Andrej Karpathy的言论也得到了大多数开发人员的认可,由于自动编码平台能够帮助开发者节省大量编码时间,以至于他们能够将更多的精力投入于处理应用程序的其他问题,因此自动编码平台也在短期内以惊人的速度在全世界范围内被快速采用。

作者 | Anirudh VK

译者 | 徐杰承

自动编码平台现在正处于程序员新兴技术的最前沿,为开发者编写代码片段提供了一种全新的人工智能驱动的替代方案。尤其是在微软GitHub Copilot平台的推动下,这一进步目前正在慢慢改变全球开发人员的工作模式。

近年来许多编码的替代方案,如无代码和低代码平台,都非常适合非技术用户。虽然此类工具在技术圈内引起了一些“铁杆程序员”的鄙夷和愤怒,但我们不得不承认的是,即便是最有经验的编码老手也能够从自动编码算法中受益,因为它将极大地减少开发人员实际需要键入的代码量。

特斯拉和OpenAI的前人工智能总监Andrej Karpathy在他的推文就曾表达了对自动编码工具的感情:

“Copilot大大加快了我的编码速度,在尝试使用Copilot后,我很难想象再回到‘手动编码’将会是怎样的一种体验。虽然目前我仍在学习使用它,但它已经能够帮助我编写约80%的代码,并且能够保持约80%的准确性。我想说的是,在使用Copilot进行工作时,我甚至没有真正的进行编码。”

Andrej Karpathy的言论也得到了大多数开发人员的认可,由于自动编码平台能够帮助开发者节省大量编码时间,以至于他们能够将更多的精力投入于处理应用程序的其他问题,因此自动编码平台也在短期内以惊人的速度在全世界范围内被快速采用。以GitHub Copilot为例,在推出在一个月内,CitHub Copilot便吸引了超过40万的付费订阅(10美元/月、100美元/年)。然而随着这些不断改进的工具开始承担更多的编码任务,一个新的问题也出现在了我们面前:开发人员是否会因为依赖自动编码工具而逐渐丧失编码技能?

1、侵蚀编码能力

老实说,任何使用过自动编码类工具的人都知道它们所自动编写的代码并非完美。虽然建议的代码片段的语法可能没有任何问题,但通常此类工具的编写方式效率低下,可能会导致依赖项问题。一位来自YCombinator新闻论坛的用户Aryamaan对使用Replit提供的自动编码平台“Ghostwriter”发表了如下意见:

“它的确让我大吃一惊,就像它知道我要做什么一样。但在有些时候,它比标准的自动完成更笨,它对已经定义的变量没有任何意识,也不会使用它们来完成编写了一半的变量。”

虽然人们对于自动编码工具的种种不满一直存在。但从另一个角度考虑,几乎所有的自动编码工具都基于人工智能算法,这也意味着它们的易用性与可靠性会随着技术的演进和数据量的增加而持续增长。对于新一代的开发人员来说,自动编码工具将成为他们不可或缺的工具。如今正处于学习阶段的准开发者将在几年后进入该领域,而在此期间,自动编码工具将很可能会逐渐追赶上普通人类开发者的水平。而这也将导致下一代开发人员很有可能将会慢慢停止编码,之后的一代甚至可能会一定程度的丧失编码能力。

今天的开发者需要对他们所使用的语言有深入的了解,并掌握如何实际编写问题解决方案的知识。然而未来的编码人员只需要知道一种语言是如何工作的便足够了,因为他们可以将这些知识与快速工程相结合,以生成代码片段。提示工程是使用NLP技术向LLM提出正确问题的过程,从而促使算法做出最佳响应。

与其他颠覆不同领域的人工智能应用一样,目前人们所面对的问题是需要就如何看待编程语言达成共识。下一代的开发者要么选择学习如何通过快速工程充分利用自动编码工具,要么坚持目前从内到外的编程语言学习方法,只是选择第二种方式的人可能会在未来几年后败给人工智能。

2、自动编码工具的未来

近年来自动编码工具的采用率不断增加,这些产品背后的公司也在持续创新以添加新功能并优化用户体验。虽然Github Copilot曾因收集用户代码并使用它来训练他们的算法而受到抨击,但事实是,随着添加到其数据库中的每一段代码,Github Copilot的算法都在继续进化。

当然,目前也有许多公司对数据使用采取了更负责任的方法。以Tabnine为例,它只使用公开允许的数据来训练其算法。Tabnine的模型也可以从用户的编码风格中学习。通过在用户计算机上本地运行算法,模型可以了解相关程序员的风格,提供更符合用户需求的片段建议。这还可以防止所有数据发送回集中式存储库,从而在提供额外价值的同时保护隐私。

与目前创建一个可以用多种编程语言提供建议的大模型(如Codex)的方法相反,未来的自动编码平台可能会采用多个模型并将其插入最适合它们的语言中。Tabnine已经在不同的编程语言中使用各种开源模型方面取得了成功。在近期的一次公开采访中,Tabnine生态系统和业务发展副总裁Brandon Jung表示:

“我们正在采用其他地方最好的模型,它们是开源的,它们很棒。我们采用非常大的模型,这些模型的训练成本非常高,我们根据每种语言的最佳方法专门研究代码。事实证明,其中一些模型比其他模型更适合某些特定语言。”

采用这种方法不仅可以使自动编码平台更加准确,还可以使公司在其个人代码存储库上运行和微调它们更加可行。目前,大量数据与GitHub,AWS和GCP等服务提供商隔离,但远离这些平台可以使自动编码工具更加适用于普遍的开发者。反过来,这将鼓励更多的人更有效地利用自动编码器作为工具,从而提高工具预测的准确性。

以GitHub Copilot、Tabnine为例,自动编码工具正在为未来的开发者构建一个全新的工作环境,它为程序员带来的好处是不可否认的。更高级的AI工具不仅可以帮助开发者极大提高编写代码的效率,还可以减轻经常过度劳累的编码人员的压力。对此,现阶段的企业也必须认识到这种趋势,以及在开发人员使用自动编码工具所能够带来的效用,并考虑为他们提供所需的面向未来的开发工具。

原文链接:https://analyticsindiamag.com/have-developers-forgotten-how-to-code/

责任编辑:武晓燕来源: 51CTO技术栈