做一個程式設計師，壓力有多大？
反正，最近的一個傳聞，是讓碼農們瑟瑟發抖。
傳說Google正在研發一個秘密的新項目，教導AI寫程式碼。
據說，學會之後，AI不僅能寫程式碼，還會修復bug。
傳聞，Google的這個秘密項目，會透過機器學習訓練程式碼，讓它們自己編自己，自己修復bug，還能自己更新。
這個專案表明，Google向生成式人工智慧（generational artificial intelligence）更近了一步。
現在的AI，是愈發無所不能了。它們可以創建圖像、視頻，還能寫程式碼。
如果這個AI再進化下去，未來還需要寫程式碼的碼農嗎？
據知情人士透露，這個計畫起初是由Alphabet的登月部門－X部門開發的，代號為Pitchfork。
今年夏天，它被轉移到了Google實驗室。
眾所周知，Google實驗室看重的是「長期投資」，包括VR和AR計畫。
現在，Pitchfork已經成為了Google實驗室下「AI開發者援助團隊」的員工。
根據內部資料，Pitchfork的作用是「教程式碼自行寫、自行重寫」。
它能夠學習不同的程式風格，並且根據這些風格寫出程式碼。
現在，這個團隊正在探索不同的用例，來幫助開發者。
一名Google員工表示，開發Pitchfork的初衷是希望建立一個工具，將Google的Python程式碼庫更新到新版本。
在不用僱用多餘軟體工程師的情況下，怎麼從一個版本過渡到下一個版本呢？
Pitchfork應運而生。
團隊負責人Hatalsky表示，隨著時間的推移，Pitchfork專案的目標逐漸變成了建立通用系統。
從去年年底開始，Pitchfor已經可以降低for X的成本。
其實，AI程式這件事，早就不新鮮了。
2022年2月，Alphabet的另一家子公司、Google的兄弟公司DeepMind，就推出了一個名為「AlphaCode」的系統，可以使用人工智慧產生程式碼。
根據DeepMind的說法，AlphaCode可以與人類匹敵。
DeepMind使用程式設計競賽平台Codeforces上託管的10個現有競賽來測試AlphaCode，總體排名位於前 54.3%，也就是說它擊敗了46%的參賽者 。
DeepMind聲稱，在使用程式設計競賽平台Codeforces進行偵測時，AlphaCode解決了100萬個樣本中34.2%的問題。
另外在過去6個月參加過比賽的用戶中，AlphaCode的數據排到了前28%，可以說「吊打72%人類程式設計師」！
當時，DeepMind指出，雖然AlphaCode目前只適用於具有競爭性程式設計領域，但顯然，它未來的能力絕不會止步於此。
它為創造某些工具打開了大門，而這些工具將使程式設計變得更容易被人們接受，並且有朝一日可以完全自動化。
再往前，在2021年，GitHub與OpenAI共同推出了一款AI程式設計神器－GitHub Copilot。
輸入程式碼時，Copilot會自動提示程式中接下來可能出現的程式碼片段，就像一個經過訓練用Python或JavaScript說話的自動補全機器人。
Copilot能夠填滿必要的程式碼區塊，只要它們不是特別複雜或特別有創造性，這對於相當於手工勞動的編程，可太有用了。
此外，Copilot也優化了多名程式設計師間的線上協作功能，因此，它是生成式AI早期最成功的專案之一。
2022年6月22日，Copilot正式向C端上線，定價10美元/月或100美元/年，並向學生用戶和流行開源專案的維護者免費提供。
現在，成千上萬的開發者都在使用Copilot。
在十幾種最受歡迎的語言編寫程式碼中－有高達40%是依靠它來產生的。
GitHub預測，開發人員將在五年內使用Copilot編寫多達80%的程式碼。
微軟技術長Kevin Scott也表示：「我們確信：GitHub Copilot可以應用到數千種不同類型的工作中。」
不過，因為涉嫌侵權，在發布不到5個月後，Copilot已經被憤怒的程式設計師一舉告上法庭，索賠90億美元。
OpenAI開創了文字生成的先河。
從2019年，OpenAI開始使用一種名為GPT-2的演算法，在業界引發轟動；2021年底，OpenAI推出了GPT-2的升級版GPT-3，可供任何人使用。
GPT-3擁有1750億個參數，是上一代模型GPT-2的100倍，也一舉將先前同類NLP模型的參數紀錄提升了10倍。
