此話一出，立刻引得一眾科技圈大佬吐槽，直指大錯特錯。

ChatGPT的出現(xiàn)催生出一批代碼生成工具，AI取代人類話題已久，但對“程序員飯碗不保”這種觀點(diǎn)，反對之聲并不少見。

最近，IEEE Spectrum發(fā)布了一篇GPT時代程序員生存指南。

文章從四個方面，表述在大模型為核心的編碼時代，程序員如何不被替代，并認(rèn)為現(xiàn)在還無法做到代碼100%靠AI生成，具備編程素養(yǎng)的人類程序員依然很重要。

接下來，就來具體看看這篇文章的主要觀點(diǎn)。

基礎(chǔ)是一切

盡管現(xiàn)在已經(jīng)有很多基于AI的編碼助手，可以幫助完成生成代碼。

但編程的基本原則和前提仍然是理解。

Python軟件基金會研究員、軟件公司Explosion聯(lián)合創(chuàng)始人兼CEO伊內(nèi)斯·蒙塔尼（Ines Montani）說：

AI本質(zhì)上是大模型的統(tǒng)計(jì)輸出，程序員的工作不僅僅是編寫多少行的代碼這么簡單。

當(dāng)前，程序員仍然需要具備最基礎(chǔ)的“閱讀、理解”自己和他人代碼的能力。

比如，通過對代碼進(jìn)行分析和調(diào)試的能力，以及對問題解決和算法設(shè)計(jì)的理解，才能將所編寫的代碼融入到更大的系統(tǒng)中。

此外，事實(shí)證明，良好的軟件工程實(shí)踐比以前更有價值，包括規(guī)劃系統(tǒng)設(shè)計(jì)和軟件架構(gòu)。

“人類編碼員仍然必須弄清楚一段代碼的結(jié)構(gòu)、組織代碼的正確抽象以及不同界面的要求”，MIT計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室副總監(jiān)兼首席運(yùn)營官Armando Solar-Lezama說道。

通過理解問題、拆解問題、設(shè)計(jì)算法以及實(shí)施和測試解決方案，人類編程人員能夠提供獨(dú)特的洞察力和創(chuàng)造性解決方案，而這些是AI無法完全取代的。

找到適合的工具

現(xiàn)在已經(jīng)有大量工具被應(yīng)用到編程領(lǐng)域，包括GitHub Copilot、ChatGPT、Bard等，但每個工具交互方式都有差異。

例如，GitHub Copilot和其他AI編碼助手可以增強(qiáng)編程過程，提供代碼建議。

而ChatGPT、Bard這類則更像是一個對話式AI程序員，可以用來回答關(guān)于API的問題或生成代碼片段。

此前GitHub曾采訪了500名開發(fā)人員，其中92%的人表示在工作和私人時間都使用AI編碼工具。

AI是一個發(fā)展迅速的領(lǐng)域，保持開放的態(tài)度，持續(xù)嘗試使用不同的AI工具。

同時，要考慮適當(dāng)?shù)氖褂脠鼍?。生成式AI可以為學(xué)習(xí)新的編程語言或框架提供快捷途徑，也可以更快地啟動小型項(xiàng)目并創(chuàng)建原型。

而想要讓對話式AI程序員發(fā)揮作用，就需要清楚了解“如何與AI溝通”。

提到溝通，這就涉及提示工程。

學(xué)會與AI溝通

對話式AI程序員，就像一個具備豐富知識但經(jīng)驗(yàn)不多的實(shí)習(xí)生，需要引導(dǎo)。

OpenAI創(chuàng)始人Sam Altman就直接表示：

能夠出色編寫Prompt跟AI對話，是一項(xiàng)高級技能。

讓AI從頭開始編寫整個程序，不僅無法最大程度發(fā)揮AI的能力，還可能獲得一些不相關(guān)的回復(fù)。

這就需要將一個問題分解為多個步驟，并逐個解決每個步驟以解決整個問題的分而治之策略。

進(jìn)一步拆解需求，讓AI為每個任務(wù)編寫特定的函數(shù)。

因此，了解AI和機(jī)器學(xué)習(xí)的基本概念，學(xué)習(xí)LLM工作原理及其優(yōu)勢和局限性也是很有必要的。

現(xiàn)在已經(jīng)有很多關(guān)于“提示工程”的教程，之前DeepLearning.ai創(chuàng)始人吳恩達(dá)與OpenAI開發(fā)者Iza Fulford聯(lián)手推出ChatGPT提示工程。

另外，“ChatGPT提示工程”課程的講師之一“Iza Fulford”，此前還編撰了OpenAI Cookbook（官方手冊）。

手冊講述了大量GPT相關(guān)的使用案例，能幫助快速上手并掌握GPT模型的開發(fā)與應(yīng)用。

關(guān)于模型和機(jī)器學(xué)習(xí)基礎(chǔ)知識的內(nèi)容，可以看看Jay Alammar的Illustrated Transformer。

獨(dú)立思考和批判思維

相關(guān)數(shù)據(jù)顯示，目前GitHub平臺上的所有代碼，有41%都是在使用CoPilot輔助下生成的。

用大模型生成代碼，效率很高，但也有一些問題。

首先，大模型會產(chǎn)生不準(zhǔn)確、錯誤的代碼。另外，也可能生成包含漏洞的代碼。

此前，加拿大魁北克大學(xué)的四位研究人員就發(fā)現(xiàn)，ChatGPT生成的代碼往往存在嚴(yán)重的安全問題，而且它不會主動提醒用戶這些問題，只有在用戶詢問時才會承認(rèn)自己的錯誤。

其次，就是隱私問題。程序員在開發(fā)過程中輸入的代碼，平臺是否會非法獲取。

雖然現(xiàn)在一些代碼工具公司，比如Tabnine承諾企業(yè)版會嚴(yán)格保密業(yè)主隱私，但這一問題仍然不能忽視。

因此，在使用由大模型生成的代碼時，我們需要保持批判性思維，仔細(xì)檢查和驗(yàn)證結(jié)果，并對其進(jìn)行評估。

每一個新的技術(shù)突破和重大的范式轉(zhuǎn)變都帶來了一系列新的可能性，人工智能也不例外。

比如，2010年云計(jì)算的興起，人們擔(dān)心傳統(tǒng)IT可能不再重要，但實(shí)際情況卻完全不同。

事實(shí)上對云技術(shù)相關(guān)職位的需求大幅增加，如云計(jì)算專家、云架構(gòu)師和云工程師等。

程序員需要將AI作為一種工具，將其納入他們的工作流程，并認(rèn)識到這些工具的機(jī)遇和局限性，同時依靠自己的編碼能力來保持活力。

IEEE認(rèn)為，現(xiàn)在就說程序員將被替代，還為時尚早。

參考鏈接：
[1]https://spectrum.ieee.org/ai-programming/
[2]https://www.educative.io/blog/will-ai-replace-software-developers/
[3]https://www.linkedin.com/pulse/we-asked-developers-driving-impact-age-ai-heres-what-said-github/?trk=organization_guest_main-feed-card_feed-article-content/