ประสบการณ์การฟังที่ดีที่สุดอยู่บน Chrome, Firefox หรือ Safari สมัครฟังบทสัมภาษณ์ทางเสียงของ Fed Tech Talk ใน Apple Podcasts หรือ PodcastOneหลายปีก่อน นักพัฒนาซอฟต์แวร์จะเขียนโค้ดด้วยมืออย่างเป็นระบบ ใช้เวลานานและมีแนวโน้มที่จะเกิดข้อผิดพลาด วิธีการพัฒนาในปัจจุบันเกี่ยวข้องกับการคว้าบล็อกซอฟต์แวร์ที่เขียนไว้ล่วงหน้าจากไลบรารีและรวมเข้ากับโค้ดที่เขียนด้วยลายมือแบบเก่า ผู้เชี่ยวชาญบางคนประเมินว่า 70%-80% ของโค้ดไม่ได้ถูกพัฒนาแต่ถูกประกอบเข้าด้วยกัน บางคนเรียกวิธีนี้ว่าห่วงโซ่อุปทานสำหรับซอฟต์แวร์
Janek Claus ผู้อำนวยการ ฝ่ายพัฒนาแอปพลิเคชัน Sev1Tech
ปัญหาคือรหัสที่เป็นอันตรายสามารถหนอนเข้าไปในไลบรารีซอฟต์แวร์ที่ใช้ได้ ในความเป็นจริง Jeff Williams ผู้ก่อตั้ง Contrast Security กล่าวว่าโดยเฉลี่ยแล้ว แอปพลิเคชันแต่ละรายการมีช่องโหว่ร้ายแรงมากกว่า 26 รายการ
ข้อสังเกตนี้ไม่ได้รับการเหลียวแลจากผู้คนในทำเนียบขาว คำสั่งฝ่ายบริหารว่าด้วยการปรับปรุงความปลอดภัยทางไซเบอร์ของประเทศ กล่าวถึงการรักษาความปลอดภัยของห่วงโซ่อุปทานซอฟต์แวร์ของประเทศ
ข้อมูลเชิงลึกโดย Eightfold: ค้นพบว่าข้อมูล เทคโนโลยี และกลยุทธ์การสรรหาใหม่ช่วยให้ USDA, EPA, GSA, NASA และ NIH ประสบความสำเร็จในการแข่งขันหาผู้มีความสามารถได้อย่างไร โดยเฉพาะอย่างยิ่งเมื่อเป็นเรื่องของเทคโนโลยีขั้นสูง วิทยาศาสตร์ และตำแหน่งอื่น ๆ ที่ยากต่อการบรรจุ
Janek Claus เป็นผู้อำนวยการฝ่ายพัฒนาแอปพลิเคชัน
ที่Sev1Techและเขาได้เสนอวิธีแก้ไขบางอย่างสำหรับปัญหาที่สำคัญนี้ เมื่อเขาเข้าร่วมเป็นเจ้าภาพกับ John Gilroy ในรายการ Federal Tech Talk ของสัปดาห์นี้ คลอสตรวจสอบตัวเลือกต่างๆ รวมถึงระบบอัตโนมัติเพื่อตรวจสอบโค้ดสำหรับโค้ดที่เป็นอันตราย และเขาให้ความเห็นว่าข้อเสนอใหม่ๆ เช่น ระดับซัพพลายเชนสำหรับ Software Artifacts จะเสนอแนวทางมากมายในการป้องกันปัญหาไม่ให้เกิดขึ้น
Claus ตั้งตารอการประกาศล่าสุดของ GitHub CoPilot เพื่อช่วยในการพัฒนาซอฟต์แวร์เช่นกัน
นีราชกุมาร:ขวา. โปรเจกต์ที่เรากำลังทำอยู่ เราร่วมมือกับนักทดลองที่กำลังทำการทดลองบางอย่างในห้องปฏิบัติการ เช่นเดียวกับนักเคมีทางการแพทย์บางคนที่กำลังแก้ลักษณะเฉพาะของโปรตีนหรือพยายามทำนายโครงสร้าง 3 มิติของโปรตีนในแล็บ ในตอนแรก เรารู้ว่ามีโครงสร้าง 3 มิติอยู่แล้ว แต่ไม่ใช่สำหรับ SARS-CoV-2 สำหรับโปรตีน SARS-CoV อื่นๆ เราจึงสามารถใช้ข้อมูลดังกล่าวเพื่อทำนายโครงสร้างของตัวเลือกที่สำคัญสำหรับ SARS-CoV- 2. และนั่นคือคำถามที่เรามีในตอนแรก เราจะใช้นักวิทยาศาสตร์ข้อมูลซึ่งเป็นเครื่องมือวิทยาศาสตร์ข้อมูลของเราอย่างมีประสิทธิภาพในการทำนายโครงสร้างจากลำดับได้อย่างไร เพราะในตอนนั้น ในตอนแรก เรายังไม่มีโครงสร้าง 3 มิติที่สามารถใช้เป็นเป้าหมายโปรตีนในการออกแบบได้ คุณรู้หรือไม่ว่าผู้สมัครต้านไวรัส
Tom Temin: เรากำลังคุยกับ Neeraj Kumar เขาเป็นนักวิทยาศาสตร์ข้อมูลที่ Pacific Northwest National Laboratory คุณสามารถรับคำตอบได้ทันเวลาหรือไม่? เพราะตอนนี้วัคซีนหมดแล้ว และพวกเขาคาดการณ์ว่าจะต้องรู้กลไกของทั้งหมดนี้จึงจะสามารถทำงานได้
Neeraj Kumar:ใช่ เราสามารถทำความเข้าใจพื้นฐานบางอย่างเกี่ยวกับโปรตีนเป้าหมายที่เรากำลังดำเนินการอยู่ หนึ่งใน [เป้าหมาย] ของเราคือเมื่อเราพัฒนาเครื่องมือวิทยาศาสตร์ข้อมูลหรือเครื่องมือสร้างแบบจำลองเพื่อเร่งการค้นพบทางวิทยาศาสตร์ผ่านวิทยาศาสตร์พื้นฐานและวิทยาศาสตร์ประยุกต์ที่สามารถช่วยให้ภาครัฐและเอกชนใช้เครื่องมือเหล่านั้นได้ แต่ในขณะเดียวกันก็พยายามทำความเข้าใจว่าโปรตีนนั้นทำงานอย่างไร – มีบทบาทอย่างไรในจีโนม หรือเมื่อมันทำปฏิกิริยากับตัวส่งโปรตีนตัวอื่น มันทำงานอย่างไร? นั่นคือเป้าหมายของเราที่จะเข้าใจโครงสร้างการทำงานและไดนามิกของโปรตีนเหล่านั้นในขณะที่สร้างสารต้านไวรัส ฉันคิดว่าเรามาถึงจุดที่เรา “โอ้ เราเข้าใจเป้าหมายโปรตีนเฉพาะนี้ผ่านการวิจัยนี้”
