Device Mesh   ، امروزه کاربران از دستگاه های مختلف ارتباطی به منظور دستیابی به برنامه ها ، اطلاعات و یا تعامل با یکدیگر ، شبکه های اجتماعی ، دولت ها و یا بنگاه های اقتصادی استفاده می نمایند . در واقع ما با مجموعه ای رو به رشد از دستگاه های ارتباطی به شبکه روبرو هستیم ( موبایل ،  ابزار پوشیدنی ، لوازم الکترونیکی خانگی و مصرفی ،  خودرو و لوازم محیطی نظیر حسگر ها در اینترنت اشیاء) که هر یک از طریق یک روش ارتباطی و شبکه ای به سیستم های back-end متصل می شوند ولی به نوعی با یکدیگر غریبه هستند و اغلب در یک فضای ایزوله نسبت به یکدیگر عمل می کنند . به موازات رشد Device mesh ، انتظار داریم که مدل های ارتباطی توسعه یابد و بین دستگاه ها تعامل مشترک بیشتری برقرار گردد. شاید بتوان دوران جدید را دوران پسا موبایل نامید . دورانی که در آن کاربران موبایل در احاطه مجموعه ای از سایر دستگاه های ارتباطی جهت اتصال به شبکه در مقایسه با موبایل های سنتی می باشند .

  Ambient User Experience :   شبکه ای از دستگاه ها یا Device mesh ، فونداسیون لازم برای ایجاد یک محیط پیوسته جدید از تجربه ی کاربر را فراهم می نماید که گارتنر به آن AMbient UX می گوید. محیط های فعلی دارای پتانسیل های بالایی می باشند ولی تاکید آنها صرفا بر روی یک جنبه تجربه است . AMbient UX در بین محدوده های device mesh، زمان و مکان حفظ و تداوم می یابد. تجربه کاربر بدون توقف در بین مجموعه ای متغیر از دستگاه ها و کانال های تعاملی به جریان می افتد و محیط های فیزیکی، مجازی و الکترونیکی را همزمان با جابجایی کاربر از یک مکان به مکان دیگر ، ترکیب می نماید . طراحی برنامه های موبایل همچنان به عنوان یک رویکرد مهم استراتژیک برای سازمان ها و شرکت ها تلقی خواهد شد . در این بین ، سازمان ها و شرکت هایی هستند که یک قدم جلوتر رفته و با نگاهی عمیق تر به دنبال ارایه راه حل هایی هستند که بتوانند برآیند تجربه کاربر را در بین دستگاه های مختلف مدیریت نمایند. هدف این شرکت ها  ارایه راه حل های مناسب جهت مدیریت متمرکز تجربه کاربر و استفاده از این تجربه بین دستگاه های مختلف نظیر حسگرهای اینترنت اشیاء ، اشیاء متداولی نظیر اتومبیل ها و سایر موارد است . طراحی این گونه تجربه کاربری پیشرفته یکی از شاخص های کلیدی  تفاوت بین تولید کنند گان مستقل و شرکت ها تا سال 2018 خواهد بود . هم اینک کاربران به سمت استفاده از یک محیط الکترونیکی جهت استفاده از محیط های مجازی و فیزیکی خود حرکت می کنند . تحلیل تجربه کاربر با تاکید بر محیط الکترونیکی (نه صرفا یک دستگاه ارتباطی بخصوص ) شکل واقعی تری به خود خواهد گرفت .

   3D Printing Materials :   چاپ سه بعدی از جمله فناوری هایی است که این روزها به شدت در کانون توجه علاقه مندان و کارشناسان قرار دارد . به عنوان نمونه شرکت Tesla از آن برای تولید قطعات موتور و یا شرکت SpaceX از آن برای ساخت قطعات موشک استفاده می نماید . بدیهی است متناسب با رشد فزاینده استفاده از این فناوری، شاهد بکارگیری حجم بسیار بالایی از مواد قابل استفاده در چاپ سه بعدی باشیم . آلیاژهای نیکل پیشرفته ، فیبرکربن ، شیشه ، جوهررسانا ، الکترونیک ، دارو و مواد بیولوژیک نمونه هایی از مواد قابل استفاده در چاپ سه بعدی می باشند . این نوآوری ها ، تحریک تقاضای کاربران را به دنبال دارد و باعث می شود زمینه استفاده از فناوری چاپ سه بعدی حوزه های دیگر نظیر هوا فضا، پزشکی، خودرو، انرژی و صنعت نظامی را نیز شامل شود . این پیشرفت ها ، ضرورت یک تفکر جدید در خصوص خط تولید و فرآیندهای زنجیره تامین به منظور بکارگیری چاپ سه بعدی را بیش از همیشه ضروری کرده است . چاپ سه بعدی یک روند رشد ثابت و مستمر را در طی 20 سال آینده خواهد شد . نگاه به چاپ سه بعدی می بایست یک نگاه جامع و فراگیر باشد که در آن موارد متعددی نظیر رشد مواد قابل استفاده جهت چاپ ، بهبود سرعت چاپ ، مدل های جدید و بکارگیری قطعات کامپوزیت و... به خوبی دیده شوند .

