截至目前，人类能制造的ai，仍然局限于定义上的“弱人工智能”，无法完全取代人的作用。
但所有这些认识，在方然看来，皆有其片面性。
譬如软件工程领域，一般认为，人的作用在软件开发流程中必不可少：软件的需求分析，架构设计，模块编写，集成测试，乃至验收交付，维护升级，都是难以规格化、标准化的千差万别，这一情形并未被1420年代衍生出的“软件工程”概念所终止。
时至今日，计算机越来越先进，it领域的架构师、程序员和运维人员仍有增无减，就是证据。
但，就在这无数人的智慧之上，随着计算机网络、软件系统的愈加庞大、复杂，在直接与用户打交道的前端应用之外，为终端、节点及应用程序提供底层支持的系统和软件，规模也越来越大，这些软件的设计，无须过多考虑人的因素。
自身是软件，外联的则是其他软件，变革，正发端于这些静默运行于后台的系统。
每天的日常，是根据文档完成系统模块、或者设计算法，方然只是“国际商用机器”公司的普通员工，凭借蛛丝马迹和缜密思考，他才在几个月后发现，自己参与完成的软件，似乎就与aiasg有关。
作为“国际商用机器”的战略项目，aiasg并不像其他的项目规划那样，在网络上有大量的新闻报道，这更让方然好奇。
凭借黑客手段，他陆续拿到了一些内部材料，阅读后，就基本验证了自己的猜测：
aiasg，顾名思义，的确是一种能独立开发软件的存在。
脱离了开发者的智慧，ai，本质上只是软件和运行软件的硬件，这样的东西，如今已能完成从即时翻译到自动驾驶的很多事，但要“编程”，就有些不可思议。
“国际商用机器”公司必定很早就规划了这方面的工作，不仅在ai算法上有了重大进展，想必，还构建了庞大的软件工程通用库。
通过自身参与的边缘性工作，窥探aiasg的原理，并不太难。
在软件工程中，人的智慧，究竟怎样发挥独特的作用呢，一方面是分析需求，提出要解决的问题，另一方面则是对给定的问题，给出解决的方案。
与普通人的认识相反，提出问题，往往比解决问题更困难。
“认识，分析与改造客观世界”，人的一切活动，显然也包括需要用计算机来进行的活动，总可以归结于此，对特定的问题，无数前人的智慧已经找到了解法，那么这些解法，稍加变换，应用到类似问题的解决上，这种事就并非不能用ai来完成。
与此相比，从前述的“认识，分析与改造”过程中，提炼出新的问题，并独创性的给出解决方案，才更加困难。
人工智能的前沿动向，坦率的讲，方然并不甚了了，但是他也知道，目前的研究热点集中在所谓“仿生”，从“人工神经网络”到“学习体系”的诸多分支，都试图模仿人脑的学习和演化过程，也就是用庞大而复杂的电路，通过自组织、混沌演化的方式，模仿人的智力获取与提升过程。
但对于aiasg，原则上，并不需要这些高深的架构才能实现。
计算机网络中的软件，浩如烟海，真正归纳起来的种类却并不多，绝大多数软件要应付的问题，性质都彼此雷同，尤其在核心网与服务器上运行的后端程序，对接的都是其他计算机，几乎没有人的因素。
这样的软件，一言蔽之，面对的问题、和解决的算法，都具有高度的规律性。
“国际商用机器”公司的aiasg系统，具备极高的复杂度，依托于巨型计算机的100pflops级（每秒一万亿亿次）算力，对给定的系统要求，可以自动生成、部署与维护特定的软件系统。
这且不算，按方然查到的资料，这aiasg分明已演化到了2.0版本，在生成软件的过程中，几乎完全跳过了“编程”这一环节。
想一想也是，编程，程序设计语言，这些东西都是人才会用到。
软件自动生成软件，整个过程，完全在计算机系统和网络中进行，摆脱了繁琐而低效的人机界面，软件中的指令，自然也不必再仰赖“程序设计语言”这种人与计算机的交互工具，即，跳过了“编译”、“解释”环节，而从算法直接生成机器码。
同样是“制造”软件，ai的做法，和人大不一样，这引发了方然的高度关注。
作为新兴事物，aiasg生成的软件，可想而知一开始的效率比较低下，还会包含若干逻辑与流程层面的缺陷，这一点，与人类主导的软件工程并无二致。
但是接下来发生的事，就有点可怕：
与人类的工程组织协调能力不同，aiasg的软件迭代速度，超乎想象。
软件迭代，一个稍显专业的软件工程术语，说白了就是在开发、或运维过程中，对有瑕疵或缺陷的软件进行改进，这种事说起来容易，却往往占据了软件公司的大部分项目预算，即便钱不是问题，也常常会耗费大量时间和人力，最终仍难免超期。
软件开发中的工期拖延，相当普遍，这并非由人的主观错误、而是由客观限制导致。
自从西历1387年，盖亚诞生了名为eniac的第一台电子计算机，几十年来，计算机领域的发展始终十分迅猛，硬件性能突飞猛进，软件系统也随之越来越庞大，直到超出了人的头脑、智慧所能掌控的程度。
软件规模超过了一定限度，人的记忆就会溢出，继而错误频发。
即便用软件工程的管理和协调手段，大量开发人员一起工作，其总能力仍显著低于单个开发人员能力的算术和。
这种能力的损耗，受限于人的交流、沟通之低效，短期内并无解决的希望。
但是aiasg，作为一个工作的整体，进行软件迭代、测试与部署工作时，就没有这些人类软件开发团队才会碰到的困扰。
【悠閱書城一個免費看書的換源app軟體，安卓手機需google play下載安裝，蘋果手機需登陸非中國大陸賬戶下載安裝】
