Дхая Синдху Баттина

Искусственный интеллект и DevOps: взаимодействие и значение для информационных технологий в США

Старший инженер по данным, DevOps и автоматизации SME, Отдел информационных технологий, США

Статья из журнала: International Journal of Research and Analytical Reviews (IJRAR)

Аннотация: Основная цель данной работы — изучить, как искусственный интеллект и DevOps взаимодействуют в сфере информационных технологий, а также рассмотреть их значение для США. Исследование показало, что без искусственного интеллекта и DevOps управление и контроль информационно-технологическими системами может быть очень сложной задачей, особенно в США. В сфере информационных технологий эти два компонента взаимодействуют друг с другом, повышая эффективность при выполнении различных операций. Растущий объем доступных данных затрудняет командам DevOps быстрое поглощение и усвоение новой информации, при этом они по-прежнему должны быть в состоянии решать проблемы клиентов. DevOps стал важным компонентом информационных технологий после того, как тенденция к автоматизации вышла за пределы ИТ, команд и других областей. DevOps повышает производительность, облегчая поставку программного обеспечения и позволяя компаниям быстрее выводить программное обеспечение на рынок, что приводит к созданию более надежного продукта. По сути, технологии на базе искусственного интеллекта могут использоваться для решения различных важных задач (таких как национальная безопасность). Согласно результатам исследования, предприятиям следует перейти к более ориентированному на искусственный интеллект развертыванию среды DevOps. Поскольку компьютеры могут обрабатывать только определенный объем данных в любой момент времени, искусственный интеллект стал решением для хранения, обработки и анализа огромных объемов данных. Чтобы понять, какую роль ИИ может играть в DevOps, необходимо сначала понять связь между ИИ и DevOps, а также то, как это взаимодействи. Многие компании сразу же осознают ценность искусственного интеллекта и машинного обучения. Однако, поскольку они еще не обучили сотрудников необходимым знаниям для эффективного использования этих технологий, это осознание может быть сдержано. С точки зрения разработки программного обеспечения, программное обеспечение DevOps имеет несколько неотъемлемых недостатков, которые трудно решить без вычислительных возможностей, предоставляемых системами искусственного интеллекта. Они имеют решающее значение для успеха цифровой трансформации.

Ключевые слова: искусственный интеллект, DevOps, информационные технологии, автоматизация, алгоритмы, робототехника, машинное обучение, США.

ВВЕДЕНИЕ

ИИ приобрел большую популярность в эпоху индустрии 4.0, стимулируя развитие области информационных технологий (ИТ), которая стремится превратить ИТ-системы в интеллектуальные системы, возродив важность ИИ в ИТ-секторе. Информационные технологии включают в себя компьютеры, методы передачи данных и программное обеспечение, поэтому ИИ будет играть важную роль в этой отрасли. ИИ становится брендом, символизирующим технологии будущего и их применение в различных секторах. В этой статье мы рассмотрим, как ИИ может быть использован в информационных технологиях, а также недавние прорывы, которые могут помочь ИТ-отрасли создать новые решения с гарантированным качеством. ИИ становится все более доминирующим в будущем. ИТ можно найти в широком спектре предприятий, а принципы ИИ часто используются в компаниях, которые зависят от информационных технологий. За последнее десятилетие технологии ИИ стали частью нашей повседневной жизни, особенно в таких областях, как исследования в области интеллекта, распознавание голоса, автоматизация и распознавание лиц. ИИ меняет повседневную деятельность предприятий в различных отраслях. Искусственный интеллект заменил традиционные компьютерные технологии, революционизировав функционирование компаний и выполнение ими своих повседневных задач. От исследований и разработок до оптимизации финансовых и медицинских систем — передовой ИИ за очень короткое время революционизировал все. По оценкам, к 2025 году сектор ИИ будет стоить 190 миллиардов долларов. По оценкам, к 2021 году глобальные инвестиции в когнитивные технологии и технологии искусственного интеллекта достигнут 57,6 млрд долларов, а технологии искусственного интеллекта будут использоваться в 75% корпоративных приложений. Ожидается, что к 2030 году искусственный интеллект увеличит ВВП Китая на 26,1%, а ВВП США — на 14,5%.

