¿Por qué es probable que el software desarrollado con modelos evolutivos sea difícil de mantener?

En teoría no sería más difícil de mantener. El modelo evolutivo / iterativo / ágil requiere una refactorización Que cualquier elemento de código que ya se haya completado se refactorizará o rediseñará con el tiempo para que sea mantenible y eficiente. El problema con esto es que la gerencia puede no alentar o comprender la refactorización.

El software es algo raro en el que podrías vender el prototipo. Ford nunca podría hacer eso con un modelo de arcilla. Nadie compraría un modelo de arcilla. Los prototipos de automóviles a menudo no tienen un tren de fuerza o todos los equipos de seguridad obligatorios. Pero el software puede acelerar un prototipo, ponerlo en la web para descargar y listo.

Esta es una pregunta escalonada, creo. Estas son algunas de las razones, creo que ese sería el caso:

• Cadena de dependencias: cada vez que hablamos sobre el aprendizaje automático o no, necesita un conjunto de datos para aprender.

  Y dado que existe una gama tan amplia de escenarios de casos diferentes, en términos de adaptación a dichas situaciones, necesitaría seguir encadenando, ingresando o analizando entradas.

  El problema con esto surgirá de analizar ejemplos de la vida real, y eso puede ser realmente difícil de integrar y mantener.

  Quizás desee aprender a contar, cómo habla la gente. Necesitaría una gran variedad de personas que hablen, dialectos, regiones, idiomas …

  El volumen necesario, es una locura.

• Base relativa: cuando hablamos de cosas que derivan de otra, generalmente acomodamos esa idea, con eso derivamos de algo, que se basa en algo.

  Como, Java VM tiene que adaptarse a Architechture of Computers o Architechtures of Machinery.

  A medida que Tech se acelera en el desarrollo, la evolución, el despliegue y lo que no: el modelo evolutivo, inherentemente, DEBE ser capaz de adaptarse a dichas cosas y acomodarlas a medida que avanza.

  Esto es muy difícil de afirmar. Porque, no solo, NO puede, FÁCILMENTE, predecir cómo va a ir el mercado, qué hardware va y qué va y qué no.

  Pero, además, tendrías que adaptarte correctamente a esas cosas, lo cual sería difícil de acomodar. Quizás no imposible. Pero duro

• Estado de mutación: similar a lo que hemos visto, en el aprendizaje automático, que la IA que puede ser justa, alimentarse con datos, no tiene un filtro inherente a lo que se alimenta.

  Esto se remonta a los ejemplos de robots de Facebook, Google AI, que derivan mucho de la intención o idea original: que no podemos evaluar con precisión la idea de lo que se supone que deben aprender, de una manera natural y fluida, comparativamente, al estado de mutación que atraviesan.

  La diferencia entre los humanos y la IA es que los humanos pasan por el mismo proceso, pero tenemos una selección natural. Tenemos propagación de nuevos humanos, basados ​​en ciclos genéticos.
  Esto lleva mucho tiempo filtrarlo.

  AI, recorra esto, MUCHO, más rápido. Y dado que no sienten agotamiento o necesitan reproducción biológica, no tienen necesidad de afirmación biológica (como comer, dormir, etc.).

  Pueden, virtualmente, seguir mutando, siempre que su línea base de recursos se mantenga en línea.

Estos son mis pensamientos sobre el tema y lo que propondría.