1. 智能软件对于未来数据挖掘影响的文献
智能软件:数据挖掘的未来
Ahmed E. Hassan
皇后大学
计算机学院
金士顿(Kingston), 安大略(Ontario), 加拿大(Canada)
[email protected]
Tao Xie
北卡罗来纳州立大学
计算机科学系
罗利（Raleigh），北卡罗来纳州(NC)，美国（USA）
[email protected]
摘要
在过去的十年中，软件工程数据挖掘已经成为了一个成功的研究方向。站在本文的立场，我们主张把智能软件（SI）作为未来软件工程数据挖掘的发展方向，并同时应用在现代软件工程的研究，实践和教学当中。我们提出智能软件这个名词，来源于基于事实的提供创新理念，技术支持和商业决策的商务智能系统（BI）的灵感。同样，智能软件为软件从业人员（不只是开发人员）提供实时的相关信息，以支持他们的日常决策。智能软件应该在软件系统的整个生命周期提供决策支持，而不仅仅是在开发阶段。
智能软件在现代软件工程实践中对软件工程的研究造成巨大影响的愿景并没有实现。然而，智能软件在软件库数据挖掘（MSR）领域所展现出的优势对未来对于智能软件的认可提供了极大的保证。本文总结了智能软件在研究和实践中的现状，并且陈述了应用智能软件进行数据挖掘的未来研究方向。
分类和主题描述
[软件工程]：分布，维护和提高
通用术语
文件，经济学，实验，人为因素，管理，衡量，可靠性，核实
关键词
智能软件，软件工程数据挖掘，软件档案库挖掘
1． 简介
许多软件中心都被一些日常的问题和决策所困扰（比如：什么时候发布一个软件系统？软件系统的哪些部分需要修改？系统的哪些部分需要测试？谁会用到这些功能？谁了解这些功能？）。不幸的是，现如今许多关于软件系统的决定都是基于直觉。决定软件系统什么时候发布，系统的某个部分是否要修改或重新编写，或者软件的哪个部分需要彻底的测试是一种艺术，而不是一门学科。随意的决策导致了资源的浪费，以及大型复杂软件系统构建和维护的费用增加。
软件从业人员迫切地需要我们所提到的智能软件。商业智能通过基于实际的系统提供理念和技术来提高商务决策的质量，智能软件为软件从业人员提供实时的相关信息，来支持他们的日常决策。智能软件为软件从业人员具体的有依据的观点，以让他们可以回答关于软件系统的关键问题。使用人员，维护人员和软件的开发人员可以通过智能软件做出长期或者短期的战略规划。此外，智能软件能让公司对他们软件的潜力和限制有一个更好的了解。
在过去的十年中，软件工程数据挖掘已经成为了一个研究方向。这项研究已经在探索和实践上取得了大量的成功。站在本文的立场，我们主张把智能软件（SI）作为未来软件工程数据挖掘的发展方向，并同时应用在现代软件工程的研究，实践和教学当中。
智能软件的愿景并没有变为现实。然而，因为软件工程的研究目的在于它对现代软件系统的联系和影响，智能软件在软件库数据挖掘（MSR）领域所展现出的优势对未来对于智能软件的认可提供了极大的保证。本文总结了智能软件在研究和实践中的现状，并且陈述了应用智能软件进行数据挖掘的未来研究方向。
2． 现状
以前的经验和主导模式，极大地影响着现代软件组织的决策。软件从业人员在作出重大决策时经常依靠他们的经验和直觉。管理者在分配开发和测试的资源时同样基于他们在之前项目中的经验，以及直觉上对于当前项目和以前项目复杂性的对比。开发人员通常依据他们的经验增加新功能或者修复漏洞。测试人员经常根据字段和错误报告对已知容易出现错误的部分优先测试。
