本文從三方面來分析深度學習如何加速企業(yè)自動化：1）IT自動化；2）軟件開發(fā)自動化；3）自動化的演變。
雖然人工智能潛力巨大，但仍處于起步階段，離它的終點目標還有很長的距離，其目標是，基于程序的先進計算機價值增值和簡單可行的自動化。目前，計算機程序的每一點自動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，更加復雜的流程圖和不間斷的室內(nèi)實驗。
這也意味著下一次大規(guī)模的自動化浪潮不僅僅需要人為努力，它還需要“機器的努力”。這就是機器學習的情況，因為推動人工智能發(fā)展的轉(zhuǎn)型力量成為大規(guī)模自動化的使能者。
三個概念
人工智能
任何能讓計算機模擬人類智慧并使用它來驅(qū)動積極數(shù)字響應的技術，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，多步邏輯和機器學習（也包括深度學習）。
機器學習
機器學習是人工智能的子集，包括所有專注通過經(jīng)驗提高計算機程序效率的技術。這些技術包括記錄指令（當前過程）和反應（結果）信息的反饋回路，以及基于該信息來調(diào)整反應的邏輯。
深度學習
深度學習是機器學習的子集，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)絡來改進軟件的技術。如今，神經(jīng)網(wǎng)絡由越來越復雜的代碼層組成。神經(jīng)網(wǎng)絡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)動模擬中進行學習。
深度學習如何加速企業(yè)自動化？
IT自動化
IT自動化是研究自動化的IT團隊嗎？IT本身可以自動化嗎？那么，和深度學習一起，人工智能正慢慢地使這個模糊概念看起來更加明晰和結構化。
考慮到ApacheWeb服務器技術的情況。20世紀90年代，服務器崩潰完全由人類自己進行處理。然后有了報告崩潰的Nagios和其他監(jiān)測系統(tǒng)，甚至服務器可以自行重啟。
隨即，我們迎來了云和DevOps的浪潮，同時還有像Chef和Puppet這樣的配置管理工具，除了啟動和停止服務器的基于事件的決定外，這些工具還可以處理服務器設置。關鍵是系統(tǒng)正在發(fā)展，對人類的依賴正在減少。
即使在今天，如果一個企業(yè)需要向IT基礎設施和生態(tài)系統(tǒng)添加更多的應用程序，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體系結構的信息，需要對這些信息進行編輯，然后新應用程序的部署需要遵照這些信息。
幸運的是，由于所有這些擴大和縮小的信息都被記錄在一個地方，所以可以訓練神經(jīng)網(wǎng)絡來了解模式，預測和推薦指令。
軟件開發(fā)自動化
已有以讓計算機程序了解人類語言來推動人工智能應用為中心的統(tǒng)一運動。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，預測代碼的預期結果，“魔法般地”糾正錯誤，使代碼更加安全，給出最佳實踐，甚至自己完成。這聽起來似乎不切實際？但實際上已經(jīng)有相關實例：
·GitHub擁有超過6600萬次的拉取請求；實際上，每個拉動請求都意味著一些壞的代碼正更改為良好的代碼。
·Google正在構建一個錯誤預測系統(tǒng)，監(jiān)控代碼存儲庫，項目管理工具以及錯誤報告等。它使用這些信息來預測正在研發(fā)中的代碼可能會出現(xiàn)的錯誤。
·Siri的對手三星Viv，是一款非常復雜的編譯器，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，讓計算機軟件利用大量數(shù)據(jù)集和神經(jīng)網(wǎng)絡（本質(zhì)上是深度學習）力量，以使代碼依靠自己變得更加智能化。
自動化的演變
深度學習的最佳應用指向自動化，因為這樣可以使人工智能更好，更便宜，更簡單，更快捷。研究一個可以在國際象棋中擊敗任何人的計算機程序。除了這個，這個程序現(xiàn)在不會實現(xiàn)任何其他事情。
增加神經(jīng)計算網(wǎng)絡的力量，這個程序?qū)⒅鸩捷p松地擊敗人類。同樣，任何深度學習的成功例子隨后都會帶來更多的成功案例。使用人工智能來運行和管理電腦一定會改進其他類型的計算指令。不久之后，我們可以擁有更加智能的自駕車，更自主的機器人。
進步是不可避免的
事實上，在這個旅程中，我們?nèi)砸缘退傩旭偅慌c“通過”深度學習做事相比，我們在做深度學習的事情方面花費更多的時間。不過，進步是不可避免的，在幾年之內(nèi)，創(chuàng)業(yè)公司和企業(yè)將會發(fā)布利用深度學習和自動駕駛力量的商業(yè)解決方案。
類似于TensorFlow的開源平臺會增強這些初始應用程序，并將推動創(chuàng)建更加復雜和更有價值的深度學習系統(tǒng)。深度學習勢必會拉動大數(shù)據(jù)，分析學和自動化的力量，為企業(yè)和社會帶來不可思議的成果。
