雷鋒網(wǎng)按：近日，Tesla AI總監(jiān)Andrej Karpathy發(fā)表了一篇關(guān)于“Software 2.0”的文章，該文章引發(fā)了對未來神經(jīng)網(wǎng)絡(luò)的編程方式的更深入探討，本文就是其中之一。在Software 2.0的基礎(chǔ)上，本文作者Uri Yerushalmi還借用了南京大學(xué)周志華教授在2016年提出的“學(xué)件”（Learnware）的概念，并更詳細(xì)地講述了他眼中的“學(xué)件”和軟件的區(qū)別。他山之石，可以攻玉，本著傳遞更多信息的想法，雷鋒網(wǎng)特此編譯該文章，供讀者討論。

本文作者Uri Yerushalmi為AI社區(qū)Dopamind的創(chuàng)始人， 2008年于以色列Bar-llan University獲得計算機和神經(jīng)科學(xué)博士學(xué)位。以下是雷鋒網(wǎng)編譯的文章全文：

本周，我閱讀了Andrej Karpathy的“Software 2.0”，他分析了新軟件“Software 2.0”與舊軟件“Software 1.0”之間的區(qū)別。 我和Karpathy有一個非常類似的結(jié)論，我們來看看這種新型軟件的興起如何影響軟件行業(yè)和市場。

軟件vs學(xué)件

以下是舊軟件和Karpathy的帖子中描述的新的適應(yīng)性軟件之間的一些主要區(qū)別，我將其稱為“學(xué)件”（雷鋒網(wǎng)注：“學(xué)件”（Learnware）的概念最早由南京大學(xué)教授周志華2016年提出，是一種包含模型和模型描述模型規(guī)約的機器學(xué)習(xí)應(yīng)用模型，這些模型可以以共享或定價的方式放在某一個地方，當(dāng)有新的用戶想做自己的應(yīng)用的時候，可以先去市場上看看有沒有可以使用的模型，從而可以部分重用別人的結(jié)果而不需要重新開始）。 

軟件與學(xué)件的差異

“學(xué)件”將給軟件市場帶來什么變化？

您可能已經(jīng)注意到軟件市場開始發(fā)生變化，盡管這些變化并不明顯。

協(xié)作處理和服務(wù)導(dǎo)向

在軟件中，我們習(xí)慣通過庫和API（應(yīng)用程序編程接口）進行相互協(xié)作。每個接口的任務(wù)都需要定義好，用戶通常很清楚在調(diào)用接口時做了什么、以及如何做。

舉個例子，想象兩個沒有菜單、按顧客指示烹飪的餐館：

第一家餐廳叫“舊軟件類型”：客人需要準(zhǔn)確地給予指示他們想要的餐點該如何烹飪。他們必須出示詳細(xì)的食譜，以確保他們獲得正確的食物。

第二家餐廳叫“學(xué)件”，客人會提出更多的抽象要求，比如“我很傷心，給我一些能讓我開心的東西”，廚師能夠當(dāng)場創(chuàng)造出最佳的餐點。

很顯然，第一家餐廳的一些顧客寧愿避免編寫食譜的麻煩而改為在家做飯，對不對？但在第二家餐廳，顧客就算想自己編食譜，臣妾也做不到啊啊啊。

這樣的底線通常會導(dǎo)致API用戶采取“我最了解我所需要的，所以我會自己編程”的方法（這通常是錯誤的事情，但這又是另一個故事了）。在學(xué)件中，“我會自己做”的方法更加不合理，因為通過簡單地定義用戶需要什么（例如“在圖片中找到一只貓”），開發(fā)人員仍然沒有接近最終的解決方案。

由于這種巨大差異的客觀存在，我認(rèn)為在不久的將來會有越來越多的協(xié)作處理工具和平臺出現(xiàn)。

主要影響因素見上表中的F、G、H項

“學(xué)件”的應(yīng)用領(lǐng)域

我們可以將大多數(shù)使用軟件2.0的方法的商業(yè)應(yīng)用歸入“學(xué)件”的范疇。這些新應(yīng)用包括基于視覺和語音識別，視覺生成，語音合成，機器人技術(shù)，游戲，翻譯，決策等。

主要影響因素見上表中的A項

人才市場

顯然，“學(xué)件”將大大改變就業(yè)的市場格局。無論企業(yè)如何設(shè)計將知識或數(shù)據(jù)“喂”給“學(xué)件”的工作崗位（如程序員，數(shù)據(jù)科學(xué)家，定量分析），“學(xué)件”的培訓(xùn)會越來越普遍和越來越簡單，使用這一新軟件所需的技能將會發(fā)生進化。我預(yù)計未來對于開發(fā)人員角色的需求將與舊軟件程序員完全不同。

主要影響因素見上表中的B、C、D項

“喂知識/數(shù)據(jù)”的技巧

作為一名軟件開發(fā)人員，您可以使用C ++，Java或Python等語言將知識編程到軟件中。目前，編寫和訓(xùn)練“學(xué)件”使用相同的技術(shù)，然而，常規(guī)的軟件編程語言視為了能夠最好地描述，管理和維護各種指令集而設(shè)計的，但在“學(xué)件”中，編程知識的關(guān)鍵在于準(zhǔn)確地描述最佳的數(shù)據(jù)流圖。因此，我不確定使用舊的編程語言是開發(fā)“學(xué)件”的最佳方法。

主要影響因素見上表中的C、D項

用于構(gòu)建學(xué)習(xí)軟件的軟件庫

近幾年來，我們已經(jīng)看到了這些新的軟件庫：Tensorflow，Pytorch，Keras，Theano，MXNet ...

主要影響因素見上表中的B、C、D項

專用硬件

在具有大型指令集的舊式軟件中，引入新硬件需要對編譯和代碼級別進行調(diào)整。相反，在“學(xué)件”中，新硬件的使用更加透明。 對“學(xué)件”適用的專用硬件的競賽已經(jīng)打響，目前NVidia處于領(lǐng)先地位。

主要影響因素見上表中的B、E項

查看黑盒的工具

為了更好地進行開發(fā)，我們需要用于查看“學(xué)件”的黑盒的工具。如果我們了解每個“學(xué)件”如何做出決策，我們可能會更好地訓(xùn)練它。此外，從社會的角度看也更容易獲得認(rèn)可（例如，歐盟成員國預(yù)計通過新的立法，規(guī)定如果AI的決定出現(xiàn)不公平或隨意性，AI的決定可能會被推翻，而在“通用數(shù)據(jù)保護條例”（GDPR）的早期草案也從法律上規(guī)定了所謂的“解釋權(quán)”）。

主要影響因素見上表中的H項

Dopamine.ai正在對這方面的協(xié)作處理解決方案進行努力。如果您有興趣閱讀更多內(nèi)容或接收我們項目的更新，請點擊此處進行訂閱。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。