由于许多高级工程师根据直觉作出决策，智能软件在实际中的应用甚少。然而,这样的开发人员的职业发展道路具有局限性，而且随着系统使用年限的增加和人员的流动，这种局限性将显现的更加明显。此外，目前对于文献信息的努力在实践中非常有限。根本上来讲，非专业的维基网站被当作知识库来使用，电子表格和幻灯片被作为做出决策的依据。
3． 研究的现状
在过去的十年中，软件库数据挖掘已经成为一个研究方向。这项研究在科研和实践上都取得了实质性的成功。软件库数据挖掘（MSR）[16，14，17，19，29，31]领域是这项研究的一个实例。软件库数据挖掘通过对软件库中海量数据的分析，来发现对系统和项目有用的信息。以下是软件库的例子：
历史信息库：比如源代码控制库，错误记录库，项目进行过程中的信息记录
实时库：比如包含一个软件系统在单个站点或者多个站点执行的有效信息的日志
代码库：比如Sourceforge.net, Google code, 和 Codeplex.com，这些网站包含了一个开发团队所开发的多个软件系统的源代码。
软件库包括了大量有用的项目信息。在使用这些信息的时候，软件从业人员可以较少的依赖自己的直觉和经验，较多地依靠历史数据。历史资料库撷取项目产品之间重要的历史依赖关系，比如函数，文档文件和配置文件。开发人员可以把这些信息延伸到相关的产品，而不仅仅是使用静态和动态代码间的依赖关系。后者可能无法获得重要的依赖关系。例如，把数据写入文件的代码的变化，可能会引起从文件读出数据的代码的变化，虽然这两段代码之间没有传统意义上的依赖关系（例如数据和工作流）。运行时库可以通过对首要执行模式和部署模式是否偏离的确认，用来指出执行的异常。代码库可以通过对多个项目API使用模式或者资料库的挖掘，来确认正确的框架和API的使用模式。
然而软件库在实际应用中通常被用作保存记录，很少用于决策支持。例如，历史资料库通常用来跟踪一个错误或者一个功能的历史，但是很少基于以往对于错误修复的时间对现有问题需要修复的时间做出判断。
软件库数据挖掘领域是在众多应用智能软件的领域中，发展前景最为广阔的领域之一。我们可以通过把这些静的记录转变为“活”的信息，为现代软件项目做出决策指导。例如，传统上把代码存档的源代码控制库，可以与错误记录库相关联，用来帮助从业人员记录和交流复杂的变化，并且基于之前的修改和错误，当出现有风险的代码时对他们进行警告。
智能软件在软件库数据挖掘领域的应用要归功于丰富，广泛和随时可用的软件库。表1列出了几个可能用于数据挖掘的软件库的描述。图1展示了可以被挖掘的数据的例子（第一列），通过对第一列中列出的每种软件工程数据应用数据挖掘算法（第三列）的软件工程任务（中间列）的例子。
4． 智能软件的实现
接下来我们着重提出需要软件库数据挖掘研究人员和软件工程研究人员共同注意的一些领域，以确保软件库数据挖掘领域能够为智能软件的发展作出充分的贡献。对每个我们认为有巨大潜力的领域，我们简单地描述它的现状和发展前景。
4．1 项目生命周期中的智能软件
现状 在2004至2008年间的软件库数据挖掘工作会议和研讨会上对于当前出版物的分析显示，大部分的出版物（大于80%）把注意力集中于源代码和错误关联库。部分原因可能是由于旧的错误记录库和源代码控制库仍然可用，而且源代码和错误报告结构合理，易于用来做自动分析和处理。对于软件库数据挖掘出版物的研究也表明，由于可用性的局限性，文档资料库很少被用来研究。总之，过去的软件工程数据挖掘出版物着重挖掘源代码和错误关联库，通常致力于促进软件项目生命周期编码阶段的任务，受益的主要是开发人员。