Information of Everything : اطلاعات همواره همه جا وجود داشته است ولی اغلب این اطلاعات ایزوله شده ، ناقص ،غیرقابل دسترس و یا نامفهوم می باشند. با پیشرفتی که در ابزارهای معنایی نظیر بانک های اطلاعاتی گراف همانند سایر تکنیک های در حال ظهور تجزیه و تحلیل طبقه بندی داده ها و اطلاعات ایجاد شده است، ضرورت شکل گیری یک نگاه جدید مدیریتی بیش از گذشته احساس می شود. بر اساس پیش بینی گارتنر تا سال 2020 ، بیش از 25 میلیارد دستگاه در رابطه با هر چیزی که می توان تصور کرد اقدام به تولید داده می نمایند . این وضعیت همانند سایر فناوری ها می تواند فرصت ها و چالش های زیادی را برای سازمان ها به دنبال داشته باشد . ما با حجم بسیار بالایی از داده مواجه هستیم  که استفاده صحیح از آنها چالش های مختص به خود را دارد . آن دسته از سازمان هایی که بتوانند از قدرت این موج سیلاب گونه اطلاعات استفاده کنند ، قادر به خلق ارزش های متعددی برای کسب و کار خود نسبت به سایر رقبا می باشند . هر عضو Device mesh   قادر به تولید ، استفاده و انتقال اطلاعات است . این اطلاعات از اطلاعات متنی ، صوتی و تصویری فراتر رفته و شامل اطلاعات حسی و محیطی خواهند شد . مدیریت صحیح این سیلاب داده که از سرشاخه های متعددی سرچشمه می گیرد ، مستلزم تدوین و بکارگیری صحیح استراتژی ها و فناوری های مرتبط با توجه به ماهیت داده است .

  Advanced Machine Learning :  در بسیاری از موارد، فناوری نه تنها قادر به جمع آوری اطلاعات است ، بلکه می تواند یادگیری را بر اساس داده جمع آوری شده نیز انجام دهد . در این فرآیند ، تجزیه و تحلیل های اولیه را که معمولا نیازمند تعامل نیروی انسانی است می توان توسط ماشین انجام داد . در یادگیری ماشین پیشرفته ، شبکه های عصبی عمیق یا DNN (برگرفته شده از Deep Neural Nets ) از حالت محاسبات کلاسیک و مدیریت اطلاعات به سمت ایجاد سیستم هایی هدایت می شوند که می توانند یادگیری را بطور مستقل و بر اساس یافته های خود انجام دهند . انفجار منابع داده از یک طرف و از سوی دیگر پیچیدگی اطلاعات ، امکان طبقه بندی دستی و تجزیه و تحلیل را غیرعملی و غیر اقتصادی کرده است . DNNs ، ضمن خودکارسازی تمامی این فعالیت ها ، این امکان را فراهم می نماید تا بتوانیم به چالش های اصلی مرتبط با اطلاعات پاسخ دهیم . در واقع ، DNN یک شکل پیشرفته از یادگیری ماشین در ارتباط با بانک های اطلاعاتی بزرگ و پیچیده را ارایه می نماید که دستاورد آن باهوش تر شدن ماشین های هوشمند است . DNN ، برای ماشین های مبتنی بر سخت افزار و نرم افزار این امکان را فراهم می نماید تا بتوانند تمامی ویژگی های محیط خود را یاد بگیرند . این حوزه از علم به سرعت در حال رشد و تکامل است و سازمان ها می بایست ضمن بررسی توانایی این فناوری، نحوه بکارگیری آن جهت نیل به مزایای رقابتی را یاد بگیرند .

