百科问答小站 logo
百科问答小站 font logo



如何评价 DeepMind 公布的可生成算法竞赛解题代码的 AlphaCode? 第1页

  

user avatar   jzwa 网友的相关建议: 
      

github地址:数据集,方案。

简洁版:

transformer做的,超过54%的人类程序员(包括我),远程面试coding规则估计要改了

不知道transformer 的看下面这俩

懒汉机翻版:

为不可预见的问题创造解决方案是人类智能的第二天性——这是基于经验的批判性思维的结果。机器学习社区在生成和理解文本数据方面取得了巨大进步,但解决问题的进步仍然局限于相对简单的数学和编程问题,或者检索和复制现有解决方案。作为 DeepMind 解决智能任务的一部分,我们创建了一个名为 AlphaCode 的系统,该系统可以编写具有竞争力的计算机程序。 AlphaCode 通过解决需要批判性思维、逻辑、算法、编码和自然语言理解相结合的新问题,在编程竞赛的参与者中估计排名前 54%。


在我们的预印本中,我们详细介绍了 AlphaCode,它使用基于转换器的语言模型以前所未有的规模生成代码,然后巧妙地过滤成一小部分有前途的程序。


我们使用 Codeforces 上举办的比赛验证了我们的表现,这是一个流行的平台,定期举办比赛,吸引来自世界各地的成千上万的参与者来测试他们的编码技能。我们选择了 10 个最近的比赛进行评估,每个比赛都比我们的训练数据更新。 AlphaCode 处于中位竞争对手的水平,标志着 AI 代码生成系统首次在编程竞赛中达到具有竞争力的性能水平。

为了帮助其他人在我们的结果基础上再接再厉,我们将在 GitHub 上发布我们的竞争性编程问题和解决方案数据集,其中包括大量测试,以确保通过这些测试的程序是正确的——这是当前数据集缺乏的关键特性。我们希望这个基准能够在问题解决和代码生成方面带来进一步的创新。

问题来自 Codeforces,解决方案由 AlphaCode 生成。

竞争性编程是一项受欢迎且具有挑战性的活动;成千上万的程序员参加编码竞赛以获取经验并以有趣和协作的方式展示他们的技能。在比赛期间,参赛者会收到一系列冗长的问题描述和几个小时的时间来编写程序来解决这些问题。典型的问题包括寻找将道路和建筑物置于特定限制范围内的方法,或制定策略来赢得定制棋盘游戏。然后主要根据参与者解决的问题数量对参与者进行排名。公司将这些竞赛用作招聘工具,类似的问题在软件工程师的招聘过程中很常见。

在这些比赛中脱颖而出所需的解决问题的能力超出了现有人工智能系统的能力。然而,通过将大规模 Transformer 模型(最近显示出生成代码的能力)的进步与大规模采样和过滤相结合,我们在可以解决的问题数量方面取得了重大进展。我们在选定的公共 GitHub 代码上预训练我们的模型,并在我们相对较小的竞争性编程数据集上对其进行微调。在评估时,我们为每个问题创建了大量的 C++ 和 Python 程序,比以前的工作大几个数量级。然后,我们对这些解决方案进行过滤、聚类和重新排序,以将其提交给我们提交以供外部评估的一小组 10 个候选程序。这个自动化系统取代了竞争对手的调试、编译、通过测试和最终提交的试错过程。


在 Codeforces 的许可下,我们通过模拟参与最近的 10 场比赛来评估 AlphaCode。竞争激烈的编程社区令人印象深刻的工作创造了一个领域,在这个领域中,不可能通过复制以前看到的解决方案或尝试所有可能相关的算法等捷径来解决问题。相反,我们的模型必须创造新颖有趣的解决方案。总体而言,AlphaCode 处于中位竞争对手的水平。虽然远未赢得比赛,但这一结果代表了 AI 解决问题能力的重大飞跃,我们希望我们的结果能够激发竞争激烈的编程社区。

