程序員這個職業(yè)會消失嗎？OpenAI的大型語言模型GPT-3展現(xiàn)出了由簡單書面指令創(chuàng)建HTML網(wǎng)站的能力，震驚了所有人，此后這個問題就一直在計算機(jī)編程社區(qū)廣受關(guān)注。

那之后的幾個月里，飛速的發(fā)展使系統(tǒng)能夠根據(jù)自然語言（口頭或書面人類語言）描述來編寫簡單但完整的計算機(jī)程序，還可以實現(xiàn)自動化輔助編程，提高計算機(jī)程序員的工作速度。人工智能（AI）將在多大程度上取代或擴(kuò)展人類程序員的工作？

根據(jù)《科技縱覽》咨詢專家的看法，壞消息是我們當(dāng)今所知道的編程確實可能會消失。但好消息是，在可預(yù)見的未來，計算機(jī)編程和軟件開發(fā)仍將是一項需要人來完成的工作。同時，AI自動代碼生成系統(tǒng)將在更短的時間編寫更多的代碼，加快軟件開發(fā)速度。

這些專家表示，如果有人想要成為軟件開發(fā)者，他們并不一定需要學(xué)習(xí)某種編程語言。雖然向自然語言編程轉(zhuǎn)換的時限仍然沒有明確的答案，但預(yù)計這個方向在幾年內(nèi)將有重要發(fā)展，而不會是幾十年。這些未來的程序員將不需要學(xué)習(xí)C++、Python或Ruby，而是需要理解構(gòu)建計算機(jī)程序的語義學(xué)、概念和邏輯序列。軟件開發(fā)將向更廣泛、更多樣化的人群開放。

亞馬遜副總裁、機(jī)器學(xué)習(xí)和AI總經(jīng)理瓦西?菲洛明（Vasi Philomin）說：“我不認(rèn)為AI會取代人類開發(fā)者?！蓖瑫r他補(bǔ)充道，AI工具會將程序員從常規(guī)任務(wù)中解放出來，但程序員依然會保留創(chuàng)造性的計算機(jī)編程工作。

電子計算機(jī)的編程始于20世紀(jì)40年代，當(dāng)時程序員用數(shù)字機(jī)器代碼編寫程序。直到1950年代中期，格蕾絲?霍珀（Grace Hopper）和她的團(tuán)隊在雷明頓?蘭德公司開發(fā)出Flow-Matic，借助這種語言，程序員可用受限的英語詞匯來編寫程序。

從那之后，編程就邁上了一個新臺階，程序語言的效率越來越高，程序員的工作效率也在提高。

AI編程是如今的前沿運動，將允許人們在編寫軟件時完全不用編碼，目前，通過Akkio等平臺，人們已經(jīng)可以使用簡單的拖放和按鈕點擊功能來構(gòu)建機(jī)器學(xué)習(xí)模型。微軟的Power Platform包含了一系列低代碼產(chǎn)品，用戶只需要通過描述即可生成簡單的應(yīng)用程序。

2022年6月，亞馬遜發(fā)布了面向程序員的編碼助手CodeWhisperer，它與GitHub在2021年6月首次發(fā)布的限量預(yù)覽版Copilot類似。這兩款工具都以經(jīng)過大規(guī)模代碼資源庫訓(xùn)練的大型語言模型（LLM）為基礎(chǔ)。在程序員編寫代碼時，程序能夠提供自動完成的建議，或根據(jù)簡單的自然語言短語給出可執(zhí)行指令建議。

不過，要想在自動完成的基礎(chǔ)上更進(jìn)一步，還要解決向計算機(jī)傳授意圖的問題。軟件需求本身并不總是精準(zhǔn)的標(biāo)志；眾所周知，自然語言自身也是不精確的。

“要解決英語書寫技術(shù)規(guī)范中的所有歧義，需要越來越高的精準(zhǔn)度，也需要進(jìn)行人機(jī)對話?！盌iffblue的聯(lián)合創(chuàng)始人彼得?施拉梅爾（Peter Schrammel）說。Diffblue可自動編寫Java測試單元。

最近，為了解決這些問題，微軟的研究人員計劃在基于LLM的代碼生成系統(tǒng)中添加一個反饋機(jī)制，在生成代碼之前，讓計算機(jī)詢問程序員，從而澄清歧義。

名為TiCoder的交互式系統(tǒng)則嘗試使用迭代反饋，進(jìn)而推測程序員的算法意圖，然后生成與表達(dá)意圖一致的代碼。

根據(jù)研究人員的論文，TiCoder采用主要基礎(chǔ)編程問題（MBPP）基準(zhǔn)進(jìn)行評估，能夠?qū)⒆詣由纱a的準(zhǔn)確率從48%提高到85%。MBPP由入門級程序員也能解決的Python編程問題組成，旨在評估機(jī)器生成的代碼。