 Autonomous Agents and Things :  یادگیری ماشین باعث پیاده سازی و توسعه  طیف گسترده ای از ماشین های هوشمند نظیر روبوت ها ، وسایل حمل و نقل مستقل ، دستیاران شخصی مجازی ( VPAs ) و مشاوران هوشمند شده است که در یک وضعیت خود مختار ( یا حداقل شبه خود مختار ) عمل می کنند . با این که پیشرفت در ماشین های هوشمند فیزیکی نظیر روبوت ها نیازمند یک توجه جدی است ، ماشین های هوشمند مبتنی بر نرم افزار دارای یک تاثیر کوتاه مدت و گسترده تر باشند. دستگاه های دستیاران شخصی مجازی (VPAs ) نظیر Google Now   ،   کورتانای مایکروسافت و  Siri اپل ، هوشمند تر شده و بستر و شرایط لازم جهت شکل گیری آژانس های مستقل را فراهم می نمایند. این نوع آژانس های خود مختار به رابط کاربری اصلی  تبدیل  و دارای یک جایگاه برجسته در محیط تجربه کاربری خواهند شد . در مقابل تعامل با منوها ، فرم ها و دکمه ها بر روی یک گوشی هوشمند ، کاربر با یک نرم افزار حرف خواهد زد که در واقع یک آژانس هوشمند است . در طی پنج سال آینده ما به دنیای پسا برنامه ورود پیدا خواهیم کرد که در آن آژانس های هوشمند مسئولیت عرضه پویای اینترفیس ها و واکنش ها را برعهده خواهند داشت . رهبران فناوری اطلاعات می بایست نسبت به شناسایی ظرفیت این فناوری های جدید همسو با اهداف کسب وکار خود اقدام نمایند تا بتوانند از این ظرفیت به بهترین شکل ممکن در سازمان خود استفاده نمایند. ایده آژانش های هوشمند یک برنامه درازمدت است که پیش بینی می شود بطور مستمر و در طی 20 سال آینده روند تکاملی خود را ادامه دهد .

  Adaptive Security Architecture  :  امروزه تهدیدات امنیتی به مراتب پیشرفته تر از گذشته می باشند و حملات و کدهای مخرب به اندازه ای سریع  و پیچیده می باشند که با راه حل های سنتی نمی توان با آنها مقابله کرد. چیزی که ما به آن نیاز داریم یک معماری امنیتی تطبیقی است تا به کمک راه حل های امنیتی بتوان به این نیازهای رو به رشد به درستی پاسخ داد . پیچیدگی های کسب و کار دیجیتال به همراه ظهور یک صنعت هکر، سطح تهدیدات یک سازمان را بطرز ملموسی افزایش داده است و باعث نگرانی جدی کارشناسان حرفه ای امنیت شده است . تاکید صرف بر روی دفاع محیطی و امنیت مبتنی بر مجموعه ای از قواعد ، کافی نخواهد بود . این وضعیت در مواردی که سازمان ها از سرویس های مبتنی بر ابر و APIs باز برای مشتریان و شرکای تجاری جهت ارتباط با سیستم ها استفاده می کنند، تشدید می شود . رهبران فناوری اطلاعات می بایست بر روی تشخیص و پاسخ به تهدیدات متمرکز شوند ، همانند کاری که در گذشته در خصوص بلاک کردن سنتی و سایر معیارهای پیشگری از تهدیدات انجام می دادند . برنامه های خود حفاظتی ، همانند تجزیه و تحلیل رفتار موجودیت ها و کاربران، کمک می کند تا بتوان معماری امنیتی تطبیقی را انجام داد . رویکرد انفعالی و عکس العمل ها می بایست به رویکرد تشخیص تهدیدات و پاسخ به آنها تبدیل شود . سیستم خود حفاظتی و ایمنی برنامه ها ، تجزیه و تحلیل رفتار موجودیت ها و کاربران ، لحاظ کردن امنیت در بطن تمامی فرآیندهای کسب و کار از جمله کارهایی است که ما را به سمت ایجاد یک معماری امنیتی تطبیقی هدایت می نماید .

   Advanced System Architecture  :  مش دیجیتال و ماشین های هوشمند نیازمند معماری محاسباتی شدیدی می باشند که آنها را برای سازمان ها قابل تداوم نماید . تحقق این خواسته مستلزم انرژی زیاد و معماری نرومورفیک فوق العاده کارآ است .  FPGA ( برگرفته شده از Field-Programmable Gate Arrays ) ، یک فناوری ویژه برای معماری نرومورفیک است . این معماری دارای مزایای متعددی نظیر سرعت و راندمان بالا است . تمامی انتظارات و خواسته هایی که در رابطه با mesh دیجیتال و ماشین های هوشمند وجود دارد و در بخش های قبل به برخی از آنها اشاره گردید ، بدون وجود یک معماری محاسباتی پیشرفته محقق نخواهند شد . سیستم هایی که بر اساس GPU ( برگرفته شده از Graphics Processing Units ) و FPGA ساخته می شوند ، بیش تر شبیه مغز انسان کار می کنند و استفاده از آنها در ماشین های هوشمند و در مواردی نظیر یادگیری عمیق و سایر الگوریتم های تطبیق الگوها ، بسیار مناسب  و راهگشا می باشد .  معماری مبتنی بر FPGA ، امکان توزیع الگوریتم ها درون عناصر کوچکتری را فراهم می نماید که یکی از پیامدهای آن ، مصرف انرژی به مراتب کمتری در device mesh است . رویکرد فوق باعث می گردد که بتوان از قابلیت های پیشرفته یادگیری ماشین درون کوچکترین دستگاه های ارتباطی اینترنت اشیاء نظیر منازل ، اتومبیل ها ، ساعت مچی و ... استفاده کرد .

