人爲驅動的軟件開發時代意味着編寫基於規則的代碼，使用邏輯解決確定性問題。機器學習的時代就在這裏，用於軟件開發的人工智能將永遠改變編程。它不再是關於定義if-then-else循環，而是更多地選擇正確的數據來訓練神經網絡，這將解決給定的問題而無需人爲干預。
這是解決問題的方式，使用的工具，思維模式甚至是程序員所做的定義的革命。我們將研究人工智能可以增強軟件開發的一些方法，一些陷阱以及最終爲什麼這種方法很有價值。
人工智能如何促進軟件開發？
即使圍繞人工智能進行軟件開發有明顯的炒作，該技術仍處於起步階段，並且它將持續數年才能在更大規模上使用。此外，有些方面甚至可以通過傳統軟件更好地管理。以下是人工智能和機器學習可以發揮作用的一些部分。
快速創建MVP
傳統的編程需要數月的規劃和準備來啓動項目。將其提升到原型水平以獲得更多資金是另一個需要必要資源的艱鉅步驟。現在，通過機器學習，這個循環可以縮短爲幾行代碼或只是拖放。一個很好的例子是通過使用預定義的自然語言庫或使用用戶友好的無代碼平臺來創建聊天機器人。想象一下像C ++這樣的標準語言需要多長時間。
管理項目
經驗豐富的項目經理從過去的情況中瞭解交貨時間，可能的延誤，最常見的陷阱以及其他有助於保持時間和金錢預算的細節。如果存儲了所有這些數據，則可以使用它來訓練自動化系統以產生準確的估計。由於這些實際上是模式檢測工作，因此使用深度學習是最佳選擇。您所需要的只是過去項目的詳細日誌，包括錯誤，估計和實際值，甚至是用戶故事和評論。
這是估算交貨時間表並確保履行初始合同中規定的義務的好方法。由於該計劃花費更多時間來研究團隊的表現和障礙，因此它可以瞭解個人習慣，並可以創建個性化的工作時間表，其中包括每個成員的工作模式，以實現最高效率。
自動調試
模式檢測可以更深入地識別和分類錯誤類型。深度學習算法可以標記已知錯誤並加快調試過程。它可以影響程序員甚至學習如何修復它們。經過充分的培訓後，該機器可以自動糾正各種錯誤，就像在智能手機上自動更正一樣。這種方法的唯一問題是糾正不需要改變的東西的類似煩人的效果。
聰明的助手
大多數現代編程環境都有一些嵌入式幫助，如建議的自動完成或其他類型的交互式文檔。擁有一名智能助手可以加快開發過程，並幫助新手比通過反覆試驗更快地瞭解環境。
人工智能可以充當培訓師，提出建議，提供代碼示例或防止簡單的編碼錯誤，例如關閉括號。爲Python開發的這種助手的一個很好的例子是Kite。
自動生成代碼
不僅僅是建議代碼完成，一旦它瞭解了必要的模式，人工智能系統就可以通過組合一些預定義的模塊（如LEGO件）來生成代碼。在未來的某個時候，人工智能軟件開發將取代一些初級程序員的工作，這也是自編程機器的第一步。
自動化測試
在開發週期中，測試是高質量軟件產品的重要組成部分。軟件測試的挑戰之一是創建一個包含最可能情況的綜合列表，以及可能對程序性能產生重大影響的一些極端情況。人工智能可以通過查看過去的日誌並自動生成測試用例列表來運行系統來完成此操作。
它甚至可以在不進行實際測試的情況下預測測試結果，只關注可能存在問題的測試結果，從而在過程已經很晚的情況下節省時間。
戰略
在創建軟件產品時，通常會討論要包含哪些功能以及稍後要保留哪些功能。人工智能可以生成模擬並輸出最佳功能的層次結構，以便根據類似產品的使用率或通過分析從產品評論和社交媒體中檢索到的客戶的聲音來獲得產品的成功。
黑匣子效果
雖然許多基於人工智能的算法提供了很好的預測和自動化，但它們都有一定的缺點。算法學習的方式對外部觀察者來說完全不透明。修補算法的唯一方法是爲其提供新的數據集並查看輸出。這種方式在微調方面效率很低。這不是微不足道的，因爲它可能導致非常偏見和危險的結果，就像一個無人監督的孩子一個人只是通過瀏覽互聯網來了解世界。
程序員會消失嗎？
上面列出的應用程序可以接受這樣的想法：在幾年內，軟件開發人員將慢慢變得過時，自編程機器將取而代之。由於人工智能系統剛剛開始變得更加可靠，因此在可預見的未來不會發生這種情況。但是，可以安全地假設人工智能的重要性會增加，併爲開發人員提供明確的支持角色。新工具將縮短新產品開發週期，將作爲培訓和支持，總體上將有助於生產更好，更實惠的軟件。
文章由深圳邏輯思維軟件發佈，轉載請註明出處。