为了让人工智能帮助人类,我们的系统需要能够发展解决问题的能力。 AlphaCode 在现实世界的编程竞赛中排名前 54%,这一进步展示了深度学习模型在需要批判性思维的任务中的潜力。 这些模型优雅地利用现代机器学习将问题的解决方案表达为代码,回溯到几十年前人工智能的符号推理根源。 而这只是一个开始。 我们对代码生成的探索留下了巨大的改进空间,并暗示了更令人兴奋的想法,这些想法可以帮助程序员提高生产力,并向目前不编写代码的人开放该领域。 我们将继续这一探索,并希望进一步的研究将产生工具来增强编程并使我们更接近解决问题的人工智能。


user avatar   xie-ling-xi 网友的相关建议: 
      

评价这个工作之前,我们可以首先回顾一下停机问题。Alan Turing在1936年已经证明了:在一般情况下,不可能设计出一段程序P,使得它能够判断任意程序x是否会停止。

停机问题有各种扩展版本。具体到这次的求解竞赛题,我们可以这样说:(假设题库里存在某些不可解的问题,)不可能设计出一段程序P,使得它能够判断任意的题目x是否有解——更不要说写出解题程序了。也就是说,DeepMind所定义的这个任务,从根源上说,是不可能完成的。

当然,DeepMind的研究者们不可能连如此简单的道理都不懂。所以他们弱化了问题的定义范畴,仅仅选择一些已经被证明有解的题目。这个弱化是非常本质的:从AI的角度看,它相当于构建了一个数据集,把所有求解范围都限定在这个数据集里,进而将“求解问题”这样一种高级的逻辑活动,转化为“拟合数据”这样一种低级的活动。

而这,就决定了当前方法的上限!

顺着paper往下看,果不其然,DeepMind做出了所有人意料之中的事情:他们从GitHub下载了大量的代码进行预训练,并且在竞赛题库上进行微调;技术上,他们使用语言模型,只不过将输出token从自然单词替换成了代码关键字/变量。为了提升准确性,他们还额外采样了若干数据,用于剔除不合格的程序。最后,生成代码在某个确定的测试集上,超过了一半的参赛者。

根据上述事实,我斗胆模拟一个审稿人,为文章提供如下意见:

  1. 从选题上看,DeepMind足够吸引眼球的问题。然而,鉴于完整问题的不可解决性,我建议考虑一个弱化的问题:给定问题和人类撰写的程序,AI通过自然语言理解和采样等手段,辅助人类排除其中的bug。
  2. 由于采用了数据拟合的方式,AlphaCode所能够解决的问题,必然是一个闭集,而实际问题域是开集。在遇到没有见过的问题或者描述时,算法的行为会具有很强的随机性。这一点,适用于任何面向探索新发现的AI算法。要想解决问题,必须引入知识(然而现在知识工程还是半成品),否则就会退回到上个世纪的专家系统。
  3. 程序设计对于精确性的要求极高。举个例子,只要问题描述中发生1-2个单词的改变,程序就有可能需要大量的调整来适应。这种“混沌型”性质,恰恰是深度神经网络最难以建模的。文章没有针对这种情形的讨论,从而使得整体模型的性质尚不明确。修改:感谢评论区 @吉日 的提醒,文章中做了类似的实验,效果一般。
  4. 当前AI算法,往往需要一定的容错率。与其他AI(如围棋和聊天机器人)不同,某段程序中一旦出现小bug,就势必会影响到整体程序的准确性。相对来说,围棋AI下错一步,后续还有补救的余地;聊天机器人说错一句话,也可以通过重复询问来挽回。因此,难以想象当前状态的算法能够规模化应用。

总体而言,出于问题的重要性以及构建benchmark的努力,再考虑到方法论的局限性大、算法创新性也有限,我会推荐accept(介于weak accept和strong accept之间的分数)。从价值判断来看,当前状态的AlphaCode暂时无法产生任何实际价值。同时,我强烈反对将其类比为2015年的AlphaGo:跨越闭集和开集间的障碍,可比从围棋五段走到九段,要难上太多了。

最后小声说:Google本质上还是广告公司,所以对于工作的宣传必定会不遗余力。作为从业者,我们务必保持自身判断力,切勿盲信权威,自己吓死自己。


user avatar   marisa.moe 网友的相关建议: 
      