Поскольку ИИ — это технология, которая внедряется в структуру для повышения производительности информационных технологических устройств, ИИ и DevOps взаимозависимы и дополняют друг друга. С другой стороны, решения DevOps — это ориентированный на бизнес подход к поставке программного обеспечения. Применение ИИ помогает командам DevOps научиться быстрее создавать и распространять программное обеспечение. Кроме того, ИИ может ускорить автоматизацию, быстро устранять проблемы и с минимальными усилиями решать любые затяжные трудности. В ИТ-секторе ИИ и DevOps являются важными компонентами. Это ориентированные на бизнес методы ускорения разработки приложений путем объединения разработки программного обеспечения и операций. Они могут быть более успешными, если предлагают более точные результаты. Этап может быть более узконаправленным, чтобы оценить, может ли компания инвестировать в приложение, предвидя результат. Он может поставлять элементы по графику, а не по регулярному расписанию, поскольку может реагировать быстрее, чем обычно. Поскольку он производит более быстрые и точные функции, он может обеспечить более быструю скорость развертывания. DevOps обеспечивает постоянную подачу ценности конечным пользователям, а также автоматизирует и гарантирует непрерывность операций. Однако эти роботы будут отдавать приоритет физическим процессам над искусственным интеллектом (хотя они уже автоматизированы); в качестве альтернативы, автоматизированный интеллект будет выполнять эту задачу вместо физического. Поскольку люди не способны обрабатывать огромные объемы данных и вычислительных операций, которые требуются на современном рабочем месте, ИИ становится необходимым инструментом для разработки и управления приложениями. Искусственный интеллект (ИИ) прост в использовании, но большинство компаний быстро понимают потенциал этой технологии, когда теряют из виду, как ее использовать для улучшения организационных задач. Когда речь заходит о DevOps, искусственный интеллект действительно важен, поскольку он может решить некоторые проблемы, с которыми сталкивается ИТ-бизнес. Они необходимы для продвижения цифровой трансформации. Основная цель этой статьи — узнать, как ИИ и DevOps функционируют вместе в информационных технологиях, а также оценить их важность для Соединенных Штатов.

ПРОБЛЕМАТИКА

Основная проблема, которая будет рассмотрена в данной статье, заключается в изучении того, как искусственный интеллект и DevOps работают в информационных технологиях, а также их будущего в США. Например, в исследовании будет рассмотрено, как DevOps и искусственный интеллект работают вместе, полезные способы объединения DevOps и ИИ, метрики, используемые в операциях информационных технологий, а также их будущее и ценность для США. Технологии искусственного интеллекта доказали свою эффективность в ускорении DevOps и цифровых инициатив, хотя их создание и усовершенствование может занять больше времени. Чтобы понять, что принесет будущее в сфере ИТ, необходимо полностью осознать взаимодействие между искусственным интеллектом и DevOps.

ОБЗОР ЛИТЕРАТУРЫ

Как DevOps и ИИ взаимодействуют в ИТ-операциях

DevOps — это бизнес-ориентированная методология, которая включает в себя аналитику устройств и искусственный интеллект. Использование программного обеспечения на базе ИИ позволяет командам DevOps использовать тысячи точек данных, что не только помогает им упростить тестирование, разработку, выпуск и мониторинг продуктов с высокой точностью и производительностью, но и ускоряет этот процесс. Многочисленные автоматизированные процедуры требуют выявления и устранения трудностей, а также сотрудничества между членами команды для более эффективной разработки и эксплуатации. Эффективность DevOps значительно повышается за счет искусственного интеллекта. ИИ предоставляет различные инструменты, которые позволяют бизнес-пользователям отображать и интегрировать данные со скоростью бизнеса, улучшая критически важные бизнес-решения и создавая приятный клиентский опыт. Машины могут использоваться для оптимизации способа обработки данных системами DevOps с целью создания ценности.

