在軟件工程中，自動(dòng)編程一直被視為圣杯。從編譯器誕生時(shí)代開(kāi)始，程序自動(dòng)生成的目標(biāo)就是將接近自然語(yǔ)言的高級(jí)語(yǔ)言翻譯成低級(jí)語(yǔ)言，最終目標(biāo)是實(shí)現(xiàn)根據(jù)自然語(yǔ)言描述的需求，自動(dòng)生成程序。盡管這個(gè)問(wèn)題在學(xué)術(shù)圈已經(jīng)探索了五六十年，但直到近年來(lái)才取得重大進(jìn)展。

隨著 GPT-4 的出現(xiàn)，自動(dòng)化編程迎來(lái)新的可能。未來(lái)人機(jī)協(xié)同提高開(kāi)發(fā)效率將成為主流發(fā)展趨勢(shì)。AI 的強(qiáng)大能力讓很多程序員擔(dān)心被取代，但業(yè)界認(rèn)為 AI 并不是來(lái)取代程序員的，而是來(lái)助其提高生產(chǎn)力的工具。哪些程序員將在這場(chǎng) AI 革命中將受到更大沖擊？誰(shuí)又是這場(chǎng)技術(shù)革命的受益者？它會(huì)對(duì)編程的交互方式帶來(lái)怎樣的改變？

懷揣著種種疑問(wèn)，《開(kāi)談：AI 編程會(huì)取代程序員嗎？哪家強(qiáng)？》直播中，我們邀請(qǐng)到了擁有三十余年編程經(jīng)驗(yàn)的 CSDN 創(chuàng)始人&董事長(zhǎng)、極客幫創(chuàng)投創(chuàng)始合伙人蔣濤；復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院副院長(zhǎng)彭鑫；華為云智能化軟件研發(fā)首席專(zhuān)家王千祥；超對(duì)稱(chēng)創(chuàng)始人、首席科學(xué)家吳恒魁齊聚線(xiàn)上，深入探討，為身處 AI 時(shí)代的程序員帶來(lái)一些指引。

其中精彩搶先看：

蔣濤：受 AI 影響較大的人員歸為三類(lèi)：一類(lèi)是將被取代工作的程序員；一類(lèi)是技能將被增強(qiáng)的人員；一類(lèi)是全新的藍(lán)海市場(chǎng)中的從業(yè)者；

彭鑫：技術(shù)的進(jìn)步正在逐漸抬升簡(jiǎn)單勞動(dòng)和復(fù)雜勞動(dòng)的邊界，創(chuàng)造性較低的開(kāi)發(fā)活動(dòng)容易被取代。人類(lèi)在軟件開(kāi)發(fā)的最后一公里中仍然扮演著重要角色，發(fā)現(xiàn)并修復(fù)最后 1% 的問(wèn)題和背鍋都需要人來(lái)完成；

王千祥：如何描述問(wèn)題和提示詞可能成為一個(gè)值得研究的領(lǐng)域，甚至可能發(fā)展出一門(mén)新的學(xué)科；

吳恒魁：AI 模型將對(duì)人類(lèi)智力的提升產(chǎn)生巨大影響，這將是除了生產(chǎn)力提高之外對(duì)人類(lèi)社會(huì)產(chǎn)生的重大影響。

自動(dòng)化編程標(biāo)準(zhǔn)如何建立？

ChatGPT 展示出強(qiáng)大的編程能力，但是如何衡量 AI 編程能力的強(qiáng)弱標(biāo)準(zhǔn)。CSDN 曾提出自動(dòng)化編程的 5 個(gè)等級(jí)：

第一個(gè)等級(jí)（C1）：基于當(dāng)前行代碼自動(dòng)補(bǔ)全。

第二個(gè)等級(jí)（C2）：編寫(xiě)代碼時(shí) AI 可以預(yù)測(cè)下一行代碼。

第三個(gè)等級(jí)（C3）：基于自然語(yǔ)言生成代碼；基于自然語(yǔ)言完成編程語(yǔ)言翻譯功能。

第四個(gè)等級(jí)（C4）：高度自動(dòng)編程。可以基于自然語(yǔ)言生成項(xiàng)目及注釋?zhuān)谧匀徽Z(yǔ)言生成模塊及注釋?zhuān)谧匀徽Z(yǔ)言生成函數(shù)及注釋?zhuān)瘮?shù)、模塊、項(xiàng)目粒度自動(dòng)化測(cè)試生成；主流編程語(yǔ)言正確互譯；基于當(dāng)前行代碼生成下一行代碼；代碼調(diào)試 (bug 定位及正確修正建議）；基于當(dāng)前行代碼自動(dòng)補(bǔ)全；代碼檢查（自然語(yǔ)言提示問(wèn)題）。

