這是調(diào)研機(jī)構(gòu)德勤公司最近發(fā)布的一份有關(guān)軟件開(kāi)發(fā)采用人工智能技術(shù)的調(diào)查報(bào)告得出的結(jié)論。報(bào)告的作者David Schatsky和Sourabh Bumb描述了在過(guò)去的18個(gè)月中多家公司如何推出幾十個(gè)人工智能驅(qū)動(dòng)的軟件開(kāi)發(fā)工具。并且其市場(chǎng)正在增長(zhǎng)。致力于軟件開(kāi)發(fā)的人工智能初創(chuàng)企業(yè)在2019年獲得了7.04億美元的投資。

 

新工具可以幫助軟件開(kāi)發(fā)人員減少工作量，在編寫軟件時(shí)檢測(cè)錯(cuò)誤，并自動(dòng)執(zhí)行許多確認(rèn)軟件質(zhì)量的測(cè)試。在當(dāng)今越來(lái)越依賴開(kāi)放源代碼的時(shí)代，這一點(diǎn)很重要，因?yàn)殚_(kāi)放源代碼可能會(huì)帶來(lái)一些錯(cuò)誤。

 

盡管有些人擔(dān)心采用自動(dòng)化技術(shù)可能會(huì)使編程人員失去工作，但調(diào)查報(bào)告的這兩位作者認(rèn)為不太可能。

 

Schatsky說(shuō)：“在很大程度上，這些人工智能工具是在幫助和增強(qiáng)人類的能力，而不是取代他們。這些工具有助于使編碼和軟件開(kāi)發(fā)民主化，使一些編程新手能夠填補(bǔ)人才缺口，學(xué)習(xí)新技能。人工智能技術(shù)還可以進(jìn)行代碼審查，并提供質(zhì)量保證。”

 

調(diào)研機(jī)構(gòu)Forrester公司在2018年進(jìn)行的一項(xiàng)研究發(fā)現(xiàn)，從事軟件開(kāi)發(fā)的企業(yè)中，37%的企業(yè)正在使用由人工智能驅(qū)動(dòng)的編碼工具。Tara、DeepCode、Kite、Functionize和Deep TabNine等許多公司提供自動(dòng)化編程服務(wù)，而在2020年這一比例將會(huì)更高。

 

成功應(yīng)用似乎正在加快這一趨勢(shì)。Schatsky說(shuō)：“除了節(jié)省成本和時(shí)間以外，許多采用這些人工智能工具的企業(yè)還改善了最終產(chǎn)品的質(zhì)量。”

 

德勤公司的研究表明，人工智能可以幫助緩解軟件開(kāi)發(fā)人才長(zhǎng)期短缺的現(xiàn)象。去年，軟件質(zhì)量不良使美國(guó)企業(yè)損失了3190億美元。人工智能的應(yīng)用具有緩解這些挑戰(zhàn)的潛力。德勤公司的分析人員認(rèn)為人工智能可以在軟件開(kāi)發(fā)的許多階段提供幫助，其中包括：項(xiàng)目要求、編碼審查、錯(cuò)誤檢測(cè)和解決，以及通過(guò)測(cè)試、部署和項(xiàng)目管理提供的更多幫助。

 

 

IBM公司的杰出工程師Bill Higgins是IBM Watson開(kāi)發(fā)人工智能任務(wù)團(tuán)隊(duì)負(fù)責(zé)人，有著20年的軟件開(kāi)發(fā)工作經(jīng)驗(yàn)。他最近發(fā)表了一篇有關(guān)人工智能對(duì)軟件開(kāi)發(fā)的影響的研究報(bào)告。

 

Higgins說(shuō)，“企業(yè)需要放棄以往開(kāi)發(fā)軟件的模式。如果開(kāi)發(fā)人員難以適應(yīng)，那么企業(yè)適應(yīng)的難度將遠(yuǎn)遠(yuǎn)超出開(kāi)發(fā)人員。事實(shí)證明，企業(yè)管理人員缺乏人工智能方面的經(jīng)驗(yàn)也是一種優(yōu)勢(shì)。因?yàn)樗仨毥?jīng)歷這一學(xué)習(xí)過(guò)程，因此對(duì)需要適應(yīng)的開(kāi)發(fā)人員有了更深刻的理解和同情。”

