सॉफ्टवेयर विकास का भविष्य क्या है?

वर्षों से, सॉफ्टवेयर विकास मैन्युअल रूप से किया जाता था।

फोरट्रान में पंचिंग कार्ड से लेकर गो में वितरित विधियों की रचना तक, अनुशासन मूल रूप से समान रहा है: किसी मुद्दे के बारे में गहनता से सोचें, एक चतुर दृष्टिकोण (यानी, एल्गोरिथ्म) तैयार करें और मशीन को लागू करने के लिए निर्देशों की एक जोड़ी दें।

यह दृष्टिकोण, जिसे "स्पष्ट प्रोग्रामिंग" कहा जा सकता है, मेनफ्रेम से लेकर स्मार्टफोन तक इंटरनेट बूम से लेकर मोबाइल क्रांति तक हर चीज की कुंजी थी। इसने नए बाजार बनाने में मदद की है और Apple, Microsoft, Google और Facebook जैसी कंपनियों को घरेलू नाम दिया है।

और फिर भी, कुछ न कुछ छूट जाएगा। फिलिप डिक की रोबोट टैक्सी से जॉर्ज लुकास के सी-3पीओ तक, प्राचीन कंप्यूटिंग युग के लेखकों द्वारा कल्पना की गई बुद्धिमान प्रणाली, विज्ञान कथा जारी रखती है। प्रतीत होता है कि सरल कार्य सबसे शानदार कंप्यूटर वैज्ञानिकों द्वारा भी स्वचालन को हठपूर्वक टाल देते हैं। पंडितों ने सिलिकॉन वैली पर इन चुनौतियों का सामना करते हुए, वृद्धिशील या सनक से प्रेरित कंपनियों पर ध्यान केंद्रित करने के लिए बुनियादी प्रगति से दूर होने का आरोप लगाया।

जाहिर है, यह बदलने वाला है। वेमो की सेल्फ-ड्राइविंग कारों ने हाल ही में आठ मिलियन किलोमीटर की यात्रा की। Microsoft का अनुवाद इंजन, भले ही संचार के छह मिलियन रूपों में पारंगत न हो, चीनी-से-अंग्रेज़ी कार्यों में सटीकता के मानवीय स्तरों को फिट कर सकता है। और स्टार्टअप इंटेलिजेंट असिस्टेंट, इंडस्ट्रियल ऑटोमेशन, फ्रॉड डिटेक्शन और कई अन्य जगहों पर नई जमीन तोड़ रहे हैं।

व्यक्तिगत रूप से, ये नई प्रौद्योगिकियां हमारे दैनिक जीवन को प्रभावित करने का वादा करती हैं। सामूहिक रूप से, वे सॉफ्टवेयर विकास के बारे में हमारे सोचने के तरीके में एक समुद्र परिवर्तन का प्रतिनिधित्व करते हैं - और स्पष्ट प्रोग्रामिंग मॉडल से एक उल्लेखनीय प्रस्थान भी।

उनमें से प्रत्येक प्रगति का समर्थन करने वाली दिल की सफलता गहरी शिक्षा है, एक कृत्रिम बुद्धि रणनीति जो आपके मस्तिष्क के निर्माण से प्रेरित है। तुलनात्मक रूप से संकीर्ण डेटा मूल्यांकन उपकरण के रूप में जो शुरू हुआ वह अब सामान्य कंप्यूटिंग सिस्टम के पास कुछ के रूप में कार्य करता है। यह नौकरियों की एक विस्तृत श्रृंखला में पारंपरिक सॉफ्टवेयर से बेहतर प्रदर्शन करता है और अंत में बुद्धिमान सिस्टम प्रदान कर सकता है, जो लंबे समय से कंप्यूटर वैज्ञानिकों से दूर है - यह करतब है कि प्रेस कभी-कभी अनुपात से बाहर हो जाता है।

गहन सीखने के प्रचार के बीच, हालांकि, अधिकांश पर्यवेक्षक इसके भविष्य के बारे में सकारात्मक होने के सबसे बड़े कारण की अनदेखी करते हैं: गहन सीखने के लिए कोडर्स को शायद ही कोई कोड लिखने की आवश्यकता होती है। पूर्व निर्धारित नियमों या यदि-तब इनवॉइस पर भरोसा करने के बजाय, एक गहन शिक्षण कार्यक्रम पिछले उदाहरणों के आधार पर सिद्धांतों को स्वचालित रूप से लिखता है। एक सॉफ्टवेयर डेवलपर को टेस्ला से लेडी करपथी की व्याख्या करने के लिए केवल एक "रफ कंकाल" बनाना होता है, फिर कंप्यूटर को बाकी काम करने दें

