网景公司创始人Marc Andreessen有过一句名言：“软件在吞噬世界”，大家争先恐后地涌入软件领域。对于软件行业来说，这是天大的好消息，可是对于许多传统企业来说，这是不祥之兆。
不过没有人真正明白他这句话的含义，于是他举了一个例子：
“如今，全球最大的图书零售商亚马逊是一家软件公司，它的核心能力是用于网上售卖几乎各件商品的极为出色的软件引擎，实体零售店毫无必要。除此之外，当Borders在破产的边缘苦苦挣扎时，亚马逊重新安排了网站，首次推销其Kindle 电子书而非实体书。现在，连图书本身也成了软件。”
那是在2011年。
Marc Andreessen
值得关注的是，Andreessen也说了这番话：
“我和其他人也一直在争论这个问题的另一面……我们认为，许多著名的新兴互联网公司在打造高增长、高利润、具有高防御能力的实际业务。”
Andreessen 却没有料到，恰恰是软件行业存在被吞噬的风险。
快速来到 2019 年，软件行业惴惴不安，而且是非常不安！
而AI正是原因所在。对于没有加大AI资金的那些公司来说尤其如此。
加速期（2009 年至2019 年）——软件开始吞噬世界
与此同时，2011 年以来AI 的发展呈现出前所未有的增长势头。虽然有关 AI 的几个关键概念已存在很长时间，但许多流程/方法对其潜在应用起到了加速作用。
2011 年拥抱软件的公司目前是各自领域的市场领导者。2019 年第二季度，全球市值最大的五家公司都在提供某种类型的软件解决方案。
与此同时，2011 年以来AI 的发展呈现出前所未有的增长势头。虽然有关 AI 的几个关键概念已存在很长时间，但许多流程/方法对其潜在应用起到了加速作用。
首先，计算能力（尤其是专用AI 芯片组的计算能力）得到了大幅提升。
其次，随着数据湖和完全联网的物联网世界出现，用于 AI 算法的训练数据出现爆炸式增长，这扩大了 AI 的应用领域，并降低了训练算法的成本。
第三，近几年来，大量的技术瓶颈（比如梯度消失）已得到了解决，极大地提升了现有算法的准确性和适用性。
最后，云存储和云计算的成本降低，加上分布式协作工作变得便利，这使得结合高度专业化的知识比以往任何时候都要容易。
然而，Andreesseen珍视的软件公司将AI融入到产品中的程度常常很有限。相反，现在一大批新的初创公司一开始搭建的基础设施基于上述AI提供便利的流程/方法。
超级加速期（2019 年至2030 年）——AI开始吞噬世界
在效率提高的促动下，这些新公司使用AI来自动化和优化业务的核心流程。举例说，据BenchSci上最近一篇文章称，现在多达 148家初创公司旨在使制药行业中药物开发这个成本很高昂的流程实现自动化。
同样，运输行业的 AI 初创公司通过优化运输来创造价值，因而大大减少了运输空载或闲置现象。
此外，软件开发流程本身也受到了影响。基于 AI 的自动代码完成和生成工具正开发出来，随时可供使用，比如TabNine、TypeSQL和BAYOU。
下面看看这段超级加速期的几个典型应用。
自动化编程过程
借助AI，让 TabNine 为你自动完成代码！
它用来自代码存储库GitHub的200 多万个文件加以训练。训练期间，目的是根据之前出现的token来预测每个token。为了实现这个目标，它学习复杂的行为，比如动态类型语言中的类型推断。
一旦Deep TabNine开发人员认识到了代码与自然语言处理之间的相似性，他们就实现了现有的GPT-2工具，该工具使用Transformer网络架构。
这个工具的发明者 Jacob Jackson 是一名本科生，也是OpenAI前实习生，他很早就有了这个想法，并为此开发出了一个软件工具。
回答关于医疗数据的任何问题
AI可创建让你获得答案的查询！
一群医学研究人员开发出了一个工具，你可以问关于医疗数据的任何问题，AI 会生成定制的 SQL 查询，然后用来从数据库检索相关数据。
自动生成数据库查询的语音文本 创建SQL的问题
这叫作 Question-to-SQL（问题到 SQL）创建。
他们结合使用了RNN（一种深度学习，用于文本分析的增强型AI）和Attention及Point-Generator 网络。若对这方面的技术感兴趣，可以进一步阅读研究成果（https://lnkd.in/d47z7BC）和软件代码（https://lnkd.in/dKRH6Tv）。
那么，大批数据库管理员（DBA）是时候卷铺盖回家了吗？
基于草图创建漂亮的网站
AI可以把你的草图转换成代码！
想要快速创建你的网站？你只要画出蓝图，该平台会使用AI来立即创建代码，比如 html、css 和js代码。
使用AI将草图变成网站
很容易，对吧？
只要输入草图，网站就在另一端出来！
想了解该这个平台的更多信息，请访问https://zecoda.com/product。
这些只是表明AI 在日益吞噬软件开发方方面面、迅速摆脱繁琐编程任务的几个例子！
