人工智能:编程员为何爱这能令他们失业的新科技?
来源：倍可亲(backchina.com)帕特莱格·贝尔顿（Padraig Belton）
BBC商业科技事务记者
“当你开始学写代码，本身就能让你觉得自己很聪明，好像在《骇客任务》（Matrix，《黑客帝国》）里面一样，”26岁的陆伶彦（Janine Luk）说。她是一名在伦敦工作的软件工程师。
出生在香港的她职业生涯初期是在法国南部做游艇市场营销，但是却发现这一行“有些千篇一律和肤浅”。
于是，她开始在下班后自觉编程，之后又跟了一个15周的培训营。
在培训营的最后一天，她向一家网络安全软件公司Avast申请了一份工作。
三个星期后就开始上班了。
“两年半之后，我真的觉得那是我做过最好的决定，”她回忆说。
她刚开始进入这家公司时，她是团队里第一个女的软件开发人员。现在，她会用业余时间来鼓励其他女性、有色人种和LGBT（同性恋、双性恋及跨性别）人士尝试编程。
她说，对于像她这样的程序员来说，最近最有趣的转变是人工智能（AI）工具的兴起，它能够自己完成越来越巨量的代码编写。
6月，位于旧金山（三藩市）、拥有5600万用户的代码托管平台GitHub公布了一个新的AI工具，叫做Copilot。
你开始键入几个新的代码字符串，然后AI会给出建议，如何写完剩下的部分。
“我见过最震撼脑袋的机器学习功能应用，没有之一，”Instagram的联合创始人迈克·克里格（Mike Krieger）对Copilot发出这样的热情赞叹。
它是基于一项被称为“GPT-3”的人工智能技术，在去年夏天由OpenAI发布。那是一家位于旧金山的人工智能实验室，由伊隆·马斯克（Elon Musk）联合创办。
这个GPT（代表“generative pre-training”，即“生成预训练”）引擎做的一项“非常简单但是非常大量的工作——预测一串文字当中的下一个字母，”Codility公司的创始人，工作地在华沙的格泽戈茨·贾卡奇（Grzegorz Jakacki）解释说。他的公司制作了一个广受欢迎的招聘测试软件。
OpenAI训练人工智能，是通过网络上已经存在的文本，比如书籍、维基百科和数十万网页，他说，这样的原始素材是“有点经过人为策划但是尽可能多地包含了各种人类语言”。
而且，贾卡奇表示，“可怕的是，它没有被教导任何特定语言当中的规则。”
这样得出的结果还是像模像样的文字段落。
之后，人们还曾叫它去用多种不同风格来写作，比如，写一个新的哈利·波特（Harry Potter）故事，但是用厄内斯特·海明威（Ernest Hemingway）或者雷蒙·钱德勒（Raymond Chandler）的风格。
最终，OpenAI的首席执行官萨姆·阿尔特曼（Sam Altman）在推特（Twitter）上发文称，对于GPT-3的炒作“太过份”，而且人们需要记住，AI“有时间会犯一些非常傻的错误”。
GitHub的母公司微软（Microsoft）在9月买下独家许可使用GPT-3，而GitHub还决定训练另一个类似的模型。只不过这一次，是训练AI写软件的源代码。
GitHub是世界最大的源代码库，拥有至少2800万个公共代码库（软件代码组存放的地方）。所以，这家公司也能给Copilot一个可观的公共代码原始素材。
据曾经尝试给AI出代码难题的陆伶彦说，这样的结果是，Copilot能够提供“相对好的解决方案，尽管有时候会需要一些微调”。
作为一名程序员，她远没有把这个工具看作是她工作的威胁，而是喜欢有AI来帮她做写代码当中那些“比较沉闷的部分”，比如检查那些被叫做“正则表达式”（regular expressions）的复杂字串，她过去总是要“三番四次复查”。
而且，佛蒙特州开源软件公司红帽（Red Hat）的资深程序员迪娜·穆斯卡内尔（Dina Muscanell）说，由于AI接收的是由专业程序员写的代码，它真的能帮助编程者运用同僚的集体智慧结晶。
现在已经有一些像“Stack Exchange”这样的代码社群网站，程序员会在上面问问题然后得到建议。或许这也没什么不一样？
“如果你想想，是在敲代码的同时立即得到回馈，那还是很赞的。”她说，虽然是由AI来堆砌，但是其实“你有一整队人在给你投喂这些代码”。
不过，专业程序员对于AI这个初来乍到的新兵还是有一些顾虑。
其中一个是找错。贾卡奇说，在软件工程行业当中，“在垃圾显而易见的时候，你是比较幸运的，但是这个东西可能会制造一些非常微妙的垃圾。”
在代码当中的微小错误有可能非常难于被发现，同时导致非常大的代价。
未来一种可能的解决方法是利用AI来查找漏洞：比如，发现在微波炉上按某些按钮“是有效的输入，但是却不合情理”。不过，我们还没有达到这一步。
与此同时，穆斯卡内尔警告说，“如果你经验不足，而你是在尝试学习，你可能会出一些差错但是却没有意识到。”
另一个大问题则涉及这些自动生成代码的所有权。如果Copilot是在用其他人写的程序来获得训练，编出一些与另一名程序员写的几乎一样的代码，然后你又用到它，这会怎样？
陆伶彥说，使用AI工具“有可能会侵犯一些开源软件许可，因为它可能会有些东西是来源于训练代码”。而这可能会令你掉进剽窃的漩涡。
贾卡奇说，这完全是一个“法律尚未跟上技术”的领域。
理论上，你可以衡量有多少代码是源自于一组训练代码：方法是通过训练一个不同的AI去省略掉一组特定代码，但是使用所有剩余的代码。
但是，贾卡奇说，这样做将会“极其高成本”。
实际上，目前AI只提供一些短的代码片段，不会完全编写软件程序。
贾拉奇说，相较之下，要在网页代码中“得到任何一种有意义的功能”，最短的代码长度是1万行。
所以，它还没有准备好要取代真人程序员。
也没有到可以出现传说中的人工智能技术奇点的程度——这个想法最早是由数学家约翰·冯·纽曼（John von Neumann）假定的，指的是电脑智能的自学循环进入一个失控的爆发点，然后飞快地超越人类的智慧。
而更重要的一点，对于像陆伶彥这样的代码编写员来说，“即使它有帮助，也不一定代表工作量会减轻。”
代码仍然需要全面复核，而且要进行两部分测试，一个是它如何运作（称为单元测试），另一个是它如何与其他代码融合（集成测试）。
她表示，这样还是非常好。
她喜欢写代码的主要原因“是它当中解决问题的部分，而如果所有事都已经帮你做好了，那当中的乐趣就被拿走了，”陆伶彥这样反思到。
如果电脑做太多的思考，“你就得不到解决一个问题之后的那种满足”。
而虽然她认为，随着越来越多的学习和调适，AI编程工具是有潜力的，“但是希望不要太快，让我们变得多余，”她笑说。
