南京医院手机网站建设,展厅设计要求,手机网站域名解析,wordpress作者英文版作者#xff1a;岑峰 概要#xff1a;近日#xff0c;Tesla AI总监Andrej Karpathy发表了一篇关于“Software 2.0”的文章#xff0c;该文章引发了对未来神经网络的编程方式的更深入探讨#xff0c;本文就是其中之一。 近日#xff0c;Tesla AI总监Andrej Karpathy发表了… 作者岑峰 概要近日Tesla AI总监Andrej Karpathy发表了一篇关于“Software 2.0”的文章该文章引发了对未来神经网络的编程方式的更深入探讨本文就是其中之一。 近日Tesla AI总监Andrej Karpathy发表了一篇关于“Software 2.0”的文章Andrej Karpathy发文谈神经网络这不仅仅是分类器这是一种新的软件开发思想该文章引发了对未来神经网络的编程方式的更深入探讨本文就是其中之一。在Software 2.0的基础上本文作者Uri Yerushalmi还借用了南京大学周志华教授在2016年提出的“学件”Learnware的概念并更详细地讲述了他眼中的“学件”和软件的区别。 本文作者Uri Yerushalmi为AI社区Dopamind的创始人 2008年于以色列Bar-llan University获得计算机和神经科学博士学位。以下是文章全文 本周我阅读了Andrej Karpathy的“Software 2.0”他分析了新软件“Software 2.0”与旧软件“Software 1.0”之间的区别。 我和Karpathy有一个非常类似的结论我们来看看这种新型软件的兴起如何影响软件行业和市场。 软件vs学件 以下是旧软件和Karpathy的帖子中描述的新的适应性软件之间的一些主要区别我将其称为“学件”AI科技评论注“学件”Learnware的概念最早由南京大学教授周志华2016年提出是一种包含模型和模型描述模型规约的机器学习应用模型这些模型可以以共享或定价的方式放在某一个地方当有新的用户想做自己的应用的时候可以先去市场上看看有没有可以使用的模型从而可以部分重用别人的结果而不需要重新开始。 软件与学件的差异 “学件”将给软件市场带来什么变化 您可能已经注意到软件市场开始发生变化尽管这些变化并不明显。 协作处理和服务导向 在软件中我们习惯通过库和API应用程序编程接口进行相互协作。每个接口的任务都需要定义好用户通常很清楚在调用接口时做了什么、以及如何做。 举个例子想象两个没有菜单、按顾客指示烹饪的餐馆 第一家餐厅叫“旧软件类型”客人需要准确地给予指示他们想要的餐点该如何烹饪。他们必须出示详细的食谱以确保他们获得正确的食物。 第二家餐厅叫“学件”客人会提出更多的抽象要求比如“我很伤心给我一些能让我开心的东西”厨师能够当场创造出最佳的餐点。 很显然第一家餐厅的一些顾客宁愿避免编写食谱的麻烦而改为在家做饭对不对但在第二家餐厅顾客就算想自己编食谱臣妾也做不到啊啊啊。 这样的底线通常会导致API用户采取“我最了解我所需要的所以我会自己编程”的方法这通常是错误的事情但这又是另一个故事了。在学件中“我会自己做”的方法更加不合理因为通过简单地定义用户需要什么例如“在图片中找到一只猫”开发人员仍然没有接近最终的解决方案。 由于这种巨大差异的客观存在我认为在不久的将来会有越来越多的协作处理工具和平台出现。 主要影响因素见上表中的F、G、H项 “学件”的应用领域 我们可以将大多数使用软件2.0的方法的商业应用归入“学件”的范畴。这些新应用包括基于视觉和语音识别视觉生成语音合成机器人技术游戏翻译决策等。 主要影响因素见上表中的A项 人才市场 显然“学件”将大大改变就业的市场格局。无论企业如何设计将知识或数据“喂”给“学件”的工作岗位如程序员数据科学家定量分析“学件”的培训会越来越普遍和越来越简单使用这一新软件所需的技能将会发生进化。我预计未来对于开发人员角色的需求将与旧软件程序员完全不同。 主要影响因素见上表中的B、C、D项 “喂知识/数据”的技巧 作为一名软件开发人员您可以使用C Java或Python等语言将知识编程到软件中。目前编写和训练“学件”使用相同的技术然而常规的软件编程语言视为了能够最好地描述管理和维护各种指令集而设计的但在“学件”中编程知识的关键在于准确地描述最佳的数据流图。因此我不确定使用旧的编程语言是开发“学件”的最佳方法。 主要影响因素见上表中的C、D项 用于构建学习软件的软件库 近几年来我们已经看到了这些新的软件库TensorflowPytorchKerasTheanoMXNet ... 主要影响因素见上表中的B、C、D项 专用硬件 在具有大型指令集的旧式软件中引入新硬件需要对编译和代码级别进行调整。相反在“学件”中新硬件的使用更加透明。 对“学件”适用的专用硬件的竞赛已经打响目前NVidia处于领先地位。 主要影响因素见上表中的B、E项 查看黑盒的工具 为了更好地进行开发我们需要用于查看“学件”的黑盒的工具。如果我们了解每个“学件”如何做出决策我们可能会更好地训练它。此外从社会的角度看也更容易获得认可例如欧盟成员国预计通过新的立法规定如果AI的决定出现不公平或随意性AI的决定可能会被推翻而在“通用数据保护条例”GDPR的早期草案也从法律上规定了所谓的“解释权”。 主要影响因素见上表中的H项
