[[430848]]

　　如今寫代碼已經(jīng)成為各行各業(yè)的必備技能，學(xué)會寫代碼可以讓計(jì)算機(jī)代替我們做一些重復(fù)的工作，極大提升工作效率。

　　但一個真正能幫你寫代碼的 AI 程序離我們還有多遠(yuǎn)？

　　5 月 5 日，IBM 向極少數(shù)媒體和學(xué)術(shù)界發(fā)布了 Project CodeNet，在當(dāng)時并未引起過多關(guān)注。

　　CodeNet 完美繼承了 ImageNet 的思想。ImageNet 是一個大規(guī)模的圖像及其描述數(shù)據(jù)集，為 CV 的模型發(fā)展和標(biāo)準(zhǔn)化提供了巨大的幫助，也是深度學(xué)習(xí)計(jì)算機(jī)視覺進(jìn)步的核心， 并且圖像可免費(fèi)用于非商業(yè)用途。

　　CodeNet 的目標(biāo)是為人工智能寫代碼提供一個標(biāo)準(zhǔn)的數(shù)據(jù)庫，它包含超過 1400 萬個代碼樣本，涵蓋 50 種編程語言，能夠解決 4000 個編碼問題。該數(shù)據(jù)集還包含許多附加數(shù)據(jù)，例如軟件運(yùn)行所需的內(nèi)存量和運(yùn)行代碼的日志輸出。

　　IBM 表示，Project CodeNet 是同類中最大、最具差異的數(shù)據(jù)集，它解決了當(dāng)今編碼中的三個主要用例：代碼搜索（自動將一種代碼翻譯成另一種代碼，包括像 COBOL 這樣的遺留語言）；代碼相似性（識別不同代碼之間的重疊和相似性）；還有代碼約束（根據(jù)開發(fā)人員的特定需求和參數(shù)定制約束）。

　　然而有安全研究人員認(rèn)為 CodeNet 和類似項(xiàng)目最重要的影響不是優(yōu)化代碼，而是增加了自然語言編碼（Natural Language Coding, NLC）的可能性。

　　近年來，OpenAI 和 Google 等公司一直在快速改進(jìn)自然語言處理（NLP）技術(shù)。這些是機(jī)器學(xué)習(xí)驅(qū)動的程序，旨在更好地理解和模仿自然人類語言并在不同語言之間進(jìn)行翻譯。訓(xùn)練機(jī)器學(xué)習(xí)系統(tǒng)需要訪問包含以所需人類語言編寫的文本的大型數(shù)據(jù)集。

　　但寫代碼是一項(xiàng)很難學(xué)習(xí)的技能，更不用說掌握了，經(jīng)驗(yàn)豐富的編碼員應(yīng)該精通多種編程語言。相比之下，NLC 利用 NLP 技術(shù)和諸如 CodeNet 之類的龐大數(shù)據(jù)庫，能夠利用英語來進(jìn)行編程，最終使用任何其他自然語言都可以進(jìn)行編碼。

　　它可以使諸如設(shè)計(jì)網(wǎng)站之類的任務(wù)變得簡單，只需輸入一句話，然后就會出現(xiàn)一個符合要求的網(wǎng)站，這要求生成的代碼都是可以運(yùn)行的。

　　例如“制作帶有飛機(jī)圖像的紅色背景，中間是公司的 logo，下方有一個與我聯(lián)系的按鈕。“

[[430849]]

　　很明顯，如此科幻的想法除了 IBM 以外還有很多人在做。

　　GPT-3 是 OpenAI 的一個 NLP 模型，在多項(xiàng)文本生成任務(wù)都遙遙領(lǐng)先，目前也已經(jīng)被用于生成代碼，輸入就是預(yù)期的網(wǎng)站或者應(yīng)用程序的自然語言描述，輸出可運(yùn)行的代碼。

　　但是，在 IBM 的消息發(fā)布后不久，微軟宣布已獲得 GPT-3 的獨(dú)家授權(quán)。

　　除了 GPT-3 外，微軟還于 2018 年收購了互聯(lián)網(wǎng)上最大的開源代碼集合網(wǎng)站 GitHub。并且還開發(fā)了一個人工智能代碼助手 GitHub Copilot，可以在 VS code 等 IDE 輔助開發(fā)，能夠簡化開發(fā)過程，但它是付費(fèi)的。

　　雖然 Copilot 離 NLC 的目標(biāo)還有很大距離，但它已經(jīng)是向前邁了一大步了。

　　不過后續(xù)的測試來看，Copilot 除了抄襲開源代碼和注釋外，并不能創(chuàng)造代碼，還會把其他用戶的漏洞代碼擴(kuò)散開。

　　Copilot 是朝著 NLC 邁出的一大步，但它還遠(yuǎn)遠(yuǎn)沒有實(shí)現(xiàn) AI 寫代碼的功能。

　　雖然 NLC 還沒有完全可行，但目前的研究方向正在迅速走向一個不需要長時間訓(xùn)練也能編程的未來，并且影響是巨大的。

　　首先，更多的研究和開發(fā)人員會產(chǎn)生更多的成果。有人認(rèn)為潛在創(chuàng)新者的數(shù)量越多，創(chuàng)新率越高。

　　如果每個人都能寫代碼，那編程帶來的創(chuàng)新潛力就會更大。

　　此外，計(jì)算物理學(xué)和統(tǒng)計(jì)社會學(xué)等學(xué)科越來越依賴于定制的計(jì)算機(jī)程序來處理數(shù)據(jù)，簡化編寫這類程序所需的技能要求，將提高計(jì)算機(jī)科學(xué)以外專業(yè)領(lǐng)域的研究人員部署新方法、做出新發(fā)現(xiàn)的能力。

　　然而，NLC 所需的人工智能的開發(fā)和部署資源相當(dāng)昂貴，小公司根本無法支撐這種應(yīng)用的開發(fā)和運(yùn)行，所以最終很可能被微軟、谷歌或 IBM 等主流巨頭公司壟斷。該服務(wù)可以收費(fèi)提供，或者像大多數(shù)社交媒體服務(wù)一樣免費(fèi)提供。

　　并且我們有理由相信，由于機(jī)器學(xué)習(xí)需要大數(shù)據(jù)的支持，這些技術(shù)將由平臺公司主導(dǎo)。從理論上講，像 Copilot 這樣的程序在引入新數(shù)據(jù)時會變得更好，也就是說使用的用戶越多，效果越好，這種特性也使得新的競爭對手更難入場，即使他們有更強(qiáng)大或更良心的產(chǎn)品。

　　除非有強(qiáng)力的反壟斷措施，否則大型資本主義企業(yè)集團(tuán)似乎將成為下一次編碼革命的把關(guān)人。