很少有人不基于框架直接写GUI界面啦,我这个回答就从GUI框架反过来推什么语言做GUI合适。(只聊桌面端GUI编程框架)

Qt

几乎是C++领域最流行的跨平台桌面端软件开发框架了,这个框架是两个挪威人在1995年创建的,发展至今可以说历史相当悠久,稳定性也很有保障。很多大公司都在用它做界面比如金山的WPS。

它内置了自绘引擎,也就是说界面上的一个按钮,一个文本框,都是Qt的引擎自己画的,这保证了基于Qt开发的软件界面在不同操作系统上看起来是一模一样的。

它提供了大量的与界面无关但与软件开发息息相关的API,比如、网络、文件系统、剪切板等,而且让这些API在不同的操作系统下都有效,这极大的节省了开发人员的时间。

但它也有一些缺点,比如在处理一些特殊需求上很不方便,比如:目前Qt有没有比较好解决高分屏下缩放显示的方案?Qt没有真正完美的无边框解决方案吗?等,在一些组件的渲染上也会出一些隐藏的较深的问题(QListItem),一旦遇到,就很难解决。

Qt近年来不太专一,qml,qtquick等,搞了很多,而且这些新玩意儿一直不温不火,有些模块做了又废弃了,比如:qt script,搞来搞去,搞的模块繁多且复杂,用起来不是很舒服。

Qt有界面描述语言(XML描述界面),可以通过设计器拖拽空间设计界面,编译期界面描述语言被转义成C++代码,性能上没啥损失。

Qt商业授权不太友好,开发商业应用一定要谨慎,之前听说有公司为此付出了高额的版权费。个人开发者可以免费使用。Qt的免费版本不允许静态链接,会有版权上的限制,但开发者还是可以通过一些特殊的编译方法静态连接Qt的库的。

除了使用C++开发Qt应用外,开发者还可以使用其他语言开发Qt应用,最流行的就是使用Python基于PyQt做Qt应用了,其他语言的绑定不是很成熟,但PyQt仍然有版权的问题。

GTK

GTK是1997年创建的,也非常成熟稳定,是C语言开发的,但有很多语言的绑定,比如官方支持的JavaScript、Rust等,当然用C++语言操作GTK也很方便,它也有自绘引擎(Cairo),也提供了大量系统相关的API,商业授权也非常友好,基于GTK开发商业软件不用担心收到律师函的问题,虽然它是一个跨平台桌面软件,但它似乎只在Linux操作系统领域流行,有非常多的Linux桌面软件都是基于GTK开发的。

这也直接导致GTK的维护者很重视Linux领域的发展,而忽视Windows和Mac领域。这个框架提供的很多API,只在Linux下有,Windows和Mac下没有。这样的API数量众多。甚至在Windows下编译一下GTK的源码都要比Linux下难很多。而且GTK的渲染引擎在Windows下性能表现也不如在Linux下好。

GTK在Windows上也没办法静态连接,它到不是因为版权的问题,而是它依赖MSYS2的一些库,这个库用于在Windows上模拟Linux环境,这也是为什么GTK在Windows上表现不佳的原因之一。

另外,由于GTK是C语言开发的,所以开发风格也很C语言化,这对于部分开发者来说可能觉得繁琐。

wxWidgets

wxWidgets是1992年英国的一个大学教授开创的跨平台GUI软件,也非常成熟稳定,商业授权非常友好。它没有自绘引擎,而是对不同平台下的界面API做了整合和封装,这样开发者在Windows下开发的软件看起来就是Windows窗口风格、Linux开发的软件看起来就是Linux窗口风格,这对于某些软件来说,正是他们想要的,但要想搞一些花哨的特效就没那么容易了。它同样也提供了大量的系统相关的API供开发者使用。

它是C++开发的,所以对C++开发者非常友好,除此之外它还支持静态连接,也就是说开发个应用不用分发给用户一大堆dll,当然Qt也支持静态连接,但是你得自己编译Qt的源码(不是很方便),而且Qt的授权规则也不允许普通开发者这么做。

