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

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

根據《科技縱覽》咨詢專家的看法，壞消息是我們當今所知道的編程確實可能會消失。但好消息是，在可預見的未來，計算機編程和軟件開發(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習某種編程語言。雖然向自然語言編程轉換的時限仍然沒有明確的答案，但預計這個方向在幾年內將有重要發(fā)展，而不會是幾十年。這些未來的程序員將不需要學習C++、Python或Ruby，而是需要理解構建計算機程序的語義學、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、機器學習和AI總經理瓦西?菲洛明（Vasi Philomin）說：“我不認為AI會取代人類開發(fā)者。”同時他補充道，AI工具會將程序員從常規(guī)任務中解放出來，但程序員依然會保留創(chuàng)造性的計算機編程工作。

電子計算機的編程始于20世紀40年代，當時程序員用數字機器代碼編寫程序。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，人們已經可以使用簡單的拖放和按鈕點擊功能來構建機器學習模型。微軟的Power Platform包含了一系列低代碼產品，用戶只需要通過描述即可生成簡單的應用程序。

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)布的限量預覽版Copilot類似。這兩款工具都以經過大規(guī)模代碼資源庫訓練的大型語言模型（LLM）為基礎。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上更進一步，還要解決向計算機傳授意圖的問題。軟件需求本身并不總是精準的標志；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規(guī)范中的所有歧義，需要越來越高的精準度，也需要進行人機對話。”Diffblue的聯合創(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)中添加一個反饋機制，在生成代碼之前，讓計算機詢問程序員，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，進而推測程序員的算法意圖，然后生成與表達意圖一致的代碼。

根據研究人員的論文，TiCoder采用主要基礎編程問題（MBPP）基準進行評估，能夠將自動生成代碼的準確率從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，旨在評估機器生成的代碼。

一個代碼單元可以長達幾百行，是程序可獨立維護和執(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期執(zhí)行；當將單元堆疊在一起時，程序就可工作了。

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

單元測試適用于調試單個功能函數，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規(guī)范，用來指導程序員。不過真正追求測試驅動開發(fā)的程序員并不多，測試驅動開發(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，可以選擇自己認為效果最好的一個。Diffblue的系統(tǒng)名為Diffblue Cover，它使用強化學習來自動編寫單元測試，不需要人工干預。

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了一步。AlphaCode是一種能夠根據自然語言指令編寫簡單計算機程序的大型語言模型。

該模型首先經過了GitHub的在線代碼庫的訓練，直到能夠生成看起來合理的代碼。為了優(yōu)化調整該模型，DeepMind使用了1.5萬對數據，每對數據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-輸出樣本數據資源庫。

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。“我們通過語言模型進行大約100萬次取樣，創(chuàng)建了很多不同的程序可能性。”領導DeepMind深度學習團隊的奧利奧爾?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，“我認為是這樣。”

溫亞爾斯和其他人提醒道，要實現該目標還需要時間，可能需要幾十年。“對于任意一個復雜的計算機程序，只要向計算機提出需求，就能自動完成編碼，我們距離這樣的場景還很遙遠。”Landing AI的創(chuàng)始人兼首席執(zhí)行官吳恩達說，他是AI領域的先驅人物，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。即使不學習特定的編程語言或編寫計算機代碼，他們也還是需要學習基礎編程。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。

“我不認為AI會取代人類開發(fā)者。”亞馬遜的菲洛明說，“它將把人從不得不做的單調、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。但他補充道，至少還需要進行一次交互，讓人確認機器理解了人的意圖。

“軟件開發(fā)人員不會因為被自動化工具取代而失業(yè)。”他說，“總是有很多軟件需要編寫。”