GitHub揭3大開源趨勢:Python首度超越Java躍升社群第二大程式語言
GitHub揭3大開源趨勢:Python首度超越Java躍升社群第二大程式語言

先是微軟砸75億美元收購GitHub,其後IBM也以340億美元買下紅帽,科技巨頭頻頻的大動作,都集中在一個關鍵詞上:開源。

身為原始碼託管平台的GitHub,目前是全球最大的開源專案平台。GitHub每年都會發布Octoverse報告,向外界揭露過去一年開源社群的面面向向,而2019年度報告也在上週正式公開。

GitHub Octoverse
GitHub每年10月、11月便會公佈年度報告,揭露旗下用戶趨勢。
圖/ GitHub

南極洲也有開發者,開源熱蔓延全球

GitHub表示,開發人員數在今年夏季突破4,000萬人大關,光是過去一年間,就有超過1,000萬名開發者加入這個大家族,且首次建立儲存庫的用戶也比去年增加44%,顯示出「開源」越來越熱的趨勢。

目前逾4,000萬的用戶中,超過8成來自美國海外,貢獻者的分佈也變得更為多元,GitHub提到,就連南極洲都有開發人員。

GitHub Octoverse contributors come from
GitHub貢獻者地區統計。
圖/ GitHub

以洲進行分類的話,亞洲是今年最大的貢獻社群,貢獻人數近400萬,而成長最快的地區,則是香港(175%)、新加坡(111%)與印尼(90%)。在GitHub 2019年推出的免費私人儲存庫上,亞洲占比也達36%。

非洲與西亞則是開源專案成長最快的兩個地區,其中奈及利亞(59%)、伊朗(44%)、肯亞(44%)為前3名。

Python超車Java,首次成GitHub第2大程式語言

在開源社群裡,什麼程式語言最受歡迎?即使對開源軟體毫無興趣的人,也可能對這項趨勢感到好奇。過去一年開發者們使用了超過370種程式語言,GitHub從中列出近5年內前10大程式語言的排行變化。

GitHub Octoverse Top Languages
Python首度超越Java,成為GitHub第2多人使用的程式語言。
圖/ GitHub

在今年度的榜單中,雖然JavaScript依舊穩如泰山,坐擁第一名寶座,廣受各方工程師喜愛的Python首次超越Java,成為開發社群第2大程式語言。且C#與Shell的排名皆有所上升,

另外,GitHub指出,由於Google開源行動App開發套件Flutter的加入,身為其開發語言的Dart以532%成長遠遠拋開第2名,躍居今年竄升最快的程式語言。

而靜態語言在型別安全(type safety)與互操作性上的優勢,讓這類程式語言快速成長,榜上有名的Rust、Kotlin及TypeScript都屬於靜態語言。

GitHub Octoverse Fastest growing languages
由於Google開源行動App開發套件Flutter的加入,Dart一舉成為成長最快的程式語言。
圖/ GitHub

企業、學校皆仰賴GitHub

目前有來自70個國家地區,約300萬的企業帳戶在GitHub上活躍,他們可能是企業、非營利組織、一個開源專案等等。企業行號們不僅利用平台上的資源,也開始參與這個社群、貢獻一份心力。

GitHub提到,《財富》世界50大企業中,有35間為開源社群做出貢獻,還有29間透過企業帳戶建立軟體及App。值得一提的是,支付平台Stripe、串流音樂平台Spotify都是GitHub的愛用者。

Spotify
全球最大串流音樂平台Spotify也是GitHub的愛用者。
圖/ shutterstock

學校方面,目前有170萬人利用GitHub學習寫程式,較去年成長55%,以及76.1萬人利用了GitHub的學生開發者包,並有3.1萬名教師藉由GitHub教授開發者工作流程。

資料科學正夯,機器學習、深度學習也漸受矚目

從醫療領域拯救人命的機器學習技術,到製作稀奇古怪的機器人,過去12個月內,各式各樣的開源專案在平台上萌芽。GitHub指出,推動Python發展的「資料科學」便是一項值得點出的趨勢。

許多資料科學相關的框架與工具皆是用Python寫成,在這項主題下最受矚目的儲存庫中,約半數是利用numpy建立,這就是一個根基於Python的擴展模組。

在資料科學之外,機器學習、自然語言處理、深度學習等項目也越來越受到關注,近年來擁有非常顯著的成長。

GitHub Octoverse natural language processing repos
自然語言處理相關儲存庫近年來的數量變化。
圖/ GitHub

完整報告請見:GitHub Octoverse 2019

責任編輯:蕭閔云

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