第(2/3)頁

    在軟件工程中，人的智慧，究竟怎樣發揮獨特的作用呢，一方面是分析需求，提出要解決的問題，另一方面則是對給定的問題，給出解決的方案。

    與普通人的認識相反，提出問題，往往比解決問題更困難。

    “認識，分析與改造客觀世界”，人的一切活動，顯然也包括需要用計算機來進行的活動，總可以歸結于此，對特定的問題，無數前人的智慧已經找到了解法，那么這些解法，稍加變換，應用到類似問題的解決上，這種事就并非不能用AI來完成。

    與此相比，從前述的“認識，分析與改造”過程中，提煉出新的問題，并獨創性的給出解決方案，才更加困難。

    人工智能的前沿動向，坦率的講，方然并不甚了了，但是他也知道，目前的研究熱點集中在所謂“仿生”，從“人工神經網絡”到“學習體系”的諸多分支，都試圖模仿人腦的學習和演化過程，也就是用龐大而復雜的電路，通過自組織、混沌演化的方式，模仿人的智力獲取與提升過程。

    但對于AIASG，原則上，并不需要這些高深的架構才能實現。

    計算機網絡中的軟件，浩如煙海，真正歸納起來的種類卻并不多，絕大多數軟件要應付的問題，性質都彼此雷同，尤其在核心網與服務器上運行的后端程序，對接的都是其他計算機，幾乎沒有人的因素。

    這樣的軟件，一言蔽之，面對的問題、和解決的算法，都具有高度的規律性。

    “國際商用機器”公司的AIASG系統，具備極高的復雜度，依托于巨型計算機的100PFlops級（每秒一萬億億次）算力，對給定的系統要求，可以自動生成、部署與維護特定的軟件系統。

    這且不算，按方然查到的資料，這AIASG分明已演化到了2.0版本，在生成軟件的過程中，幾乎完全跳過了“編程”這一環節。

    想一想也是，編程，程序設計語言，這些東西都是人才會用到。

    軟件自動生成軟件，整個過程，完全在計算機系統和網絡中進行，擺脫了繁瑣而低效的人機界面，軟件中的指令，自然也不必再仰賴“程序設計語言”這種人與計算機的交互工具，即，跳過了“編譯”、“解釋”環節，而從算法直接生成機器碼。

    同樣是“制造”軟件，AI的做法，和人大不一樣，這引發了方然的高度關注。
    第(2/3)頁