Рисунок 1: DevOps для ИИ

Ниже описаны пять способов, которыми решения на основе искусственного интеллекта (ИИ) имеют решающее значение для сообщества DevOps.

Повышенная доступность данных

Наиболее серьезная проблема, поднимаемая в DevOps, — это апатичное отношение предприятий к сотрудникам, которые не имеют неограниченного доступа к данным. Это практически не дает возможность бизнес-пользователям использовать данные, что в долгосрочной перспективе затрудняет ведение бизнеса. Потребители должны использовать технологию обработки данных на базе ИИ для работы с информационными хранилищами, что позволит им получать правильную информацию в нужный момент и делать лучший выбор. Пользователи могут сопоставить большое количество фрагментированных данных, например, с помощью платформы ИИ (искусственного интеллекта). Затем эта информация может быть объединена в единую базу данных. Искусственный интеллект обрабатывает данные таким образом, что позволяет делать более точные выводы, свободные от ошибок и несоответствий. По сути, программное обеспечение для отображения данных с помощью искусственного интеллекта помогает пользователям легко и точно отображать большие объемы данных. Они могут использовать интегративный метод для соединения изолированных массивов данных в ИТ-системе, что приводит к получению точной информации о потребителях, которая может улучшить качество данных и производительность. Технологии искусственного интеллекта помогут пользователям ориентироваться в различных источниках данных, чтобы выполнять задачи быстрее и точнее. Искусственный интеллект может объединять данные из различных источников для создания четкого и эффективного процесса анализа данных.

Своевременные уведомления и оповещения

Для обеспечения эффективности все команды DevOps должны иметь надежные системы предупреждений и оповещений, которые позволяют им выявлять проблемы сразу же после их возникновения. Иногда одновременно поступает большое количество предупреждений, которые имеют разную степень серьезности. Большое количество предупреждений может негативно повлиять на общую производительность команды. Что касается уведомлений, искусственный интеллект может помочь в их приоритезации на основе информации, полученной из прошлых действий, а также серьезности предупреждений и источника предупреждений. В результате, это хорошая практика для уверенной работы с огромными наборами данных при их обработке.

Повышение эффективности выполнения планов

ИИ позволит организации свободно функционировать за счет использования самоуправляемых систем, а также будет служить системой управления на основе правил и человеческого фактора в плане сбора и анализа данных. Эта технология может помочь бизнес-пользователям справиться с неопределенностью в их нынешних цифровых процессах, а также обеспечить плавный переход к новым технологиям. В настоящее время она используется в сфере здравоохранения. Обнаружение аномалий — четвертый этап процесса. Поддержание систем безопасности очень важно для деятельности любой организации. Улучшить безопасность можно путем облегчения использования зашифрованных сред данных, в которых только те, кто получил разрешение на доступ к системе, имеют право это делать, что может быть достигнуто с помощью интеграционных инструментов на базе ИИ. Пользователи могут сосредоточиться на выявлении несоответствий в результатах при использовании тестов искусственного интеллекта. И искусственный интеллект, и DevOps могут помочь компаниям добиться успеха, одновременно снижая вероятность утечек и краж данных.

Социализация и установление связей между участниками групповых дискуссий

Если вы сможете отвлекать разработчиков на длительный период времени, это негативно повлияет на их производительность и совместную работу. Наряду с программистами, разработчики используют технологии искусственного интеллекта (ИИ) для быстрого развертывания кода, что позволяет минимизировать сбои в работе. С помощью искусственного интеллекта можно создать совместную среду DevOps, которая помогает компаниям производить продукцию наилучшего качества, а также значительно упрощает ведение бизнеса с ними. Предлагая единое и унифицированное представление данных и приложений, приложения на базе ИИ могут помочь командам максимально использовать возможности DevOps и упростить процесс. Эти инструменты также предоставляют пользователям возможность быстро обнаруживать аномалии и предотвращать ошибки, такие как сбои в обработке данных, которые затем можно сразу исправить. DevOps — это интеграция разработки программного обеспечения и операций в области информационных технологий, и ожидается, что в ближайшие годы она станет ключевым фактором роста как в разработке программного обеспечения, так и в операциях в области информационных технологий. В результате, благодаря этому сообществу и системному сотрудничеству, команды разработчиков программного обеспечения и ИТ-специалистов могут более легко внедрять новый код в свои процессы разработки и сочетать его с бизнес-целями. Однако существуют определенные ограничения роста DevOps, которые препятствуют улучшению индивидуальной производительности, но будущее рынка с DevOps и ИИ будет более быстрым, стабильным и долгосрочным.

