@lsmn
2016-08-10T20:02:02.000000Z
字数 2160
阅读 2781
敏捷 AI 机器学习
敏捷2016大会年度行业研讨会的讨论环节探讨了敏捷趋势和未来方向。研讨会探讨了人工智能和机器学习对软件行业的影响、AI系统的安全与伦理、敏捷宣言是否应该修改以及工具对敏捷实施的影响。
敏捷2016大会年度行业研讨会的讨论环节探讨了敏捷趋势和未来方向。研讨会讨论了人工智能和机器学习对软件行业的影响、AI系统的安全与伦理、敏捷宣言是否应该修改以及工具对敏捷实施的影响。
研讨会由Jim Newkirk主持，参会人员包括Tom Grant、Ray Arell、Steve Denning和Rebecca Parsons。
第一个问题重点关注深度学习和人工智能对敏捷运动的影响。
此次研讨会讨论了深度学习算法在许多领域和行业是如何应用的——所提供的例子是Spotify的Discover Weekly功能，它会学习订阅者的音乐品味，并提供新的音乐。听众发现，它提供的音乐“异常准确”。这并没有导致软件需求的减少，而是提供了一种不同的方法，可能会带来更多的开发；编程方法会有重大的变化——越来越多的AI教学取代了一行一行地编写代码。挑战依然存在——保证人机交互方面的正确性以及如今保证那些方面所需要的技能也没变化，而实现方法可能变成了我们所不知道的方式。
在即将到来的复杂环境中，一项挑战是深度学习算法的测试——例如在药物开发中，如何才能确信结果是准确、无偏差且安全的？这就需要新的逻辑路径检查方法和测试方法。我们现在就需要开始考虑。
下一个问题讨论的是AI系统的伦理与安全，举了最近特斯拉撞车的例子。机器学习系统成功的标准是什么？2014年，美国有32675名司机在事故中死亡。然而，一起因AI而起的死亡事故似乎引发了人们对于技术的强烈抵制。零容忍真得有必要吗？
人们比较了特斯拉的开发方法和Boeing在飞行控制系统中的开发方法。在FAA规定的环境中，程序员、项目经理和QA人员都需要签字证明，软件遵循严格的标准构建，而且经过了全面的质量保证和质量控制。这种严苛的要求应该运用到其他软件算法可能导致伤害或死亡的领域。这更多的是一个社会问题，而不是一个技术问题。我们需要教育社会，让人们理解这些类型的技术所带来的影响。
下一个问题讨论了敏捷宣言——敏捷宣言问世现在已经15年了，我们应该对它进行修改以反映最新的情况吗？
敏捷宣言是一个历史性文件——它很适合制定它的年代。宣言背后的观点和哲学在今天就像在2001年一样合法而有效。对软件的关注在那时是恰当的，但如今看来就不那么合适了，因为敏捷方法已经应用在软件领域之外了，但那并不是说我们应该重新起草宣言。在讨论宣言的时候，合理的做法应该是从“宣言的理念如今意味着什么”这个方面来讨论——关键是，其价值和原则指明了什么是敏捷，而且允许调整词语以适应人们的工作环境。不修改宣言，但可以自由地提出特定于环境的表述，并且与原始宣言的价值和原则相呼应。避免狂热和偏见，拥抱持续学习的敏捷方法。“敏捷”的意思是社区不断地重新解读，它不只是一个文件——它讲的是动态性，是在宣言所体现的精神的启发下调整工作方法。
有个问题是，在不了解宣言理念、价值和原则的情况下采用敏捷实践和技术。这些实施往往会面临挑战，虽然团队能够遵循敏捷的仪式和做法，但缺少价值和原则基础，敏捷的理念就丢了，团队和组织就无法实现人文的、可持续的文化环境，那只有在以敏捷的价值和原则为基础时才可能。
敏捷实施通常通过团队遵循的做法和流程来衡量，而不是团队协作、参与度、信任、交付的价值等难以衡量的方面。
在工具和流程销售的压力下，程序化地采用定义好的框架和规则手册损害了敏捷运动的名声，抵消了它的价值。除非把注意力从工具和流程上移开，回到个体和交互、团队和团队协作上，专注于人和可持续性，否则，始于崇高理想的敏捷，将终于腐朽的官僚怪物，随着20世纪的管理运动，作为另一个没有多少影响力的流程改进方法载入史册。
最后一个问题是，在你的工作中，敏捷实施的最大障碍是什么？