这归因于出于这个动机：使数值分析、数据收集以及最终的代码生成这个过程实现自动化。
研究人员拥有比以往任何时候都更高级的意识和知识，借助基于AI的软件来解决所有层次的每个问题，从日常小事（比如根据顾客的购物偏好向他们推荐哪种饼干），到大规模的制造商困境（比如如何以一种个性化又系统化的方式使生产线实现自动化），最后到开发更智能、更易于使用的甚至可以为你编写代码的软件。
除了辅助决策、诊断和预测外，AI研究人员和有影响力者的工作带来了超级加速期：AI驱动的软件不仅可以获得与人类相当的表现，还能开发出可以挑战普通人的想象力和感知力的东西。
人们可能再也无法分辨神经网络生成的虚假名人脸与真实名人脸，或者在编写脚本时，可能不再需要记住用到的每个函数的名称。
可以想象，基于AI的软件的广泛应用领域和接近人类的表现将导致人们处理日常个人问题和工作问题的方式发生巨大变化。
虽然一些人对此感到悲观，在一些极端情况下有意进入被AI软件统治的世界，但我们似乎无路可退。亚马逊、谷歌，甚至你青睐的社区花店都在积极（有时秘密）地利用AI来创造收入。所以，要么面对，要么被淘汰！
如果今天你是宝马公司，你会做什么？
宝马公司的 CEO 说：
“眼下，没人能够可靠地预测电动汽车行业会多快地发展，或者哪种传动系统占上风……自动驾驶的电池电动汽车的需求其实并非来自客户。”
大多数已建立起业务的大企业通常落入的一个陷阱是，一味盯着现有的业务领域，忽视了慢慢恶化的经济和商业环境。
特斯拉电动汽车的故事众所周知，但许多人可能不知道：自动驾驶功能和软硬件中大量使用AI才是其秘密所在。
特斯拉电动汽车的里程总数已达到100亿英里，它们在收集更多的数据，不仅颠覆汽车市场，还颠覆制造、服务、销售和出行等领域的周边市场。
特斯拉的AI在吞噬汽车行业所有其他公司的业务；宝马公司CEO在发表年度讲话几周后辞职了。
不过的确希望积极采用AI的CEO和高管们应做下面五件事情。
1）准备好AI策略
没有AI策略，没有数据、算法和机器学习模型的任何公司肯定会发觉陷入严重的困境。
AI策略的一个例子是，全面评估贵公司的成熟度，并规划好投资回报率（ROI）驱动的项目。
AI策略
2. 提高技能及/或聘请一支优秀的数据科学团队
我们为几个大规模数据密集型项目提供过咨询服务，以下是高管们应牢记在心的几个关键点。
我们为几个大规模数据密集型项目提供过咨询服务，以下是高管们应牢记在心的几个关键点。
- 在未来几年，拥抱 AI 不只是赶潮流的问题，而关乎生存；
- 想在市场和软件都被AI主导的时代生存下来，CEO和高管们需要提升理念，以便在企业内部成功地采用和应用AI，为此他们需要提升技能或组建优秀的数据科学团队；
- 知己知彼：优秀的团队可帮助你了解AI将如何让贵公司生存下来；
- 业界有大量的例子，企业需要关注最新趋势，启动几个小项目，为可以大规模工业化的关键项目提供经验。
3. 一开始开发算法并执行数据策略
最后，一开始就执行“足够好”的数据模型和算法，这样真正的AI公司才能确立发展势头，并且明显甩开竞争对手。
一旦完成了这一步，有必要建立有意义的沟通渠道，设想解决痛点的项目想法，然后专注于用数据来解决这些问题。
最后，一开始就执行“足够好”的数据模型和算法，这样真正的AI公司才能确立发展势头，并且明显甩开竞争对手。
4. 实施分布式知识结构
由于访问合适的数据是有价值的AI解决方案的关键，确保访问公司内外生成或获得的数据将至关重要。认识到这点后，制药公司正开始创建集中式数据库，用于保存临床试验中收集的数据。因而，它们的数据科学团队就可以访问用来训练AI算法的结构化知识数据库。
确保知识分布的第二个方法是，建立分布式协作体系。由于新颖软件的出现，整合知识和专长应该不再受制于地理位置。
5. 利用具有相关知识的AI初创公司
Andreessen 举了迪士尼收购皮克斯动画工作室以保持影响力的例子，此举让迪士尼大获成功；迪士尼今年的电影票销售额超过80亿美元，迪士尼因此成为第二大媒体公司。
不过最新的动向表明，AI还可以优化电影制作流程。此外，迪士尼正在使用Disney+打造一个消费者平台，AI可能会成为必要的基础，以确保该平台生成的数据得到最合理的使用。如果不想一开始组建数据科学团队，与相关的初创公司合作或收购它们可能对于迪士尼等公司保持竞争力而言必不可少。
没错，AI已开始吞噬软件。你打算做些什么？
相关：
李楠回应“什么时候去小米”前金立集团总裁卢伟冰、原联想集团副总裁常程和小辣椒手机创始人王晓雁先后加入小米。1月4日晚间，有网友在知乎提问，李楠会不会加入小米，什么时候加入小米？李楠本人在知乎回应，智能手机的战场都要消失了还去小..
十大数据挖掘算法及各自优势国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 评选出了数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes,..