第五個(gè)等級(jí)（C5）：完全自動(dòng)編程。可以基于自然語(yǔ)言生成系統(tǒng)及注釋?zhuān)换谧匀徽Z(yǔ)言生成項(xiàng)目及注釋?zhuān)换谧匀徽Z(yǔ)言生成模塊及注釋?zhuān)换谧匀徽Z(yǔ)言生成函數(shù)及注釋?zhuān)缓瘮?shù)、模塊、項(xiàng)目、系統(tǒng)粒度自動(dòng)化測(cè)試生成；全編程語(yǔ)言最佳互譯；基于當(dāng)前行代碼生成下一行代碼；代碼調(diào)試 (bug 定位以及自動(dòng)修正）；基于當(dāng)前行代碼自動(dòng)補(bǔ)全；代碼檢查（自然語(yǔ)言精準(zhǔn)提示問(wèn)題）；代碼自動(dòng)最佳糾錯(cuò)。

閆輝：對(duì)自動(dòng)化編程的標(biāo)準(zhǔn)，各位有何看法？

蔣濤：GPT-4 或者說(shuō) GPT 給編程帶來(lái)了一種新的能力——使用精確的語(yǔ)言描述需求，以將其轉(zhuǎn)換成代碼、模塊或成熟的系統(tǒng)的能力。這種能力在國(guó)內(nèi)還不是很明顯，但在國(guó)外已經(jīng)非常流行，它被稱(chēng)為提示詞工程（Prompt Engineering）。一些在硅谷的朋友告訴我，許多程序員可能會(huì)面臨挑戰(zhàn)，歷史的變革巨大，需要新的技術(shù)要求和能力，新的模塊也需要新技能。GPT-4 是一個(gè)助手，但是這種助手會(huì)取代一部分現(xiàn)有的工作，就不需要那么多助理程序員了。

彭鑫：這幾個(gè)級(jí)別基本上反映了智能化編程的發(fā)展過(guò)程。傳統(tǒng) IDE 具有簡(jiǎn)單的代碼補(bǔ)全功能。再往前3-5年，生成完整的函數(shù)非常困難，但從 Copilot 開(kāi)始，代碼生成已經(jīng)實(shí)現(xiàn)。而 ChatGPT 給我?guī)?lái)的震撼是不僅能夠給出代碼，還能告訴你代碼的邏輯，甚至可以改代碼，比如在恰當(dāng)?shù)奈恢眉尤刖彺?，并解釋為什么選擇在這個(gè)位置加入緩存。

從程序員長(zhǎng)期的工程化開(kāi)發(fā)的角度考慮，如工程維護(hù)，代碼理解仍然是非常重要的。也正因此，人類(lèi)在軟件開(kāi)發(fā)的最后一公里中仍然扮演著重要角色，發(fā)現(xiàn)并修復(fù)最后 1% 的問(wèn)題和背鍋都需要人來(lái)完成。未來(lái)的智能化編程可以進(jìn)一步豐富，除了生成大量代碼之外，還可以提供解釋和修復(fù)缺陷等功能。

