本文轉(zhuǎn)載自公眾號“讀芯術”(ID：AI_Discovery)。

GPT-3的強大功能令人驚嘆，很多人認為這意味著人類編寫代碼的終結(jié)。但在筆者看來，盡管它十分具有開創(chuàng)性，但由此得出軟件工程師會遭淘汰結(jié)論還為時尚早。

如果你認為GPT-3會讓編碼人員成為歷史，那么你可能從未編寫過代碼，這是那些以編寫代碼為生的人早已知道的。

[[338863]]

開發(fā)人員獲得報酬并不是因為編寫代碼

正如大衛(wèi)·威廉姆斯所說：“代碼不是解決方案，而是要將解決方案實現(xiàn)。”我們得到報酬是因為解決了問題。代碼是解決問題的一種手段，但也是一項繁重的工作，也有難以規(guī)避的弊端。

對于開發(fā)人員來說，編寫代碼很容易。在多層次的約束條件下，澄清一個問題并解決它要困難得多。這就是編寫代碼和編寫軟件的區(qū)別。

GPT-3太過復雜，無法擴展

GPT-3需要大量的專業(yè)知識，對于個人和小型企業(yè)來說太過昂貴。OpenAI也表示：基于API的模型非常龐大，需要大量的專業(yè)知識來開發(fā)和部署，而且運行起來非常昂貴。除了大公司以外，其他人很難從底層技術中獲益。

為什么模型只能通過API而非開源，OpenAI解釋了三個原因中的一個。它是巨大的，擁有1750億個參數(shù)的GPT-3使“只”有15億個參數(shù)的GPT-2相形見絀。

鑒于摩爾定律的消亡，在不久的將來，我們無法在私人電腦上看到這樣的模型運行。也就是說，筆者認為這是一個暫時性的問題。模型只能變得這么大，而且仍然具有成本效益。在某種程度上，我們不得不開發(fā)出更小或更智能的模型，即使這需要完全不同的硬件。

[[338864]] 

圖源：unsplash

我們還不相信人工智能

銀行或軍事技術中的錯誤代碼顯然會造成很大問題，但常規(guī)網(wǎng)絡應用程序中的安全漏洞也可能是災難性的(來自Equifax)。

就像自動駕駛汽車，人工智能必須比人類的最高水平還要高，人們才能相信它。自動駕駛汽車的最大問題之一不是技術層面上的，而是哲學上的：它達到怎樣的安全系數(shù)才算是足夠安全?

人們通常將此約束應用于高風險域。但是鑒于2020年代碼滲透到大多數(shù)技術中，它存在著很大的下行空間。從技術上來看，可以通過查看人工智能的代碼來克服這一問題。但是，當人們無法讀懂代碼時又會發(fā)生什么呢?

沒有“軟件工程師”，所有技術都是黑匣子

如果人類不再編寫代碼，那我們還可以理解人工智能編寫的代碼嗎?

有了人工智能編寫軟件，人們就不會花數(shù)千個小時來熟練掌握它。如果人們不擅長編寫軟件了，又該如何審查它們呢。在這種知識流失的情況下，所有技術實質(zhì)上都變成了黑匣子。人類社會是否愿意走到這一步呢?

在不太遙遠的未來，如果第三方擁有的人工智能和人類無法維護的和代碼組合起來，有可能會帶來巨大的商業(yè)風險。

[[338865]]

圖源：unsplash

GPT-3創(chuàng)建了無代碼編碼的文本界面

GPT-3創(chuàng)建了一個布局生成器。盡管在無監(jiān)督學習情況下它確實令人印象深刻，但通過文本放置按鈕的能力對于人工智能編寫代碼來說，這似乎只是微小的勝利。

• 20世紀90年代以來，我們就有了拖拽式網(wǎng)頁編輯器，可以生成HTML和CSS。
• 自軟件開始使用以來，自動化代碼就已經(jīng)存在并在不斷發(fā)展。甚至像Ruby on Rails這樣的框架，在應用程序開發(fā)期間也會盡可能多地搭建通用代碼來節(jié)省時間。

因此，盡管筆者個人懷疑GPT-3很快會出現(xiàn)更復雜的用例，但我們目前看到的它能做的并不全是軟件工程師的工作。

撇開反對的聲音，GPT-3是令人難以置信的。如果“真正的人工智能”的標準不會再變高的話，那么GPT-3就已經(jīng)是“真正的人工智能了”。

不過盡管筆者相信編寫代碼的編寫會繼續(xù)存在，但花更少的時間編碼是一件好事。有無數(shù)的代碼需要編寫，還有無數(shù)的問題需要通過技術來解決。如果能將編碼托付給人工智能，工程師們能將精力放在處理更重要的事情上，這或許是未來人機合作的新路徑。