它会有些小问题,比如我之前提的:wxEVT_NOTIFICATION_MESSAGE_DISMISSED event emit twice,但总体来说还是非常稳的。除了开发的界面比较死板外,没啥大的问题。目前使用这个框架开发软件的人越来越少了。

FLTK

fltk是1998年创建的跨平台开源GUI框架,历史悠久,商业授权友好,而且C++之父也用它,它非常轻量级,支持静态连接,一个简单的应用编译后只有500K左右,非常赞,

它有自己的自绘引擎,没记错的话用的是OpenGL,但它的重绘机制是按区域重绘的,如果组件A所在的区域上存在组件B,那么A组件重绘时,会把B组件的给重回掉,开发者必须自己写代码处理这种情况。想象一下,如果你想实现一个A组件fade out的同时B组件fade in的效果,就会非常麻烦。

FLTK提供的一些组件样式都比较刻板,绘图API也比较少,你想实现一个漂亮一点的圆角按钮(它内置圆角按钮的圆角大小是不能改的),必须自己画,而且还得借助一些非常奇葩的手段才行(如果你想知道,可以联系我)

它是C++开发的,但API不够现代,用起来总体还算舒服的,它有Rust绑定:fltk-rs。它的用户比前面三个都少。它提供了一些与界面无关的操作系统API,但非常少,几乎可以忽略。

Duilib

是2010年国内一个开发者开发的GUI开发框架,因为底层基于DirectUI开发,所以只支持Windows平台,不支持跨平台,开源协议友好,商用没有任何问题(需要附加Lincence文件),国内有很多大厂基于这个技术做桌面端应用,比如网易、腾讯、百度,这个框架是基于C++开发的,对C++开发者友好。但框架本身还有一些问题,比如对高分屏支持不佳、特殊控件绘制上也有一些小问题,除了界面相关的API外,几乎没有提供系统级的API,作者纯粹是用爱发电来开发这个框架,所以更新不是很及时。

相对来说网易基于Duilib开发的分支更完善一些:NIM_Duilib_Framework,添加了高分屏支持、多国语言、整合了多线程处理的支持,但环境搭建相对比较麻烦。如果开发者要用这个框架,一定要用develop分支下的代码,master分支下的代码问题很多,这个框架看上去也是作者一个人努力的成果。

Sciter

Sciter是2006年创建的跨平台闭源GUI框架,足够稳定,商业授权不友好,但个人开发者可以随便用(只能用动态链接库),一旦公司规模超过3人,就得买版权了(有权静态连接)。

它内部封了一个浏览器核心,让开发者使用HTML,CSS,JS来创建界面,但对这个浏览器核心做了大量的精简,不像Electron和NW.js动辄上百兆的体积,它只要6M就够了。当然这也意味着有些浏览器特性它是不支持的,比如CSS3的flex布局,它就不支持(但它提供了自己的flex布局实现方式)。以前它使用自研的一个脚本语言(和JavaScript很像),自从集成了Fabrice Bellard大神的QuickJs之后,就全面支持JavaScript了。它还对一些特殊的场景做了内置的支持,比如渲染大列表。

它使用C++开发,对C++开发者很友好,有Rust、go、Python等语言的绑定,但都是社区提供的,质量堪忧。有很多知名厂商都用这个库做界面,比如360、teamviewer、赛门铁克等。

RmlUi和Sciter很像,可以看成Sciter的替代框架,但RmlUi这个项目有三界作者,一个一个的弃坑不知道新任作者会不会弃坑,目前还不是很成熟,比如我正在尝试帮作者解决的CJK输入法的问题,目前还不推荐大家使用这个框架。

CEF

CEF是2008年创立的,基于Chromium的跨平台GUI框架,稳定且商业授权友好,国内很多大厂都用的CEF:比如微信桌面端、网易云音乐桌面端、QQ桌面端、微信桌面端、MATLAB、FoxMail、OBS Studio,装机量破亿。

由于它几乎封了一个完整的Chromium,所以体积非常大,但支持所有的HTMLCSSJS特性,它几乎不提供任何与操作系统相关的API,创建个托盘图标、读写个文件啥的,都要开发者自己完成,它是C/C++开发完成的,对C++用户非常友好,它有gopythonjava等语言的绑定,但都是社区提供的,质量值得担忧。

它对Chromium封装的很好,避免了开发者直接与Blink、V8、Chromium等复杂的代码打交道,很多功能都有默认实现方式,遵从约定由于配置原则,有经验的C++开发者可以很轻松的驾驭CEF框架。

由于Chromium是版本弟,所以CEF版本发布也非常频繁,很多被标记为稳定的版本,还是会出一些莫名其妙的问题,选一个好的版本非常重要。

与Electron一样,它也是分主进程和渲染进程的,所以开发者要非常娴熟的运用跨进程通信的技术,虽然CEF提供了跨进程相关的API,但复杂度还是有点高的,使用的时候要认真细心。

MAUI

这是微软的跨平台GUI框架,不仅仅支持桌面端,还支持移动端,但官方并不支持Linux的桌面端(黑人问号,感觉与微软近些年向开放、开源的大方针相悖),这个框架新的狠,至今还没发布稳定版。目前还没什么人用。而且不知道将来会不会被微软放弃。

它是.NET平台下的GUI框架,有自绘引擎,对C#开发者很友好,界面依然是用XAML描述的,可能很多人一听到XAML就直接弃坑了。XAML表现力确实弱一些,我觉得WPF没火起来跟XAML有直接关系。

使用这个框架开发桌面应用得封一个.NET框架给用户,当然有了.NET框架应用程序访问一般的系统级API也就不成问题了。

Compose Multiplatform

这是JetBrains搞的跨平台GUI框架,也非常新,前段时间刚刚推出1.0.0版本,但这个版本还不是很稳,至少比Flutter Desktop的第一个稳定版要差很多。同样也几乎没什么人用。

它的自绘引擎用的是Google的skia,这个自绘引擎稳的很,Chrome和Flutter都是用的它,所以排版、绘制、渲染之类的工作不太会出问题。比Java生态圈里的Swing和JavaFx要好很多。

JetBrains的东西当然对Kotlin开发者友好啦,Java生态下的很多东西你都能用,访问系统级API也没啥大问题,同样也得考虑封一个JRE给用户。

flutter-desktop

这是谷歌的跨平台开发框架,开源、免费、文档齐全、投入力度大且持久,同样也新的很,Windows版本刚刚发稳定版,Mac版本还没稳定。

如果你完全没搞过移动端的flutter,想用这个框架开发桌面应用,那么意味着你要学的东西还挺多的。好在dart和flutter入门都不是很难,学习曲线比较平缓。

由于flutter在移动端积累了很多年,所以界面上的一些东西在desktop端都比较稳(skia自绘引擎),与操作系统相关的东西还不成熟,生态也不太好,比如你想订制一下窗口的标题栏,想访问一下注册表这类工作可能得自己想办法。不过它有类似FFI的支持,跟C/C++语言打交道很方便。

开发者直接使用Dart语言描述界面,这会导致众多大括号嵌套在一起的问题,可能很多开发者不习惯。

webview2

这是微软Edge浏览器团队推出的跨平台GUI引擎,是闭源的,目前只支持Windows,对C#和C++开发者友好,如果使用C#开发,就得考虑把.NET运行时分发给用户,如果使用C++开发,就得自己处理系统级API的操作,webview2本身是不对系统级API做封装的。

这个框架推出也没多久,很多API也还不稳定,更值得担忧的是这个团队,他们前不久刚刚放弃了自己的浏览器核心转而使用Chromium浏览器核心,不知道他们会不会放弃webview2这个框架。

它的优势是可以复用系统当中已存在的webview2二进制资源,也就是说它虽然封了一个Chromium浏览器核心,但如果你可以确定客户电脑已经存在了基于webview2开发的应用,你的安装包体积可以足够小。

它也是多进程架构,甚至比Electron还要多一个进程(为了复用二进制资源),资源占用比较多。

webview

这个库使用操作系统的浏览器引擎来达到减小安装包体积的问题,Mac上使用Cocoa/WebKit,Linux上使用gtk-webkit2,Windows 10上使用Edge(也就是上一个小节里提到的webview2),它应该是不支持Win7的。开发者要考虑前端代码浏览器兼容的问题。