王千祥：發(fā)布這個(gè)評(píng)估標(biāo)準(zhǔn)是有意義的。而評(píng)估是否合理至關(guān)重要，否則會(huì)失去公信力。為了確保評(píng)估的合理性，可以參考其他人的做法，例如 GPT-4。NLP 領(lǐng)域有很多成熟的評(píng)估數(shù)據(jù)和排行榜，而代碼領(lǐng)域缺乏評(píng)估標(biāo)準(zhǔn)，這是一個(gè)需要解決的問(wèn)題。GPT-4 報(bào)告的第五頁(yè)列出了大量的評(píng)估數(shù)據(jù)，例如 SAT 考試和法律考試等?？梢越梃b這些評(píng)估標(biāo)準(zhǔn)來(lái)建立自己的評(píng)估體系，其中第一行講到 Codeforces 評(píng)比。DeepMind 開(kāi)發(fā)的人工智能 AlphaCode 參加了 Codeforces 舉行的 10 場(chǎng)編程比賽，并取得了排名前 54.3% 的成績(jī)，擊敗了 46% 的參賽者。相比之下，GPT-4 在 Codeforces 的評(píng)級(jí)只排在倒數(shù) 5%，說(shuō)明其編程能力遠(yuǎn)遠(yuǎn)不如 AlphaCode。在早期，評(píng)估 Codex 的能力使用了一個(gè)名為 HumanEval 的測(cè)試集，包含 164 道手工編寫(xiě)的題目，這種方法對(duì)于評(píng)估人類(lèi)的編程能力是有意義的。

如果想要評(píng)估 AI 的編程能力，可以先看看人類(lèi)的編程能力是如何評(píng)估的，這是個(gè)基本點(diǎn)。當(dāng)然，這種方法也存在一些不足之處，競(jìng)賽題并不會(huì)用到那些非常復(fù)雜的庫(kù)，但實(shí)際應(yīng)用中，會(huì)用到很多公共庫(kù)和私有庫(kù)。對(duì)此，我們開(kāi)發(fā)了一個(gè)新的評(píng)估方法 CoderEval，現(xiàn)已經(jīng)開(kāi)源，從多個(gè)方面制定評(píng)估 AI 能力的標(biāo)準(zhǔn)，歡迎大家提出寶貴的建議。

吳恒魁：CSDN 發(fā)布的評(píng)測(cè)標(biāo)準(zhǔn)有 C1 到 C5 五個(gè)等級(jí)，這是一種程序員尋找編程輔助工具時(shí)所依賴(lài)的評(píng)測(cè)標(biāo)準(zhǔn)，能夠更好地評(píng)估模型在工作中的幫助作用，是個(gè)非常好的方向。而王老師提到的學(xué)術(shù)界標(biāo)準(zhǔn)則更為廣泛，適用于各種領(lǐng)域。華為做的benchmark （標(biāo)準(zhǔn)或數(shù)據(jù)集）也是個(gè)非常好的例子。它作為學(xué)術(shù)界的評(píng)測(cè)基準(zhǔn)，已經(jīng)被廣泛應(yīng)用于文章發(fā)表和大模型測(cè)試。C1 到 C5 也可以和學(xué)術(shù)界的評(píng)測(cè)方法結(jié)合起來(lái)使用，或許在后面可以找到更多的結(jié)合點(diǎn)。在金融領(lǐng)域，我們也提出了一個(gè)中文金融下游任務(wù)評(píng)測(cè)標(biāo)準(zhǔn)，國(guó)內(nèi)對(duì)這類(lèi)評(píng)測(cè)標(biāo)準(zhǔn)的關(guān)注度較低。

新技術(shù)帶來(lái)焦慮or機(jī)遇？

閆輝：當(dāng)一個(gè)新技術(shù)出現(xiàn)時(shí)，它可能給整個(gè)社會(huì)的變革或者工種的帶來(lái)變化。歷史上火槍的出現(xiàn)導(dǎo)致了騎士階層的消失，平民成為了戰(zhàn)士，整個(gè)社會(huì)政權(quán)也發(fā)生了變化。當(dāng)人工智能 GPT 等新技術(shù)出現(xiàn)時(shí)，它所展現(xiàn)出的強(qiáng)大能力給程序員帶來(lái)了諸多挑戰(zhàn)，哪一類(lèi)程序員受到的挑戰(zhàn)更大？哪一類(lèi)挑戰(zhàn)更??？

彭鑫：與許多同行一起討論過(guò)這個(gè)問(wèn)題，從學(xué)術(shù)界的角度來(lái)看，機(jī)會(huì)大于焦慮。AI 編程領(lǐng)域的人工智能經(jīng)歷了幾年的沉寂之后，迎來(lái)了突破性進(jìn)展，這讓人感到興奮和耳目一新。

