Что сулит будущее?

Карин Страусс (Karin Strauss) и Даг Бургер (Doug Burger) написали статью «Будущее твердотельной памяти» (What the Future Holds for Solid-State Memory) [1]. Феноменальный рост компьютерной индустрии в последние десятилетия был бы невозможен без постоянного повышения плотности микросхем запоминающих устройств. Однако возрастающие потребности приложений относительно объема и качества памяти приводят к появлению множества проблем, решения которых и обсуждаются в статье. Предсказывается переход к использованию все более неоднородных иерархий памяти (включая специализированные запоминающие устройства), что приведет к потребности в новых видах взаимодействия аппаратных и программных средств, существенным изменениям приложений, средств разработки и поддержки системного программного обеспечения.

Авторами статьи «Компьютерам хватит энергии радиоэфира» (The Emergence of RF-Powered Computing) являются Шиамнат Голлакота (Shyamnath Gollakota), Мэттью Рейнольдс (Matthew S. Reynolds), Джошуа Смит (Joshua R. Smith) и Дэвид Уэзеролл (David J. Wetherall). Расширению областей применения мобильных компьютерных устройств, в частности переходу к практическому Интернету вещей, мешает потребность этих устройств в специальных механизмах питания: шнуры лишают возможности свободно перемещать устройства, батареи увеличивают их вес. Однако все более реальной является возможность использования для питания небольших компьютерных устройств энергии случайных радиосигналов. Конечно, от типичного радиосигнала можно получить только очень небольшую мощность, но и энергоэффективность самих компьютеров возрастает экспоненциально (малоизвестное следствие закона Мура). Например, в период с 1950 по 2010 год эффективность энергопотребления компьютеров выросла на 12 порядков. Сегодня при небольших вычислительных нагрузках для питания компьютерных устройств достаточно мощности порядка микроватта, что соизмеримо с мощностью, которую можно получить от радиосигналов.

Статью «Обеспечение возможности быстрой разработки и внедрения речевых пользовательских интерфейсов» (Enabling the Rapid Development and Adoption of Speech-User Interfaces) представили Анудж Кумар (Anuj Kumar), Флориан Меце (Florian Metze) и Мэттью Кэм (Matthew Kam). Пользовательские интерфейсы на основе речевого ввода-вывода полезны и востребованы обществом, однако количество работоспособных и достаточно точных служб распознавания речи все еще невелико. В основном это связано с наличием двух проблем. Во-первых, от полезного распознавателя речи требуется возможность оптимизации для каждой группы пользователей, каждого языка и конкретных акустических условий, что обычно пугает разработчиков. Во-вторых, наибольшую выгоду, связанную с распознаванием речи, приносят приложения для мобильных телефонов, а для современных мобильных служб распознавания речи требуется надежное подключение к сети. Авторы статьи описывают разработанный ими инструментарий для гибридного подхода (рис. 1), позволяющий встраивать экспертные знания в приложения распознавания речи, а также новую модель систем распознавания речи для мобильных устройств, устраняющую потребность в надежном подключении к сети.

Рис. 1. Гибридный подход. Автоматическое распознавание речи производится в локальном мобильном устройстве, в котором имеется возможность настройки на специфику пользователя и контекста при наличии соединения с сервером

Статью «Будущее социального обучения в области программной инженерии» (The Future of Social Learning in Software Engineering) написал Эмерсон Мерфи-Хилл (Emerson Murphy-Hill). Для удовлетворения возрастающих требований к корректности, надежности и безопасности программного обеспечения его разработчикам нужно постоянно повышать свою квалификацию. Для этого нужно уметь получать новые фундаментальные знания, которые будут полезны в будущей работе, и краткосрочную информацию, помогающую решать текущие задачи. Подобную информацию естественнее и проще всего можно получить в процессе социального обучения (social learning). В контексте инженерии программного обеспечения социальное обучение понимается как использование опыта разработки ПО для упрощения текущей работы других разработчиков. В ходе социального обучения могут применяться разные методы, но общая последовательность выглядит следующим образом: специалисты решают некоторую задачу, связанную с разработкой ПО; информация об этой задаче  фиксируется; другой специалист решает или планирует решить новую задачу, связанную с разработкой ПО; элементы этой новой задачи сопоставляются с данными о ранее решавшихся задачах; из этих данных извлекается релевантная информация, и она предоставляется специалисту, решающему новую задачу, в виде рекомендаций, позволяющих облегчить эту работу. Хотя эта последовательность повторяется в любой ситуации, применяемые методы зачастую различны, и именно эти методы обозреваются в статье.