开源且免费(MIT)有go、Rust、Python等语言的绑定,不过官方支持的是go语言,C和C++,操作浏览器的API非常少,不支持自定义scheme,更别提系统级API了。

TAURI

采用的技术方案与webview类似,所以安装包也足够小,非常新,还没发布稳定版,开源免费。webview框架碰到的问题TAURI都有,

使用Rust开发,将来会支持Deno,作者说将来会直接使用webview的技术来支持多平台,

NW.js

NW.js最早把Chromium和Node绑定到一起,用前端知识做界面,用Node技术访问操作系统,最早叫node-webkit,在2012年创建。NW.js基于MIT开源,可以无忧使用。没记错的话,微信小程序开发工具是用NW.js开发的。作者是英特尔的员工,英特尔的一些工具也是用NW.js开发的。

除了Chromium和Node的能力外,NW.js自己也封装了一些系统级API,类似托盘图标、剪切板、系统菜单这种,但数量明显比Electron要少。

NW.js可以在多个窗口间共享同一个Node.js上下文,而且还可以通过配置让Node的上下文和Dom上下文混合,这给开发者带来了很多便利。心智负担减少很多。不像Electron要时刻想着进程间通信,哪些模块当前进程不能用这类问题。

NW.js虽然起步早,但奈何没有杀手级应用,周边的生态和工具链没发展起来。用的人越来越少,维护的投入也不如Electron大,再加上Chromium更新非常频繁,导致NW.js的有些API也不是很稳,恶性循环加剧。

Electron

Electron的作者曾经在NW.js团队工作过(NW.js项目贡献第二多的人就是Electron的作者),后来辗转到了github公司,于2013年在创建了Electron,也是个开源免费的产品。由于VSCode、slak等国际型产品都选择了Electron,所以从者甚众,生态和周边工具链也完善的多。虽然开发方式上有点蹩脚的地方(多进程架构及模块归属进程),但瑕不掩瑜。

Electron每创建一个窗口都会多一个进程,这使Electron创建窗口的效率不高(秒级),NW.js有复用进程的机制,即使新窗口加载完全不同域的页面也不会创建新的进程(毫秒级)。这也是为什么很多基于Electron开发的应用都使用Dom模拟弹窗的原因。

无论是浏览器相关的API,还是系统级API,Electron提供的都比NW.js多。

--------2022-02-25更新--------

这些框架除了对开发者使用的编程语言有要求外,还有一个重要的差异就是有没有独立的界面描述语言(也就是UI DSL),这非常重要,涉及到一个框架表达业务的重要能力。

类似XAML、qt的ui文件、HTML+CSS都是界面描述语言,下面这种也可以算界面描述语言,但我感觉它不够纯粹(flutter、qml和Compose Multiplatform都是类似这样的):

       panel {   row {     checkBox(...)     row {       textField(...) // indented relatively to the checkbox above     }   } }     

但无论如何,显而易见的是,没有任何一个界面描述语言能比的上HTML+CSS组合。想想看:HTML里各种花里胡哨的语义化标签和Dom操作技巧,CSS里的布局方式、伪元素、动画描述...,对比之下你就会觉得XAML、qml直流都是弟弟。

除此之外,一个优秀的GUI框架还有两个重要的需求,这里我简单聊聊:

强大的事件处理机制必不可少。

想想这些:鼠标事件、键盘事件、触屏事件...界面加载完成、媒体播放结束、元素大小改变...网络状态变更、数据段传输完成...另外,还得处理事件冒泡、事件捕获、事件分发吧...

qt的开发者曾经说过qt的SIGNAL和SLOT机制是有性能问题的(但影响很小)

