机器学习如何影响软件开发 | 上海软件外包公司-知力科技

用于软件开发的机器学习

为了了解软件开发中机器学习（ML）的当前和未来状态，我们从 16 个解决方案提供商的 IT 专业人员那里收集了见解。我们问，”从您的观点来看，在 SDLC 中使用 ML 的未来是什么？以下是我们学到的：

您可能还喜欢：
与汤姆·史密斯进行技术对话：在软件开发中使用机器学习 – 成功的关键

更好的软件

现代软件系统会发出大量的”机器数据”（日志、指标等），这些数据对于识别和理解不当行为至关重要，但这些数据的数量和复杂性超过了人类进行所需分析和及时采取行动。因此，我认为我们将看到许多机会来构建自动化系统，这些系统可以分析（甚至执行）此机器数据，以提高经济关键型软件服务的安全性、性能和可靠性。也就是说，围绕”基于代码的 ML”也有许多令人兴奋的研究：自动识别危险的拉取请求、自动错误本地化、智能 IDE 协助等等。鉴于构建和操作软件系统这一众所周知的挑战，在整个生命周期中，可能还有很大的改进空间。总体而言，我认为我们正进入一个非常有趣的时间，将 ML 技术应用于软件开发、安全和操作。
ML 中最大的机会存在于错误修复、测试、部署和代码优化的持续自动化中。
建议提供测试。这里有30多个测试，可以帮助你实现更大的覆盖率。需要10到20年的时间可能只需要5年。
在软件开发中，它不可能取代人为因素。ML 无法决定对或错。它将继续识别更多可以自动化的测试。通过解决和自动化日常完成的小任务，做出明智的决策，您将能够以更高质量、更少的人工参与交付更多、更快、更高质量的工作。
最大的希望在于开发和生产的速度——使我们能够用我们的时间做更多。简单介绍反馈和迭代周期，使我们有机会迭代并专注于结果导向型编程。超越人类在软件开发中能够完成的能力。在让我们更快地创建和生产软件方面也有很多机会。但对我来说，机会真正在于人类和机器能够智能地协同工作——移动程序员的角色，培养新的技能，让他们专注于他们擅长的东西，让机器处理世俗的事情。

在未来几年内，在科技领域有许多领域将看到 ML 的巨大改进，但我最兴奋的领域是可发现性 — 寻找产品或体验的行为。从杂货店购物到寻找航班，到搜索 Google 上的信息，我们每周都花费许多时间执行这些任务。教一台电脑是我们的喜好，以便它可以帮助我们更快地做这些事情是所有的好处。我们有更多的空闲时间，不像自动驾驶汽车，没有人失去工作。这是纯粹的普遍好，一个机器学习可以帮助。

使用 ML 的下一代应用将无缝集成，ML 将位于应用的结构中，因此 ML 正在实时数据上运行，正在重新训练，并且测试和决策正在实时完成。开发一个集成平台，将 ML 集成到数据平台中，为所需的数据量提供动力。

给人类机会专注于我们擅长的创造性和需要非线性思考的问题。自动执行重复性任务。人工智能是增强智能。使用 AI 自动执行有关数据和仪表板创建清理和准备的特定任务。如何在无需 BI 培训的情况下与技术交互。

更多数据科学家。随着开源 ML 库的加入，软件开发人员将变得更加容易访问。

在将经典机器人算法与ML混合方面，似乎有很多机会。 ML可以提高算法某些方面的性能，同时控制原始方法的透明度。

DevOps 可能是大赢家。人们将开始在运维数据中找到价值，因此它成为软件开发过程的一部分。如果工具是每个人都使用的工具链的一部分，开发人员将使用这些工具。如果基于 ML 的数据是开发管道和代码处理的反馈循环的一部分，则它们更有可能使用它。质量的细微改进，达到预期功能。能够看到变化更好或更糟随着时间的推移。

每个产品无论是 SaaS 分析应用、CRM、消费者应用购买杂货，都会利用 ML，因为它提高了用户体验。如果你能找到模式，你可以预测会发生什么。这样做的人将成为领导者，因为他们将创造更多的价值。分析将与 ML 合并。

ML 将越来越支持 SaaS。一些常见的问题将拿出最好的模型，人们将许可和定制他们的用例。我们将停止从头开始构建 ML 模型。我们将采取最好的品种，并自定义它的应用程序。

我相信，许多盈利能力都在于一种开箱即用、以垂直为中心的方法。构建一刀切的横向解决方案非常困难，成功的公司将时间花在一个垂直解决方案上，并从一个具体问题中获利。

以下是我们从中听到的消息：