DevOps — новый корпоративный стандарт

Опрос, проведенный O'Reilly Media, показал, что средняя заработная плата специалистов DevOps во всем мире в настоящее время достигла 90 000 долларов США в год, по сравнению с 60 000 долларов США в год ранее. Такая же тенденция была отмечена в результатах исследования DevOps 2018 года, опубликованного DORA, в котором утверждается, что спрос на DevOps растет, а возможности предприятий по управлению сложными программными проектами расширяются. В опросе оцениваются высокоэффективные, среднеэффективные и низкоэффективные команды DevOps. При сравнении друг с другом команды с наивысшей эффективностью называются «высокоэффективными DevOps», команды со средней эффективностью — «среднеэффективными DevOps», а команды с наименьшей эффективностью — «низкоэффективными DevOps». В долгосрочной перспективе инвестиции в новые возможности DevOps принесут огромные выгоды. Команды смогут выпускать код в 46 раз чаще и вносить улучшения в код в 2500 раз быстрее, если будут следовать надлежащему рабочему процессу Git. Что касается DevOps, то количество сбоев при переходе в семь раз меньше, чем в традиционных компаниях, а восстановление после инцидентов происходит в 2600 раз быстрее, чем в традиционных предприятиях. Среди широкой публики распространено мнение, что те же сложные модели, которые способны предсказывать движения человека, также могут реагировать быстрее, чем в прошлом.

Трудности и преимущества на рабочем месте

Несмотря на положительные аспекты, объединение искусственного интеллекта и DevOps в ИТ-системах может создать значительные проблемы, затрудняющие его внедрение на практике. Многие факторы влияют на высокое качество программного обеспечения, в том числе их влияние на компанию и то, как вопрос поставки программного обеспечения влияет на эффективность бизнес-операций компании. Эти вопросы необходимо тщательно изучить, чтобы улучшить возможности организации. Чтобы быть готовыми к любому кризису, необходимо постоянно укреплять деятельность по разработке. Появление искусственного интеллекта (ИИ) и DevOps в ИТ-бизнесе позволило нескольким командам предоставлять клиентам современное и безопасное программное обеспечение. В конечном итоге этот метод повлияет как на убытки, так и на прибыль предприятий.

Открытое сотрудничество и полнофункциональная разработка

Длительные циклы проектирования и производства имеют решающее значение для успеха телекоммуникационных технологий. Метод DevOps способствует открытости, адаптивности и гибкости, которые являются желательными характеристиками. В большинстве случаев для реализации подхода DevOps в телекоммуникационных организациях используются облачные решения. Для разработки высококачественных приложений потребуется использование флагов функций, иммунной системы производства и архитектуры «ветвь-ветвь», а также более автоматизированное тестирование.

Разработка новых возможностей и оценка их эффективности

Для успешного внедрения DevOps в эпоху искусственного интеллекта (ИИ) предприятиям необходимо применять креативные концепции и операционные модели. Многие программисты считают, что для быстрого выполнения задач необходимо идти на больший риск, однако это не так. Масштабируемость, стабильность и надежность — вот основные характеристики высокоэффективных систем. Необходимо совершенствовать навыки сотрудников, а также собирать данные и поощрять новые идеи. Чтобы DevOps оправдал возложенные на него надежды, необходимо следовать четкой стратегии. Команды DevOps управляются в соответствии с четырьмя показателями:

Требуется максимально сократить время между регистрацией и окончательным выпуском.
Необходимо периодически вносить изменения в производство (производительность).
Время, необходимое для устранения неполадок в системах после серьезного сбоя.
Частота сбоев обновлений, которые необходимо изменять после их выпуска.

Отслеживание этих показателей служит основой для оценки эффективности подхода DevOps в организации. Это даст компаниям больше информации и понимания того, что улучшается, а что необходимо изменить с точки зрения их общей производительности.

Обзор полезных подходов к сочетанию искусственного интеллекта с операциями DevOps

1. Проверка на автоматизацию

Первый шаг — определить, есть ли автоматизация. Во время тестирования, когда программное обеспечение и методы тестирования должны быть надежными и точными, DevOps играет наиболее важную роль, и именно в этот момент могут возникнуть самые серьезные проблемы. Поскольку ручное тестирование программного обеспечения становится все менее надежным, появляются веские аргументы в пользу использования искусственного интеллекта. Чтобы выяснить, что работает, а что нет, программное обеспечение искусственного интеллекта, такое как система распознавания изображений, позволяет инженерам дублировать исследования в течение длительного периода времени. Можно использовать непрерывное тестирование, при котором программа автоматически проверяется без участия пользователя, а пользователь может получать мгновенные ответы от программного обеспечения. Среди наиболее успешных технологий автоматизации, доступных для DevOps, можно выделить Selenium, Mocha и Cucumber, каждая из которых имеет свой набор требований к гибкости.

2. Непрерывный мониторинг

Поиск ошибок в больших наборах данных и сложных процессах — это возможность, предоставляемая искусственным интеллектом для освоения построения точных методов и процедур обучения. Непрерывный мониторинг является удовлетворительной необходимостью для DevOps, поскольку он отслеживает производительность информации в системе, доступность программного обеспечения и конкретное местоположение ошибок.

Интеграция искусственного интеллекта (ИИ) с DevOps позволяет осуществлять непрерывный мониторинг, который будет постоянно отслеживать и обнаруживать неисправности в приложении, коде и процессе разработки. При возникновении любой неисправности искусственный интеллект автоматически обнаружит ее и выдаст предупреждающее сообщение. Если неисправность не обнаружена, разработчик не получает уведомления. В последние годы появилось множество решений для мониторинга, которые помогают повысить эффективность мониторинга приложений.

3. Автоматизация развертывания

Интеграция/развертывание направлены на автоматизацию процессов разработки, что позволяет снизить риски разработки. Использование методов автоматизации, таких как клонирование кода и его интеграция с локальными каталогами для формирования центрального репозитория кода, может помочь в выявлении проблем. Автоматическое развертывание необходимого программного обеспечения в производственной среде — еще одна улучшенная функция, которая существенно снизит необходимость участия человека в производственной среде. Команды DevOps должны определить один ручной код, который приведет к большому количеству повторяющихся действий по обнаружению ошибок, сообщению об ошибках, исправлению ошибок и удалению ошибок. Учитывая доступность этих технологий, разработчики программного обеспечения и команды могут использовать их или другие подобные способы, чтобы сделать свои приложения более пригодными для развертывания в краткосрочной и долгосрочной перспективе.

4. Оценка доступности автоматизированных систем

Определение наличия или отсутствия автоматизации является первым этапом этого процесса. DevOps играет наиболее важную роль во время тестирования, когда программное обеспечение и методологии тестирования должны быть надежными и правильными, и именно в этот момент наиболее вероятно возникновение самых значительных ошибок. Искусственный интеллект имеет веские основания для использования в тестировании программного обеспечения, поскольку ручное тестирование программного обеспечения становится все более неточным. Инженеры могут повторять исследования в течение длительного периода времени с помощью программного обеспечения искусственного интеллекта, такого как фреймворки распознавания изображений, чтобы определить, какие методы работают, а какие нет. Непрерывное тестирование — это техника, при которой программирование проверяется автоматически без участия пользователя, а пользователь может получать немедленные ответы от программного обеспечения. Selenium, Mocha и Cucumber — три наиболее эффективных инструмента автоматизации, доступных для DevOps, каждый из которых имеет свой набор требований к адаптируемости и масштабируемости.

БУДУЩЕЕ В США

Будущее DevOps и ИИ в США будет в большей степени сосредоточено на интеллектуальных системах, которые обучаются на данных и учатся самостоятельно выполнять различные функции. DevOps может стать более эффективным благодаря использованию искусственного интеллекта (ИИ). Это может повысить производительность за счет ускорения циклов разработки и эксплуатации, а также обеспечить положительный пользовательский опыт в результате этих функций. Методы машинного обучения в системе DevOps могут упростить сбор данных из многих источников. DevOps будет продолжать набирать популярность по мере того, как искусственный интеллект (ИИ) и наука о данных будут все чаще использоваться в коммерческом мире. DevOps для ИИ — это реализуемая методология, которая может помочь организациям ускорить и улучшить свои решения в области ИИ. Помимо облегчения подготовки данных и построения моделей, она вводит стандартизированные методологии, позволяющие широко использовать ИИ. Несмотря на это, тема операционализации ИИ редко обсуждается, несмотря на многочисленные преимущества по сравнению с существующими методологиями. Для достижения стратегических целей организации необходимо уделять приоритетное внимание применению искусственного интеллекта.

ЭКОНОМИЧЕСКИЕ ВЫГОДЫ В СОЕДИНЕННЫХ ШТАТАХ

Данное исследование поможет Соединенным Штатам, проливая свет на то, как можно преодолеть проблемы DevOps в интересах широкого спектра предприятий. Многие компании в IT-индустрии получат выгоду от AI и DevOps, поскольку они революционизируют бизнес-процессы и улучшают разработку программного обеспечения. Благодаря использованию программного обеспечения на базе искусственного интеллекта предприниматели научатся создавать более качественные приложения, даже если их исходный код не идеален. Из-за низкого качества программного обеспечения американские корпорации терпят убытки, и только небольшой процент компаний используют искусственный интеллект и DevOps в своей деятельности. Это исследование окажет огромное влияние на такие предприятия, подтолкнув их к использованию этих технологий для сокращения убытков, которые они несут при их использовании. Эти убытки часто возникают в результате задержек, вызванных некачественными ИТ-платформами и приложениями. Внедрение технологии AI-DevOps повысит эффективность многих видов работ, особенно в сфере потребительских услуг. Для улучшения своей деятельности такие компании, как IBM, Google и Facebook, обратятся к будущему искусственного интеллекта и DevOps.

ЗАКЛЮЧЕНИЕ

В данном исследовании рассматривались взаимосвязь между DevOps и ИИ, а также будущее этой технологии в США. В будущем в сфере информационных технологий будет уделяться больше внимания интеллектуальным системам, которые обучаются на данных и учатся самостоятельно выполнять различные задачи без вмешательства человека. Это будет революционным шагом, и компании возьмут контроль в свои руки. Несмотря на то, что компании уже начали повышать свою производительность и эффективность, эта тенденция будет продолжаться и в будущем. ИТ-компании реализуют весь потенциал DevOps при использовании тактики автоматизации развертывания и автоматизированной процедуры анализа данных. Более плавная доставка, меньшие потери и более довольные клиенты — все это преимущества автоматизации. Эта бизнес-модель постепенно внедряется все большим количеством компаний. DevOps получит значительную помощь от искусственного интеллекта (ИИ). Цель DevOps — предоставить централизованный доступ к вычислительным ресурсам и данным под контролем искусственного интеллекта. Благодаря внедрению методов DevOps тестирование и развертывание программного обеспечения стали проще. Развитие искусственного интеллекта позволит DevOps работать более эффективно. По мере совершенствования возможностей искусственного интеллекта появляются новые технологии, которые улучшают работу компаний по всему миру для всех. Развитие электротехники и информационных технологий привело к появлению все более интеллектуальных, умных и эффективных машин. Искусственный интеллект (ИИ) лежит в основе современных информационных и коммуникационных технологий (ИТ). Важно помнить, что в начале XX века в футуристических прогнозах ракета или космический корабль рассматривались как основной инструмент будущего. С другой стороны, инновацией индустриальной эпохи стала большая машина, производящая огромную силу. Технологическая сила машины заключается не в ее сырой мощности, а в ее мобильности, интеллекте, коммуникации и сложности. Машина может быть интегрирована практически во все аспекты человеческой деятельности, что позволяет увеличить объем хранения данных, улучшить координацию и скорость обработки.