未来方向 要实现智能软件，未来软件库数据挖掘的工作应该着眼于更高的位置，而不仅仅局限于作为软件项目生命周期中一小部分的编码阶段。项目经理，测试人员，部署人员和技术支持团队，都是软件系统的涉众，他们都需要智能软件的支持。以往的过分注重于开发阶段的软件库数据挖掘工作是不正确的，并且限制了智能软件对整个软件产业的影响。此外，软件库数据挖掘的研究成功和创新应该纳入涉众日常的工作环境中，包括但不仅仅局限于集成开发环境。
4．2 智能软件在非历史数据库中的应用
现状 软件库数据挖掘领域开始于对历史数据库，如源代码控制库和错误记录库的研究。因此，似乎有一个错觉，认为所有的软件库数据挖掘都是针对历史数据源（或数据库）的。这个错觉需要被解决，来帮助智能软件实现其全部潜力。我们认为：软件库数据挖掘和软件工程数据挖掘的意义是相同的：软件库数据挖掘是关于挖掘软件工程中任何类型的数据的（例如，执行日志[18]，整个互联网上散落的代码段[23，24，20]，和API文档资料[32]），即使这些数据没有明确地存在于某个“库”中。
未来方向 要实现智能软件，未来软件库数据挖掘的工作应该着眼于更高的位置，而不仅仅局限于储存在库中的传统类型的软件工程数据。一些新兴的数据类型，包括集成开发环境下的交互数据和工具，开发会议记录（甚至是录音和对口语的识别），技术支持电话记录，和网上软件产品发布信息。这些类型的数据可能是实时流的数据，而且由于过大或者隐似问题而不能储存在库中。事实上，由于越来越多的相对私人的信息正在变的可用，隐私问题需要引起整个软件工程研究的关注。
此外，需要特别注意在研究和实践中提高数据收集。现有的数据收集方法主要依赖于大数搜索，这将可能导致噪声数据的出现。未来软件库数据挖掘的工作应该致力于提高库和集成开发环境的设计，以便更容易地收集数据。一些现代的集成开发环境，如IBM Jazz[3] 和Microsoft Visual Studio Team Foundation Server [4]，都在引领着正确的发展方向（允许在明确的产品中查找，而不是在噪声数据中挖掘）。然而，为数据挖掘创造更高质量的数据需要大量的工作。然而，随着智能软件领域的成熟，我们希望创造一种新的角色，来负责维护和规划软件项目库中的各种类型的数据。这些人员将确保高质量的数据存储在这些库中，并且可以使用多年。
最后，同时在多个数据源中挖掘数据是一个机遇，即使在异构数据，比如错误报告的文本数据，和测试失败的执行数据之间执行。
4.3 智能软件被用作高效的数据挖掘技术
现状 以往的软件库数据挖掘工作主要是采用现成的数据挖掘（DM）算法（比如关联规则挖掘算法和频繁项集挖掘算法[15]），或工具（比如Weka [18]）。当这些软件库数据挖掘的研究人员在软件工程的数据上应用这些挖掘算法的时候，他们经常不得不降低他们的需求，以迎合现有的挖掘算法和工具所能提供的服务。
未来方向 要实现智能能软件，未来的软件库数据挖掘工作在如下领域要遵循问题驱动的方法：（1）实地调查在软件工程领域的问题，（2）找出解决这些问题的数据挖掘需求，（3）从数据挖掘组织采纳或接受高级的挖掘算法[9]，或者开发新的挖掘算法[26，25]来满足数据挖掘的需求。事实上，为软件库数据挖掘的需求开发一种新的算法，对于软件工程的研究人员是一项很大的挑战。一种可能的解决方法是与数据挖掘的研究人员合作。另一种可能的解决办法是通过预处理输入数据，或者后置处理数据挖掘模式，来适应现有的数据挖掘算法。
4.4 智能软件在实践中的应用
现状 Coverity公司[1]和Pattern Insight公司[5]的一些成功的产品已经集成了基于软件工程数据挖掘的思想和创新。这些产品被世界各地的从业人员所使用。使智能软件依赖于现有的可用的库（比如历史变更库，代码执行日志），在智能软件创新实验上的花费和阻碍相对于其他软件工程技术创新（比如便捷开发和极限编程）要低得多。总之，如果公司有一个这样的库，可以非常容易地进行数据挖掘。
