資訊專欄INFORMATION COLUMN
摘要：隨著知識在開發者圈子里的擴散，這將會是一個長長的緩慢上升過程，但我預測，年之內，大多數軟件工作都不會再涉及編程。
周末，特斯拉AI負責人Andrej Karpathy發文論述“軟件2.0”的概念，他說，神經網絡給編程工作帶來了根本性的變革。
今天，跟他聊過這一概念的谷歌工程師Pete Warden也在自己的博客上發了一篇文章，題為“Deep Learning is Eating Software”，闡述了他對軟件2.0時代的看法。他說，以后程序員的角色會變成軟件的“老師”，10年內，大多數軟件相關工作都將不再涉及編寫程序本身。
以下內容翻譯自Pete的博客。
幾周前，我和Andrej Karpathy喝了幾杯，聊起了我們認為未來幾年里，機器學習會走上什么方向。Andrej拋出了“軟件2.0”這個概念，我立刻感到羨慕嫉妒，因為這個詞所捕捉到的，是我在幾百個項目中所見到的日常。
他寫了博客發出來之前，我都忍著沒說話，不過現在，我想來講講我對這件事的看法。
我所看到的模式是這樣的：有一個軟件項目，用明確的編程邏輯來處理數據，然后負責維護它的團隊發現，他們可以用基于深度學習的解決方案來替換它。
Alphabet有很多這樣的例子，我只能舉一些已經公開的，比如說搜索排序的升級、數據中心節能、語言翻譯、下圍棋，這些在Alphabet內部并不是特例。
我所看到的是，幾乎每一個有意義的數據處理系統都可以用現代機器學習技術來大幅提高。
這樣說可能顯得沒那么戲劇性，但是在我們如何構建軟件這個問題上，這是一種劇變。不用再寫一層一層錯綜復雜的邏輯，程序員的角色變成了一名老師、訓練數據的管理者、結果的分析師。這和我在學校里所學的編程非常非常不一樣，但最讓我激動的是， 一旦工具完備了，它比傳統的編程工作門檻更低。
這種新編程方式的核心是提供一大堆樣例作為輸入，以及你期望什么樣的輸出。這不要求程序員具備傳統編程工作所需的技術能力，卻需要對于問題領域的深入了解。這就意味著和以往不同，軟件的積極用戶會參與到它的構建之中，扮演一個更直接的角色。
本質上，是用戶自己描述了用戶故事，把它們喂到機器里，構建自己想要的軟件。
Andrej的博客專注于語音識別等領域，但我想說的是，軟件2.0帶來的影響將遍布更多領域。經典文章Machine Learning: The High Interest Credit Card of Technical Debt（https://static.googleusercontent.com/media/research.google.com/zh-CN//pubs/archive/43146.pdf）描述了一種十分常見的模式：機器學習系統開始嵌入到軟件的深層堆棧之中。
我所看到的是，因為越來越多的軟件堆棧被單個深度學習模型整體替代，“技術債”的問題也開始得到解決。跟斷裂點進行類比，這就像將你的所有債務都合并為一筆費用更低的貸款。與一組深度聯通的模塊相比，單個的模型更容易提高，維護起來也更容易。
對很多大型系統來說，反正都沒人敢說自己清楚這些軟件究竟在干什么，所以實際上在可調式性或者控制性方面也沒有損失。
我知道這聽起來就像是又一篇深度學習忽悠文，如果我不是每天都看見這樣的歷史進程正在發生，也會覺得這很難接受，但這是真的。
比爾·蓋茨好像說過“大多數人都高估了他們一年內能做的事情，低估了10年內能完成的事情”，對于將傳統軟件替換成深度學習這件事來說，我正是這種感覺。隨著知識在開發者圈子里的擴散，這將會是一個長長的緩慢上升過程，但我預測，10年之內，大多數軟件工作都不會再涉及編程。
就像Andrej明確指出的：深度學習比你強！
歡迎加入本站公開興趣群商業智能與數據分析群
興趣范圍包括各種讓數據產生價值的辦法，實際應用案例分享與討論，分析工具，ETL工具，數據倉庫，數據挖掘工具，報表系統等全方位知識
QQ群：81035754
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/4674.html
摘要：截至目前，人類大腦是已知宇宙中最復雜的物體。但是天河二號也是一個龐大的家伙，它占地平方米，使用兆瓦的電力大腦只需瓦，耗資億美元建造。建議，通過查看可以以，美元購買多少來考慮計算機的狀態。 showImg(http://upload-images.jianshu.io/upload_images/13825820-c158f685feaf8ae6.jpg?imageMogr2/auto-...
摘要：第二十八期那些云計算公司并沒有從開源中榨取生命他們是主要的貢獻者。開源森林，不僅僅是一些樹木一段時間以來，微軟和谷歌一直是開源項目最大最公開的貢獻者。所有這些都是在開發人員對超過萬配置文件及其貢獻歷史的分析中捕獲的。 第二十八期 那些云計算公司并沒有從開源中榨取生命－ 他們是主要的貢獻者。根據GitHub數據的兩個獨立分析以及CNCF數據，開源項目的最大貢獻者是——你猜對了－云計算公司。事實...
摘要：硬件機器學習和深度學習帶來的那種顛覆早已從軟件堆棧擴大到了芯片服務器和云服務提供商。數據中心也正在重新設計架構，以支持機器學習和深度學習耗用的超大量數據。 作者是多位精英CIO、CTO和技術高管組成的福布斯雜志的常設部門Forbes Technology Council過去這幾年涌現出了全新類別的產品，這歸功...
摘要：硬件機器學習和深度學習帶來的那種顛覆早已從軟件堆棧擴大到了芯片服務器和云服務提供商。數據中心也正在重新設計架構，以支持機器學習和深度學習耗用的超大量數據。 作者是多位精英CIO、CTO和技術高管組成的福布斯雜志的常設部門Forbes Technology Council過去這幾年涌現出了全新類別的產品，這歸功于機器學習和深度學習取得了非凡的進步。僅舉幾個例子，這些新技術在支持產品推薦、醫療成...
閱讀 2478·2021-09-22 16:05
閱讀 2961·2021-09-10 11:24
閱讀 3632·2019-08-30 12:47
閱讀 2941·2019-08-29 15:42
閱讀 3379·2019-08-29 15:32
閱讀 1946·2019-08-26 11:48
閱讀 1082·2019-08-23 14:40
閱讀 902·2019-08-23 14:33
