将来在云计算这一块，FPGA使它的效率非常高。在终端上将来可以进行。终端有可能变成一个神经网络芯片，神经网络芯片是一个专门为神经网络构型设计的有点像 CPU 加速的一个东西，但是它因为专门针对神经网络进行优化，可以兼容不同种类的神经网络，现在我知道有一些公司，包括英国的一些公司，包括英特尔他们也在做，所以说在云端的训练和运算以及终端的运算上，不同的地方可能用不一样的体系来进行。

　　雷鸣：我觉得回答还是比较透彻的，就是各有所长。训练的时候其实是一个，最后用的时候是一个，这个其实跟当年做搜索的一样，搜索的时候，建索引是非常大的一个体系，真正提供服务的时候这两个完全分离的，提供服务的时候要的是效率一定要快，算的时候一定要好。算的时候生成了一个索引结构，非常慢，这个结构可以用到搜索上，搜索是非常快的，因为海量数据以后就完全不一样了。

　　最后，我们再问最后一个问题，也是我们上课同学问的，这个问题挺有意思，说现在还有一个叫自动编程，你觉得这一块进展怎么样？我估计大家都害怕，我们本来就是码农，现在码农也当不了了，怎么办？你的看法是什么？

　　胡郁：坦白来讲我对这一块了解不多，但是我知道北大青鸟做软件工程体系的，还有包括梅宏院士做的这个，其实大家可能不知道，863高考机器人专家组的组长就是梅院士和我领衔来做，我知道北大在软件工程这方面很强的。但是编程这个事情呢，我今天还跟雷鸣在讨论，编程是一个逻辑性的东西，编程的语言为什么不是自然语言，而变成逻辑性的语言？因为这是两个事情。

　　一个是编程的目的是什么，编程的目的是为了完成在计算机里面一些可执行逻辑性的一些功能，所以说我认为自动编程是一个方向，第二个就是说编程用的语言是规范性的，不会随意性很大，所以不管是什么，它都是一个规范的。我认为如果编程是为了解决一些一般性的问题，比如说从一个原有的问题上转移到另外一个确定性的问题上，这个自动编程我认为是可以做的，当然我对这个细节不了解。但是编程里面最难的一点是人对于一个问题要想出一个解决方案来，他要知道怎么按照一个逻辑去创造性的解决问题，就看你怎么理解这个编程，我们做人工智能也编程，但是编程对人工智能来说是一个工具，最重要的是里面的算法，我相信自动编程解决不了我后面讲的问题，因为后面那个问题的根源来自于人创造性的想法。但是如果你说这个创造性的想法已经有了，但是把它转写成一个更高效的方式，或者是把它重新进行一个组合，我相信这种自动编程应该肯定是可以的，这种就是我们刚才讲的有一部分属于确定性的任务，这种自动编程很快逐步会实现的。

　　雷鸣：所以这一块我跟胡郁教授再重新把话再梳理一下，我感觉整体来讲，第一是说我们的一个编程可以分成两部分：一部分叫设计，另外一部分就是设计完了，流程图都有了，落实代码，对应到建筑上就是设计师和泥工，对应到我们写程序里面就是设计师和最后的所谓的码农，我们知道最近美国那边打击所谓的我们叫代码工人，就是以前外包的那些，其实是说在美国，设计流程已经很好了，由他们实现出来。

　　看起来就是说，如果说已经知道整个设计流程图了，仅仅把它代码化，这个工作将来很有可能不存在，机器可以自己做出来，但是设计这个事情，把现实完成转成一个计算机问题，这中间还是有很多所谓的智慧在里面，这个想法在百度时我们做排序系统，当时最早几版都是我参与主导设计的。原来，可能是十个左右的参数，基本上规则都是人拍脑袋定出来的，后来我跟百度团队聊天的时候，他们已经扩到将近1万个参数，每个参数起什么作用他们也不知道，绝对是机器学习学出来的模型。这里面，将来凡是面临到大数据里面的东西，数据量充足的时候，很有可能那个模型就是被训出来的，我想表达的是以前传统的编程变了。