大模型时代的程序员：不被替代的未来

未来五年内将不会有人类程序员。

这是最近AI圈新晋嘴炮哥，Stability AI首席执行官伊玛德·莫斯塔克又一惊人言论。

此话一出，立刻引得一众科技圈大佬吐槽，直指大错特错。

ChatGPT 的问世引领了一波代码生成工具的热潮，与此同时，人工智能替代人类的讨论已经展开一段时间了。然而，“程序员饭碗不保”的担忧声仍然存在，并不容忽视。

最近，IEEE Spectrum发布了一篇GPT时代程序员生存指南。

在大模型核心的编码时代，程序员是否会被替代？这是许多人关心的问题。本文将从四个方面来阐述这个问题，并提出观点：尽管目前人工智能在编写代码方面已经取得了一定的成果，但人类程序员仍然不可替代。原因在于，编程不仅是一门技术，更是一种素养。具备编程素养的人类程序员，能够更好地理解、设计和实现软件系统，这是目前人工智能难以完全取代的。因此，在可预见的未来，拥有编程素养的人类程序员依然是软件开发领域的重要支柱。

接下来，就来具体看看这篇文章的主要观点。

基础是一切

尽管现在已经有很多基于AI的编码助手，可以帮助完成生成代码。

但编程的基本原则和前提仍然是理解。

Python软件基金会的研究员以及Explosion软件公司的联合创始人兼首席执行官伊内斯·蒙塔尼（Ines Montani）曾表示：

AI本质上是大模型的统计输出，程序员的工作不仅仅是编写多少行的代码这么简单。

当前，程序员仍然需要具备最基础的“阅读、理解”自己和他人代码的能力。

要将所编写的代码有效地融入到更大的系统中,必须具备出色的代码分析、调试能力,并深刻理解问题解决和算法设计的关键原则。

此外，事实证明，良好的软件工程实践比以前更有价值，包括规划系统设计和软件架构。

在编程领域中，编码员的角色至关重要，他们需要深入理解代码的结构和组织方式，以确保代码的准确性和可扩展性。此外，他们还需要掌握不同界面之间的需求和关联，以便更好地完成任务。这一点得到了MIT计算机科学和人工智能实验室副总监兼首席运营官Armando Solar-Lezama的强调。

在解决复杂问题时，人类编程人员凭借其深入的理解、细致的拆解、创新的算法设计以及扎实的实施与测试，能够展现出独特的能力，提出富有创造性的解决方案，这是AI所难以替代的。

找到适合的工具

现在已经有大量工具被应用到编程领域，包括GitHub Copilot、ChatGPT、Bard等，但每个工具交互方式都有差异。

例如，GitHub Copilot和其他AI编码助手可以增强编程过程，提供代码建议。

而ChatGPT、Bard这类则更像是一个对话式AI程序员，可以用来回答关于API的问题或生成代码片段。

此前GitHub曾采访了500名开发人员，其中92%的人表示在工作和私人时间都使用AI编码工具。

AI是一个发展迅速的领域，保持开放的态度，持续尝试使用不同的AI工具。

同时，要考虑适当的使用场景。生成式AI可以为学习新的编程语言或框架提供快捷途径，也可以更快地启动小型项目并创建原型。

而想要让对话式AI程序员发挥作用，就需要清楚了解“如何与AI沟通”。

提到沟通，这就涉及提示工程。

学会与AI沟通

对话式AI程序员，就像一个具备丰富知识但经验不多的实习生，需要引导。

OpenAI创始人Sam Altman就直接表示：

能够出色编写Prompt跟AI对话，是一项高级技能。

让AI从头开始编写整个程序，不仅无法最大程度发挥AI的能力，还可能获得一些不相关的回复。

这就需要将一个问题分解为多个步骤，并逐个解决每个步骤以解决整个问题的分而治之策略。

进一步拆解需求，让AI为每个任务编写特定的函数。

因此，了解AI和机器学习的基本概念，学习LLM工作原理及其优势和局限性也是很有必要的。

现在已经有很多关于“提示工程”的教程，之前DeepLearning.ai创始人吴恩达与OpenAI开发者Iza Fulford联手推出ChatGPT提示工程。

另外，“ChatGPT提示工程”课程的讲师之一“Iza Fulford”，此前还编撰了OpenAI Cookbook（官方手册）。

手册讲述了大量GPT相关的使用案例，能帮助快速上手并掌握GPT模型的开发与应用。

关于模型和机器学习基础知识的内容，可以看看Jay Alammar的Illustrated Transformer。

独立思考和批判思维

相关数据显示，目前GitHub平台上的所有代码，有41%都是在使用CoPilot辅助下生成的。

用大模型生成代码，效率很高，但也有一些问题。

首先，大模型会产生不准确、错误的代码。另外，也可能生成包含漏洞的代码。

此前，加拿大魁北克大学的四位研究人员就发现，ChatGPT生成的代码往往存在严重的安全问题，而且它不会主动提醒用户这些问题，只有在用户询问时才会承认自己的错误。

其次，就是隐私问题。程序员在开发过程中输入的代码，平台是否会非法获取。

虽然现在一些代码工具公司，比如Tabnine承诺企业版会严格保密业主隐私，但这一问题仍然不能忽视。

因此，在使用由大模型生成的代码时，我们需要保持批判性思维，仔细检查和验证结果，并对其进行评估。

每一个新的技术突破和重大的范式转变都带来了一系列新的可能性，人工智能也不例外。

比如，2010年云计算的兴起，人们担心传统IT可能不再重要，但实际情况却完全不同。

事实上对云技术相关职位的需求大幅增加，如云计算专家、云架构师和云工程师等。

程序员需要将AI作为一种工具，将其纳入他们的工作流程，并认识到这些工具的机遇和局限性，同时依靠自己的编码能力来保持活力。

IEEE认为，现在就说程序员将被替代，还为时尚早。