DevSecOps 中的AI：從“智能副駕”到“自動駕駛”

　　自動駕駛和軟件(SW)開發(fā)之間有何共同點?乍一看，并沒有什么共同點。但仔細觀察一下，就能發(fā)現(xiàn)兩者之間存在一些相似之處，尤其是在實現(xiàn)基本目標的演進路徑上。開發(fā)團隊本身不會成為 “乘客”，但設計、創(chuàng)建、保護、分發(fā)和維護等方面相關人員的傳統(tǒng)角色和職責會發(fā)生轉變。為了更好地理解這一點，可以先深入了解一下自動駕駛的概念，然后再將其與軟件開發(fā)聯(lián)系起來。

　　自動駕駛的概念出現(xiàn)已有多年，曾經看似未來派的概念如今已成為現(xiàn)實。從本質上來說，自動駕駛汽車(AV)旨在最大限度地減少交通出行中的人為失誤(目前約 90% 的交通事故都是由人為失誤造成的)。自動駕駛汽車的基本前提是其性能應優(yōu)于普通人類駕駛員。自動駕駛技術可以節(jié)約時間，這至關重要。這樣，人們就可以把精力投入到更令人愉悅的娛樂活動中，而不是耗費在交通路途中。

　　邊緣計算和AI是實現(xiàn)自動駕駛的兩大關鍵要素：它們使車輛能夠在車內處理物聯(lián)網(wǎng)傳感器的數(shù)據(jù)，從而實現(xiàn)實時操作。這種能力對于任何任務關鍵型應用都至關重要。試圖對機器進行手動編程，以處理各種可能的駕駛場景的做法已不切實際。相反，車輛必須從環(huán)境中動態(tài)學習。自動駕駛汽車的智能程度取決于各種物聯(lián)網(wǎng)傳感器數(shù)據(jù)的可用性，基于數(shù)據(jù)就能創(chuàng)建物理世界的數(shù)字孿生表示。數(shù)據(jù)越多樣化，就能部署越復雜的AI系統(tǒng)。

　　觀察自動駕駛的發(fā)展路徑，我們可以發(fā)現(xiàn)，在每個階段，人類的參與都在逐漸減少。自動駕駛汽車框架包括 6 個自動化級別，從 0(完全手動)到 5(完全自主)不等。

　　- 無自動化：駕駛員完全控制所有駕駛任務。

　　- 駕駛員輔助：車輛采用單一自動化系統(tǒng)，允許駕駛員將腳從踏板上移開。

　　- 部分自動化：車輛具備轉向和加速能力，駕駛員可以將手從方向盤上移開。

　　- 有條件的自動化：車輛能夠控制大部分駕駛任務，使駕駛員能夠將視線從道路上移開，同時仍能保持監(jiān)控。

　　- 高度自動化：車輛在特定條件下能夠執(zhí)行所有駕駛任務，讓駕駛員有機會在保持警惕的同時，將注意力從路面上移開。

　　- 完全自動化：車輛可在任何條件下獨立完成所有駕駛任務。這樣，駕駛員就變成了乘客，完全不用擔心任何駕駛責任。

　　AI 在軟件開發(fā)中的優(yōu)勢與其在自動駕駛領域中的優(yōu)勢如出一轍，即最大限度地減少人為失誤，使人能夠騰出時間，從事創(chuàng)造性更強的工作。由于人力資源往往是軟件開發(fā)中成本最高的環(huán)節(jié)，因此企業(yè)就有動力去采用AI系統(tǒng)，事半功倍。

　　仔細研究軟件開發(fā)的演進路徑，會發(fā)現(xiàn)其與自動駕駛技術的進步有著驚人的相似之處：在每個演進階段，人類的參與都在逐漸減少：

　　- 本世紀初，軟件開發(fā)幾乎不涉及自動化。在軟件開發(fā)生命周期(SDLC)的每個階段都需要人工控制，因此整個過程基本上都需要手動操作。問題往往是由客戶而非內部團隊發(fā)現(xiàn)的。

　　- 2010 年代中期，容器化、云計算和 DevOps 的興起提高了軟件開發(fā)生命周期的整體自動化程度和效率。在測試、代碼審查和 CI/CD 等領域，基于預定義(硬編碼)策略和“if-then”規(guī)則的常規(guī)任務和程序性決策實現(xiàn)了自動化。這樣，研發(fā)團隊就能專注于創(chuàng)造性工作，提高生產力，進而實現(xiàn)“引導和加速”。根據(jù)敏捷原則縮短開發(fā)周期，在開發(fā)和運維之間架起橋梁。問題的管理和解決開始從被動反應轉變?yōu)樽赃m應，各團隊之間的協(xié)調更加順暢。大多數(shù)問題甚至可以在客戶意識到之前就被發(fā)現(xiàn)并解決。

