机器学习将如何影响软件开发

 

机器学习进行软件开发

 

更好的软件

• 现代软件系统会发出大量“机器数据”（日志，度量标准等），这些信息对于识别和理解不良行为至关重要，但是这些数据的数量和复杂性超过了人类进行所需分析和采取措施的能力。及时采取行动。出于这个原因，我认为我们将看到很多机会来构建自动化系统，以对机器数据进行分析（甚至采取行动），以提高经济上至关重要的软件服务的安全性，性能和可靠性。就是说，围绕“基于代码的ML”也有很多令人兴奋的研究：自动识别危险的请求请求，自动的错误本地化，智能的IDE辅助等等。鉴于构建和运行软件系统的众所周知的挑战，在整个生命周期中，仍有很大的改进空间。总的来说，我认为将ML技术应用于软件开发，安全性和操作的时代已经到来了。
• 机器学习中最大的机会在于错误修复，测试，部署和代码优化的持续自动化。 
• 建议要提供的测试。这里还有30项测试，可以帮助您扩大覆盖范围。原本需要10到20年的事情可能只需要5年。 
• 它不可能取代软件开发中的人为因素。ML无法确定对与错。它将继续确定更多可以自动化的测试。通过解决和自动化日常完成的小任务以做出明智的决策，您将能够交付更多，更快，质量更高，更少的人工参与。 
• 巨大的希望在于开发和生产的速度-使我们能够用自己的时间做更多的事情。我们可以引入反馈和迭代周期的简单性为我们提供了迭代和专注于以结果为导向的编程的机会。超越人类在软件开发中能够完成的能力。在使我们更快地创建和生产软件的方式方面，还有很多机会。但是对我而言，机会确实在于人与机器进行智能协作的机会-继续扮演程序员的角色，培养新技能，释放他们以专注于他们擅长的领域，让机器处理平凡的事物。 。

其他

• 在未来几年中，技术的许多领域都将获得ML的巨大改进，但是我最兴奋的是可发现性-发现产品或体验的行为。从杂货店购物到寻找航班，再到在Google上搜索信息，我们每个星期都在这些任务上花费许多时间。教导计算机我们的偏好，这样可以帮助我们更快地完成这些事情。我们有更多的空闲时间，而且与自动驾驶汽车等领域不同，没有人会失业。这是纯粹的普遍好处，并且一种机器学习可以提供帮助。
• 下一代使用ML的应用程序将无缝集成，并且ML将在应用程序的结构中，因此ML将对实时数据进行操作，接受重新训练，并且实时进行测试和决策。开发一个集成平台，该平台将ML集成到数据平台中，以提供必要的数据量。
• 让人们有机会专注于我们擅长的领域，例如创造力和需要非线性思考的问题。自动执行重复性任务。人工智能是增强智能。使用AI自动执行清理，准备数据和创建仪表板的特定任务。如何在没有BI培训的情况下与技术进行交互。
• 更多数据科学家。有了更多的开源ML库，软件开发人员就可以更轻松地访问它。
• 似乎将经典机器人算法与ML混合在一起的机会更多。ML可以提高算法某些方面的性能，同时可以控制原始方法的透明度。
• DevOps可能是最大的赢家。人们将开始在ops数据中发现价值，因此它成为软件开发过程的一部分。如果开发人员是每个人都使用的工具链的一部分，则开发人员将使用这些工具。如果基于ML的数据是开发管道和代码流程的反馈循环的一部分，则他们更有可能使用它。质量上的细微改进达到了预期的功能。能够随着时间的推移看到变化的好坏。
• 不论是SaaS分析应用程序，CRM还是购买杂货的消费者应用程序，每种产品都将利用ML，因为它可以改善用户体验。如果找到模式，则可以预测会发生什么。这样做的人将成为领导者，因为他们将创造更多的价值。Analytics（分析）将与ML合并。
• ML将使SaaS越来越多。最好的模型将提出一些常见的问题，人们将根据他们的用例进行许可和定制。我们将停止从头开始构建ML模型。我们将利用最好的品种，并针对应用进行定制。
• 我认为，很多盈利能力都来自开箱即用，以垂直为中心的方法。建立一个一刀切的全能解决方案非常困难，而成功的公司则将时间花在一个垂直领域上，并从一个特定问题中获利。