連日來機器學習無處快速移動并打破事物向來一不斷的有小伙伴關(guān)注，不僅如此還衍生出了各大相關(guān)話題，那么跟著小編來看看機器學習無處快速移動并打破事物以及它的相關(guān)資訊吧！
在快速行動和打破常規(guī)的口號早已在科技創(chuàng)業(yè)公司中普及之前，黑客文化已經(jīng)成為軟件工程的命脈[1、2]。從克里斯·拉特納[3]到比爾·蓋茨的計算機行業(yè)領導者都講述了他們年幼時壞壞并重新組裝了收音機和其他小玩意，最終因其可入侵性而被計算機所吸引。如果不是硅谷本身不是由戈登·弗蘭奇(Gordon French)和弗雷德·摩爾(Fred Moore)創(chuàng)辦的“家庭釀造俱樂部”發(fā)起的黑客道場活動，那么它可能永遠不會成為世界創(chuàng)新的溫床。
計算機程序員仍然通過遵循行業(yè)公認的過程(例如測試驅(qū)動的開辟和敏捷方法論)來努力快速移動和迭代事物，開辟和部署可靠，強大的軟件。在一個理想的世界中，程序員可以遵循這些慣例來編寫原始軟件。然而時間就是金錢。在編碼人員可以在公布之前正確完成軟件開辟之前，必須經(jīng)過激進的，由業(yè)務驅(qū)動的截止日期。加上快速公布和熱修復(或動態(tài)更新功能[4])的現(xiàn)代最佳實踐，可部署軟件的門檻更低。像Apple這樣的公司甚至以公布缺少軟件功能的手機硬件而引以為傲：Deep Fusion 圖像處理是最新iPhone發(fā)行幾個月后的iOS更新的一部分[5]。
軟件交付變得越來越快是進步的標志。軟件仍在吞噬世界[6]。但這也容易受到濫用：快速軟件流程用于公布修補程序和完成新功能，但也用于公布不完整的軟件，這些軟件將在以后進行修復。特斯拉已經(jīng)成為“空中飛人”更新的代言人，可以提高駕駛性能和電池容量，或錯誤地阻撓它們[7]。天真的消費者稱贊特斯拉將其帶給老式汽車行業(yè)的技術(shù)至上，軟件優(yōu)先的方法。然而，業(yè)內(nèi)專業(yè)人士批判特斯拉的魯ck性：在道路上進行1800kg的車輛的A / B測試[8]的風險要比在Facebook上試驗新功能的風險稍高。
將Tesla Autopilot和機器學習算法添加到組合中，這將變得更加棘手。從定義上講，機器學習系統(tǒng)是概率性的和隨機的-在實時環(huán)境中進行預測，做出反應和學習-更不用說到處都是測試的極端案例和對無法預見的場景的脆弱性。
軟件系統(tǒng)的巨大進步使工程師無論好壞都可以快速，反復地移動?，F(xiàn)在，隨著機器學習系統(tǒng)(或“軟件2.0” [9])的巨大進步，工程師可以無縫地構(gòu)建和部署涉及人，機器和環(huán)境的決策系統(tǒng)。
“當前的驚險是工程師的工具集已廣泛可用，但理論上的保證和正確流程的進展尚未部署。因此，盡管深度學習浮現(xiàn)在工程專業(yè)的面貌，但它卻缺少一些理論上的檢驗，而從業(yè)者冒著跌倒的風險。”
Neil Lawrence，劍橋大學ML的DeepMind教授
加里·馬庫斯(Gary Marcus)在他最近的《重新啟動AI》[10] 一書中，在深度學習和藥理學之間進行了令人發(fā)指的類比：深度學習模型比傳統(tǒng)軟件系統(tǒng)更像藥物。生物系統(tǒng)是如此復??雜，因此很難完全了解和預測藥物的作用。關(guān)于藥物如何起作用的理論可能模糊不清，而且可行的結(jié)果來自實驗。傳統(tǒng)軟件系統(tǒng)具有確定性和可調(diào)試性(因此非常強大)，而藥物和深度學習模型是通過實驗開辟并部署的，而沒有基本的了解和保證。AI研究過程通常是先進行實驗，然后再證明結(jié)果。它應該是假設驅(qū)動的，具有科學的嚴格性和徹底的測試過程。
“我們?nèi)鄙俚氖且婚T具有分析和設計原理的工程學科。”
邁克爾·喬丹(Michael Jordan)，加州大學伯克利分校教授[11]
在進行土木工程之前，有一些建造物以不可預見的方式倒在了地上。如果沒有經(jīng)過驗證的深度學習(以及整個機器學習)工程實踐，我們將面臨同樣的風險。
也不建議將其極端化?？紤]一下過去十年中航天器工程的轉(zhuǎn)變：高效的運營和快速的文化對SpaceX和其他初創(chuàng)公司(例如Astrobotic，Rocket Lab，Capella和Planet)的成功至關(guān)重要。NASA無法跟上創(chuàng)新的步伐-而是與太空創(chuàng)業(yè)生態(tài)系統(tǒng)合作并提供支持。盡管如此，機器學習工程師仍然可以從一個組織中學到一兩個東西，該組織在部署新穎技術(shù)以與人類生命息息相關(guān)的大規(guī)模協(xié)調(diào)方面擁有令人難以置信的業(yè)績。
格蕾絲·霍珀(Grace Hopper)提倡快速行動：“這給我?guī)砹宋铱梢越o大家的最重要的建議：如果您有一個好主意，而且是一個貢獻，我希翼您繼續(xù)前進并做到這一點。道歉要比獲得許可容易得多。” 希翼她的動力和意圖不會對工程師和科學家失去。