 

他表示，為了了解軟件開(kāi)發(fā)中的人工智能，他研究了其他人如何應(yīng)用人工智能(提出問(wèn)題)以及使用人工智能優(yōu)于其他替代方法(解決方案)的情況。這對(duì)于理解可能發(fā)生的情況并避免誤區(qū)很重要。

 

他說(shuō)，自從在賓夕法尼亞州立大學(xué)獲得計(jì)算機(jī)科學(xué)學(xué)位以來(lái)，學(xué)習(xí)人工智能這一過(guò)程是他感到最緊張、最困難的一次學(xué)習(xí)經(jīng)歷。他說(shuō)：“讓我重新思考從經(jīng)驗(yàn)中改進(jìn)軟件系統(tǒng)實(shí)在是太困難了，而軟件系統(tǒng)只做開(kāi)發(fā)人員讓它們做的事情。”

 

IBM公司開(kāi)發(fā)了一種概念模型來(lái)幫助開(kāi)發(fā)人員思考基于人工智能的轉(zhuǎn)型，稱之為人工智能階梯(AI Ladder)。這個(gè)階梯有四個(gè)梯級(jí)：收集、組織、分析和注入。大多數(shù)企業(yè)擁有大量數(shù)據(jù)，這些數(shù)據(jù)通常是以孤立的IT工作或通過(guò)收購(gòu)的形式組織起來(lái)的。例如一家企業(yè)可能有20個(gè)數(shù)據(jù)庫(kù)和3個(gè)數(shù)據(jù)倉(cāng)庫(kù)，其中包含冗余和不一致的客戶信息。其他數(shù)據(jù)類型(如訂單、員工和產(chǎn)品信息)也是如此。Higgins說(shuō)：“IBM公司使AI Ladder從概念上擺脫了困境。”

 

在注入階段，該公司致力于將訓(xùn)練的機(jī)器學(xué)習(xí)模型集成到生產(chǎn)系統(tǒng)中，并設(shè)計(jì)反饋循環(huán)，以便可以從經(jīng)驗(yàn)中不斷改進(jìn)模型。注入式人工智能的一個(gè)示例是Netflix推薦系統(tǒng)，該系統(tǒng)由復(fù)雜的機(jī)器學(xué)習(xí)模型提供支持。

 

IBM公司已確定API、預(yù)先構(gòu)建的機(jī)器學(xué)習(xí)模型和可選工具的組合，以封裝、收集、組織和分析用于常見(jiàn)機(jī)器學(xué)習(xí)域的人工智能階梯(AI Ladder)，例如自然語(yǔ)言理解、與虛擬代理的對(duì)話、視覺(jué)識(shí)別、語(yǔ)音和企業(yè)搜索等。

 

例如，Watson的自然語(yǔ)言理解變得豐富而復(fù)雜。機(jī)器學(xué)習(xí)現(xiàn)在擅長(zhǎng)于理解語(yǔ)言的許多方面，其中包括概念、概念之間的關(guān)系以及情感內(nèi)容。現(xiàn)在可以通過(guò)完善的API和支持的SDK，向開(kāi)發(fā)人員提供基于機(jī)器學(xué)習(xí)的自然語(yǔ)言處理的NLU服務(wù)和研發(fā)工具。

 

Higgins 說(shuō)：“因此，即使開(kāi)發(fā)人員沒(méi)有進(jìn)行數(shù)據(jù)科學(xué)或機(jī)器學(xué)習(xí)方面的培訓(xùn)，他們現(xiàn)在也可以開(kāi)始在應(yīng)用程序中利用某些類型的人工智能。雖然這并沒(méi)有消除人工智能的學(xué)習(xí)曲線，但會(huì)使其變得更平緩。”

 

版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。