面向算法的架构设计

随着人工智能技术的发展,算法在软件架构设计中的角色日益重要。本文探讨了算法如何影响传统架构设计,强调了输入和输出的重要性,提出面向算法的设计应减少抽象和层次,采用聚合而非继承,以及构建灵活的工作流。算法的动态性和复杂性要求我们重新考虑数据准备、工作流管理和存储策略,以适应不断变化的需求和环境。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

人工智能技术在过去几年的飞速发展,在研发领域带来的最大不同,或许是对算法价值的重新认识。过去的软件工程师在工作中说起算法,大多数情况指的是链表、二叉树、排序、时间复杂度等内容,而今天提及,第一反应则是机器学习和深度学习,以及它们在计算机视觉、自然语言处理、语音识别,又或推荐、广告、视频编码、路径规划等相关领域的应用。

人们期待算法解决的,一是以往无从实现的功能,二是优化现有解决方案的效率,为了让整个系统发挥最大的力量,很可能整个软件领域,从互联网服务、云计算平台到客户端、嵌入式设备的设计都应当被重新考虑。

在这里插入图片描述
(常见软件架构模块图)

以单体软件而言,架构设计,传统上可能意味着提取、合并同类项,意味着抽象化和层次化,意味着组件关系的固化,也意味着对扩展的提挈与规约。如果模块定义合理,一份软件很快就将形成固定的结构,而功能的增加则在某几个维度上平铺开去,直观的例子可以是以模块化著称的多媒体框架,当定义了编码器类型的模块后,一个框架中可以支持数十种不同的编码器,在工作流程中依据需要能够很简单地替换。

然而当把算法考虑进来之后,事情变得有些不同:

比如,即使为了相同的目标,算法也可能需要格式和内容上完全不同的输入和输出,例如需要词语的嵌入式表达而非频率统计,决策不同路径的相对优劣而非绝对评分。

比如,为了获取力所能及的最佳效果,算法可能需要更频繁地打破原有的模块和层次划分,譬如进行联合优化,将图像的分割和分类合二为一,又或将以往固定的环节拆解,仅对其中的部分环节进行处理,例如基于深度学习模型的量化和运动估计。

以及,算法甚至可能导致软件目标和结构的重新定位,当对话任务系统成为主要的用户使用方式,一个客户端应用的模块必然将围绕任务插槽拓展其分类、定义和设计。

总而言之,人们对算法所能做到的边界不再那么有把握,又或者说,对算法的效力存在持续、长久的期待。由此,以往的设计思路不再一定是“好”的,因为以往预期的变化和不变的方向不再成立,一个

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值