　　- 如今，生成式AI正在推動軟件開發(fā)的效率和創(chuàng)新水平至新高�；�于生成式AI的解決方案可通過無縫的人機對話來創(chuàng)建新內容，自動化的應用遠不止常規(guī)任務。AI在整個軟件開發(fā)生命周期過程中，是不折不扣的助手(智能副駕)，它能夠提供建議、解釋問題、生成代碼、監(jiān)控流程、掃描資源庫、提供預測并輔助快速決策，效率也開始得以提升。這將進一步加快和提高整體代碼生成速度，意味著能夠實現(xiàn)更多的軟件構建、更多需要保護的軟件以及更頻繁的運行時更新。當我們將嵌入式AI模型(MLOps)添加到現(xiàn)代軟件開發(fā)的等式中時，上述領域將進一步擴大。“流式軟件”的概念正逐漸成為現(xiàn)實，小規(guī)模的增量改進(基于二進制文件的更新)會自動從開發(fā)階段流向運行階段，而服務停機時間則會降至最低。

　　- 在應用安全方面，AI能夠通過預測，大幅縮短發(fā)現(xiàn)和修復問題的時間，從源頭防止惡意軟件包進入企業(yè)。首先是利用基于AI的嚴重性和上下文分析來進行自動化漏洞掃描和檢測，然后是自動修復。盡管取得了上述進步，但在基于AI的解決方案展現(xiàn)出更高的可信度和可靠性之前，人工干預和審批仍然是必要的。

　　- 近年來，我們開始向全自動范式過渡，即從“智能副駕”(AI助手)轉變?yōu)?ldquo;自動駕駛”(人工智能決策者)。機器可以通過自然語言用戶界面(如英語)來解決高度復雜的問題，而這需要程序員掌握新型技能，引導對話達到預期狀態(tài)。從根本上說，AI系統(tǒng)的性能應優(yōu)于普通人類開發(fā)者或參與上述流程的其他人員。AI將進一步增強決策流程并使之自動化，使企業(yè)能夠選擇最佳的(數(shù)據(jù)驅動型)方法和工具來解決任何問題。對AI系統(tǒng)的信任將是最重要的，而這就要求做到對廣范圍語境的理解和合乎道德的決策制定，類似于當今自動駕駛所面臨的挑戰(zhàn)。自學習和自修復能力將成為檢測、分析、隔離和修補問題并保持服務正常運行的關鍵。這意味著：軟件將能夠自我重寫和更新，并增加新的功能以處理新的輸入。同樣，對于自動駕駛汽車，AI系統(tǒng)也必須從自身運行環(huán)境中學習并做出相應調整。

　　總之，雖然自動駕駛與軟件開發(fā)之間的相似之處可能不會立即顯現(xiàn)出來，但這兩個領域都有一個共同的目標，即利用AI來強化自身的運作，并讓個體能夠騰出時間來專注于更想追求的目標。在軟件開發(fā)方面，AI將持續(xù)加速并改進新功能和數(shù)據(jù)的創(chuàng)建，提升各研發(fā)職能的用戶體驗，逐步從可信賴的顧問發(fā)展到更高的決策自主權。從智能編碼和安全，到覆蓋整體 DevOps 堆棧，基于AI的“智能副駕”將慢慢成為整個軟件開發(fā)生命周期的主流。企業(yè)對于AI必須堅持負責任且安全的原則和實踐，以確保業(yè)務成果的可持續(xù)性。這涵蓋AI生成軟件的多方面，包括保護知識產權，避免潛在的安全和許可證合規(guī)問題等。AI系統(tǒng)的逐步自主化將允許并確保與現(xiàn)有基礎設施和監(jiān)管環(huán)境的兼容性。

　　隨著AI技術的不斷進步，我們可以預見軟件開發(fā)將迎來更深入的整合和創(chuàng)新。隨著AI不斷改變各行各業(yè)，我們也步入了一個激動人心的時代。軟件開發(fā)的未來大有可為，想象力有多大，我們對機器能夠賦予的開發(fā)責任就可以有多大。

　　關于JFrog

　　JFrog Ltd.(納斯達克股票代碼：FROG)的使命是創(chuàng)造一個從開發(fā)人員到設備之間暢通無阻的軟件交付世界。秉承“流式軟件”的理念，JFrog軟件供應鏈平臺是統(tǒng)一的記錄系統(tǒng)，幫助企業(yè)快速安全地構建、管理和分發(fā)軟件，確保軟件可用、可追溯和防篡改。集成的安全功能還有助于發(fā)現(xiàn)和抵御威脅和漏洞并加以補救。JFrog 的混合、通用、多云平臺可以作為跨多個主流云服務提供商的自托管和SaaS服務。全球數(shù)百萬用戶和7000多名客戶，包括大多數(shù)財富100強企業(yè)，依靠JFrog解決方案安全地開展數(shù)字化轉型。