Последняя статья тематической подборки называется «Социальный геном: применение Больших Данных в информатике населения» (Social Genome: Putting Big Data to Work for Population Informatics). Ее представили Хай-Чун Кам (Hye-Chung Kum), Ашок Кришнамурти (Ashok Krishnamurthy), Ашвин Мачанавадхала (Ashwin Machanavajjhala) и Стенли Ахалт (Stanley C. Ahalt). В наше время за каждым человеком тянется «цифровой след»: данные об изменении состояния здоровья, размера заработной платы и т. д. Если собрать эти цифровые трассы для групп населения (в масштабе города, области или страны), то они образуют социальный геном (social genome) населения. Интеграция, анализ и интерпретация данных социальных геномов помогут понять, как лучше всего можно удовлетворить потребности общества в таких областях, как здравоохранение, экономика, образование и т. д. Использование Больших Данных стимулировало развитие многих областей — от климатологии и биоинформатики до бизнес-аналитики, однако проблемы, связанные с потребностью поддержки конфиденциальности данных, особенностями доступа к данным, их интеграции и управления, пока позволяют использовать в таких областях, как общественные науки и здравоохранение, только микроданные (данные об отдельных людях). Крупные базы используются редко. Совершенствование возможностей анализировать крупные коллекции данных, включающие сведения об отдельных людях, является не только интересным исследовательским направлением — результаты могут способствовать формированию эффективных политик принятия решения и управления социальными программами. Данные социальных геномов могут обеспечить информацию о жизни людей, позволить правильно реагировать на изменения и принимать решения.

Вне тематической подборки опубликована статья Паоло Монтуски (Paolo Montuschi) и Альфредо Бенсо (Alfredo Benso) «Дополненное чтение: настоящее и будущее электронных научных публикаций» (Augmented Reading: The Present and Future of Electronic Scientific Publications). Постоянное ускорение процессов получения новых исследовательских результатов и данных, разработка все более быстрых и масштабных средств распространения информации приводят к пересмотру понятия «научная публикация». Во-первых, нужно искать новые способы совместного использования исследовательских данных, которые позволят более полно понять смысл соответствующих публикаций. Во-вторых, требуется научиться фильтровать эти данные, чтобы читатели могли эффективно обращаться к тем данным, которые соответствуют их потребностям. В-третьих, простота публикаций в расчете на использование электронных книг и планшетов лишает финансовой привлекательности традиционные бумажные технологии. В 2010 году авторы предложили термин «дополненное чтение», имея в виду тему исследований, а не некоторую конкретную технологию. Цель этого направления — выявление новых парадигм доставки научного контента с использованием технологий, основанных на когнитивных моделях, учете человеческих и социальных факторов, требований эргономики. В своей статье авторы обсуждают, в частности на примере развития электронного издательства IEEE Computer Society (рис. 2), каким образом концепция дополненного чтения может изменить процессы планирования, написания и доставки научных публикаций, какие новые способы распространения знаний обеспечивают электронные публикации.

Рис. 2. Вехи развития электронного издательства в Computer Society.

Литература

1. Карин Страусс, Даг Бургер. Будущее твердотельной памяти // Открытые системы.СУБД. — 2014 (в печати).

Всего доброго, Сергей Кузнецов (kuzloc@ispras.ru) — профессор, МГУ (Москва).