据《福布斯》网站8月26日消息，从公式翻译程序语言(FORTRAN)中的打孔卡到用 Go语言编写分布式系统，该学科的研究思路基本是一样的：深入思考问题，提出一种聪明的方法(即算法)，为机器提供一套执行指令深圳市人工智能行业协会。

从主机到智能手机，从因特网热潮到移动革命，这些方法都是不可缺少的，可以被称为“显式编程”。这推动了一个全新市场的诞生，让苹果，微软，谷歌， Facebook等公司家喻户晓。

不过，还是有些事要做。电脑时代初期作者所设想的智能系统，例如， Philip？机器人计程车和乔治，在“银翼杀手”中？《星战系列》中的C-3PO机器人，至今仍在科幻小说中出现。

即使是最有才能的计算机科学家设计的自动化方法，也会遭到看似简单的任务的顽固拒绝。当面临这些挑战时，专家们指责硅谷回避了这些基本问题上的进展，而是把重点放在增长型企业或热门企业上深圳市人工智能行业协会。

这种情况肯定会发生变化。最近， Waymo的无人驾驶汽车完成了800万英里的路测。在中译任务中，微软的翻译引擎几乎实现了翻译人员的精确程度。在智能助理、工业自动化、欺诈检测等领域，新兴企业正在不断取得突破。

这两种新技术将会在各个方面影响我们的日常生活。总体而言，它们代表了我们对软件开发的看法的巨大变化，并且与显式编程模式截然不同。

这一进展背后的核心突破是深度学习，这是一项启发人类大脑结构的人工智能技术。起初，它只是一个应用范围相对狭小的数据分析工具，现在它几乎成为了一个通用计算平台。它比传统软件具有更好的性能，这在很大程度上促进了长期以来计算机科学家难以实现的智能系统的产生。传媒有时夸大了人工智能技术的前景，这一点

但是，在对深度学习的大肆宣传中，很多观察者忽略了对它的未来保持乐观的最重要原因：深度学习需要编码员写很少的代码。深度学习系统并不依赖于预先设定的规则，而是根据以往的例子自动编写。软体开发者只需建立「粗糙的框架」，剩下的工作就由电脑来完成。举例来说，特斯拉雇佣了深度学习和计算机视觉专家安德鲁。Andrej Karpathy，正是希望他能将深度学习技术融入到自动驾驶业务中去深圳市人工智能行业协会。

新环境下，开发者不再需要为每一个问题设计特定的算法。实际上，大部分工作都集中在产生反映期望行为和管理培训过程的数据集。Pete，谷歌 TensorFlow团队？Warden (Pete Warden)在2014年就指出了这一点：“我以前是个程序员，现在我教计算机自己写程序。”

现在，驱动最重要的软件进展的编程模型并不要求进行大量的实际编程。

对于未来的软件开发来说意味着什么？

程序设计与数据科学将越来越融合。可以预见的是，大多数软件将不会采用“端到端”的学习系统，而是依赖数据模型来提供与用户交互和解释结果所需的核心认知能力和清晰逻辑。在现实生活中，智能系统设计人员需要精通这两个方面：“我应该用人工智能还是用传统的方法来解决这个问题？”

人工智能的实践者将成为抢手货。很难研究和开发人工智能技术。在未来软件公司中，普通的人工智能开发者是最有价值的资源之一。对于传统的编码者来说，这的确有点讽刺之处。在50年代初，它们使其它行业的工作实现了自动化，而现在，它们自己的工作已经部分实现了自动化。当然，工作需求也不会减少，但那些想要保持领先地位的人必须对人工智能持怀疑态度深圳市人工智能行业协会。

要建立人工智能工具链。莱夫特机器学习总监吉尔？阿迪提(Gil Arditi)对这一问题有清晰的认识。“机器学习还处于起步阶段。与80年代初或70年代末的数据库相似。要使他们发挥作用，你必须成为全球性的专家。该研究也表明，很多人工智能模型难以解释，容易受骗，也容易产生偏见。要挖掘人工智能开发者的潜力，必须掌握解决这些问题的工具。

我们必须接受不可预知的行为。开发者和用户对电脑“指令”的隐喻已经习以为常。"指令"加强了一种信念，即电脑完全按照我们的指令行动，而输入总是产生近似相等的输出。与此相反，人工智能模型类似于生物呼吸系统。新的工具将使它们更像是显式编程，尤其是在关键安全设置方面，但是如果我们过于严格地设置限制，我们就有可能失去这些人工智能系统的特殊价值，比如 AlphaGo的意外棋步。在发展和使用人工智能应用程序时，我们需要了解和接受各种可能的结果深圳市人工智能行业协会。

  希望世界被人工智能接管的可能性几近为零。