作者ripple0129 (perry tsai)
看板Soft_Job
標題[討論] 深度學習未來軟體可否寫軟體
時間Mon May 23 02:53:06 2016
深度學習透過讓機器大量的參與可以擁有歸納規則的能力，
設計模式中也只是透過大量遇到code常見的問題所歸納產生的解決方法。
換而言之，讓軟體大量觀察程式碼或許未來真的可以靠機器自己寫軟體？
人常說機器跟人差別的是創造的能力，
但事實上創造，多數情形下也是先透過學習不同的領域，
然後找出領域之中的可結合點，
創造出新的事物，
如果按照這個邏輯，
似乎機器學習寫程式碼是可行的。
記得以前練習過一個演算法叫Quine，
就是用程式語言print出自己的原始碼。
我相信這對機器學習來說寫出這東西應該不是難事，
也就是說，讓軟體寫出原始碼可行性應該是極高的。
但我們無法掌控的地方卻是，
如果機器可以自行產生程式碼，
那麼他會產生怎樣的程式碼？
他會創造出怎樣的功能？
這似乎變成難以預測的結果。
如果有一天機器能產生原始碼，
我想這後果似乎是比我們程式設計師失業還要來的恐怖吧。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.137.122.188
※ 文章網址: https://webptt.com/m.aspx?n=bbs/Soft_Job/M.1463943189.A.3F7.html
1F：推 sapc87952: 能產生原始碼跟能自己創造演算法還有很大的距離 05/23 03:22
2F：→ ripple0129: 其實我倒是認為演算法是整理歸納來的，而不是創造來 05/23 03:29
3F：→ ripple0129: 的。白話一點就是透過觀察、整理歸納後所產生的計算 05/23 03:29
4F：→ ripple0129: 公式。 05/23 03:29
5F：推 CaptainH: 深度學習目前強項在"感知"，牽涉計算&邏輯幾乎沒進步 05/23 04:21
6F：推 CaptainH: 讓nn學語法很簡單 學語義就不太行 05/23 04:24
7F：推 anguso: mit有人在做 05/23 04:29
8F：→ king19880326: Alphago 的計算跟邏輯貌似蠻強的？ 05/23 04:54
9F：→ anguso: alphago的邏輯不是nn train出來的 05/23 05:00
10F：→ king19880326: 那alphago的訓練方式可以用來自動產生程式嗎？ 05/23 05:48
11F：推 sapc87952: Alphago的訓練方式是在有限的情況下(圍棋棋盤) 05/23 06:13
12F：→ sapc87952: 的方式去深度學習 而且深度學習的條件就是前人的棋譜 05/23 06:14
13F：推 sapc87952: 簡單來說就是寫出現有的程式而且優化是可能的 05/23 06:16
14F：→ sapc87952: 但是要能夠理解題目給出對應的solution 這才是困難之處 05/23 06:16
15F：推 bs980201: 深度學習有很多關於語義的研究唷～word2vec 05/23 06:50
16F：推 twsoriano: 人腦就那麼小一塊 功耗也普普 電腦複雜度趕上遲早而已 05/23 10:21
17F：推 CaptainH: 姑且不論word2vec到底算不算"深度學習"，它目前帶來的 05/23 10:37
18F：→ CaptainH: 效果遠不及nn在視覺/語音上的影響 05/23 10:37
19F：推 CaptainH: 再說了，在code上做word2vec？太鑽牛角尖了吧 05/23 10:40
20F：→ yenpinchiu: word2vec沒有很深,但其實要多深才算deep也沒人定義 05/23 10:44
21F：→ yenpinchiu: 是nn,是不是dnn就見仁見智 05/23 10:49
22F：推 CaptainH: 說他不deep的原因除了它很shallow之外，它本質上做的是 05/23 10:50
23F：→ CaptainH: 矩陣分解 05/23 10:51
24F：推 maxqq: 未來一定有提供機器人 clip copy 用的網站系統 05/23 10:57
25F：→ maxqq: 也就是工程師分享語法片段，讓開發者參考外 05/23 10:57
26F：推 aa06697: 只問一個問題 他怎麼知道他產出的code沒有bug 05/23 12:58
27F：推 O187: 所以會有智能學習測試程式 05/23 13:12
28F：推 tomdavis: W2v只能算pretraining 05/23 13:20
29F：→ tomdavis: 如果要說跟deep learning的關係的話 05/23 13:21
30F：推 truesword: 那一天一定會到來 05/23 15:05
31F：→ lance8537: 在台灣除了研究院外用的到嗎 05/23 16:08
32F：推 tomken: 一定有辦法 只是時間問題 05/23 18:12
33F：→ testPtt: 做的出來人類就滅亡了 05/23 18:29
34F：推 brucetu: 機器學習的根本還停留在條件判斷 只是有大量資料去改變in 05/23 20:25
35F：→ brucetu: put 05/23 20:25
36F：→ brucetu: 只要程式還是用if else寫出來的 就不可能跟生物一樣有思 05/23 20:25
37F：→ brucetu: 想 不確定性 05/23 20:25
38F：→ brucetu: 電腦要模擬人腦 硬體面都還差很遠 05/23 20:26
39F：→ ripple0129: 機器學習可以不經提示下辨識圖片，換言之就是抽象化 05/23 21:43
40F：→ ripple0129: 的能力，也就是透過大量的實例能夠讓機器抽象化出該展 05/23 21:44
41F：→ ripple0129: 現的是怎樣的樣貌。雖然距離人類抽象化能力還差很遠， 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個抽象 05/23 21:44
43F：→ ripple0129: 化的展現，要把抽象化過的東西再做一次抽象難度自然是 05/23 21:44
44F：→ ripple0129: 很高，有點類似要從圖片辨識出哺乳類的能力吧。 05/23 21:44
45F：推 CaptainH: 現在圖形辨識可以unsupervised?! 05/23 22:50
47F：推 Hikkiaholic: 早就行啦 DW拉框框不就自己產生程式碼? 05/24 07:26
48F：推 TS13: 人的思考說不定也只是比較複雜的if else(? 05/24 11:42
49F：→ GoalBased: 給樓上 不是 05/24 19:44
50F：推 TS13: 請樓上解惑>< 我的想法是每個人的行為不也是自己一生經驗 05/24 21:18
51F：→ TS13: 加上目前所有感官的接收 合併起來的結果嗎~ 05/24 21:18
52F：→ rodion: 基本上還遠的很 在人類真的了解大腦運作原理之前 不可能 05/24 22:24
53F：推 jeromeshih: 但有些人類科技的突破是靠直覺，但這部分如何產生似乎 05/25 11:56
54F：→ jeromeshih: 還是問號，這無法突破就難讓電腦學習 05/25 11:56
55F：推 haoweiyeh: deep learning 05/27 18:23