未来方向 为了使智能软件得到广泛的接受，我们必须首先考虑智能软件将在什么层面提供支持。例如，智能软件可以帮助从业人员在小的问题上做出决策（审查某个特定的变更），或者大的问题（比如系统某个部分的重新设计）。智能软件所提供的支持越具体，越有针对性，就越容易被采纳。在整个管理链条中，需要越少的许可和花销，智能软件的提议就越容易被遵循（比如，审查修改还是重新设计某个组件）。
其次，我们要确保智能软件技术是直观的，并且智能软件的结果要易于描述。直观和易于理解是关键，甚至比高性能更为重要，因为一个主要的障碍是：没有人希望他们的业务在一个未知的系统里运行。虽然一些数据挖掘技术[15]已经提供了易于理解的挖掘结果，公司仍然希望结果能够变得更加详尽。此外，在理解数据挖掘的结果和挖掘出的数据上使用有效的工具，将有利于智能软件的结果在开发人员和管理者之间的交流。
5．结论
利用在商务智能领域取得的成就和经验教训，更多的理论需要被提出。在许多方面，智能软件就是软件公司的商务智能。我们应该深入探索，是否可以将出售软件决策作为传统商务智能平台的一部分，因为软件正在越来越多的商务中扮演一个重要的角色，而且软件商务也是商务的一种。我们可以探讨，我们是否能用利用传统的商务智能平台。例如，IBM当前的产品Rational Insight[2]，就是利用Cognos商务智能平台为项目管理者提供智能软件。在商务智能的基础上构建智能软件体系将更易于被接受，因为商务智能的基础更为成熟和高级，而且已经被许多大型组织所认可。
我们认为，智能软件不只对软件从业人员，也为软件工程研究人员提供支持。例如，智能软件可以为现有的研究方向提供支持，并有助于实现软件工程的自动化。我们设想，数据选择（基于数据挖掘的结果）和数据挖掘（基于产生的数据）之间有一条协同的反馈回路。当前的软件测试工作[30，11]已经在开始研究这个回路的概念，也就是所说的机器学习中的主动学习[12]。
智能软件将在研究结果的评估上担当越来越重要的角色。研究项目和论文可以而且应该根据他们对智能软件的应用能力进行评估。而且他们必须向从业人员展示真实的价值。在软件库数据挖掘领域，一些新兴的公司（在软件库数据挖掘的学术研究上成立的），比如Coverity[1]，Pattern Insight[5]，和Tasktop[7]，已经展示了智能软件在生产实践中的巨大价值。我们期待着出现更多这种技术交流和智能软件的成功案例。
我们强调智能软件在实际中的应用，而不应该停滞在长远的研究上面。例如，智能软件将为研究人员和从业人员提供事实的依据，来帮助他们寻找先进的途径，比如新的编程语言和工具，并且根据事实决定是否采纳他们，而不是根据直觉。我们设想，智能软件将成为一个各种软件工程研究理论的通用平台。
致谢
Ahmed E. Hassan is the NSERC RIM Instrial Chair in Software Engineering. Tao Xie’s work is supported in part by NSF grants CNS-0716579, CCF-0725190, CCF-0845272, CCF-0915400, CNS- 0958235, an NCSU CACC grant, ARO grant W911NF-08-1-0443, and ARO grant W911NF-08-1-0105 managed by NCSU SOSI.
