Gartner公司最近发布了《软件工程的Hype Cycle：2023年》报告，指出了一些变革性的技术，包括AI辅助的软件工程（AIASE）、AI编码助手和平台工程，这些技术将在未来2-5年内达到主流的应用水平。 报告称，AIASE和机器学习（ML）驱动的软件工程正在改变软件的创建、测试和运行的方式，同时对负责任的AI的需求也在增长。“随着部署系统的洞察力被注入到正在开发的系统中，平台工程等实践将开始发挥作用。”Gartner的高级总监分析师Dave Micko说。 这些技术与其他技术一样，正处于期望过高的峰值，它们在未来几年对软件工程的变革性影响可能会对组织的商业模式产生重大影响，推动新的战略和策略（见图1）。 图1：软件工程的Hype Cycle，2023年 AI编码助手 Gartner预测，到2027年，有50%的企业软件工程师将使用ML驱动的编码工具，而目前这一比例不到5%。基于基础模型的代码生成产品可以生成复杂和较长的建议，从而显著提高开发者的生产力。 由于软件需求超过了大多数组织的能力，现有的开发者已经达到了极限，无法快速地构建功能或在工作中找到满足感。AI编码助手正在作为加速器出现，提高了开发者的生产力和幸福感。通过处理常规任务，助手使开发者能够专注于更高价值的活动。这使得组织能够用现有的团队更快地交付更多的功能。 AI辅助的软件工程 软件开发生命周期包括常规和重复的任务，如样板功能和单元测试代码以及文档字符串，AIASE工具可以自动化这些任务。这使得软件工程师能够将他们的时间、精力和创造力集中在高价值的活动上，如功能开发。除了更高效、更投入和更快乐的软件构建者之外，使用AIASE的好处还包括将软件工程能力分配给具有高优先级、复杂性和不确定性的业务倡议，帮助质量团队开发自我修复的测试和非显而易见的代码路径，这些路径可以检测问题、提供修复方案并自动生成测试场景。 平台工程 为了帮助管理技术生态系统的复杂性，许多数字化企业正在采用平台工程的实践，并建立平台团队，为他们的开发和产品团队提供一致、集成和安全的平台。平台工程是一种跨职能的实践，旨在提供可重用的、可扩展的和可维护的平台，以支持快速、高质量和低成本的软件交付。平台工程还可以帮助组织实现敏捷性、弹性和创新，以应对不断变化的业务需求和客户期望。
根据Gartner，股份有限公司软件工程炒作周期，2023年，变革技术，包括人工智能增强软件工程（AIASE）、人工智能编码助理和平台工程，将在2-5年内进入主流。
EPA主要使用两个遗留的IT系统来管理部落、州和地方空气监测机构收集的室外空气质量数据。这些系统的数据有助于识别不符合空气质量标准的地区，并向公众传达有关空气污染水平的信息
数字技术正在重塑工作场所，实现办公室的空间分离，即远程工作或远程智能，并通过人工智能促进服务部门任务的自动化。本文首次尝试实证研究人工智能和RI在服务业中是互补的还是替代的。它使用了一个工人级的调查小组，从新冠肺炎大流行前到2022年底，从大约10000名工人中收集了数据，我们发现初步证据表明，人工智能和RI是互补的，而不是替代的。证据首先来自公司和员工层面对人工智能推广和RI推广软件的投资正相关，其次来自员工对远程工作和软件自动化的期望正相关。证据远未确定，但表明补体替代问题是未来研究的一条富有成果的路线。
绿色基础设施（GI）措施越来越多地用于城市地区的气候适应，但评估其有效性和战略性地分配投资仍然是一个挑战。规划地理标志受到深刻不确定性的影响，需要在多个目标之间进行权衡。多目标鲁棒决策（MORDM）可用于解决这些建模挑战。到目前为止，MORDM很少用于GI规划。为了帮助将 MORDM 应用程序纳入地理标志规划的主流，我们开发了一个开源的 Python 库：Rhodium-SWMM。Rhodium-SWMM将USEPA的雨水管理模型（SWMM）连接到Rhodium，这是一个用于MORDM的Python库。Rhodium-SWMM提供了一个通用且灵活的接口，用于获取SWMM输入文件并设置多目标优化问题，并能够在SWMM输入文件中将各种参数定义为不确定性或杠杆。这为在深度不确定性下更方便地分析多尺度GI放置中的新研究问题提供了机会。
