码农何去何从金沙js333娱乐场:,人工智能

来源:http://www.mypv3.com 作者:智能科技 人气:54 发布时间:2019-12-08
摘要:从FORTRAN中的打卡到在Go中编写分布式系统,该学科基本上保持相同:深入思考问题,提出一种聪明的方法(即算法)并给机器一组执行指令。 人工智能从业者将成为抢手的人才。人工智

从FORTRAN中的打卡到在Go中编写分布式系统,该学科基本上保持相同:深入思考问题,提出一种聪明的方法(即算法)并给机器一组执行指令。

人工智能从业者将成为抢手的人才。人工智能技术的研发难度大。普通的人工智能开发人员将成为未来软件公司最宝贵的资源之一。对传统的编码人员而言,这确实有一丝讽刺意味。20世纪50年代开始,他们使其他行业的工作自动化了,而现在他们自己的工作却被部分自动化了。对他们工作的需求肯定不会降低,但那些想要保持前沿地位的人必须以适度的怀疑态度来试水人工智能。

让我们想象一个更高级的人工智能助手在未来发挥的巨大作用。在进行编码工作时,你的AI同时会通过分析确定你正在编写的是哪种代码,并且根据你的风格来自动完成其余的代码撰写。本质上,人工智能助手更像是获得你的授意,为你完成剩下的工作。

来源:)

当然,这即将发生改变。Waymo的自动驾驶汽车最近完成了800万英里的路测里程。微软的翻译引擎在中译英任务中几乎接近实现人类译员的准确程度。初创公司在智能助理、工业自动化、欺诈检测等领域正不断取得新突破。

这将是一个全新的世界,但我们并不是活在电视剧里。事实上,一般的智能办公室助理已经能安排一天的日程,并启动电话会议。甚至有些AI支持的系统,可以为企业生成商标,并根据反馈自动改进商标。

Lyft的机器学习主管Gil Arditi表示最好。 “机器学习处于原始的汤阶段。它类似于80年代早期或70年代末期的数据库。你必须成为世界上专家才能让这些东西发挥作用。“研究还表明,很多人工智能模型很难解释,很容易被欺骗,容易受到偏见。解决这些问题的工具对于释放AI开发人员的潜力是必要的。

据《福布斯》网站报道,从公式翻译程式语言中的穿孔卡片到使用Go语言编写分布式系统,这个学科基本上保持相同的思路:深入思考问题,提出一种聪明的方法,向机器提供一组执行指令。

我们需要设计神经网络来处理其他解决方案。软件开发的某些部分能够很好地进行深度学习,而另一些部分则不能。如果我们再看看结对编程,通过与他人共享控制权,会有许多不同的方法来完成问题。软件开发是一个不断与其他同事协作的过程。每一对新的工作伙伴都会带来不同的经历和解决问题的不同方法。组合越多,得到的解就越多。

并希望AI接管的可能性接近于零。

这些新技术有望从不同方面各自影响我们的日常生活。总的来说,它们代表了我们对软件开发的看法的巨大变化,与显式编程模式明显不同。

多年来,我们一直使用自动化工具来节省编写模板代码的时间。现在,AI驱动的助手工具也越来越频繁地出现在更加复杂的软件开发中。它们以增强式集成开发环境的形式出现,为人们推荐更好的代码组合。

3.需要构建AI工具链。

这种方法可称为“显式编程”,从大型机到智能手机,从互联网热潮到移动革命,它都不可或缺。它促进了一个全新市场的诞生,使苹果、微软、谷歌、Facebook等公司家喻户晓。

最终的一点想法

原标题:软件开发即将到来的革命

在这个新世界中,开发人员不再需要为每个问题设计特有的算法。相反,大多数工作的重点是生成反映所需行为和管理训练进程的数据集。来自谷歌TensorFlow团队的皮特·沃顿早在2014年就指出这一点:他写道,“我曾是一名程序员,现在我教电脑自己编写程序。”

然而,软件工程不会很快消失。即使软件工程师2.0、数据科学家2.0这样的新职业正得到不断的发展,人工智能技术也会反过来增强软件1.0时代工作者的能力。事实上,我们还不能确定软件工程在不久的将来,是否会变得和今日完全不同。深度学习神经网络系统中将会为我们提供帮助,但它不会完全取代我们。

  • 与显式编程模型的显着不同。

这些进步背后的核心突破是深度学习,这是一种受人类大脑结构启发的人工智能技术。它最初只是用途相对较窄的数据分析工具,现在已几乎发挥着一种通用计算平台的作用。在广泛的任务范围内,它的性能优于传统软件,最终可能催生长久以来计算机科学家难以实现的智能系统。媒体有时会夸大其词地报道人工智能技术的这些前景。

