基於人工智慧減少軟體專案風險機率的想法論文
摘要：軟體工程在計算機技術取得進展後也飛速發展， 但是專案進行中仍會在人為和環境因素的作用下遇到風險。以人工智慧的幾個應用融入到軟體風險管理中， 會產生不可小覷的作用。
關鍵詞：軟體風險； 人工智慧； 融入；
1、軟體風險管理
計算機技術已經歷經六十餘載的歷程， 取得了突飛猛進的進步發展。計算機的多領域運用推動社會各行各業換代升級， 改變人們的衣食住行。計算機軟體系統是資訊化的不可或缺的部分。軟體工程 （Software Engineering） 在軟體開發中有重要地位。“軟體工程”在Fritz Bauer、Boehm、IEEE和《軟體工程術語》等代表性定義中概括講為：“指導軟體開發和維護的工程性學科， 它以計算機科學理論和其他相關科學的理論為指導， 採用工程化的概念、原理、技術和方法進行軟體的開發和維護， 把經過時間考驗且證明是正確的管理技術和當前能夠得到的最好的技術方法結合起來， 以較少的代價獲得高質量的軟體並維護它。”但是軟體和生物一樣會經歷孕育、誕生、成熟、衰亡的生存期歷程， 包括軟體定義、軟體開發和執行維護管理三個過程。
就如從古至今沒有幾個人一生一帆風順， 軟體的生存期過程也可能出現影響軟體目標或是可能造成重大損失的事件， 即為軟體風險。風險是過程中可能發生的事， 這個可能性用風險機率描述。降低軟體風險發生的可能性， 使這個機率接近於0, 對加快開發進度、降低預算、避免嚴重後果並減少損失有莫大的幫助。
2、基於人工智慧減少風險機率的想法
人工智慧 （Artificial Intelligence, AI） 主要研究用人工的方法和技術， 模仿、延伸和擴充套件人的智慧， 實現機器智慧。人工智慧的長期目標是實現人類水平的人工智慧， 實現機器智慧。當前， 幾乎所有的科學與技術的分支都在共享著人工智慧領域所提供的理論技術。以人工智慧中的幾種應用融入軟體風險管理的評估、控制等實施步驟， 可提高風險管理的效率。
2.1 基於專家系統領域
專家系統 （Expert System） 是顧名思義基於知識的系統， 依靠人類專家的知識建立體系結構， 儲存問題求解所需的知識， 根據人工智慧問題求解技術， 模擬人類專家求解問題時的求解過程求解所涉及領域的各種問題， 達到具有與專家同等解決問題能力的水平。在對風險識別階段， 從專案的具體情況入手找出可能會存在的風險。一些軟體專案或是因為對自身的情況挖掘不足， 停在理解， 或是缺乏經驗過於樂觀， 便為未預料到的情況埋下了隱患。若是以來自軟體工程領域的專家的知識背景參與到識別風險中， 可為決策提供專業性建議。人工智慧的專家系統將風險問題與多位專家專業性知識共同組成的知識庫中各個規則的條件進行匹配， 並把被匹配規則的結論存放到綜合資料庫中， 得到最終的分析結果。專家系統能夠將自身的推理過程為使用者解釋清楚， 使使用者在詢問中理解自己的過程， 會比多數軟體開放者獨自的思考結果更加可靠。
2.2 基於資料探勘
資料探勘 （Data Mining） 能從大量資料中透過演算法搜尋挖掘出隱藏於其中的深層次的、未知的、有潛在價值的資訊知識。在風險識別以後需要進行分析何時何處風險會發生， 會產生怎麼樣的後果。風險分析常採用成本模型、判定分析、網路分析等方法， 資料探勘可以為這些分析方法提供更多的資料方面的支援。雖然傳統統計分析技術基於完善的數學理論和高超的技巧， 預測的準確度也可以達到人們的預期要求， 但是對使用者也提出了與之難度相對應的高要求。資料探勘是一次延伸擴充套件， 在降低對使用者的門檻的同時， 也透過資料評估後的相應的資料庫更簡單便捷得到相應的功能。步驟的簡便化換來的是使用者的低操作失誤率， 這樣便提高風險分析的準確率。
2.3 基於語義Web
語義Web （Semantic Web） 以讓Web上的資訊能夠快速被機器所理解， 從而實現Web資訊的自動處理， 以適應Web資訊資源的快速增長， 更好地為人類服務為目的。軟體工程中的開發者目前要解決的問題數量龐大， 使用者對軟體的`質量和開發週期的要求更加苛刻， 軟體開發人員多數面臨開發期長、成本高、質量不達標的問題， 這是一個領域共同的問題。軟體開發人員在透過網路搜尋與軟體風險相關聯的事物時， 牽扯了語義Web一方面的應用“網際網路資訊釋出與搜尋”, 透過對內容的標註與分析從而克服了關鍵詞查詢的歧義性， 提高了查詢的精度。語義Web給人的是一個所有資料“無縫”式連線的網路， 一個滴水不漏的網路。
2.4 基於機器人領域
機器人 （Robot） 是一種具備和生物相似的智慧能力， 具有高度靈活性的自動化機器。工業機器人按照人的規定的程式工作， 自身不能對程式調整， 軟體的批次生產的流水線一般由這種型別的機器人實施。在風險控制階段， 一些可能會對人體造成未知傷害的操作可有初級和高階智慧機器人 （具有感覺， 識別， 推理和判斷能力， 區別在於是否能根據外界環境， 在一定範圍內自行修改程式） 實施。專案的風險經常依賴於外部因素髮生， 需要跟蹤監控， 定期對風險進行重新評估， 這個步驟便可交給智慧機器處理， 節省工作人員的時間。
2.5 基於模式識別技術
模式識別 （Pattern Recognition） 是用數學、物理和技術的方法實現對模式的自動處理、描述、分類和解釋。透過遙感影象識別軟體在實際運作時的異常表現點， 為風險評估提供部分依據。指紋識別應用於開發人員的日常工作中， 便於監督每位成員的操作， 也有助於後期落實到具體人員的責任， 督促每位參與者謹慎研究， 減少人為造成風險。語音識別加快軟體開發過程中的資訊處理， 加快軟體開發進度。
3、結束語
在眾多專案實踐中獲得的風險管理經驗和教訓， 軟體工程專案中的風險是客觀存在的， 不可能完全避免的。人工智慧的研究仍在不斷進行， 一旦人工智慧在軟體工程領域的應用得到飛躍性突破， 軟體風險機率必然會有所下降， 軟體工程專案的發展會更加順暢。
參考文獻
[1]鄭人傑， 馬素霞， 殷人昆。軟體工程概論[M].北京：機械工業出版社， 2014 （02） :314-323.
[2]史忠植， 王文傑。人工智慧[M].北京：國防工業出版社， 2007:18-23