدرًا بارزًا للثغرات الأمنية للعديد من المؤسسات ، وأن ظهور أنظمة الاختبار التي تعتمد على الذكاء الاصطناعي لم تفعل شيئًا يذكر للحد من ذلك.
ومع ذلك ، فإن اتجاه السفر واضح بشكل لافت للنظر. في غضون بضع سنوات أخرى ، على ما يبدو ، ستعتمد الغالبية العظمى من فرق DevOps على أدوات الذكاء الاصطناعي ، وسيتم إصدار البرامج بسرعة أضعاف ما كانت عليه سابقًا. وهذا يعود بنا إلى السؤال الذي بدأنا به - نظرًا لأن أدوات الذكاء الاصطناعي تقوم الآن بالكثير من أعمال DevOps ، فهل ما زلنا بحاجة إلى موظفين بشريين في DevOps على الإطلاق؟
حسنًا ، نعم ولا. إليكم السبب.
التحديات
على المستوى الأكثر سطحية ، من الممكن الإجابة على هذا السؤال في إشارة إلى اختبار بسيط للغاية. مع اعتماد أدوات الذكاء الاصطناعي في قطاع التطوير ، هل شهد المطورون انخفاضًا في أعباء العمل لديهم؟ اطرح هذا السؤال على المطور العادي ، وسوف تضحك. الجواب لا.
هذا لأنه ، نظرًا لأن فرق DevOps تقضي وقتًا أقل في الإدارة اليومية لبرامجها ، فإن الوقت الذي يقضونه في هذا الأمر يُستهلك الآن بمهام أكثر قيمة - التخطيط الاستراتيجي ، والتحليلات الوصفية ، والتأكد من ذلك أهدافهم التنموية تتماشى مع أهداف الإدارة. في الواقع ، يبدو أن "ثورة" الذكاء الاصطناعي ، التي تصور الكثيرون أنها ستجعل DevOps عفا عليها الزمن ، قد جعلت الفرق أكبر وأكثر انشغالًا من أي وقت مضى. هذا لأنه كان له آثار جانبية تتمثل في جعل دورات التنمية أسرع بكثير.
هذا مفهوم جيدًا من قبل المديرين في الصناعة. في مقابلة حديثة مع ZDNet ، أشار ماثيو تياني ، نائب الرئيس التنفيذي في iTech AG ، إلى أن DevOps الآن "مُعزَّز من خلال مجموعة أدوات تقنية مُحسَّنة - من بين أمور أخرى ، إدارة كود المصدر ، CI / CD ، التنسيق."
وأضاف أيضًا أن تنفيذ DevOps الناجح يستفيد من "منهجية تطوير متوافقة مثل Agile و scrum ، والتزام المنظمة بتعزيز وتشجيع التعاون بين التطوير والموظفين التشغيليين".
تعلم العيش معا
من الناحية العملية ، تعني هذه العوامل والاتجاهات أن فرق DevOps تركز بشكل متزايد على أهداف العمل ، بدلاً من التحديات التقنية. هذا بالتأكيد تغيير ، لكنه قد لا يكون تغييرًا سلبيًا عندما يتعلق الأمر بجودة البرامج التي ننتجها. يمكن القول ، في الواقع ، أن أدوات الذكاء الاصطناعي منحت الفرق القدرة على تركيز مواردها البشرية حيث تعمل بشكل أفضل - في المهام الإبداعية والشاملة والاستراتيجية
ليس عليك البحث بعيدًا عن دليل على ذلك. فقط ضع في اعتبارك ، على سبيل المثال ، أن Vue JS هو الآن إطار تطوير الأسرع نموًا في العالم ، مع وجود أكثر من 240،000 موقع ويب تم إنشاؤها باستخدام النظام. قبل ظهور أدوات الذكاء الاصطناعي ، كانت فكرة طرح إطار عمل مطور جديد ومعقد بهذه السرعة في جميع أنحاء العالم أمرًا مثيرًا للضحك. الآن ، بدعم من أدوات الذكاء الاصطناعي ، تتمتع فرق DevOps بحرية أكبر في التحلي بالشجاعة في قراراتهم ، وتثق في أن أدواتهم متطورة بما يكفي لمواجهة التحديات التقنية.
هذا يعني أنه من غير المحتمل أن تحل أدوات الذكاء الاصطناعي محل DevOps ، أو على الأقل في أي وقت قريبًا. تمامًا كما رأينا مع الاتجاهات السابقة في اعتماد DevOps ، لا تزال فرق التطوير بحاجة إلى قيادة إستراتيجية ، بغض النظر عن مدى تقدم أدواتهم التقنية. وعلى الرغم من أن أنظمة الذكاء الاصطناعي تتمتع الآن بقدرات عالية في العديد من المجالات ، إلا أنها لا تزال تفتقر إلى القدرة على الاستجابة لطلب المستخدم بطرق إبداعية حقًا.
الخط السفلي
باختصار ، من المحتمل أن نحتاج إلى مطورين بشريين لفترة طويلة حتى الآن. وعلى الرغم من أن دورهم قد يكون مختلفًا جذريًا عما كان عليه قبل عشر سنوات ، فإن هذا هو الثمن (والمتعة) للعمل في مثل هذه الصناعة الديناميكية.
نبذة عن الكاتب
سام بوتشيتا محلل أمني سابق ، قضى الجزء الأكبر من عمله كمهندس شبكات في البحرية. وهو الآن شبه متقاعد ، ويقوم بتثقيف الجمهور حول تكنولوجيا الأمن والخصوصية. اشتمل الكثير من أعمال سام على اختبار الاختراق للأنظمة الباليستية. قام بتحليل شبكاتنا بحثًا عن نقاط الدخول ، ثم أنشأ تقييمات للثغرات الأمنية بناءً على النتائج التي توصلت إليها. علاوة على ذلك ، فقد ساعد في تخطيط وإدارة وتنفيذ تمارين القرصنة "الأخلاقية" المعقدة لتحديد نقاط الضعف وتقليل وضع المخاطر لأنظمة المؤسسة التي تستخدمها البحرية (سواء في البر أو في البحر). ركز الجزء الأكبر من عمله على تحديد ومنع تهديدات التطبيقات والشبكات ، وتقليل مناطق ناقلات الهجوم ، وإزالة نقاط الضعف والتقارير العامة. لقد كان قادرًا على تحديد نقاط الضعف وإنشاء استراتيجيات جديدة عززت شبكاتنا ضد مجموعة من التهديدات السيبرانية. عمل Sam في شراكة وثيقة مع المهندسين المعماريين والمطورين لتحديد ضوابط التخفيف من نقاط الضعف التي تم تحديدها عبر التطبيقات وأجرى تقييمات الأمان لمحاكاة التكتيكات والتقنيات والإجراءات الخاصة بمجموعة متنوعة من التهديدات.
0 コメント:
コメントを投稿