在影像生成領域，OpenAI在2021年1月官宣了DALL-E，它可以為文字提示產生原始影像。
在2022年4月，DALL-E 2發布，它能夠渲染更複雜的影像。
2021年6月30日，透過搭載自家的Codex模型，OpenAI與GitHub聯合發布了「AI程式碼補全神器」GitHub Copilot 。
不過當時，Codex並沒有透露過多細節，始終保持著神秘感。
去年8月10日，OpenAI終於推出了改良版的Codex，也發表了以自身API為基礎的私測版。
與先前的版本相比，Codex的改進版本不僅可以解讀簡單的自然語言命令，還可以自動建立並完成程式碼，更加靈活和先進。
例如在OpenAI的太空遊戲《space game》中，使用者輸入自然語言指令「Make it be smallish」，Codex系統便會自動產生控制碼，使圖中飛船的尺寸就縮小。
另外，還有一個能自己寫軟文的神奇工具－Jasper。
「Jasper」是一款AI內容平台，搭載GPT-3的文本生成技術，可幫助人類突破創意障礙，並以10倍的速度自動生成文本供公司使用，用於行銷、部落格和電子郵件等。
就在10月，Jasper宣布籌集了1.25億美元的資金，目前估值已達15億美元，並聲稱預計今年將帶來7500萬美元的收入。
要說現在業界最火熱的詞彙，「生成性人工智能”肯定是其中之一。
用技術一點的說法，「生成性人工智慧」是指無監督和半監督的機器學習演算法，它使電腦能夠使用文字、音訊和視訊檔案、圖像甚至程式碼，來創建新內容。
AI根據使用者提示生成的藝術作品、文字和程式碼，一次次讓人類驚艷。
Gartner在「2022 年新興技術與趨勢影響雷達報告」中，就將生成式AI列為能帶來生產力革命的技術之一。
根據Gartner的預測，到2025年，生成式AI將產生所有資料的10%（現在不到1%），以及面向消費者用例的所有測試資料的20%。
並且，到2025年，50%的藥物發現和開發都會使用生成式AI。
#投資人工智慧的大型生物製藥公司
而到2027年，30%的製造商將使用生成式AI來提高產品開發效率。
現在，生成式AI引發了矽谷的「淘金熱」。
創投公司紅杉資本就在最近的一篇部落格文章中，闡述了生成人工智慧的潛力，涉及語音合成、視訊編輯、生物和化學等領域。
在文章最後，該公司得出結論：在未來，所有的圖像，以及一部分文字和演算法，都是使用AI生成的。
可以預見，隨著生成式人工智慧井噴，未來也將有更多、更先進的AI程式設計模式陸續出現，擠壓程式設計師的生存空間。
那麼，人類程式設計師會因為AI科技的發展而失業嗎？
一個業界共識是：想要取代人類，「AI程式設計師」們還有許多問題需要解決。
這主要體現在「商業化前景」和「法規倫理」兩個面向。
Foundation Capital的合夥人、Jasper的早期投資者Joanne Chen表示，想要將生成式AI工具變成一家有價值的公司仍然很困難。
前不久，「AI程式神器」Kite宣布停止開發，營運僅8年便徹底涼涼。
在發佈於Kite官網的最後一期部落格中，創辦人Adam Smith表示「我們擁有了50萬名月活用戶，但幾乎沒有產生任何收入。」
他認為僅僅讓開發人員在編寫程式碼時速度提高18%，這對他們來說也不夠轟動，也不足以使他們花錢購買增值服務。
產品的商業化前景不夠明晰，這或許也是許多付費AI輔助軟體的通病。
「倫理與版權」則是阻礙生成式AI技術走入人們生活的另一隻攔路虎。
本月早些時候，GitHub就被提起集體訴訟，指控使用了Copilot工具使用人工智慧複製開源程式碼，並視軟體隱私於不顧。
有些開發人員也抱怨，Copilot建議的程式碼看起來像是自己的工作。
雖然GitHub表示，在極少數情況下，該工具會產生複製的程式碼，目前版本試圖過濾和阻止與GitHub公共儲存庫中現有程式碼匹配的建議。但這仍然在一些程式設計師社群中產生了相當大的焦慮。
Chen也表示，生成式人工智慧的熱潮可能意味著監管的缺位，並使它們用於「一些令人討厭或危險的用途」。例如製作傳播錯誤訊息的影片等。
因此就Google可能推出的Pitchfork來說，雖然該專案尚處於早期階段，但仍需要考慮如何訓練這些模型的棘手倫理問題，例如偏見和潛在的版權問題。
所以，程式設計師是在自己「殺」自己麼？
以上是谷歌神秘計畫曝光！能寫程式碼還會改bug的AI，讓碼農瑟瑟發抖的詳細內容。更多資訊請關注PHP中文網其他相關文章！
