Есть такая совсем у нас неизвестная поисковая программная инженерия

Есть такая совсем у нас неизвестная поисковая программная инженерия, и есть профессор Tim Menzies (IEEE Fellow 2019 — абсолютный топ в мире вычислительной техники), который ей занимается уже много лет, и то, что именно он был номинирован на Fellow, конечно неспроста (и это на фоне тотального хайпа по нейронным сетям). Причём у программной инженерии, computer science и AI/ML, по большому счёту, есть свой зонтик, который называется Foundations of Software Science (theories and methods to support the analysis, integration, synthesis, transformation, and verification of programs and software systems) — categorical models and logics, language theory, automata, and games; modal, spatial, and temporal logics; concurrency theory and process calculi; type theory and proof theory etc.

Этими основаниями профессор занимается очень активно, да и спрос на них огромный: H-index = 51 !

Поисковая программная инженерия (search-based software engineering, SBSE), формально говоря, это применение различных методов оптимизации к разработке софта. Вот нашлась одна статейка на русском:

https://www.osp.ru/os/2011/10/13012235/

Хороший пример эффективности SBSE:

http://www0.cs.ucl.ac.uk/staff/w.langdon/ftp/papers/Langdon_2013_ieeeTEC.pdf

С помощью генетических алгоритмов удалось ускорить крупную и сложную программную систему (50 тысяч строк кода) в 70 раз!

Это кстати отдельный тренд automated software engineering.

И есть ещё поисковая системная инженерия: http://sewiki.ru/SBSE

Причины, по которым стоит изучать поисковую программную инженерию:

https://github.com/timm/sbse14/wiki

1) Следующая Крутая Вещь будет не Биг Дата.

2) Софт — это наше всё!

3) Эволюционные методы показывают отличные результаты.

Одно из свежих исследований профессора на тему, как повысить продуктивность разработчиков в крупных организациях:

https://arxiv.org/pdf/1710.08736.pdf

Изучено 832 проекта, и оказалось, что чем чаще программисты переключаются между проектами и чем больше у них появляется непредсказуемых тикетов, тем сильнее падает их эффективность. Даже одновременное участие в 2-3 проектах приводит к тому, что 20-40% усилий уходят в никуда. При этом достаточно отслеживать лишь тренды issues, чтобы довольно точно предсказывать количество багов и нежданных фич в следующем месяце. Нехитрый вывод, который наконец подтверждён научно — оптимальной продуктивности получится добиться, если строго планировать деятельность в рамках одного проекта на недели вперёд, и стараться эти планы не менять, причём тикеты желательно группировать по темам, чтобы контекст менялся плавно.

Ещё можно поизучать, модель POM3-XOMO — предсказывает баги, проектные риски и девелоперские усилия, на основании статистики сотен коммерческих и военных проектов:

https://zenodo.org/record/1169623#.XQ9tnoEw3YB

На свои исследования Tim Menzies собрал уже $10 миллионов инвестиций. Денежки дают Национальный научный фонд США, NASA, Пентагон, Microsoft, а также конечно IBM, без которой, как я раньше отмечал, практически никогда не обходятся подобные исследования. Год назад например она наградила профессора IBM Faculty Award (и заодно $40,000).

Tim Menzies организовал отдельную лабораторию под эти проекты, и в частности, под применение AI в программной инженерии: http://ai4se.net/ В ней трудятся пять китайцев + пять индийцев :)

Далее мы будем внимательно следить за исследованиями профессора )))

Добавлю его лабораторию в кунсткамеру фирм, занимающихся потенциально прорывными проектами с невероятно высоким потенциалом:

+ http://ai4se.net

+ https://www.raincodelabs.com

как за 10-15 лет докачаться до такого уровня:

https://vk.com/wall-152484379_1463

https://vk.com/wall-152484379_1465

+ http://www.functor.se/ (Альтенкирх и HoTT)

Комментарии: