週末，特斯拉ai負責人andrej karpathy發文論述「軟體2.0」的概念，他說，神經網路給程式設計工作帶來了根本性的變革。
今天，跟他聊過這一概念的谷歌工程師pete warden也在自己的部落格上發了一篇文章，題為「deep learning is eating software」，闡述了他對軟體2.0時代的看法。他說，以後程式設計師的角色會變成軟體的「老師」，10年內，大多數軟體相關工作都將不再涉及編寫程式本身。
以下內容翻譯自pete的部落格。
幾周前，我和andrej karpathy喝了幾杯，聊起了我們認為未來幾年裡，機器學習會走上什麼方向。andrej丟擲了「軟體2.0」這個概念，我立刻感到羨慕嫉妒，因為這個詞所捕捉到的，是我在幾百個專案中所見到的日常。
他寫了部落格發出來之前，我都忍著沒說話，不過現在，我想來講講我對這件事的看法。
我所看到的模式是這樣的：有乙個軟體專案，用明確的程式設計邏輯來處理資料，然後負責維護它的團隊發現，他們可以用基於深度學習的解決方案來替換它。
alphabet有很多這樣的例子，我只能舉一些已經公開的，比如說搜尋排序的公升級、資料中心節能、語言翻譯、下圍棋，這些在alphabet內部並不是特例。
我所看到的是，幾乎每乙個有意義的資料處理系統都可以用現代機器學習技術來大幅提高。
這樣說可能顯得沒那麼戲劇性，但是在我們如何構建軟體這個問題上，這是一種劇變。不用再寫一層一層錯綜複雜的邏輯，程式設計師的角色變成了一名老師、訓練資料的管理者、結果的分析師。這和我在學校裡所學的程式設計非常非常不一樣，但最讓我激動的是， 一旦工具完備了，它比傳統的程式設計工作門檻更低。
這種新程式設計方式的核心是提供一大堆樣例作為輸入，以及你期望什麼樣的輸出。這不要求程式設計師具備傳統程式設計工作所需的技術能力，卻需要對於問題領域的深入了解。這就意味著和以往不同，軟體的積極使用者會參與到它的構建之中，扮演乙個更直接的角色。
本質上，是使用者自己描述了使用者故事，把它們喂到機器裡，構建自己想要的軟體。
andrej的部落格專注於語音識別等領域，但我想說的是，軟體2.0帶來的影響將遍布更多領域。經典文章machine learning: the high interest credit card of technical debt（描述了一種十分常見的模式：機器學習系統開始嵌入到軟體的深層堆疊之中。
我所看到的是，因為越來越多的軟體堆疊被單個深度學習模型整體替代，「技術債」的問題也開始得到解決。跟斷裂點進行模擬，這就像將你的所有債務都合併為一筆費用更低的貸款。與一組深度聯通的模組相比，單個的模型更容易提高，維護起來也更容易。
對很多大型系統來說，反正都沒人敢說自己清楚這些軟體究竟在幹什麼，所以實際上在可調式性或者控制性方面也沒有損失。
我知道這聽起來就像是又一篇深度學習忽悠文，如果我不是每天都看見這樣的歷史程序正在發生，也會覺得這很難接受，但這是真的。
比爾·蓋茨好像說過「大多數人都高估了他們一年內能做的事情，低估了10年內能完成的事情」，對於將傳統軟體替換成深度學習這件事來說，我正是這種感覺。隨著知識在開發者圈子裡的擴散，這將會是乙個長長的緩慢上公升過程，但我**，10年之內，大多數軟體工作都不會再涉及程式設計。
就像andrej明確指出的：深度學習比你強！
—完—
關於今後幾十年內的技術YY
1 裸眼3d技術。應用於電影 電視 廣告 遊戲等。2 3d列印技術。應用行業較為廣泛，其重要性主要會體現在醫學 製造等行業。3 ai人工智慧。至於行業也比較廣泛，具體的自己想想也知道。4 智慧型家居。不是現在這種推廣形式的智慧型家居，勢必加入ai進入才叫真正的智慧型。5 人腦腦電波轉換。並不是現有的...
十年軟體測試從業者 和軟體測試的十年「愛恨情仇」
時光荏苒，從畢業到現在已經10年，10年來一直從事著軟體測試的工作。從乙個什麼都不會，到測試技術人員再到測試管理，期間有迷茫，有痛苦，有彎路，有捷徑。今天對自己過去的10年測試經歷做乙個總結，一是給自己重新出發增加動力，二是給剛入道的 迷茫中的測試朋友一點點建議，希望你們少走彎路。首先，談談測試職業...
70 的企業將在一年內採用軟體定義儲存
日前，企業開源基礎設施解決方案提供商suse公司發布的一項研究報告公布了一些有趣的發現 傳統的企業儲存策略看起來並沒有跟上業務的指數增長，現在70 的it機構現在都面臨這樣的問題。研究發現，2016年絕大多數公司已經修訂了儲存方式和策略。這主要是由於儲存成本，效能，複雜性。以及現有解決方案碎片化等因...