深度學習透過讓機器大量的參與可以擁有歸納規則的能力，
設計模式中也只是透過大量遇到code常見的問題所歸納產生的解決方法。
換而言之，讓軟體大量觀察程式碼或許未來真的可以靠機器自己寫軟體？
人常說機器跟人差別的是創造的能力，
但事實上創造，多數情形下也是先透過學習不同的領域，
然後找出領域之中的可結合點，
創造出新的事物，
如果按照這個邏輯，
似乎機器學習寫程式碼是可行的。
記得以前練習過一個演算法叫Quine，
就是用程式語言print出自己的原始碼。
我相信這對機器學習來說寫出這東西應該不是難事，
也就是說，讓軟體寫出原始碼可行性應該是極高的。
但我們無法掌控的地方卻是，
如果機器可以自行產生程式碼，
那麼他會產生怎樣的程式碼？
他會創造出怎樣的功能？
這似乎變成難以預測的結果。
如果有一天機器能產生原始碼，
我想這後果似乎是比我們程式設計師失業還要來的恐怖吧。

能產生原始碼跟能自己創造演算法還有很大的距離

其實我倒是認為演算法是整理歸納來的，而不是創造來的。白話一點就是透過觀察、整理歸納後所產生的計算公式。

深度學習目前強項在"感知"，牽涉計算&邏輯幾乎沒進步讓nn學語法很簡單 學語義就不太行

mit有人在做

Alphago 的計算跟邏輯貌似蠻強的？

alphago的邏輯不是nn train出來的

那alphago的訓練方式可以用來自動產生程式嗎？

Alphago的訓練方式是在有限的情況下(圍棋棋盤)的方式去深度學習 而且深度學習的條件就是前人的棋譜簡單來說就是寫出現有的程式而且優化是可能的但是要能夠理解題目給出對應的solution 這才是困難之處

深度學習有很多關於語義的研究唷～word2vec

人腦就那麼小一塊 功耗也普普 電腦複雜度趕上遲早而已

姑且不論word2vec到底算不算"深度學習"，它目前帶來的效果遠不及nn在視覺/語音上的影響再說了，在code上做word2vec？太鑽牛角尖了吧

word2vec沒有很深,但其實要多深才算deep也沒人定義是nn,是不是dnn就見仁見智

說他不deep的原因除了它很shallow之外，它本質上做的是矩陣分解

未來一定有提供機器人 clip copy 用的網站系統也就是工程師分享語法片段，讓開發者參考外

只問一個問題 他怎麼知道他產出的code沒有bug

所以會有智能學習測試程式

W2v只能算pretraining如果要說跟deep learning的關係的話

那一天一定會到來

在台灣除了研究院外用的到嗎

一定有辦法 只是時間問題

做的出來人類就滅亡了

機器學習的根本還停留在條件判斷 只是有大量資料去改變input只要程式還是用if else寫出來的 就不可能跟生物一樣有思想 不確定性電腦要模擬人腦 硬體面都還差很遠

機器學習可以不經提示下辨識圖片，換言之就是抽象化的能力，也就是透過大量的實例能夠讓機器抽象化出該展現的是怎樣的樣貌。雖然距離人類抽象化能力還差很遠，但是就原理上可行度很高。程式片段本身就是一個抽象化的展現，要把抽象化過的東西再做一次抽象難度自然是很高，有點類似要從圖片辨識出哺乳類的能力吧。

現在圖形辨識可以unsupervised?!

早就行啦 DW拉框框不就自己產生程式碼?

人的思考說不定也只是比較複雜的if else(?

給樓上 不是

請樓上解惑>< 我的想法是每個人的行為不也是自己一生經驗加上目前所有感官的接收 合併起來的結果嗎~

基本上還遠的很 在人類真的了解大腦運作原理之前 不可能

但有些人類科技的突破是靠直覺，但這部分如何產生似乎還是問號，這無法突破就難讓電腦學習

deep learning