人工智能技术在过去几年的飞速发展,在研发领域带来的最大不同,或许是对算法价值的重新认识。过去的软件工程师在工作中说起算法,大多数情况指的是链表、二叉树、排序、时间复杂度等内容,而今天提及,第一反应则是机器学习和深度学习,以及它们在计算机视觉、自然语言处理、语音识别,又或推荐、广告、视频编码、路径规划等相关领域的应用。
人们期待算法解决的,一是以往无从实现的功能,二是优化现有解决方案的效率,为了让整个系统发挥最大的力量,很可能整个软件领域,从互联网服务、云计算平台到客户端、嵌入式设备的设计都应当被重新考虑。
(常见软件架构模块图)
以单体软件而言,架构设计,传统上可能意味着提取、合并同类项,意味着抽象化和层次化,意味着组件关系的固化,也意味着对扩展的提挈与规约。如果模块定义合理,一份软件很快就将形成固定的结构,而功能的增加则在某几个维度上平铺开去,直观的例子可以是以模块化著称的多媒体框架,当定义了编码器类型的模块后,一个框架中可以支持数十种不同的编码器,在工作流程中依据需要能够很简单地替换。
然而当把算法考虑进来之后,事情变得有些不同:
比如,即使为了相同的目标,算法也可能需要格式和内容上完全不同的输入和输出,例如需要词语的嵌入式表达而非频率统计,决策不同路径的相对优劣而非绝对评分。
比如,为了获取力所能及的最佳效果,算法可能需要更频繁地打破原有的模块和层次划分,譬如进行联合优化