歷史上，人類(lèi)的技術(shù)創(chuàng)新往往會(huì)改變簡(jiǎn)單勞動(dòng)和復(fù)雜勞動(dòng)的邊界。Brooks 早在寫(xiě)《人月神話(huà)》時(shí)就指出，軟件開(kāi)發(fā)需要應(yīng)對(duì)本質(zhì)上的難題和偶然性的困難，有簡(jiǎn)單勞動(dòng)和復(fù)雜勞動(dòng)。本質(zhì)上的難題是把問(wèn)題搞清楚，比如將大規(guī)模軟件的問(wèn)題進(jìn)行分解后給出一個(gè)恰當(dāng)?shù)脑O(shè)計(jì)。相對(duì)簡(jiǎn)單的是將問(wèn)題翻譯成可實(shí)現(xiàn)的代碼，這一部分相對(duì)簡(jiǎn)單，容易被取代。這種變化早在十幾年前就開(kāi)始了，一些企業(yè)開(kāi)始用低代碼開(kāi)發(fā)的方式把時(shí)間省下來(lái)。盡管這種變化潛移默化，沒(méi)有造成很大的震動(dòng)，但也取代了部分初級(jí)程序員的崗位。

相比之下，為什么 ChatGPT 的影響如此之深？因?yàn)樗鼈兊某霈F(xiàn)讓這種趨勢(shì)變得更加顯著，對(duì)人們的沖擊也更大。技術(shù)的進(jìn)步正在逐漸抬升簡(jiǎn)單勞動(dòng)和復(fù)雜勞動(dòng)的邊界，創(chuàng)造性較低的開(kāi)發(fā)活動(dòng)容易被取代。

在業(yè)界大會(huì)上，我曾經(jīng)提出過(guò)一個(gè)口號(hào)：“人工智能的進(jìn)步可以幫助減少重復(fù)的勞動(dòng)和思考。軟件開(kāi)發(fā)中最大的浪費(fèi)是知識(shí)的浪費(fèi)和重復(fù)思考的浪費(fèi)”。其實(shí)很多問(wèn)題和成果已經(jīng)被前人思考過(guò)和解決過(guò)了，但以前沒(méi)有將它們凝聚在一起，人工智能技術(shù)的出現(xiàn)彌補(bǔ)了這種缺失，讓我們能夠更好地利用和共享已有的知識(shí)和成果，從而減少重復(fù)的思考和勞動(dòng)。

總的來(lái)說(shuō)，我認(rèn)為 AI 可以取代一些相對(duì)簡(jiǎn)單的編程任務(wù)，尤其是那些不涉及復(fù)雜設(shè)計(jì)的任務(wù)，而且需求已經(jīng)非常清晰明確的任務(wù)。但仍需要人類(lèi)確認(rèn)和測(cè)試代碼的正確性并進(jìn)行修改。并且工作量和人數(shù)肯定會(huì)比原來(lái)少。

王千祥：我認(rèn)為有三類(lèi)程序員受到的挑戰(zhàn)較小。

第一類(lèi)是那些不怕背鍋的人。如果 AI 編寫(xiě)的程序出了問(wèn)題，責(zé)任最終還是在人身上。如果你是愿意承擔(dān)責(zé)任的人，敢于背鍋，那么你可能不會(huì)失業(yè)。AI 模型基于統(tǒng)計(jì)學(xué)，總有出錯(cuò)的時(shí)候，只是概率大小不同。

第二類(lèi)是從事非通用系統(tǒng)代碼編寫(xiě)的程序員?，F(xiàn)在的軟件很少是獨(dú)立的，都需要調(diào)用其他系統(tǒng)或接口。大量軟件需要建立在已有系統(tǒng)上。如果你的系統(tǒng)不通用，或者你有特殊的底層知識(shí)，你就不容易被替代。因?yàn)?AI 生成的模型可能沒(méi)有見(jiàn)過(guò)這些特殊的情況，無(wú)法生成合適的代碼。

第三類(lèi)是做架構(gòu)的程序員。需求總是在變化的，舊的需求可以用 AI 生成的代碼來(lái)滿(mǎn)足，但新的需求需要新的架構(gòu)。這時(shí)候，AI 可能沒(méi)有見(jiàn)過(guò)這樣的架構(gòu)，無(wú)法生成合適的代碼。所以做架構(gòu)的崗位也是比較安全的。