图1-数据，数据挖掘算法，和软件工程任务[31]
软件工程数据—
程序段：执行/静态线程，协同变更等
图：动态图/静态调用图，依赖图等
文本：错误报告，邮件，代码注释，文档资料等
挖掘算法—
关联算法，频繁项集算法/子序列法/偏序挖掘法，字段匹配法/聚类法/分类法等
频繁子图挖掘算法，图匹配法/聚类法/分类法等
文本匹配法/聚类法/分类法等
软件工程任务—
编程，维护，错误检测，调试等
错误检测，调试等
维护，错误检测，调试等
表1：软件库的例子
源代码控制库：这些库记录项目的开发历史。它们跟踪与所有改变相关联的源代码的变化，例如，做出变更的开发人员的姓名，更改的时间，和一个简短的描述。源代码控制库是软件项目中最常用的库。CVS, subversion, Perforce, ClearCase, 和 Git，都是实践中被用到的源代码控制库的例子。
错误记录库：这些库跟踪大型软件项目中开发人员和用户提出的错误报告以及功能需求的解决方案。
通讯记录库：这些库记录软件生命周期中所有关于软件项目的讨论。邮件列表，电子邮件，网络会议，即时信息，都是一个项目通讯记录的例子。
部署日志：这些库对一个软件系统或不同系统的单一部署信息进行记录。例如，部署日志可以记录一个系统在不同站点的错误信息。部署日志的使用仍在快速地增长，因为它在远程问题解决上的使用（远程上传工具的冲突），和现代法律的规定。例如，2002年，塞班斯法案规定，电信和金融业的活动信息必须要进行记录。
代码库：这些库把大量项目的源代码进行存档。Sourceforge.net 和Google code都是大型代码库的例子。
2. 人工智能与数据库相结合,未来能给我们的生活带来哪些改变
生活越来越智慧
一脸通行园区，门禁 食堂 电梯 考勤签到 乘车 等全靠刷脸
根据自己的喜欢习惯，自动调节室内空调温度 电灯光亮度 窗帘的开关等等等
3. 人工智能与存储大碰撞，到底是新需求还是零火
如今，人工智能的高速发展，彻底改变了人类的工作方式、生活方式和思维方式，也实现了生产力的整体跃升和社会治理的新变革。随着计算力的不断突破，人工智能的技术也在日趋成熟，越来越多的企业开始将AI技术融入至行业中。
然而,人工智能在适配行业需求过程中往往会出现慢热现象，一方面是缺乏需求入口来实现技术颠覆，另一方面则是要面临行业内新技术攻防战所产生的阻力。而存储作为传统行业，即便经历过一轮又一轮如软件定义，超融合，云计算等技术的市场洗牌，当面对人工智能技术时，又将如何撬动市场的新需求呢？
基于市场趋势， 9月8日，业界软件定义存储与数据服务公司ProphetStor先智数据首次在北京召开正式媒体见面会，会议由存储在线总编宋家雨主持，并邀请到冬瓜哥，西瓜哥，狒哥等众多资深媒体人以趣味对话的形式大开脑洞，深入探讨人工智能如何融入存储，以及在存储市场如何进一步推进人工智能发展等热门话题。
此次见面会也是先智数据中国领导团队部分高管的首次亮相。会上，先智数据北京代表处高级总监李晓芳发表了《当人工智能遇到存储》的主题演讲，通过介绍先智数据的发展历程，主营业务以及产品解决方案，表明了先智数据未来以人工智能技术为重要发展方向的市场策略，并进一步阐述了人工智能与存储之间的融合创新模式。
先智数据北京代表处高级总监李晓芳
李晓芳表示，公司在成立之初就明确了人工智能的重要性，所有产品技术宗旨都围绕"AI融入存储"这一核心，在存储系统构建、运维，存储系统性能提升和可靠性提升等方面，利用人工智能进行不断地创新。
据介绍，目前先智数据主要有四款产品：
Federator：带外存储资源管理平台，类似OpenStack Cinder、EMC ViPR，但扩展了智能化能力。存储资源终归是被动性资源，如果想实现真正的按需调度，必须能够提前预测。Federator可以通过机器学习认知客户应用负载变动模式，提前预测应用的性能和容量需求变化，提前调配资源到位。
Stellar Flash：包含智能预测能力的全闪存阵列和混合块存储阵列。功能包括采用流量模型模块(TMM)和弹性资源控制(ERC)技术进行智能缓存；对磁盘故障进行监测预警，并根据资源和业务负载状况规划提前修复数据；支持本地重复数据删除和压缩技术。
