发布时间:2019-07-02
进步的背后主要是核心突破与深刻学习,这也是一种收启与人类大脑想象出来的人工智能,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。
它的任务范围优于以往传统软件,最终可能长期避讳计算机科学家的智能系统-这些都可以归结于媒体时不时的报导。在这个新世界中技术团队开发人员不再需要为任何一个问题设计一个独立的算法。反之,大多数工作重点是生成反映所需行业和管理培训过程的数据集。
这对软件开发的未来意味着什么?
1.软件编程和数据学将日益趋同。
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,以便与用户相互并解释。问题在于“我是使用这个人工智能还是使用传统方案解决这个问题?”如果问题越来越多,设计智能系统需要掌握两者。
2.AI从业者将成为摇滚明星。
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些嘲讽,他们从50年代开始在其他行业自动化工作,到现在他们即将面临着自己工作全自动化。对他们服务的需求肯定会有大幅度下降,但那些想要保持领先地位的人必须以学习态度来测试人工智能。
3.需要构建AI工具链。
Lyft的机器学习主管GilArditi表示最好。“机器学习处于原始的阶段。它类似于70年代末到80年代始的数据库。你必须成为行业内顶级专家才能让这东西发挥作用。“研究还表明,很多人工智能建模很难区分,很容易遭到欺骗,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。
4.我们都需要对不可预测的行为感到满意。
计算机的“指令”对于开发人员和用户来说都是再熟悉不过了。它强化了一种信念,即计算机完全按照我们的指示去工作,类似的输入总能产生不一样的结果。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,但我们需要冒着丢失这些系统的风险-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,我们需要接受概率结果。