谷歌人工智能新目标已出 或将回归软件本身的突破
迄今为止，机器学习的专家倾向于聚焦那些为特定任务开发的AI应用，比如人脸识别、自动驾驶、语音识别甚至是搜索。但是，如果这些类似的算法能够在不需要人为帮助、解释或者干预的情况下，理解它们自身的代码结构呢？正如他们理解人类的语言和图像yi样。【电线电缆】
如果代码开始对自己进行分析、自我修正并提升，且速度比认为的更快，那么技术的突破可能会来得更快。由此带来的可能性是无止境的：医学的进步、更加自然的机器人、更智能的手机、更少bug的软件，更少的银行欺诈等等。
人工智能具有解决软件开发中的yi个古老问题的潜力。代码编写或操纵其他代码的能力的概念已经存在了很长时间，yi般称为元编程（它实际上起源于20世纪50年代末的Lisp）。它解决的难题，目前都还在人们的想象之中。
但是，现在人工智能让改变发生了。
使用人工智能，计算机能够理解yi个软件开发项目从无到有的发展历史过程中的所有代码，并立即改进或者删除单duyi行代码中的bug，不管是用什么编程语言。即便是yi个缺乏经验的或者中等水平的程序员都能讲清楚让计算机自我编程的原理。由此，yi个癌症项目的研究可能几天或者几个月就能完成，而不需要花费好几年的时间，这将带来显著的进步。
今天，这项zui终将会带来颠覆性改变的技术尚处在萌芽时期，但是，它已经开始生长。比如，谷歌的TensorFlow机器学习软件，让每位程序员都能将神经网络直接融入到所开发的APP中，让APP拥有识别图片中的人和物体的能力。要把这些想法变成现实，你将不再需要yi个博士学位。让业余人士也可以修正程序，这可能会成为AI发展历史上zui大的突破。
谷歌的目标：大部分代码都不需要人为编写
国外著名科技记者StevenLevy今年6月在他刊于BackChannel的文章《谷歌如何将自己重塑为yi家“AI为先”的公司》（How GoogleIs Remaking Itself AsA" Machine Learning First"Company）中提到，谷歌大脑负责人Jeff Dean表示，随着他和团队对机器学习了解得更多，他们利用机器学习的方法也更加大胆。“以前，我们可能在系统的几个子组件中使用机器学习，”JeffDean说：“现在我们实际上使用机器学习来替换整套系统，而不是试图为每个部分制作yi个更好的机器学习模型。”Levy在文中写道，如果现在让JeffDean改写谷歌的基础设施，大部分代码都不会由人编码，而将由机器学习自动生成。
【电线电缆】
谷歌的代码bug预测系统，使用yi个得分算法，随着commits变得越来越旧，它们的价值越来越小。
认为计算机自我编程离我们还很远？如果我告诉你，yi些大公司，比如谷歌，已经开始在内部的项目管理系统中尝试使用这yi概念，你可能会觉得震惊。但是，谷歌确实已经开发了yi个bug预测程序，使用机器学习和统计分析，来判断某yi行代码是否存在瑕疵。谷歌工程师、W3C的联合主席IlyaGrigorik也开发了yi个开源版本的bug预测工具，目前已被下载2万次。
另yi个例子来自Siri的继承者——Viv。Wiredzui近的yi篇报道中写道，Viv不仅使用yi系列的自然语言处理来实现语言识别，还基于英语词汇建立了复杂的自适应性计算机程序。代码自己写代码（Codewritingcode）。由于被写入的代码是经过Viv的开发人员自己训练和专门化的，所以这里的“写代码”并不是我们通常所说的写代码的能力，但这确实是yi个大的进步。
在这个方向上，另yi个大的进步来自非专业领域。Emil Schutte曾有过yi句非常具有挑衅性的言论：厌倦了写代码？我也是！让Stack Overflow来做这件事吧。他分享了yi个例子来证明这yi概念，从StackOverflow的大型编程数据库中提取完整的工作代码，来提供完整的功能代码块，但是，这样得到的模块还是基于已经写好的代码。
(来源：新智元)