吳恒魁：短期來(lái)看程序員大規(guī)模淘汰的可能性很小，AI 主要幫助程序員提高生產(chǎn)力。實(shí)際的工業(yè)生產(chǎn)過(guò)程中，要真正實(shí)現(xiàn)端到端的自動(dòng)編程，比如用大模型來(lái)完整地開(kāi)發(fā)一個(gè)產(chǎn)品，是非常困難的。盡管 OpenAI 展示了一些用自然語(yǔ)言編寫(xiě)網(wǎng)站和游戲的案例，以及 GPT-4 演示了用圖形化方式生成網(wǎng)站的例子，實(shí)現(xiàn)端到端的自動(dòng)編程仍然只是 Demo。

它的作用應(yīng)該是極大地提高程序員的生產(chǎn)力和效率，它能更快速、準(zhǔn)確地查找相關(guān)信息，自動(dòng)代碼補(bǔ)全，幫助程序員提高生產(chǎn)力。從長(zhǎng)遠(yuǎn)來(lái)看，這種 AI 工具可以幫助許多沒(méi)有足夠時(shí)間成為專(zhuān)業(yè)程序員的人更快掌握編程工具，以解決問(wèn)題。這意味著將更多的人引入編程群體中，轉(zhuǎn)化為半個(gè)程序員的水平，從而極大地提高整個(gè)社會(huì)的生產(chǎn)。

未來(lái)，當(dāng)超大的編程項(xiàng)目可以用大型模型完成編寫(xiě)，會(huì)不會(huì)有大量的程序員失業(yè)？我們需要再考慮這個(gè)問(wèn)題。

蔣濤：我們可以將其影響的人員歸為三類(lèi)：一類(lèi)是將被取代工作的程序員；一類(lèi)是技能將被增強(qiáng)的人員；一類(lèi)是全新的藍(lán)海市場(chǎng)中的從業(yè)者。

第一批失業(yè)的將是從事單一模型研究的人員。不一定是他們工作的事業(yè)沒(méi)了，而是他們的工作目標(biāo)沒(méi)了。ChatGPT 已經(jīng)可以吊打很多單一模型，它在諸如翻譯等領(lǐng)域的表現(xiàn)遠(yuǎn)勝于Google Translate和 DeepL 等單一模型。這是一個(gè)橫掃級(jí)的進(jìn)步，給單一模型研究帶來(lái)了巨大沖擊。因此，許多人需要轉(zhuǎn)變工作任務(wù)，學(xué)習(xí)新的知識(shí)或使用新的工具。

第二類(lèi)容易失業(yè)的人是從事那些需求可以明確定義的人員，如外包公司的員工。原因有兩點(diǎn)：首先，如果外包公司采用AI工具，其工作效率將得到提升；其次，客戶(hù)在使用AI工具后，他們的效率也會(huì)提高。由于他們的任務(wù)相對(duì)明確，外包程序員將受到較大沖擊。

第三點(diǎn)，AI 也會(huì)帶來(lái)新的機(jī)會(huì)，如 promote engineering （提示詞工程）。若將 GPT 大型模型比喻成一個(gè)操作系統(tǒng)，暴露出來(lái)的 API 是輸入一串文本提示詞，然后得到一個(gè)輸出。但這些詞并不像過(guò)去的 API 編程那樣固定，這是一個(gè)有趣的變化。正如恒魁所說(shuō)，如果要從端到端完成一個(gè)任務(wù)，現(xiàn)在還缺乏中間層工具，也就是 promote engineering ，這是 AI 帶來(lái)的新機(jī)會(huì)之一。這些新機(jī)會(huì)源于 GPT 作為一個(gè)“操作系統(tǒng)”，需要更豐富的生態(tài)系統(tǒng)以及各種第三方工具和應(yīng)用。在這個(gè)過(guò)程中，可以發(fā)現(xiàn)并抓住更多新的發(fā)展機(jī)遇。我們可以期待所謂的 GPT 原生應(yīng)用的出現(xiàn)。就像早期的移動(dòng)應(yīng)用發(fā)展過(guò)程，從最初的簡(jiǎn)單應(yīng)用逐漸演變?yōu)槟艹浞职l(fā)揮大模型優(yōu)勢(shì)的應(yīng)用。