इस नए ब्रह्मांड में, प्रोग्रामर को अब हर समस्या के लिए एक विशेष एल्गोरिथम डिजाइन करने की आवश्यकता नहीं है। अधिकांश काम, वांछित व्यवहार को दर्शाने वाले डेटासेट बनाने और प्रशिक्षण प्रक्रिया के प्रबंधन पर ध्यान केंद्रित करते हैं। Google की TensorFlow टीम में से पीट वार्डन ने 2014 तक इस ओर इशारा किया: "मैं एक कोडर हुआ करता था," उन्होंने लिखा। " मैं कंप्यूटरों को अपने स्वयं के ऐप्स बनाना सिखाता हूं।"

फिर से: प्रोग्रामिंग मॉडल आज अनुप्रयोगों में सबसे महत्वपूर्ण सुधार चला रहा है, वास्तविक प्रोग्रामिंग की एक महत्वपूर्ण मात्रा की मांग नहीं करता है।

सॉफ्टवेयर विकास के भविष्य के लिए इसका क्या अर्थ है?

प्रोग्रामिंग और डेटा विज्ञान तेजी से अभिसरण करेंगे

अधिकांश अनुप्रयोगों में निकट भविष्य के लिए "एंड-टू-एंड " सीखने के कार्यक्रम शामिल नहीं होंगे। यह उपयोगकर्ताओं के साथ इंटरफेस करने और परिणामों का अनुवाद करने के लिए कोर कॉग्निशन क्षमता और स्पष्ट तर्क प्रदान करने के लिए डेटा मॉडल पर निर्भर करेगा। प्रश्न "क्या मुझे इस समस्या के लिए एआई या यहां तक कि एक पारंपरिक दृष्टिकोण का उपयोग करना चाहिए?" तेजी से विकास होगा। बुद्धिमान प्रणालियों को डिजाइन करने के लिए दोनों पर नियंत्रण की आवश्यकता होगी।

एआई पेशेवर शायद रॉक स्टार होंगे

एआई करना कठिन है। रैंक-एंड-फाइल एआई प्रोग्रामर - न केवल शानदार शिक्षाविद और शोधकर्ता - बाद में सॉफ्टवेयर व्यवसायों के लिए सबसे मूल्यवान टूल में से एक होंगे। यह पारंपरिक कोडर्स के लिए थोड़ी विडंबना है, जिन्होंने 1950 के दशक से विभिन्न उद्योगों में स्वचालित काम किया है और वर्तमान में अपनी नौकरियों के आंशिक स्वचालन का सामना कर रहे हैं। उनकी सेवाओं की आवश्यकता निश्चित रूप से कम नहीं होगी, लेकिन जो लोग सबसे आगे रहना चाहते हैं, उन्हें संदेह की एक अच्छी खुराक के साथ एआई से पानी की जांच करनी होगी।

AI टूल चेन का निर्माण करने की आवश्यकता है

Lyft में मशीन लर्निंग लीड गिल अर्दिति ने इसे सबसे अच्छा कहा। "मशीन लर्निंग अब प्राइमरी सूप अवधि में है। यह शुरुआती '80 के दशक या देर से' 70 के डेटाबेस के समान है। इन वस्तुओं को काम करने के लिए आपको दुनिया का विशेषज्ञ बनना था। " अध्ययन यह भी दिखाते हैं कि कई एआई मॉडल हैं समझाने में आसान नहीं, धोखा देने के लिए महत्वहीन और पूर्वाग्रह के लिए अतिसंवेदनशील। इन समस्याओं को दूर करने के लिए उपकरण, दूसरों के बीच, एआई डेवलपर्स की क्षमता को अनलॉक करने के लिए आवश्यक होंगे।

हम सभी को अप्रत्याशित व्यवहार से परिचित होने की आवश्यकता है

एक पीसी "शिक्षा" की अवधारणा प्रोग्रामर और उपयोगकर्ताओं के लिए समान रूप से अनुकूल है। यह इस धारणा को पुष्ट करता है कि कंप्यूटर ठीक वही करते हैं जो हम कहते हैं और समान इनपुट लगातार समान आउटपुट उत्पन्न करते हैं। एआई संस्करण, इसके विपरीत, श्वास, जीवित प्रणालियों की तरह कार्य करते हैं। नई टूलिंग उन्हें स्पष्ट कार्यक्रमों की तरह अधिक व्यवहार करने के लिए प्रेरित करेगी, विशेष रूप से सुरक्षा-महत्वपूर्ण कॉन्फ़िगरेशन में, हालांकि, हम इन प्रणालियों के मूल्य को खोने का जोखिम उठाते हैं - जैसे कि अल्फागो की "विदेशी" चालें - क्या हमें रेलिंग को बहुत कसकर रखना चाहिए। जैसे-जैसे हम बढ़ते हैं और एआई सॉफ़्टवेयर का उपयोग करते हैं, हमें संभाव्य परिणामों को समझना और स्वीकार करना चाहिए।

और आशा है कि AI अधिग्रहण की संभावना शून्य के करीब है।