一個代碼單元可以長達(dá)幾百行，是程序可獨立維護(hù)和執(zhí)行的最小部分。一套單元測試通常包含幾十個單元測試，用于檢查單元是否按預(yù)期執(zhí)行；當(dāng)將單元堆疊在一起時，程序就可工作了。

Diffblue的一項調(diào)查表明，開發(fā)人員有約35%的時間用于編寫質(zhì)量控制測試代碼，而不是編寫用于生產(chǎn)的代碼，因此實現(xiàn)這部分工作的自動化將顯著提高生產(chǎn)率。

單元測試適用于調(diào)試單個功能函數(shù)，以及檢測人工修改代碼的錯誤；同時，單元測試也可作為代碼單元的技術(shù)規(guī)范，用來指導(dǎo)程序員。不過真正追求測試驅(qū)動開發(fā)的程序員并不多，測試驅(qū)動開發(fā)時要先編寫單元測試，有時也會同時編寫單元測試和代碼單元。

GitHub的Copilot、亞馬遜的CodeWhisperer和AI編程助手包都可以用作編寫單元測試的交互式自動完成工具。程序員得到建議后，可以選擇自己認(rèn)為效果最好的一個。Diffblue的系統(tǒng)名為Diffblue Cover，它使用強(qiáng)化學(xué)習(xí)來自動編寫單元測試，不需要人工干預(yù)。

2022年早些時候，位于英國的谷歌人工智能實驗室DeepMind采用AlphaCode在全自動代碼生成方面向前邁進(jìn)了一步。AlphaCode是一種能夠根據(jù)自然語言指令編寫簡單計算機(jī)程序的大型語言模型。

該模型首先經(jīng)過了GitHub的在線代碼庫的訓(xùn)練，直到能夠生成看起來合理的代碼。為了優(yōu)化調(diào)整該模型，DeepMind使用了1.5萬對數(shù)據(jù)，每對數(shù)據(jù)包含自然語言問題描述和以往編程競賽中的成功代碼方案，創(chuàng)建一個專用的輸入-輸出樣本數(shù)據(jù)資源庫。

最后一步是生成多種解決方案，并使用篩選算法選擇最佳方案?！拔覀兺ㄟ^語言模型進(jìn)行大約100萬次取樣，創(chuàng)建了很多不同的程序可能性?！鳖I(lǐng)導(dǎo)DeepMind深度學(xué)習(xí)團(tuán)隊的奧利奧爾?溫亞爾斯（Oriol Vinyals）說。

溫亞爾斯說，為了優(yōu)化樣本選擇過程，DeepMind使用一種聚類算法將有效的解決方案分組，選出與人類程序員編寫的解決方案效果一樣的候選方案。

為了測試該系統(tǒng)，DeepMind提交了10個由AlphaCode編寫的程序，參與熱門平臺Codeforces上的程序員編程競賽，其方案排名前54%。

“要生成一個程序，只需用自然語言編寫，不用編寫代碼，然后另一端就能得到解決方案？”溫亞爾斯在最近的一次采訪中反問道，“我認(rèn)為是這樣。”

溫亞爾斯和其他人提醒道，要實現(xiàn)該目標(biāo)還需要時間，可能需要幾十年?！皩τ谌我庖粋€復(fù)雜的計算機(jī)程序，只要向計算機(jī)提出需求，就能自動完成編碼，我們距離這樣的場景還很遙遠(yuǎn)?！盠anding AI的創(chuàng)始人兼首席執(zhí)行官吳恩達(dá)說，他是AI領(lǐng)域的先驅(qū)人物，也是谷歌大腦的創(chuàng)始人。

不過，考慮到AI代碼生成在短短幾年的發(fā)展速度，AI系統(tǒng)最終能夠根據(jù)自然語言指令編寫代碼似乎是不可避免的。手動編程軟件開發(fā)將越來越像“手打毛衣”。

要向計算機(jī)發(fā)出自然語言指令，開發(fā)人員仍然需要理解一些邏輯和功能概念以及如何組建程序。即使不學(xué)習(xí)特定的編程語言或編寫計算機(jī)代碼，他們也還是需要學(xué)習(xí)基礎(chǔ)編程。反過來，這會讓更廣泛的程序員創(chuàng)造更多、更多樣化的軟件。

“我不認(rèn)為AI會取代人類開發(fā)者?！眮嗰R遜的菲洛明說，“它將把人從不得不做的單調(diào)、樣板式工作中解放出來，使其專注于價值更高的事情。”

Diffblue的施拉梅爾也贊同AI自動代碼生成將讓軟件開發(fā)人員專注于更難、更具創(chuàng)意性的任務(wù)。但他補(bǔ)充道，至少還需要進(jìn)行一次交互，讓人確認(rèn)機(jī)器理解了人的意圖。

“軟件開發(fā)人員不會因為被自動化工具取代而失業(yè)?！彼f，“總是有很多軟件需要編寫?！?/p>