誰(shuí)將成為這場(chǎng)技術(shù)革命的受益方？

閆輝：在這場(chǎng)技術(shù)革命中，一些程序員會(huì)受到?jīng)_擊，那么誰(shuí)將會(huì)成為受益方？

彭鑫：這個(gè)答案很明顯，首先受益的當(dāng)然是老板，因?yàn)榧夹g(shù)的進(jìn)步可以降低成本。其次是沒(méi)有被淘汰的程序員。

隨著大模型的出現(xiàn)，很多應(yīng)用工具將被開(kāi)發(fā)出來(lái)。大模型可以整合互聯(lián)網(wǎng)上的通用知識(shí)和企業(yè)內(nèi)部的特定領(lǐng)域知識(shí)，形成一個(gè)統(tǒng)一的智能中心，為開(kāi)發(fā)人員提供統(tǒng)一的門(mén)戶(hù)。沒(méi)有被淘汰的程序員都將從這些技術(shù)進(jìn)步中受益。

那些經(jīng)驗(yàn)不足但思維靈活的人也將成為受益者。以架構(gòu)師為例，一個(gè)優(yōu)秀的架構(gòu)師通常擁有多年的開(kāi)發(fā)經(jīng)驗(yàn)，處理過(guò)不同類(lèi)型的系統(tǒng)，并面臨過(guò)各種挑戰(zhàn)，這些經(jīng)驗(yàn)積累新手可能需要很多年的時(shí)間才能學(xué)會(huì)。如果一個(gè)人雖然經(jīng)驗(yàn)不足，但善于與大模型互動(dòng)，并能準(zhǔn)確把握大模型的提示，善于向大模型表述問(wèn)題，消化吸收大模型的答案，將這些信息與當(dāng)前項(xiàng)目的上下文結(jié)合起來(lái)，迅速形成具體的解決方案，那么這類(lèi)人的能力將迅速提升。這只是一種可能性，不一定完全合理。

吳恒魁：大模型的蓬勃發(fā)展可能會(huì)給未來(lái)教育領(lǐng)域帶來(lái)極大的變化，特別是計(jì)算機(jī)使用和編程知識(shí)的普及，更多原本覺(jué)得計(jì)算機(jī)遙不可及的人，可更快地掌握這一工具。這種教育變革會(huì)全方位地影響各個(gè)領(lǐng)域，從教育到工業(yè)界。尤其是工業(yè)界，大模型對(duì)生產(chǎn)力提高所帶來(lái)的成本效益將是顯而易見(jiàn)的。

蔣濤：獲益最大的將是第一批采用這項(xiàng) AI 技術(shù)的企業(yè)，但具體哪個(gè)行業(yè)或工種的變化最快仍有待觀察。科技日新月異，早加入，早受益。雖然很多人可能會(huì)因此產(chǎn)生焦慮，但更重要的是這開(kāi)辟了一個(gè)新的藍(lán)海。在這個(gè)新藍(lán)海中，能孕育出怎樣的成果尚不清晰，短期來(lái)看，找到一個(gè)切入點(diǎn)就能受益，但這個(gè)受益是否長(zhǎng)期還需打個(gè)問(wèn)號(hào)。很多家長(zhǎng)可能會(huì)因此感到焦慮，擔(dān)心孩子的未來(lái)，但我建議家長(zhǎng)們讓孩子盡早使用這些技術(shù)，從而早受益。

編程教育將不再遵循舊例

閆輝：這場(chǎng) AI 技術(shù)革命對(duì)編程教育的學(xué)習(xí)方式將會(huì)產(chǎn)生怎樣的影響？編程領(lǐng)域會(huì)不會(huì)出現(xiàn)不同的學(xué)習(xí)模式？