DR Prophet：针对当下复杂多变的云化数据中心场景，基于Federator平台实现，面向业务需求的数据保护解决方案。主要功能包括可设置的自动数据保护，基于应用感知的数据保护，镜像磁盘容错和本地保护，无破坏性的灾难演练等。
Disk Prophet：智能化的故障数据分析解决方案。功能为磁盘故障预测，也就是为磁盘"算命"，综合运用了大量机器学习和磁盘故障细节知识，旨在利用人工智能技术实现精准故障预测，消除因磁盘故障而出现不可预期的QoS波动，同时提升数据可靠性和资源效率。
企事录张广彬，《大话存储》作者冬瓜哥，日知录技术社区何晓峰，中国云报郭涛（从左向右）
会上，企事录张广彬，日知录技术社区何晓峰，《大话存储》作者冬瓜哥，中国云报郭涛作为嘉宾参与了趣味对话环节，对话深入探讨了"存储行业是否已经夕阳西下？"和"AI是否已经过度炒作？"两个问题，第一个问题围绕"存储行业是否已经夕阳西下"展开，讨论在互联网碾压下，包括传统存储与新存储的存储行业未来的发展乐观与否，以及存储如何实现价值差异化展开讨论，并提出存储唯一的出路就是智能化，存储需要感知业务等观点。
而"AI是否已经过度炒作？"话题，四位嘉宾首先就AI的范围界定阐述了各自的看法，提出新技术的过度炒作是一个必经的过程，而它们的区别在于能否生存下去等观点，并就人工智能在行业内是否具备实用价值，行业与人工智能的融合形式等进行了讨论。
针对市场需求与与发展趋势，先智数据表示针对AI与存储的融合，公司产品的具体实践大致分为两个阶段：
第一阶段是智能化提前预判性能和空间资源要求，并提前调配到位，也就是Federator产品所提供的智能化能力。这种智能化成分实际上也体现了新型的存储资源管理模式。
因此AI与存储结合的第二阶段，在于存储设备本身可以借助AI技术构建新型的智能化存储。智能化的故障数据分析解决方案Disk Prophet的推出就是旨在帮助二次元存储转变为三维的智能存储。因为预测能力可以把磁盘故障这种随机事件，变成可计划事件，使得冗余程度大大降低，破局二次元存储的可靠性与性能无法共存的困境。
先智数据中国区总经理董唯元在最后的会议总结中表示，先智数据未来会更多专注存储与AI结合的领域，并延展到运维领域，以目前AI现有的技术帮助运维人员实现存储运维流程优化以及存储系统管理自动化。随着技术的不断发展，行业划分在未来将会有新的结合方式，在新的行业格局变化下，先智数据将会是一家介于人工智能，存储，运维之间的跨界企业。
4. 在数字化的智能时代，数据化会带来怎样的影响
数据化带来科学的决策。
庞大的数据会彻底改变人们的生活，如何从众多的数据中抽取出自己想要的信息，并解读好数据背后的消费行为和品牌关联，需要从以往单向的内容研究转向“内容+关系”的多维度研究，这对品牌公关策略的设定决策性影响重大。
数据化成为不可或缺的重要技术。
人们越来越意识到，数据除了最初被使用时的价值，更具有丰富的剩余价值，随着数据存储成本的降低，移动互联网的普及，大数据技术已经被用于各种大事件的分析和预测，并日益成为企业甚至行业发展的制胜法宝。
5. 人工智能+大数据是未来的方向吗
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学人工智能应用研究涉及很多领域，在现在大数据的背景下，尤其是在专业领域内，进行对数据的海量检索是远远不够的。以人工智能+大数据为背景，亿信华辰作为中国领先的智能数据产品与服务提供商，具有深厚的商务智能领域的积累，与现在人工智能技术快速发展的大背景相结合下，规划一款专业领域的智能分析系统——智问。智问以简易的检索方式，实时、快速、准确的展示可视化分析结果，彻底打破过去需要人工处理数据并制作报表的交付模式。同时大大降低客户的使用门槛和时间成本，使数据分析更加的日常化，提高运营决策效率。
6. 未来大数据的主要应用领域包括哪些
大数据不仅意味着海量、多样、迅捷的数据处理，更是一种颠覆的思维方式、一项智能的基础设施、一场创新的技术变革。
