如果有一天AI 来编程，那么千万程序员们该何去何从？

Dear 丶 2021-11-10 13:18 152阅读 0赞

无法否认的是，全球现在的AI技术发展的如火如荼，大有不可一世的感觉，还记得软件席卷世界的时候吗？一个最近比较流行的观点是，人工智能正在席卷各类软件。

过去，谷歌的首席执行官桑达尔·皮查伊（Sundar Pichai）谈到了“自动编写自己”的软件。有些人认为软件开发的工作只是比创造不断重复代码片段复杂一点，那么现在，人工智能的快速发展可能会让软件工程师们集体失业。传统上，开发人员编写软件有着一系列固定的规则，例如：如果a发生，那么就进行b操作。人类码农指导着机器，这是软件1.0时代。但在软件2.0时代里，人们认识到，基于深度学习研究的进步，我们可以构建一个神经网络，来学习需要哪些指令或规则才能获得预期的结果。特斯拉人工智能总监安德烈·卡帕西（Andrej Karpathy）等人是2.0时代的支持者，他们提出的论点是，未来里，我们将不再需要亲手编写代码。我们只需要找到数据并将其输入机器学习系统，一切就完成了。在这个场景中，软件工程师的角色将转变为“数据监管员”，或是“数据赋能者”。然而，软件工程不会很快消失。即使软件工程师2.0、数据科学家2.0这样的新职业正得到不断的发展，人工智能技术也会反过来增强软件1.0时代工作者的能力。事实上，我们还不能确定软件工程在不久的将来，是否会变得和今日完全不同。深度学习神经网络系统中将会为我们提供帮助，但它不会完全取代我们。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。”而另一个[美国麻省理工学院][Link 1]的[温斯顿][Link 2]教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。

人工智能是[计算机学科][Link 3]的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（[空间技术][Link 4]、[能源技术][Link 5]、[人工智能][Link 6]）。也被认为是二十一世纪三大尖端技术（[基因工程][Link 7]、[纳米科学][Link 8]、[人工智能][Link 6]）之一。这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能将涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，人工智能与思维科学的关系是实践和理论的关系，人工智能是处于思维科学的技术应用层次，是它的一个应用分支。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具，数学不仅在标准逻辑、模糊数学等范围发挥作用，数学进入人工智能学科，它们将互相促进而更快地发展。

这将是一个全新的世界，但我们并不是活在电视剧里。事实上，一般的智能办公室助理已经能安排一天的日程，并启动电话会议。甚至有些AI支持的系统，可以为企业生成商标，并根据反馈自动改进商标。

今天，手机会自动检查拼写并提示下一个单词。在编写代码时，类似的工具也会高亮潜在的错误。例如，从事结对编程（Pair Programming）的人自然会预想到软件2.0对他们工作方式的影响。考虑到机器学习和会话接口方面的进步，可以想象，未来的一台机器就能撑起结对编程任务的半边天。

多年来，我们一直使用自动化工具来节省编写模板代码的时间。现在，AI驱动的助手工具也越来越频繁地出现在更加复杂的软件开发中。它们以增强式集成开发环境的形式出现，为人们推荐更好的代码组合。

让我们想象一个更高级的人工智能助手在未来发挥的巨大作用。在进行编码工作时，你的AI同时会通过分析确定你正在编写的是哪种代码，并且根据你的风格来自动完成其余的代码撰写。

本质上，人工智能助手更像是获得你的授意，为你完成剩下的工作。

另一个人工智能助手将大有作为的领域是测试驱动开发。与人类工作速度形成鲜明对比的是，一个机器同事可以快速进行数百万次的迭代，来找到解决测试的正确代码段。拥有一个AI同事意味着，测试验证这项任务将交由AI完成。我们不用同时应对编写测试和测试验证这两项工作，从而节约了在编码上花费的时间，让我们有更多的时间用于理解和解决业务问题。

将来，软件2.0甚至可能会帮助指导测试驱动开发，为测试提出建议，并给出它自己的原因。

让我们想象一下，营销人员来到开发团队，说他们想要这样或那样的功能。如果他们能以机器能够理解的方式表达他们想要的东西，机器就能自动选择必要的测试，并提出下一步的建议。

这引发了一个终极问题：机器会完全取代软件工程师吗？现实情况是，我们最多只能达到百分之九十几的能力，而这仍然意味着1%的失败和不可预测性。一个监控系统需要用来确保所写的代码能够正常工作。也许软件工程师的新角色就是监控代码并帮助机器学习系统达到接近100%的准确率。

既然我们已经概述了可以想象的好处，下一个问题就出现了：软件编程的哪些部分可以转移到深度学习2.0框架中，哪些部分应该保留在传统的1.0框架中？时至今天，我们得到的结论是，这些深度学习神经网络在监督学习环境下表现得很好。如果向它们提供训练数据，提供好的和坏的实例，那么它们就能学会正确地输出。

但这些系统的好坏取决于训练数据的质量。正如我的一位同事所指出的，改进模型的性能常常包括改进底层代码、部署环境，以及改进训练数据。事实上，一些机器学习系统因为过于优秀，以至于它们实际上被训练数据中的人为缺陷所耽误。

我们需要设计神经网络来处理其他解决方案。软件开发的某些部分能够很好地进行深度学习，而另一些部分则不能。如果我们再看看结对编程，通过与他人共享控制权，会有许多不同的方法来完成问题。软件开发是一个不断与其他同事协作的过程。每一对新的工作伙伴都会带来不同的经历和解决问题的不同方法。组合越多，得到的解就越多。

在软件2.0中，我们得到了一个新的AI伙伴来帮助开发人员更好地完成他们的工作。我们展望一个更有活力的人机合作环境，它将带来更多、更有效的解决方案。这对每个人都有好处。

[Link 1]: https://baike.baidu.com/item/%E7%BE%8E%E5%9B%BD%E9%BA%BB%E7%9C%81%E7%90%86%E5%B7%A5%E5%AD%A6%E9%99%A2
[Link 2]: https://baike.baidu.com/item/%E6%B8%A9%E6%96%AF%E9%A1%BF
[Link 3]: https://baike.baidu.com/item/%E8%AE%A1%E7%AE%97%E6%9C%BA%E5%AD%A6%E7%A7%91
[Link 4]: https://baike.baidu.com/item/%E7%A9%BA%E9%97%B4%E6%8A%80%E6%9C%AF
[Link 5]: https://baike.baidu.com/item/%E8%83%BD%E6%BA%90%E6%8A%80%E6%9C%AF
[Link 6]: https://baike.baidu.com/item/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD
[Link 7]: https://baike.baidu.com/item/%E5%9F%BA%E5%9B%A0%E5%B7%A5%E7%A8%8B
[Link 8]: https://baike.baidu.com/item/%E7%BA%B3%E7%B1%B3%E7%A7%91%E5%AD%A6