软件工程师Quoc Le在越南农村长大，在一个小村庄里，直到九岁才断电。但这并没有阻止他最终在2007年成为斯坦福大学的博士生，制定了一种让软件自己学习东西的策略。

学者们已经开始用一种叫做深度学习的方法来报告有希望但非常缓慢的结果，这种方法使用模拟神经元网络。

LE找到了一种显著加快这种方法的方法--通过建立100倍大的模拟神经网络，可以处理数千倍的数据。

这是一种切实可行的方法，足以吸引谷歌的注意力，谷歌雇佣他在人工智能研究人员AndrewNg的指导下对其进行测试。

当研究结果在2012年公之于众时，它们在facebook、microsoft等公司引发了一场竞赛，希望投资于深度学习研究。

在没有人的指导的情况下，系统已经学会了如何通过从YouTube视频摄取1000万个图像来检测猫、人和超过3,000个其他对象。它证明了机器可以在不费力地帮助人类的情况下学习，并达到新的引导精度水平。

可以看出，有一天，软件代码和应用程序可以在不需要人工干预的情况下编写，但现实可能还需要几十年的时间，我们将开始看到一种更加混合的方法进入软件开发领域。使用人工智能驱动的计算机程序和工作流工具来帮助开发人员，并实现提高其生产力的目标。

开发人员现在可以比前几代人更快、更可靠地构建代码。以更大的速度和敏捷性将软件部署到用户手中。

在iPhone成立10周年之际，很明显，在过去的十年里，软件开发的格局发生了巨大的变化。自动驾驶汽车、自动着陆火箭和无人驾驶飞机只是一些创新的终端用户产品，通常占据头条新闻。但他们仍然有软件在他们的心脏，和出色的工程师，亲切地编码每一行。

我们周围的世界正变得越来越聪明，我们用来创建软件的工具也是如此。提高交付给用户的软件的速度、质量和可靠性。

传统上，开发人员依赖于他们的用户来发现他们在生产中遇到的问题，但是随着开发工具越来越复杂，这一切都在改变。

Tricentis最近的一份报告指出，2016年记录的软件出现了548项失败，影响了4.4亿人口和1.1万亿美元的资产。

很明显，即使在拥有大量测试和分析工具的大型企业组织中，bug也有潜行潜行的习惯。这些公司对客户的最终用户体验产生了巨大的影响。

软件智能和错误跟踪工具可以告诉你你的应用程序出了什么问题，为什么世界上最具创新的公司已经在使用这些工具，而且它们还会变得更聪明。

否定了用户报告问题的需求，这些工具在关注开发人员时直接告诉开发人员，而这些问题的根本原因最终会通过深入的诊断分析来解决。围绕缓慢或错误通知的客户支持团队进行踢脚板，并直接向能够采取行动的人员。

工程师可以被分配来构建新的功能、功能和产品，而不是维护他们，让他们对他们的应用程序在野外的行为方式是无与伦比的。

随着应用程序变得越来越复杂，开发和分析工具可能比您更了解您的软件和客户。

现在，没有任何借口来运输蹩脚的软件。

如果你认为人工智能是在缓慢和系统地窃取你的工作，也许它可以给你提供一份工作。

FirstJobs的人工智能辅助招聘助理Mya通过招聘渠道聪明地与应聘者接触.招聘人员只需要在助理无法处理特定输入的情况下进行干预，这样组织就可以在较短的时间内处理更多的申请。

这种人工智能和智能学习在我们用来创建和维护软件的工具中变得越来越普遍。

从Google上看一下自动化的见解，就像问一个问题一样简单。

这样的功能在未来的软件应用中将是普遍的，其目的是使员工更聪明更高效。使他们能够作出更好的决定，而不是完全取代它们。

在Forrester Research调查了25个应用程序开发和交付团队后，受访者表示，AI将改进规划、开发，特别是测试。

软件开发人员将能够使用诸如高级机器学习、深度学习、自然语言处理和商业规则等人工智能技术来构建更好的软件。

随着团队开始回避大的、可怕的发布周期，以支持更多的迭代和更小的部署，持续集成和交付也会加快速度。随着许多现在的发货更新，功能版本和错误修复了一天。

根据一项研究，实施了连续部署交付模型的高性能团队在过去一年中获得了更大的优势。从生产和基础设施中断中迅速恢复，并从一开始就防止故障。

这可能会给他们带来满足客户的优势，因为他们有更多的机会提供新的价值，他们发布的产品质量更高。其结果是更快的上市时间，更好的客户体验，和更高的响应市场变化。

在过去的几年里，软件工程和网络开发经历了巨大的创新。团队比以往任何时候都更快地传送代码，具有更高的质量和更大的复杂性。

人工智能和软件智能工具旨在使软件开发更容易，更可靠的第一线软件工程师，而不是窃取传统程序员的工作。

然而，在采用这些创新和新方法方面进展缓慢的团队将输给更灵活、更有能力的竞争对手。