СПИСОК ЛИТЕРАТУРЫ

V. Gupta, P. Kapur and D. Kumar, "Modeling and measuring attributes influencing DevOps implementation in an enterprise using structural equation modeling", Information and Software Technology, vol. 92, pp. 75-91, 2017.
M. Ammar., "Application of Artificial Intelligence and Computer Vision Techniques to Signatory Recognition", Information Technology Journal, vol. 2, no. 1, pp. 44-51, 2002.
V. Sugumaran, Distributed artificial intelligence, agent technology and collaborative applications. Hershey, PA: Information Science Reference, 2009.
H. Salzman, "Engineering perspectives and technology design in the United States", AI & Society, vol. 5, no. 4, pp. 339-356, 1991.
H. Izadkhah, "Transforming Source Code to Mathematical Relations for Performance Evaluation", Annales Universitatis Mariae Curie-Sklodowska, sectio AI — Informatica, vol. 15, no. 2, p. 7, 2015.
J. Chen, "Discussion of the Modern Electronic Technology Application and Future Development Trend on Automobile", Applied Mechanics and Materials, vol. 155-156, pp. 627-631, 2012.
H. Papadopoulos, A. Andreou and M. Bramer, Artificial Intelligence Applications and Innovations. Berlin, Heidelberg: IFIP International Federation for Information Processing, 2010.
L. Rendell, "A new basis for state-space learning systems and a successful implementation", Artificial Intelligence, vol. 20, no. 4, pp. 369-392, 1983.
G. Pospelov, "Artificial Intelligence as a Basis for a New Information Technology", IFAC Proceedings Volumes, vol. 16, no. 20, pp. 1-14, 1983.
R. Conejo, M. Urretavizcaya and J. Prez-de-la-Cruz, Current topics in artificial intelligence. Berlin: Springer, 2004.
T. Bradley and T. Bradley, "Why DevOps means the end of the world as we know it", TechSpective, 2016. [Online]. Available: https://techspective.net/2015/08/16/why-devops-means-the-end-of-the-world-as-we-know-it/.
D. Linthicum, "What is DevOps? DevOps Explained | Microsoft Azure", Azure.microsoft.com, 2016. [Online]. Available: https://azure.microsoft.com/en-us/overview/what-is-devops/.
L. Iliadis, I. Maglogiannis and H. Papadopoulos, Artificial intelligence applications and innovations. Berlin: Springer, 2012.
Y. Jiang, "Analysis on the Application of Artificial Intelligence Technology in Modern Physical Education", Information Technology Journal, vol. 13, no. 3, pp. 477-484, 2014.
Y. Nakajima, M. Ptaszynski, H. Honma and F. Masui, "Automatic extraction of future references from news using morphosemantic patterns with application to future trend prediction", AI Matters, vol. 2, no. 4, pp. 13-15, 2016.
K. Hirasawa, "Trend on application of AI technologies to industry. From the latest international workshop on AI applications.", IEEJ Transactions on Industry Applications, vol. 108, no. 10, pp. 868-871, 1988.
L. Bass, I. Weber and L. Zhu, DevOps: A Software Architect's Perspective. Pearson Education,Inc., 2015.
L. Lopes, N. Lau, P. Mariano and L. Rocha, Progress in Artificial Intelligence. Berlin, Heidelberg: Springer Berlin Heidelberg, 2009.
G. Simov, "Artificial intelligence and intelligent systems: the implications", Information and Software Technology, vol. 32, no. 3, p. 229, 1990.