强大的异步处理机制必不可少

你不能在用户处理业务逻辑的时候,让界面渲染工作阻塞,这就需要一个强大的异步处理机制,让开发者自己去开线程去完成业务处理,无疑是又麻烦又会增加开发者的心智负担。

我记得很早之前在C# WinForm应用中,点击一个按钮,如果不用Invoke执行逻辑处理的话,界面就会卡死。

这么看来,在你的GUI应用里包一个浏览器核心还是挺有必要的,这样你就可以用HTML+CSS强大的能力来描述你的界面,用JavaScript强大的事件处理机制和异步处理机制来完成用户交互。

可能有人会想,这会带来很多问题呀,比如应用体积会增大的100M以上、会占用更多的CPU和内存资源,还会更耗电等等。

确实,目前来看这些都是问题,但仔细想想,这些问题应该不会持续太久,网络会变的更快,用户的磁盘和内存会变得更大,CPU处理能力也会更好,耗电的问题当然会持续存在,甚至会愈发耗电,但电的供应会持续增长呀。

web相关的技术之所以胜出,并不是这些技术的设计者有多厉害,而是这20多年间,有大量的人涌入了这个领域,前赴后继的推动着它前进。其他任何一个领域都没有这么热火朝天的景象。推荐大家看看我的另一个回答:

------------2022-02-27更新----------

用Web相关的技术做GUI应用的优势是,让开发者可以把大部分精力投注在业务本身上,而不是处理与GUI相关的技术细节。

实际上所有的框架,都应该是这个目的,比如ORM框架,目的应该是让开发者把大部分精力投注在业务与数据之间的关系上,而不是管理关系型数据的技术细节。

当然这肯定是有损耗的,在性能、稳定性、资源消耗上,都会有所削减。而且,因为有框架的存在,开发者很难深入到框架内部做一些特殊的事情。比如,我们该如何修改HTML的排版渲染机制呢?

所以,有些框架注重性能,有些框架注重开发效率,开发者做选择题的时候也应该衡量这两个问题,你的应用对哪些方面要求多一些呢?

你如果要开发一个视频监控系统,没多少业务功能,但要24小时不间断的记录视频数据,随时调取某一段时间的视频数据,这种应用可能Qt是最好的选择。

你如果要开发一个类似飞书的团队协作应用,业务逻辑复杂的一塌糊涂,而且要在短时间内满足更多用户的需求,占领更多的市场,那么Electron可能是更好的选择(目前飞书已经不再用Electron了,他们自己编译了Chromium核心,自己封了一个类似CEF的框架)

目前微软、谷歌、JetBrains等公司都非常重视桌面端开发框架,也在推各自的框架产品,说明桌面应用领域并没有没落,反而应该更加受到重视。

虽然移动端应用大行其道,但我认为,只有生活、社交、轻娱乐等方向上的应用在移动端有较好的发展。文档协作、大型游戏、开发工具、专业管控软件等应用还是在PC端发展的更好一些,毕竟PC端有更多样的输入输出设备、更广阔的显示和交互的空间,更强的存储和计算能力。

希望桌面软件开发领域的从业者都能获得幸福。

满屏荒唐言,一把辛酸泪,一把辛酸泪,一把辛酸泪...





  

相关话题

  关于tensorflow中的滑动平均? 
  为什么身边的人都劝退人工智能,他真的有这么不堪吗? 
  2021年,作为算法工程师的你们会在CV业务落地上用Transformer吗? 
  如果学习从零开始学习Pytorch,有优秀的开源项目可以推荐吗? 
  如何解决测试中充斥着大量训练集中没见过的样本类型模型将其识别成非我族类仍然保持测试集的高精度? 
  Yoshua Bengio为什么能跟Hinton、LeCun相提并论?? 
  pytorch ddp训练中一个node fail,导致整个训练失败,有可能解决吗? 
  如何评价余凯创立的horizon robotics? 
  目前 AI 在疾病的诊断和治疗上,有哪些成功的应用? 
  TensorFlow 中 padding 的 SAME 和 VALID 两种方式有何异同? 

前一个讨论
在四维或更高维的空间中,该如何定义转动?
下一个讨论
3³+4³+5³=6³,只是个巧合吗?





© 2024-11-21 - tinynew.org. All Rights Reserved.
© 2024-11-21 - tinynew.org. 保留所有权利