但所有这些认识，在方然看来，皆有其片面性。
譬如软件工程领域，一般认为，人的作用在软件开发流程中必不可少：软件的需求分析，架构设计，模块编写，集成测试，乃至验收交付，维护升级，都是难以规格化、标准化的千差万别，这一情形并未被1420年代衍生出的“软件工程”概念所终止。
时至今日，计算机越来越先进，it领域的架构师、程序员和运维人员仍有增无减，就是证据。
但，就在这无数人的智慧之上，随着计算机网络、软件系统的愈加庞大、复杂，在直接与用户打交道的前端应用之外，为终端、节点及应用程序提供底层支持的系统和软件，规模也越来越大，这些软件的设计，无须过多考虑人的因素。
自身是软件，外联的则是其他软件，变革，正发端于这些静默运行于后台的系统。
每天的日常，是根据文档完成系统模块、或者设计算法，方然只是“国际商用机器”公司的普通员工，凭借蛛丝马迹和缜密思考，他才在几个月后发现，自己参与完成的软件，似乎就与aiasg有关。
作为“国际商用机器”的战略项目，aiasg并不像其他的项目规划那样，在网络上有大量的新闻报道，这更让方然好奇。
凭借黑客手段，他陆续拿到了一些内部材料，阅读后，就基本验证了自己的猜测：
aiasg，顾名思义，的确是一种能独立开发软件的存在。
脱离了开发者的智慧，ai，本质上只是软件和运行软件的硬件，这样的东西，如今已能完成从即时翻译到自动驾驶的很多事，但要“编程”，就有些不可思议。
“国际商用机器”公司必定很早就规划了这方面的工作，不仅在ai算法上有了重大进展，想必，还构建了庞大的软件工程通用库。
通过自身参与的边缘性工作，窥探aiasg的原理，并不太难。
在软件工程中，人的智慧，究竟怎样发挥独特的作用呢，一方面是分析需求，提出要解决的问题，另一方面则是对给定的问题，给出解决的方案。
与普通人的认识相反，提出问题，往往比解决问题更困难。
“认识，分析与改造客观世界”，人的一切活动，显然也包括需要用计算机来进行的活动，总可以归结于此，对特定的问题，无数前人的智慧已经找到了解法，那么这些解法，稍加变换，应用到类似问题的解决上，这种事就并非不能用ai来完成。
与此相比，从前述的“认识，分析与改造”过程中，提炼出新的问题，并独创性的给出解决方案，才更加困难。
人工智能的前沿动向，坦率的讲，方然并不甚了了，但是他也知道，目前的研究热点集中在所谓“仿生”，从“人工神经网络”到“学习体系”的诸多分支，都试图模仿人脑的学习和演化过程，也就是用庞大而复杂的电路，通过自组织、混沌演化的方式，模仿人的智力获取与提升过程。
但对于aiasg，原则上，并不需要这些高深的架构才能实现。
计算机网络中的软件，浩如烟海，真正归纳起来的种类却并不多，绝大多数软件要应付的问题，性质都彼此雷同，尤其在核心网与服务器上运行的后端程序，对接的都是其他计算机，几乎没有人的因素。
这样的软件，一言蔽之，面对的问题、和解决的算法，都具有高度的规律性。
“国际商用机器”公司的aiasg系统，具备极高的复杂度，依托于巨型计算机的100pflops级（每秒一万亿亿次）算力，对给定的系统要求，可以自动生成、部署与维护特定的软件系统。
这且不算，按方然查到的资料，这aiasg分明已演化到了2.0版本，在生成软件的过程中，几乎完全跳过了“编程”这一环节。
想一想也是，编程，程序设计语言，这些东西都是人才会用到。
软件自动生成软件，整个过程，完全在计算机系统和网络中进行，摆脱了繁琐而低效的人机界面，软件中的指令，自然也不必再仰赖“程序设计语言”这种人与计算机的交互工具，即，跳过了“编译”、“解释”环节，而从算法直接生成机器码。
同样是“制造”软件，ai的做法，和人大不一样，这引发了方然的高度关注。
作为新兴事物，aiasg生成的软件，可想而知一开始的效率比较低下，还会包含若干逻辑与流程层面的缺陷，这一点，与人类主导的软件工程并无二致。
但是接下来发生的事，就有点可怕：
与人类的工程组织协调能力不同，aiasg的软件迭代速度，超乎想象。
软件迭代，一个稍显专业的软件工程术语，说白了就是在开发、或运维过程中，对有瑕疵或缺陷的软件进行改进，这种事说起来容易，却往往占据了软件公司的大部分项目预算，即便钱不是问题，也常常会耗费大量时间和人力，最终仍难免超期。
软件开发中的工期拖延，相当普遍，这并非由人的主观错误、而是由客观限制导致。
自从西历1387年，盖亚诞生了名为eniac的第一台电子计算机，几十年来，计算机领域的发展始终十分迅猛，硬件性能突飞猛进，软件系统也随之越来越庞大，直到超出了人的头脑、智慧所能掌控的程度。
软件规模超过了一定限度，人的记忆就会溢出，继而错误频发。
即便用软件工程的管理和协调手段，大量开发人员一起工作，其总能力仍显著低于单个开发人员能力的算术和。
这种能力的损耗，受限于人的交流、沟通之低效，短期内并无解决的希望。
但是aiasg，作为一个工作的整体，进行软件迭代、测试与部署工作时，就没有这些人类软件开发团队才会碰到的困扰。
【悠閱書城一個免費看書的換源app軟體，安卓手機需google play下載安裝，蘋果手機需登陸非中國大陸賬戶下載安裝】