上面這段 demo 是不是看著很爽？這就是 OpenAI CEO Sam Altman 剛剛介紹的最新研究成果——根據函數簽名和注釋，利用語言模型自動生成 Python 代碼。這個語言模型用到了和 OpenAI 的 GPT 模型相同的無監督技術。

為了讓模型學會「寫代碼」，研究人員在微軟的超級計算機上，借助數千個開源 GitHub 庫里的代碼對該模型進行了微調。

先來看一下生成效果。

研究人員首先展示了一個較為簡單、使用 Python 編寫回文檢測的例子?；匚闹傅氖恰刚x反讀都能讀通的句子」，例如：「anna」、「level」等。下面是使用該模型自動生成的代碼：

可以看到，在你輸入了函數簽名和注釋之后，模型正確地生成了回文檢測的代碼。當然，對于回文檢測，我們也可以用如下更「秀」的遞歸方法來實現：

看到這里，也許大家并沒有對該模型的效果感到很驚艷，畢竟像回文檢測這類基礎任務的代碼網上一抓一大把，模型大可以直接從訓練集中復制過來即可。

先別著急，咱們繼續往下看。

接下來，研究人員要求模型生成從一個列表中查找長度不少于 7 個字符的代碼，而且該任務并沒有在訓練集中。我們來看看在這樣的情況下，模型表現如何：

還是出色地完成了任務！

從這個例子我們可以確定，模型不是簡單地復制網上的現成代碼，而是依據函數名及相關注釋產生了對應的解決方案，它甚至還使用了之前生成的代碼。

試過了單一函數的例子，研究者還展示了其在類中的運行效果。

這次的任務是計算商品的總價格，并對名稱是回文的商品打折。我們來看一看該模型生成的代碼：

模型自動地為我們生成了計算商品總價方法的注釋及對應代碼。然而這并不是我們想要的結果，我們只想要對名字是回文的商品打折，而不是對所有商品都打八折。研究人員之后修改了該方法的注釋，詳細描述了想要實現的功能。修改注釋后，該模型生成的代碼如下：

可以看到模型幾乎生成了我們想要的結果。這里僅有一個小問題，我們想要對回文名稱的商品打八折，而不是打二折，簡單修改一下即可。

最后研究者展示了讓模型生成購物收據的結果：

OpenAI 的介紹視頻

OpenAI 放出的 demo 的確驚艷，甚至是革命性的。如果照這個思路走下去，以后簡單的「搬磚工」似乎都不需要了。但問題也出在這兒：效果未免太驚艷了，讓人不禁懷疑是否存在造假或精心挑選……

不過也有人說，「這可是 OpenAI！他們的口袋里有的是好玩意兒?！?/p>

那么，如果這是真的，對程序員來說意味著什么？

程序員的未來何去何從？

在 AI 領域，每種新鮮技術的出現似乎都會掀起一番「XX 從業者是否會被 AI 取代」的討論，這次也不例外。

首先，這種工具的出現所帶來的效率提升是毋庸置疑的。我們假設這個 demo 是沒有摻水的，那么公司可能會出于成本的考慮裁掉一些初級碼農，用一個碼農來充當「審碼員」，完成原來十個碼農的工作。

也有人認為，就目前這個模型來討論程序員是否會被取代未免有點超前。首先，這還只是一個語言模型，即使在非常簡單的函數中也可能出錯，更別說遇到比較難以理解的自然語言注釋語句了。這時候，還是需要人來介入。

其次，這一流程中用到的「注釋」還不是需要人來寫嗎？

但也有人認為，這些都可以通過時間和技術來解決：總有一天，模型犯的錯誤會越來越少，甚至少于檢查代碼的那個人類。

或者你再訓練一個模型來寫單元測試，然后不斷對其進行改進，直到它可以給出大部分時候合理的解決方案。

當然，這些都是一些非常超前的假設，現在的技術還很難做到，真正應用起來也會有各種各樣的問題。但回想起 19 世紀初期大批紡織工人的命運，這種討論還是很有意義的。