强化,而不是代替

金沙js333娱乐场 1

当今,驱动最重要的软件进步的编程模型不需要大量的实际编程。

传统上,开发人员编写软件有着一系列固定的规则,例如:如果a发生,那么就进行b操作。人类码农指导着机器,这是软件1.0时代。但在软件2.0时代里,人们认识到,基于深度学习研究的进步,我们可以构建一个神经网络,来学习需要哪些指令或规则才能获得预期的结果。特斯拉人工智能总监安德烈·卡帕西(Andrej Karpathy)等人是2.0时代的支持者,他们提出的论点是,未来里,我们将不再需要亲手编写代码。我们只需要找到数据并将其输入机器学习系统,一切就完成了。在这个场景中,软件工程师的角色将转变为“数据监管员”,或是“数据赋能者”。

然而,缺少一些东西。早期计算机时代作家设想的智能系统,从菲利普迪克的机器人出租车到乔治卢卡斯的C-3PO,仍然是科幻小说。即使是最聪明的计算机科学家,看似简单的任务也顽固地无视自动化。专家们指责硅谷面对这些挑战,转而摆脱基本进步,专注于增量或时尚驱动的业务。

编程和数据科学将日益趋同。在可预见的未来,大多数软件将不采用“端到端”学习系统,而是依靠数据模型提供核心的认知能力和明确的逻辑,以便与用户交互及阐释结果。一个问题将越来越多地被提出:“我应该使用人工智能还是传统方法解决这个问题?”实际上,智能系统的设计者将需要精通这两方面。

还记得软件席卷世界的时候吗?一个最近比较流行的观点是,人工智能正在席卷各类软件。过去,谷歌的首席执行官桑达尔·皮查伊(Sundar Pichai)谈到了“自动编写自己”的软件。有些人认为软件开发的工作只是比创造不断重复代码片段复杂一点,那么现在,人工智能的快速发展可能会让软件工程师们集体失业。

做AI很难。排名和文件的AI开发人员 - 不仅仅是杰出的学者和研究人员 - 将成为未来软件公司最宝贵的资源之一。这为传统的编码人员带来了一丝讽刺,他们从20世纪50年代开始在其他行业自动化工作,现在他们面临着自己工作的部分自动化。对他们服务的需求肯定不会下降,但那些想要保持领先地位的人必须以健康的怀疑态度来测试人工智能。

然而,还是少了些东西。早期计算机时代作家设想的智能系统,如,菲利普·迪克《银翼杀手》中的机器人出租车和乔治·卢卡斯《星球大战系列》的C-3PO机器人,仍然是科幻小说的内容。看似简单的任务也顽固地拒绝哪怕最有才华的计算机科学家设计的自动化方法。专家们指责硅谷在面对这些挑战时,回避这些基本问题上的进展,却专注于增量业务或热门业务。

这引发了一个终极问题:机器会完全取代软件工程师吗?现实情况是,我们最多只能达到百分之九十几的能力,而这仍然意味着1%的失败和不可预测性。一个监控系统需要用来确保所写的代码能够正常工作。也许软件工程师的新角色就是监控代码并帮助机器学习系统达到接近100%的准确率。

  • 如AlphaGo的“外星人”动作 - 如果我们设置的护栏太紧。在我们开发和使用AI应用程序时,我们需要理解并接受概率结果。

希望世界被人工智能接管的可能性几近为零。

今天,手机会自动检查拼写并提示下一个单词。在编写代码时,类似的工具也会高亮潜在的错误。例如,从事结对编程(Pair programming)的人自然会预想到软件2.0对他们工作方式的影响。考虑到机器学习和会话接口方面的进步,可以想象,未来的一台机器就能撑起结对编程任务的半边天。

4.我们都需要对不可预测的行为感到满意。

我们都需要接受不可预测的行为。开发人员和用户都已习惯计算机“指令”这个比喻。“指令”强化了这样一种信念,即计算机完全按照我们的指令行事,输入总能产生近似等量的输出。相比之下,人工智能模型就像有生命的呼吸系统。新型工具将使它们更像显式编程,特别在关键的安全设置中,但如果我们把限制设置得太严密,我们就会面临一种风险——丧失这些人工智能系统的特殊价值,如AlphaGo的意外棋步。我们开发和使用人工智能应用时,需要理解并接受各种概率结果。

但这些系统的好坏取决于训练数据的质量。正如我的一位同事所指出的,改进模型的性能常常包括改进底层代码、部署环境,以及改进训练数据。事实上,一些机器学习系统因为过于优秀,以至于它们实际上被训练数据中的人为缺陷所耽误。

1.编程和数据科学将日益趋同。

然而,在对深度学习的大肆宣传中,许多观察者都遗漏了对其未来持乐观态度的最大理由:深度学习需要编码人员编写非常少的实际代码。深度学习系统并非依赖预设规则,而是根据过去的范例自动编写规则。软件开发人员只需要创建一个“粗糙的骨架”,然后让计算机完成其余工作。例如,特斯拉聘请了深度学习和计算机视觉专家安德烈·卡帕斯,正是希望他在自动驾驶业务中融入深度学习技术。