  Mesh App and Service Architecture : بدیهی است متناسب با تغییرات گسترده در حوزه ارتباطی، شبکه ای و سخت افزاری انتظار از نرم افزار بیش از گذشته شده باشد و صنعت نرم افزار می بایست همچون گذشته به این طیف از خواسته ها در فضای جدید به درستی و با ارایه راه حل ها و معماری مناسب به درستی پاسخ دهد . اگر نرم افزار همچنان علاقه مند به خوردن دنیا می باشد ! می بایست در جهت تامین ذائقه های مختلف و متنوع حرکت کند. در گذشته ای نه چندان دور که شاید برای بسیاری از ما زمان حال را نیز شامل شود از رویکرد طراحی  نرم افزارهای  خطی و یکپارچه (معماری Three Tier ) حمایت می گردید. روشی که از آن با نام معماری سرویس و یا برنامه نام برده می شود ، یک رویکرد یکپارچه سازی مبتنی بر اتصال سست را فراهم می کرد که مهمترین مزیت آن  مقیاس پذیری ، انعطاف پذیری و چالاکی است. در مقابل ،  معماری میکروسرویس به عنوان یک الگوی نوظهور جهت ایجاد برنامه های توزیع شده ، دارای چالاکی در ارایه و مقیاس پذیری هم در ابر و هم به صورت محلی است .  Containers به عنوان یک فناوری حیاتی نوظهور به منظور ارایه چالاکی در عرضه و معماری میکروسرویس مطرح شده اند .  Netflix  و آمازون دو شرکت پیشگام در استفاده از این معماری نوظهور می باشند . استفاده از عناصر اینترنت اشیاء و موبایل درون برنامه ها و معماری سرویس باعث ایجاد یک مدل فراگیر هم در بعد مقیاس پذیری سیستم های back-end در ابر و هم تجارب device mesh در  front-end می گردد . تیم های برنامه نویسی می بایست ضمن آشنایی لازم با معماری های مدرن جدید ، از آن جهت ارایه برنامه های مبتنی بر ابر به صورت چالاک ، انعطاف پذیر و پویا و همچنین عرضه برنامه در mesh دیجیتال با قابلیت انعطاف و تجربه مشتری پویا استفاده نمایند .

 Internet of Things Platforms :  پلت فرم های اینترنت اشیاء ، برنامه mesh و معماری سرویس گرا را تکمیل می نماید . مدیریت ، امنیت ، یکپارچگی و سایر فناوری ها و  استانداردهای پلت فرم اینترنت اشیاء ، مجموعه ای از قابلیت های اساسی مورد نیاز برای ایجاد، مدیریت و ایمن سازی عناصر در اینترنت اشیاء را فراهم می نمایند . اینترنت اشیاء ، بخشی تفکیک ناپذیر از مش دیجیتال و محیط تجربه کاربر است و دنیای پویا و رو به جلو پلت فرم های اینترنت اشیاء ، چیزی است که این کار را میسر می سازد . هر سازمان که علاقه مند به استفاده از پلت فرم های اینترنت اشیاء است ، می بایست در اولین گام استراتژی بکارگیری پلت فرم اینترنت اشیاء خود را تدوین نماید . ارایه دهندگان پلت فرم های اینترنت اشیاء امروزه به صورت کاملا جدای از هم و به صورت جزیره ای فعالیت می نمایند و لازم است که با همفکری و تعامل با یکدیگر یک اکوسیستم بهتر را ایجاد نمایند که در آن بتوان داده را در ابعاد وسیع تری به اشتراک گذاشت . این مساله تا سال 2018 به همین صورت باقی خواهد ماند و دپارتمان های فناوری اطلاعات  در مقابل استفاده از یک راهکار جامع یکپارچه که می تواند دستاوردهای به مراتب بیشتری را برای آنها به ارمغان داشته باشد ، احتمالا  به سراغ استفاده از چندین راه حل خواهند رفت .