本文從三方面來分析深度學(xué)習(xí)如何加速企業(yè)自動(dòng)化：1）IT自動(dòng)化；2）軟件開發(fā)自動(dòng)化；3）自動(dòng)化的演變。
雖然人工智能潛力巨大，但仍處于起步階段，離它的終點(diǎn)目標(biāo)還有很長的距離，其目標(biāo)是，基于程序的先進(jìn)計(jì)算機(jī)價(jià)值增值和簡單可行的自動(dòng)化。目前，計(jì)算機(jī)程序的每一點(diǎn)自動(dòng)化都完全是人類智慧帶來的，這種人類智慧的表現(xiàn)形式是智能算法，更加復(fù)雜的流程圖和不間斷的室內(nèi)實(shí)驗(yàn)。
這也意味著下一次大規(guī)模的自動(dòng)化浪潮不僅僅需要人為努力，它還需要“機(jī)器的努力”。這就是機(jī)器學(xué)習(xí)的情況，因?yàn)橥苿?dòng)人工智能發(fā)展的轉(zhuǎn)型力量成為大規(guī)模自動(dòng)化的使能者。
三個(gè)概念
人工智能
任何能讓計(jì)算機(jī)模擬人類智慧并使用它來驅(qū)動(dòng)積極數(shù)字響應(yīng)的技術(shù)，方法和程序都是人工智能。人工智能的一些組成部分包括決策樹，if-then規(guī)則，多步邏輯和機(jī)器學(xué)習(xí)（也包括深度學(xué)習(xí)）。
機(jī)器學(xué)習(xí)
機(jī)器學(xué)習(xí)是人工智能的子集，包括所有專注通過經(jīng)驗(yàn)提高計(jì)算機(jī)程序效率的技術(shù)。這些技術(shù)包括記錄指令（當(dāng)前過程）和反應(yīng)（結(jié)果）信息的反饋回路，以及基于該信息來調(diào)整反應(yīng)的邏輯。
深度學(xué)習(xí)
深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的子集，包括旨在通過讓軟件接觸到大量數(shù)據(jù)流并使用多層神經(jīng)網(wǎng)絡(luò)來改進(jìn)軟件的技術(shù)。如今，神經(jīng)網(wǎng)絡(luò)由越來越復(fù)雜的代碼層組成。神經(jīng)網(wǎng)絡(luò)使軟件從它接觸到的數(shù)百、數(shù)千甚至數(shù)百萬的數(shù)據(jù)驅(qū)動(dòng)模擬中進(jìn)行學(xué)習(xí)。
深度學(xué)習(xí)如何加速企業(yè)自動(dòng)化？
IT自動(dòng)化
IT自動(dòng)化是研究自動(dòng)化的IT團(tuán)隊(duì)嗎？IT本身可以自動(dòng)化嗎？那么，和深度學(xué)習(xí)一起，人工智能正慢慢地使這個(gè)模糊概念看起來更加明晰和結(jié)構(gòu)化。
考慮到ApacheWeb服務(wù)器技術(shù)的情況。20世紀(jì)90年代，服務(wù)器崩潰完全由人類自己進(jìn)行處理。然后有了報(bào)告崩潰的Nagios和其他監(jiān)測系統(tǒng)，甚至服務(wù)器可以自行重啟。
隨即，我們迎來了云和DevOps的浪潮，同時(shí)還有像Chef和Puppet這樣的配置管理工具，除了啟動(dòng)和停止服務(wù)器的基于事件的決定外，這些工具還可以處理服務(wù)器設(shè)置。關(guān)鍵是系統(tǒng)正在發(fā)展，對人類的依賴正在減少。
即使在今天，如果一個(gè)企業(yè)需要向IT基礎(chǔ)設(shè)施和生態(tài)系統(tǒng)添加更多的應(yīng)用程序，那么企業(yè)必須遵循自上而下的方法。中央文件或文件集合掌握有關(guān)體系結(jié)構(gòu)的信息，需要對這些信息進(jìn)行編輯，然后新應(yīng)用程序的部署需要遵照這些信息。
