作者ripple0129 (perry tsai)
看板Soft_Job
标题[讨论] 深度学习未来软体可否写软体
时间Mon May 23 02:53:06 2016
深度学习透过让机器大量的参与可以拥有归纳规则的能力，
设计模式中也只是透过大量遇到code常见的问题所归纳产生的解决方法。
换而言之，让软体大量观察程式码或许未来真的可以靠机器自己写软体？
人常说机器跟人差别的是创造的能力，
但事实上创造，多数情形下也是先透过学习不同的领域，
然後找出领域之中的可结合点，
创造出新的事物，
如果按照这个逻辑，
似乎机器学习写程式码是可行的。
记得以前练习过一个演算法叫Quine，
就是用程式语言print出自己的原始码。
我相信这对机器学习来说写出这东西应该不是难事，
也就是说，让软体写出原始码可行性应该是极高的。
但我们无法掌控的地方却是，
如果机器可以自行产生程式码，
那麽他会产生怎样的程式码？
他会创造出怎样的功能？
这似乎变成难以预测的结果。
如果有一天机器能产生原始码，
我想这後果似乎是比我们程式设计师失业还要来的恐怖吧。
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 223.137.122.188
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Soft_Job/M.1463943189.A.3F7.html
1F：推 sapc87952: 能产生原始码跟能自己创造演算法还有很大的距离 05/23 03:22
2F：→ ripple0129: 其实我倒是认为演算法是整理归纳来的，而不是创造来 05/23 03:29
3F：→ ripple0129: 的。白话一点就是透过观察、整理归纳後所产生的计算 05/23 03:29
4F：→ ripple0129: 公式。 05/23 03:29
5F：推 CaptainH: 深度学习目前强项在"感知"，牵涉计算&逻辑几乎没进步 05/23 04:21
6F：推 CaptainH: 让nn学语法很简单 学语义就不太行 05/23 04:24
7F：推 anguso: mit有人在做 05/23 04:29
8F：→ king19880326: Alphago 的计算跟逻辑貌似蛮强的？ 05/23 04:54
9F：→ anguso: alphago的逻辑不是nn train出来的 05/23 05:00
10F：→ king19880326: 那alphago的训练方式可以用来自动产生程式吗？ 05/23 05:48
11F：推 sapc87952: Alphago的训练方式是在有限的情况下(围棋棋盘) 05/23 06:13
12F：→ sapc87952: 的方式去深度学习 而且深度学习的条件就是前人的棋谱 05/23 06:14
13F：推 sapc87952: 简单来说就是写出现有的程式而且优化是可能的 05/23 06:16
14F：→ sapc87952: 但是要能够理解题目给出对应的solution 这才是困难之处 05/23 06:16
15F：推 bs980201: 深度学习有很多关於语义的研究唷～word2vec 05/23 06:50
16F：推 twsoriano: 人脑就那麽小一块 功耗也普普 电脑复杂度赶上迟早而已 05/23 10:21
17F：推 CaptainH: 姑且不论word2vec到底算不算"深度学习"，它目前带来的 05/23 10:37
18F：→ CaptainH: 效果远不及nn在视觉/语音上的影响 05/23 10:37
19F：推 CaptainH: 再说了，在code上做word2vec？太钻牛角尖了吧 05/23 10:40
20F：→ yenpinchiu: word2vec没有很深,但其实要多深才算deep也没人定义 05/23 10:44
21F：→ yenpinchiu: 是nn,是不是dnn就见仁见智 05/23 10:49
22F：推 CaptainH: 说他不deep的原因除了它很shallow之外，它本质上做的是 05/23 10:50
23F：→ CaptainH: 矩阵分解 05/23 10:51
24F：推 maxqq: 未来一定有提供机器人 clip copy 用的网站系统 05/23 10:57
25F：→ maxqq: 也就是工程师分享语法片段，让开发者参考外 05/23 10:57
26F：推 aa06697: 只问一个问题 他怎麽知道他产出的code没有bug 05/23 12:58
27F：推 O187: 所以会有智能学习测试程式 05/23 13:12
28F：推 tomdavis: W2v只能算pretraining 05/23 13:20
29F：→ tomdavis: 如果要说跟deep learning的关系的话 05/23 13:21
30F：推 truesword: 那一天一定会到来 05/23 15:05
31F：→ lance8537: 在台湾除了研究院外用的到吗 05/23 16:08
32F：推 tomken: 一定有办法 只是时间问题 05/23 18:12
33F：→ testPtt: 做的出来人类就灭亡了 05/23 18:29
34F：推 brucetu: 机器学习的根本还停留在条件判断 只是有大量资料去改变in 05/23 20:25
35F：→ brucetu: put 05/23 20:25
36F：→ brucetu: 只要程式还是用if else写出来的 就不可能跟生物一样有思 05/23 20:25
37F：→ brucetu: 想 不确定性 05/23 20:25
38F：→ brucetu: 电脑要模拟人脑 硬体面都还差很远 05/23 20:26
39F：→ ripple0129: 机器学习可以不经提示下辨识图片，换言之就是抽象化 05/23 21:43
40F：→ ripple0129: 的能力，也就是透过大量的实例能够让机器抽象化出该展 05/23 21:44
41F：→ ripple0129: 现的是怎样的样貌。虽然距离人类抽象化能力还差很远， 05/23 21:44
42F：→ ripple0129: 但是就原理上可行度很高。程式片段本身就是一个抽象 05/23 21:44
43F：→ ripple0129: 化的展现，要把抽象化过的东西再做一次抽象难度自然是 05/23 21:44
44F：→ ripple0129: 很高，有点类似要从图片辨识出哺乳类的能力吧。 05/23 21:44
45F：推 CaptainH: 现在图形辨识可以unsupervised?! 05/23 22:50
47F：推 Hikkiaholic: 早就行啦 DW拉框框不就自己产生程式码? 05/24 07:26
48F：推 TS13: 人的思考说不定也只是比较复杂的if else(? 05/24 11:42
49F：→ GoalBased: 给楼上 不是 05/24 19:44
50F：推 TS13: 请楼上解惑>< 我的想法是每个人的行为不也是自己一生经验 05/24 21:18
51F：→ TS13: 加上目前所有感官的接收 合并起来的结果吗~ 05/24 21:18
52F：→ rodion: 基本上还远的很 在人类真的了解大脑运作原理之前 不可能 05/24 22:24
53F：推 jeromeshih: 但有些人类科技的突破是靠直觉，但这部分如何产生似乎 05/25 11:56
54F：→ jeromeshih: 还是问号，这无法突破就难让电脑学习 05/25 11:56
55F：推 haoweiyeh: deep learning 05/27 18:23