原创不易 请随手点选关注
本文由Rehoo团队Tin原创，无授权禁转！(图片来自网络)
图片来自网络
Google首席执行官桑达皮采也谈到“AI自动编写自己的软件”。当然，如果你认为软件开发只是建立经常重复的程式码片段，那么人工智能的快速发展会让软件工程师停下来吗？
传统上，开发人员将软件编写为一系列硬编码规则：如果X发生则执行Y.人类逐行指导机器。这是软件1.0。但是软件2.0认识到，随着深度学习的进步 - 我们可以构建一个神经网络，学习所需结果所需的指令或规则。2.0版支持者提出的论点，如特斯拉的AI主管Andrej Karpathy ，是不是我们不再真正编写程式码了。我们只是找到资料并将其输入机器学习系统。在这种情况下，我们可以想象软件工程师的角色转变为“资料策划者”或“资料推动者”。无论我们称之为什么，我们都将成为不再编写程式码的人。
但是，软件工程不会很快消失。即使一个新的角色发展，无论是软件2.0工程师，资料科学家2.0等 ，这种技术转变的方式将赋予软件1.0从业者权力。事实上，它不确定软件工程在不久的将来是否会与我们现在的工作完全不同。是的，我们将从深度学习神经网络系统中获得帮助，但它们将帮助我们更好地完成当前的工作，而不是完全取代我们。
图片来自网络
机器学习如何塑造软件开发？
当然，这是一个新世界，事实上，一般办公室助理已安排您的一天并开始您的电话会议。网络上甚至还有基于人工智能的系统可以为您的企业生成徽标，并根据您的反馈优化徽标。
今天，您的手机会自动检查您的拼写并建议下一个单词。当您编写程式码时，类似的工具会突出显示可能的错误。例如， 对程式设计结对的 人自然会想到软件2.0对其工作方式的影响。考虑到机器学习和会话界面的进步，可以想象机器有一天会成为程式设计团队的另一半。
多年来，我们一直在使用自动化帮助器来重构并节省编写样板程式码的时间。我们现在也欢迎在更复杂的软件开发中出现AI驱动的助手。最近，他们以增压IDE功能的形式出现在产品团队中，可以提示更好的程式码完成。
图片来自网络
AI助手的角色
现在想象一个更先进的AI助手在未来扮演更重要的角色。当您编写程式码时，您的机器合作伙伴可能会根据您的风格，使用高阶预测分析来确定您正在编写哪种函式并为您填写其余内容。本质上，机器为您编写其余程式码，然后您批准它。
AI助手可以帮助的另一个领域是测试驱动的开发。当机器伙伴迭代数百万次以找到正确的程式码片段来解决这些测试时，人类可以编写测试。而不是做两个工作，编写测试并使测试通过，这时你有一个机器合作伙伴来完成后者。这会有所帮助。您可以花更少的时间在实现程式码上，花更多的时间来理解和解决业务问题。
简而言之，Software 2.0甚至可以帮助指导测试驱动的开发，并建议下一个测试执行，为您提供原因。让我们假设营销人员去开发团队并说他们想要这样的功能。如果他们能够以机器可以理解的方式表达他们想要的东西，这一直变得越来越容易 ，机器可以帮助您选择所需的测试并建议后续步骤。
图片来自网络
这引起了最终的观点：智慧机器是否会完全取代软件工程师？现实情况更有可能是我们达到90％以上的能力。但这仍然意味着1％的时间失败，导致不可预测性。这意味着您需要一个监控系统来确保实际工作编写的程式码。也许这是软件工程师的新角色，类似于Andrej在其帖子中提到的内容：监控程式码并帮助机器学习系统实现接近100％的准确率。
既然我们已经概述了可以想象的好处，那么下一个问题就出现了：软件程式设计的哪些部分可以转移到深度学习2.0框架以及传统1.0框架中应该保留哪些内容？今天，很明显这些深度学习神经网络在监督学习环境中表现良好，如果他们为训练资料提供了很好的例子和不好的例子，那么他们就可以学习正确输出什么。Google例如，在整个产品套件中使用深度学习。
但这些系统只能与训练资料一样好。而且，正如我的一位同事指出的那样，改进模型的效能经常涉及改进底层程式码和部署环境，以及改进培训资料。事实上，一些机器学习系统变得如此之好，以至于他们实际上遇到了人为因素导致的训练资料缺陷。
图片来自网络
总结
就目前神经网络不是灵丹妙药。相反，我们需要设计神经网络以与其他解决方案一起使用。软件开发的某些部分可以很好地用于深度学习，还有其他部分不能实现。如果我们再次关注结对程式设计，有很多不同的方法可以通过与其他人共享来完成问题。软件开发是与其他同事不断合作的过程。每当一对新人聚在一起时，合作伙伴就会带来不同的经验和不同的方法来解决问题。您汇集的越多，您获得的解决方案就越多。
借助Software 2.0，我们正在新增一个新的合作伙伴，以帮助开发人员更好地完成工作。我们设想一个更有活力的协作环境的兴起，这将会有更多，更有效的解决方案。
（此处已新增圈子卡片，请到今日头条客户端检视）