彭鑫：在編程學(xué)習(xí)方面，應(yīng)該逐步提升思維層次。在 20 年前，人們會(huì)從語(yǔ)法入手，講解如何編寫(xiě)程序。未來(lái)，普通學(xué)生可能不需要像現(xiàn)在這樣從數(shù)據(jù)結(jié)構(gòu)、算法和基本編程語(yǔ)法入門(mén)，這部分可能會(huì)被機(jī)器或 AI 接手完成，程序員更多的任務(wù)是清晰地表達(dá)自己的意圖，計(jì)算思維可能會(huì)成為一種通用能力并得到強(qiáng)化。在特定領(lǐng)域，考慮到如資源限制、時(shí)間復(fù)雜度限制等方面，仍然需要優(yōu)秀的程序員來(lái)完成。因此，我們?nèi)匀恍枰凑漳壳暗姆绞脚囵B(yǎng)一部分優(yōu)秀的程序員。

王千祥：的確，編程教育課程的比例需要進(jìn)行調(diào)整。一些較舊的知識(shí)，如匯編，可能需要壓縮，而新的知識(shí)則需要加強(qiáng)學(xué)習(xí)。

未來(lái)的編程可能更多地依賴(lài)于提示詞，需要清晰地表達(dá)需求，如何描述問(wèn)題和提示詞可能成為一個(gè)值得研究的領(lǐng)域，甚至可能發(fā)展出一門(mén)新的學(xué)科，專(zhuān)門(mén)研究如何用更接近自然語(yǔ)言的方式描述問(wèn)題，以便讓大型 AI 模型更容易理解。

吳恒魁：我的觀點(diǎn)與大家不太一樣。這個(gè)觀點(diǎn)來(lái)源于 OpenAI 首席執(zhí)行官 Sam Altman 和首席科學(xué)家 Ilya Sutskever 在 Twitter 上的討論。我們認(rèn)為，prompt（提示詞）只是一個(gè)過(guò)渡階段，是由于大型 AI 模型尚未完全理解自然語(yǔ)言的局限，未來(lái)的發(fā)展方向肯定是朝著更強(qiáng)大的自然語(yǔ)言理解能力邁進(jìn)。

關(guān)于教育的問(wèn)題，我們認(rèn)為 AI 模型將對(duì)人類(lèi)智力的提升產(chǎn)生巨大影響，這將是除了生產(chǎn)力提高之外對(duì)人類(lèi)社會(huì)產(chǎn)生的重大影響。智力水平的提升可能會(huì)引發(fā)未來(lái)教育的巨大變革，下一代孩子將會(huì)把計(jì)算機(jī)作為最基本的通識(shí)類(lèi)技能和知識(shí)。借助大型 AI 模型的幫助，能極大地補(bǔ)足現(xiàn)有教育資源和人類(lèi)智力資源，從而引發(fā)教育領(lǐng)域的重大變革。

交互方式隨之改變，拓展編程邊界

閆輝：盡管計(jì)算機(jī)技術(shù)發(fā)生了很大變化，但編寫(xiě)程序的目的仍然是解決人們的基本需求，今后編程解決的需求和應(yīng)用場(chǎng)景方面可能會(huì)有哪些變化？

彭鑫：軟件開(kāi)發(fā)最終服務(wù)于現(xiàn)實(shí)世界的需求和場(chǎng)景，AI 編程并沒(méi)有改變這一點(diǎn)，生成代碼只是軟件開(kāi)發(fā)任務(wù)分解中的子節(jié)點(diǎn)。

AI 更擅長(zhǎng)生成某些相對(duì)簡(jiǎn)單的代碼，在處理較為復(fù)雜的軟件開(kāi)發(fā)任務(wù)時(shí)，AI 的輔助作用可能有限。從學(xué)術(shù)研究的角度來(lái)看，我們希望未來(lái)的工具能在大型 AI 模型基礎(chǔ)上，通過(guò)在獨(dú)立問(wèn)題上的智能，將各個(gè)部分串聯(lián)起來(lái)，實(shí)現(xiàn)更無(wú)縫的銜接，更自動(dòng)化、更系統(tǒng)性的智能化編程。

