設想一下人工智慧的未來：家庭服務機器人、每個房間都有亞馬遜的智慧家庭音響，快遞無人機，還有能提供準確診斷資訊的醫用機器人，這該是多麼美好的未來啊！不過，在這些花裡胡哨的美好設想吸引著大眾眼球的同時，人工智慧在另外一個領域的可能帶來的變革，卻沒有引起公眾的足夠注意——這就是：讓計算機自己程式設計。
設想一下，如果計算機自己能夠理解自己會是什麼情況吧。其實，這不是一個設想。而且，應該很快就能實現。再說明白點兒吧，“很快”就是指最近，用市面上現有的技術就能實現。
目前，機器學習方面的專家傾向於把研究聚焦於具體領域內高度裁剪的 AI 應用——比如：面部識別、自動駕駛汽車、語音識別，甚至是網際網路搜尋結果等方面。但是，這些技術同樣可以應用到讓計算機理解其自身的程式碼架構上——當然這裡是指脫離人類的幫助、解釋和干涉的情況下進行的理解——其實這種對程式碼的“理解”和讓計算機理解自然語言，或是識別影象並沒有本質的區別。
如果程式碼能夠自我分析——做到比人類更快地修正錯誤並不斷優化——那麼技術革新將會發生得越來越快。其帶來的可能性幾乎是無窮無盡的：醫學上的進步，更智慧的機器人，更“智慧“的手機等等。
人工智慧在解決一個已有問題的方面一直很有潛力。而且，通過一種計算機語言來編寫或者修改其他各種計算機語言——也就是傳說中的超程式設計語言的概念——的技術已經有很長的歷史了（實際上1950年代的Lisp就是為了實現這個概念而發明的），單這種超程式設計語言還是無法超越人類想象範圍的問題。
而 AI 將會改變這種局面。
通過使用 AI，計算機能理解軟體專案歷史上所有的程式碼，針對所有的計算機語言，立刻就能對程式碼進行優化和除錯。
如此一來，即使是經驗不足或者中級程式設計師，只要有一個關於應用程式的想法，就能夠通過向電腦描述，並讓計算機自動去構建這個應用程式。這意味著在完成一件事情的速度上的重大提升，比如，可以在幾天內完成一個”癌症研究計劃“，而不是幾個月，甚至幾年。這可是非常重要的進步。
儘管一開始處於幼稚的萌芽階段，但是各種技術終將引領我們取得難以置信的進展，現在這些萌芽已經開始出現了。比如，Google的TensorFlow 機器學習軟體，就能讓廣大開發者直接在應用程式裡構建神經網路，從而實現類似於在照片中辨識人或者物品的功能。你不再需要讀書讀到博士水平，也能去鼓搗這些高階的技術了。要知道在從前，人工智慧領域的技術門檻可是非常高的。
你覺得 AI 技術還離你很遠麼？如果你意識到，有些公司已經開始使用 AI 的概念來做內部專案管理系統了，你會不會感到驚奇？——Google就是如此，它構架了一套bug預測程式，用機器學習和統計學分析的方法來預測一段程式碼是否存在潛在的bug。Ilya Grigorik（W3C的聯合主席）也建立了一套類似的開源版本的工具叫做 bugspots，目前經有 20000 次的下載量了。
另外一個例子是 Siri 的繼任者 Viv。最近由《連線》雜誌曝光的 Viv 不僅僅是一個基於智慧自然語言處理技術的語音識別軟體。Viv 還能基於英語來構建複雜的適應性計算機程式。讓程式碼來寫程式碼！不過，由於寫出來的程式碼是由Viv的開發者高度訓練和特化處理的，因此它還無法達到本文所期望的那種普適度。但是，這至少是邁向這個方向的堅實一步。
在這個方向上邁出的另外一步來自於廣大的開發者領域。Emil Schutte 曾經發表過一段頗具挑釁性的宣告：”寫程式碼寫累了嗎？我也是！那麼讓 Stack Overflow 幫我們寫吧。”然後，他給出了這一說法的證明，一段完整的可工作的程式碼，直接可以從 Stack Overflow 巨大的程式設計知識資料庫中扒出來，而資料庫裡還有無數人已經寫好的各種不同目的的程式碼。
隨著這一技術的上線以及愈發成熟，計算機就能夠表現得越來越像人類，可以完成各種任務：視覺處理、影象處理、遊戲，那麼給其他計算機程式設計又有什麼不可以的呢？
所以，如果問為什麼計算機目前還不能理解自己？答案是，還需要時間。不過，一旦它們做到了那個程度，你就會發現，只要在軟體技術可以應用的領域，都必將發生令人難以置信的突破。
打賞支援我翻譯更多好文章，謝謝！
打賞譯者
打賞支援我翻譯更多好文章，謝謝！