大数据不仅意味着海量、多样、物联网、智慧城市、增强现实(AR)与虚拟现实(VR)、区块链技术、语音识别、人工智能、数字汇流是大数据未来应用的七大发展方向。
趋势一：物联网
物联网：把所有物品通过信息传感设备与互联网连接起来，进行信息交换，即物物相息，以实现智能化识别和管理。
物联网是新一代信息技术的重要组成部分，也是“信息化”时代的重要发展阶段。
物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；
其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信，也就是物物相息。
趋势二：智慧城市
智慧城市就是运用信息和通信技术手段感测、分析、整合城市运行核心系统的各项关键信息；对包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能响应。其实质是利用先进的信息技术，实现城市智慧式管理和运行，进而为城市中的人创造更美好的生活，促进城市的和谐、可持续成长。这项趋势的成败取决于数据量跟数据是否足够，这有赖于政府部门与民营企业的合作；此外，发展中的5G网络是全世界通用的规格，如果产品被一个智慧城市采用，将可以应用在全世界的智慧城市。
趋势三：增强现实(AR)与虚拟现实(VR)
拟现实技术是一种可以创建和体验虚拟世界的计算机仿真系统，它利用计算机生成一种模拟环境；是一种多源信息融合的、交互式的三维动态视景和实体行为的系统仿真使用户沉浸到该环境中。这两个技术最近开始降价跟提升质量，走向大众市场。VR应用一开始以电玩为主，现在的应用却超越电玩，可以用来教学，靠着VR设备，把家里的插头电线完成配线，就像有水电技师在教学一样。
趋势四：区块链技术
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。 区块链技术是指一种全民参与记账的方式。所有的系统背后都有一个数据库，你可以把数据库看成是就是一个大账本。区块链有很多不同应用方式，美国几乎所有科技公司都在尝试如何应用，最常见的应用是比特币跟其他加密货币的交易。
趋势五：语音识别技术
人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。很多专家都认为语音识别技术是2000年至2010年间，信息技术领域十大重要的科技发展技术之一。语音识别技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等。这项产业有个很大优点，就是发展技术的公司都打算把这项技术商品化。像是google、Amazon跟苹果的语音识别技术都可透过授权，使用在其他业者的硬件服务上。
趋势六：人工智能(AI)
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能需要被教育，汇入很多信息才能进化，进而产生一些意想不到的结果。AI影响幅度很大，例如媒体业，现在计算机跟机器人可以写出很好的文章，而且1小时产出好几百篇，成本也低。
AI对经济发展会产生剧烈影响，很多知识产业跟白领工作也可能被机器人取代。但他对于AI的态度很正面，这会让生活更好，例如自驾车绝对比人驾车更安全。
趋势七：数字汇流
大约从1995年左右，就陆续有人在讨论所谓“数位汇流”，在不同的使用情境之下，我们还是会需要很不一样的数位装置—光是萤幕大小就有好多种选项，音响效果、摄影机，都需要不同的配套。
所以数位比较像是“iCloud”，也就是说所有的装置会存取同一个远端资料库，让你的数位生活可以完全同步，随时、无缝的切换使用情境。
但除了“载具”的汇流，我们更应关心的是另一个数位汇流，一个网路商业模式的汇流，或者更明确的说，数字汇流就是“内容”与“电子商务”的汇流。
7. 数据库未来的发展方向及其主流
未来数据库发展必须与其它技术相结合，数据丰富知识稀少，是大数据时代的特征。所以存储器上需海量存储。要想挖掘出自己需要的数据就要结合数据挖掘技术，建立自己的数据仓库等数据仓储技术，智能化分析建立商业智能。在目前云存储下，可以说是对数据库行业的冲击。