将来,软件2.0甚至可能会帮助指导测试驱动开发,为测试提出建议,并给出它自己的原因。让我们想象一下,营销人员来到开发团队,说他们想要这样或那样的功能。如果他们能以机器能够理解的方式表达他们想要的东西,机器就能自动选择必要的测试,并提出下一步的建议。

再次:驱动当今软件中最重要的进步的编程模型不需要大量的实际编程。

我们需要构建人工智能工具链。Lyft的机器学习主管吉尔·阿尔迪蒂对这个问题阐述得很清楚。他说,“机器学习处于初始阶段。它类似于上世纪80年代早期或70年代末期的数据库。你必须成为全球专家才能让它们正常运作。”研究还表明,许多人工智能模型很难解释,很容易被欺骗,容易受到偏见。掌握解决这些问题的工具对于发掘人工智能开发人员的潜力是必要的。

在软件2.0中,我们得到了一个新的AI伙伴来帮助开发人员更好地完成他们的工作。我们展望一个更有活力的人机合作环境,它将带来更多、更有效的解决方案。这对每个人都有好处。

这对软件开发的未来意味着什么?

这对软件开发的未来意味着什么?

人工智能的角色

这种方法可称为“显式编程”,从大型机到智能手机,从互联网热潮到移动革命,都是不可或缺的。它帮助创造了新的市场,并使像苹果,微软,谷歌和Facebook家喻户晓的公司成名。

金沙js333娱乐场 2

大多数软件在可预见的未来都不会采用“端到端”学习系统。它将依靠数据模型提供核心认知能力和明确的逻辑,以便与用户交互并解释结果。问题“我应该使用人工智能还是传统方法解决这个问题?”这个问题将会越来越多。设计智能系统需要掌握两者。

另一个人工智能助手将大有作为的领域是测试驱动开发。与人类工作速度形成鲜明对比的是,一个机器同事可以快速进行数百万次的迭代,来找到解决测试的正确代码段。拥有一个AI同事意味着,测试验证这项任务将交由AI完成。我们不用同时应对编写测试和测试验证这两项工作,从而节约了在编码上花费的时间,让我们有更多的时间用于理解和解决业务问题。

这些进步背后的核心突破是深度学习,这是一种受人类大脑结构启发的人工智能技术。最初作为一个相对狭窄的数据分析工具现在可以作为一个接近通用计算平台的东西。它在广泛的任务范围内优于传统软件,最终可能提供长期躲避计算机科学家的智能系统

机器学习将如何塑造软件开发?

金沙js333娱乐场,然而,在深度学习炒作中,许多观察者都错过了对其未来持乐观态度的最大理由:深度学习需要编码人员编写非常少的实际代码。深度学习系统不是依赖于预设规则或if-then语句,而是根据过去的示例自动编写规则。软件开发人员只需要创建一个“粗糙的骨架”来解释特斯拉的Andrej Karpathy,然后让计算机完成其余工作。

既然我们已经概述了可以想象的好处,下一个问题就出现了:软件编程的哪些部分可以转移到深度学习2.0框架中,哪些部分应该保留在传统的1.0框架中?时至今天,我们得到的结论是,这些深度学习神经网络在监督学习环境下表现得很好。如果向它们提供训练数据,提供好的和坏的实例,那么它们就能学会正确地输出。

  • 这些都是媒体有时不成比例的壮举。

计算机“指令”的比喻对于开发人员和用户来说都是熟悉的。它强化了这样一种信念,即计算机完全按照我们的说法行事,类似的输入总能产生类似的输出。相比之下,AI模型就像生命的呼吸系统。新的工具将使它们更像显式程序,特别是在安全关键设置中,但我们冒着丢失这些系统的价值

责任编辑:

在这个新世界中,开发人员不再需要为每个问题设计一个独特的算法。相反,大多数工作重点是生成反映所需行为和管理培训过程的数据集。来自谷歌TensorFlow团队的Pete Warden早在2014年就指出这一点:“我曾经是一名程序员,”他写道。 “现在我教电脑写自己的节目。”

个别地,这些新技术有望影响我们的日常生活。总的来说,它们代表了我们对软件开发的思考方式的巨大变化

几十年来,软件开发已经手动完成。

2.AI从业者将成为摇滚明星。

那当然是即将改变的。 Waymo的自动驾驶汽车最近通过了800万英里。微软的翻译引擎虽然不能流利地使用600万种通信形式,但在中英文任务中可以达到人类的准确程度。初创公司在智能助理,工业自动化,欺诈检测等领域开辟了新的领域。

本文由js333.com发布于智能科技,转载请注明出处:码农何去何从金沙js333娱乐场:,人工智能

关键词:

上一篇:没有了

下一篇:没有了

最火资讯