人工智能泡沫是否威胁软件开发？

当我在读工程学的本科生时，我不得不上一门关于文学和科技传播的课程。本课程深入研究了影响技术领域的许多趋势。其中一个出现在多堂讨论中的是人工智能的进步带来的快速变化。当时，人们认为人工智能是世界上最具影响力的变革之一。YND Software House在最近接受我们采访时讨论了人工智能的一些好处。对人工智能好处的兴奋近年来没有减弱。如果有的话，人们对它的兴趣比以往任何时候都多。问题是它对软件开发行业的实际价值有多大。一些技术专家担心过分强调人工智能是有害的。他们警告说，这可能是一个可能破裂的泡沫。

人工智能歇斯底里真的威胁到软件开发吗？

这个问题来自过去几年一直致力于撰写大数据和人工智能发展的文章，这听起来几乎是亵渎神明。不幸的是，这是一个绝对需要提出的问题。不幸的现实是，人工智能已经开始变得有点泡沫。无数的软件开发人员正在投入大量资源，但方向很少，目标也很模糊。Inshorts的一项研究发现了一个惊人的发现。Flipkart前首席产品官Punit Soni总结了这一统计数据在推文中。他表示，他的公司在其应用程序中使用的人工智能很少。他们发现，减少对任意算法的依赖使他们在竞争中占据优势。其他公司可能不想把事情带到同样的极端。但是，Soni仍然提出了一个非常有效的观点。如果10家公司中有9家在投资AI时没有将其用于任何有用的目的，那么他们不妨退出它。

软件开发人员在投资人工智能时需要考虑什么

人工智能对许多软件开发人员来说非常有价值。问题是太多的开发者被人工智能的潜力迷住了，却没有想出一个明智的游戏计划。Tristan Greene在他在The Next Web上的文章中提到了这个问题。以下是他们需要牢记的一些事项。

根据不可靠的假设构建人工智能模型可能会非常成问题

我还记得读过如何开发简单的AI算法高中时用C++玩视频游戏。当时，我读到的人工智能模型的类型相对简单。我确切地知道我正在尝试开发哪些类型的应用程序，并且其中的假设非常简单。然而，现实显然不是电子游戏。开发基于AI的现实生活模拟变得更加模糊。您需要在开发算法时做出某些假设，这些假设在应用程序付诸实践时可能会崩溃。许多开发人员犯的一个严重错误是认为在他们的人工智能模型中引入更多变量会导致更高质量的输出。这只是对了一半。只有在充分了解它们与环境的关系时，这些附加变量才会为模拟增加价值。太多的开发人员试图创建过于复杂的模型而没有意识到变量的模糊性。他们经常对这些变量在试图复制现实时所扮演的角色做出毫无根据的假设。开发人员可能会破坏原本是高质量的AI应用程序。如果它仅限于与它正在建模的环境有更清晰关系的变量，那就更好了。

机器学习能够帮助完成这个过程。它可以对人类开发人员可能会错过的数据集之间的关系进行深入的观察。与其在第一次构建模型时将这些假设构建到模型中，不如插入机器学习算法并赋予它们自主权以适应相关性变得更加清晰。他们经常对这些变量在试图复制现实时所扮演的角色做出毫无根据的假设。开发人员可能会破坏原本是高质量的AI应用程序。如果它仅限于与它正在建模的环境有更清晰关系的变量，那就更好了。

机器学习能够帮助完成这个过程。它可以对人类开发人员可能会错过的数据集之间的关系进行深入的观察。与其在第一次构建模型时将这些假设构建到模型中，不如插入机器学习算法并赋予它们自主权以适应相关性变得更加清晰。他们经常对这些变量在试图复制现实时所扮演的角色做出毫无根据的假设。开发人员可能会破坏原本是高质量的AI应用程序。如果它仅限于与它正在建模的环境有更清晰关系的变量，那就更好了。

机器学习能够帮助完成这个过程。它可以对人类开发人员可能会错过的数据集之间的关系进行深入的观察。与其在第一次构建模型时将这些假设构建到模型中，不如插入机器学习算法并赋予它们自主权以适应相关性变得更加清晰。如果它仅限于与它正在建模的环境有更清晰关系的变量，那就更好了。

机器学习能够帮助完成这个过程。它可以对人类开发人员可能会错过的数据集之间的关系进行深入的观察。与其在第一次构建模型时将这些假设构建到模型中，不如插入机器学习算法并赋予它们自主权以适应相关性变得更加清晰。如果它仅限于与它正在建模的环境有更清晰关系的变量，那就更好了。

机器学习能够帮助完成这个过程。它可以对人类开发人员可能会错过的数据集之间的关系进行深入的观察。与其在第一次构建模型时将这些假设构建到模型中，不如插入机器学习算法并赋予它们自主权以适应相关性变得更加清晰。

人工智能是无价之宝，但必须谨慎使用

人工智能在许多软件开发应用程序中都非常有用。问题是太多的开发者忽视了大局。他们忽略了考虑他们心中的目标，并做出了毫无根据的假设，最终破坏了他们的模型。