計(jì)算和人、機(jī)、物的融合，與大模型的智能發(fā)展在一定程度上平行。未來(lái)的軟件編程對(duì)象將不再局限于計(jì)算機(jī)內(nèi)部的數(shù)據(jù)結(jié)構(gòu)和存儲(chǔ)，而是涵蓋萬(wàn)物互聯(lián)的各種設(shè)備，如咖啡機(jī)、大樓的門(mén)窗、傳感器、語(yǔ)音音箱和機(jī)器人等。這些設(shè)備可以通過(guò) API 進(jìn)行包裝，實(shí)現(xiàn)應(yīng)用創(chuàng)新。我們關(guān)注最終應(yīng)用形態(tài)的變化，特別是設(shè)備上的變化。

Meta 有一篇具有影響力的文章提出讓大模型“長(zhǎng)手”，即讓大模型的智能轉(zhuǎn)化為實(shí)際行動(dòng)。大模型可以融入到現(xiàn)實(shí)世界的問(wèn)題解決中，例如結(jié)合機(jī)器人。現(xiàn)在已經(jīng)有研究探討如何利用大模型更好地編排機(jī)器人行為。

物理世界數(shù)字化程度的提高和軟件定義一切的理念已經(jīng)成為現(xiàn)實(shí)。物理世界的事物通過(guò)軟件封裝和網(wǎng)絡(luò)化接入實(shí)現(xiàn)可編程，這大大拓展了編程的空間，未來(lái)這種融合將發(fā)生一些化學(xué)反應(yīng)，帶來(lái)巨大的變化。

蔣濤：過(guò)去，微軟一直提倡自然人機(jī)接口，現(xiàn)在這一概念已經(jīng)演變?yōu)?LUI（語(yǔ)言用戶(hù)界面），基于語(yǔ)言的應(yīng)用將逐漸興起。未來(lái)可能會(huì)出現(xiàn)更適合 LUI 接口的新型計(jì)算設(shè)備和場(chǎng)景。前端接口需要更好地將 LUI 與用戶(hù)的意圖和目標(biāo)結(jié)合起來(lái)，以創(chuàng)造更多垂直領(lǐng)域的場(chǎng)景和新應(yīng)用。

正如滴滴打車(chē)?yán)?a href="http://www.brongaenegriffin.com/v/tag/107/" target="_blank">手機(jī)定位能力產(chǎn)生了巨大的應(yīng)用，GPT 等大模型的能力可能在未來(lái)會(huì)催生殺手級(jí)應(yīng)用。微軟已經(jīng)將 GPT 集成到 Office 中，對(duì)于提高信息生產(chǎn)力和數(shù)字化生產(chǎn)力具有重要意義。其潛力仍有待挖掘。

吳恒魁：當(dāng)前信息社會(huì)的最大成就是搜索引擎和抖音等應(yīng)用。大模型的發(fā)展不僅關(guān)注信息處理，還在于模擬人類(lèi)智力。大模型的最大應(yīng)用或殺手級(jí)應(yīng)用究竟在哪里？一個(gè)重要方向是大模型對(duì)人類(lèi)智力的不斷逼近或超越。因?yàn)樗泄I(yè)生產(chǎn)和應(yīng)用都基于科學(xué)，如果大模型在理解和發(fā)現(xiàn)科學(xué)方面超過(guò)人類(lèi)，那么它將深入各個(gè)行業(yè)的工業(yè)生產(chǎn)。

大模型與機(jī)器人的結(jié)合將在物理世界產(chǎn)生實(shí)質(zhì)性影響，這種影響可能遠(yuǎn)大于推薦引擎和信息檢索。因?yàn)槟壳按蟛糠稚a(chǎn)仍在物理世界中進(jìn)行，如果大模型能更深入掌握工業(yè)生產(chǎn)所需的知識(shí)，它將進(jìn)入工業(yè)生產(chǎn)領(lǐng)域，直接影響各個(gè)行業(yè)，如生產(chǎn)制造和金屬加工等。借助這種高強(qiáng)度智力系統(tǒng)，人類(lèi)社會(huì)應(yīng)該建立一個(gè)以知識(shí)為中心的社會(huì)，擺脫以信息為中心的社會(huì)，未來(lái)每個(gè)人可以掌握所有學(xué)科的知識(shí)。我認(rèn)為 AGI 的發(fā)展可以為人類(lèi)社會(huì)帶來(lái)一個(gè)徹底改變的機(jī)會(huì)。

審核編輯 ：李倩