幸運(yùn)的是，由于所有這些擴(kuò)大和縮小的信息都被記錄在一個(gè)地方，所以可以訓(xùn)練神經(jīng)網(wǎng)絡(luò)來了解模式，預(yù)測和推薦指令。
軟件開發(fā)自動(dòng)化
已有以讓計(jì)算機(jī)程序了解人類語言來推動(dòng)人工智能應(yīng)用為中心的統(tǒng)一運(yùn)動(dòng)。剩下的就是讓電腦更好地了解自己語言的這一想法！
也就是說，讓程序能夠明白代碼，了解開發(fā)人員的方法，預(yù)測代碼的預(yù)期結(jié)果，“魔法般地”糾正錯(cuò)誤，使代碼更加安全，給出最佳實(shí)踐，甚至自己完成。這聽起來似乎不切實(shí)際？但實(shí)際上已經(jīng)有相關(guān)實(shí)例：
·GitHub擁有超過6600萬次的拉取請求；實(shí)際上，每個(gè)拉動(dòng)請求都意味著一些壞的代碼正更改為良好的代碼。
·Google正在構(gòu)建一個(gè)錯(cuò)誤預(yù)測系統(tǒng)，監(jiān)控代碼存儲(chǔ)庫，項(xiàng)目管理工具以及錯(cuò)誤報(bào)告等。它使用這些信息來預(yù)測正在研發(fā)中的代碼可能會(huì)出現(xiàn)的錯(cuò)誤。
·Siri的對手三星Viv，是一款非常復(fù)雜的編譯器，將人類語言編譯成不同的算法，并使用它來驅(qū)動(dòng)更多的指令，比Siri目前做的還要多。
所有這些都朝著這樣的方向發(fā)展，讓計(jì)算機(jī)軟件利用大量數(shù)據(jù)集和神經(jīng)網(wǎng)絡(luò)（本質(zhì)上是深度學(xué)習(xí)）力量，以使代碼依靠自己變得更加智能化。
自動(dòng)化的演變
深度學(xué)習(xí)的最佳應(yīng)用指向自動(dòng)化，因?yàn)檫@樣可以使人工智能更好，更便宜，更簡單，更快捷。研究一個(gè)可以在國際象棋中擊敗任何人的計(jì)算機(jī)程序。除了這個(gè)，這個(gè)程序現(xiàn)在不會(huì)實(shí)現(xiàn)任何其他事情。
增加神經(jīng)計(jì)算網(wǎng)絡(luò)的力量，這個(gè)程序?qū)⒅鸩捷p松地?fù)魯∪祟?。同樣，任何深度學(xué)習(xí)的成功例子隨后都會(huì)帶來更多的成功案例。使用人工智能來運(yùn)行和管理電腦一定會(huì)改進(jìn)其他類型的計(jì)算指令。不久之后，我們可以擁有更加智能的自駕車，更自主的機(jī)器人。
進(jìn)步是不可避免的
事實(shí)上，在這個(gè)旅程中，我們?nèi)砸缘退傩旭偅慌c“通過”深度學(xué)習(xí)做事相比，我們在做深度學(xué)習(xí)的事情方面花費(fèi)更多的時(shí)間。不過，進(jìn)步是不可避免的，在幾年之內(nèi)，創(chuàng)業(yè)公司和企業(yè)將會(huì)發(fā)布利用深度學(xué)習(xí)和自動(dòng)駕駛力量的商業(yè)解決方案。
類似于TensorFlow的開源平臺(tái)會(huì)增強(qiáng)這些初始應(yīng)用程序，并將推動(dòng)創(chuàng)建更加復(fù)雜和更有價(jià)值的深度學(xué)習(xí)系統(tǒng)。深度學(xué)習(xí)勢必會(huì)拉動(dòng)大數(shù)據(jù)，分析學(xué)和自動(dòng)化的力量，為企業(yè)和社會(huì)帶來不可思議的成果。
