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