譯者 | 布加迪

審校 | 重樓

生成式人工智能（GenAI）會取代人類程序員嗎？恐怕不會。不過，使用GenAI的人類可能會取代程序員。但是如今有這么多的大語言模型（LLM），實際效果不一而足。

如果您在努力跟上所有LLM，并非只有您一個人。我們目睹一場激烈的LLM競賽。單單谷歌的GenAI產(chǎn)品就已經(jīng)變得非常豐富——其最新的開放模型Gemma是LLM快速精簡的最新例子，甚至可以稱之為小語言模型。

與DevOps社區(qū)更密切相關(guān)的是我們看到其他用于生成代碼的LLM閃電般的開發(fā)速度，比如Meta最近更新的Code Llama 70B。當然，GenAI嚇倒了不少開發(fā)者。最近的一項研究發(fā)現(xiàn)，近一半的開發(fā)者對于自己憑借目前的技術(shù)技能在GenAI界取得成功表示了擔憂。

但這種擔心真的有道理嗎？關(guān)于人類程序員已死的說法可能夸大其辭了。人類甚至可能實際上有更多的時間來準備迎接由GenAI主導的世界。

事實上，開發(fā)者應該詢問的更適當的問題不是“GenAI會搶走我的工作嗎？”，而是“我該使用哪個LLM？”

太龐大了，編程沒法成功

LLM給軟件開發(fā)界的承諾是有望將碼農(nóng)變成架構(gòu)師。然而，并非所有LLM都天生一樣；值得探討的是，為什么一開始就涌現(xiàn)出了較小巧的LLM。

更強大的主流模型（比如GPT-4和Claude 2）仍然只能勉強解決不到5%的實際GitHub問題。ChatGPT仍然存在嚴重的幻覺問題：假變量，或者甚至十多年前就已經(jīng)被棄用的概念。此外，它讓沒用的內(nèi)容看起來很有用。您可以嘗試利用“提示工程”來擺脫這些沒用的內(nèi)容，但是有益的上下文數(shù)量存在一個最佳平衡點——太多會導致更混亂更隨機的結(jié)果，白白耗費了更多的處理能力。

LLM編程方面更大的問題是信任。在過去，主流LLM不加區(qū)別地吸收網(wǎng)上的一切內(nèi)容，就像一個大型數(shù)字吸塵器，至于它們從哪里獲取數(shù)據(jù)缺乏透明度。哪怕一家公司交付的代碼中僅僅1%含有另一家公司的受版權(quán)保護的代碼，這也是個問題。您可以想象噩夢般的召回場景：交付的產(chǎn)品沒有無線傳輸功能來挑出可疑代碼。

不過，LLM格局正在迅速改變。

LLM對于編碼夠?qū)I(yè)嗎？

當Meta在今年早些時候宣布對其Code Llama 70B進行更新時，感覺這是大受歡迎的嘗試，有望解決主流LLM對編碼缺乏關(guān)注的問題。它有三種不同大小的版本：70億個參數(shù)、130億個參數(shù)和340億個參數(shù)。它還使用代碼的5000億個token和與代碼相關(guān)的數(shù)據(jù)進行訓練，包含10萬個token的龐大上下文窗口。

從理論上講，其中最令人興奮的是Code Llama Python，這是專門為Python設(shè)計的Code Llama版本——主要是由于它代表了LLM未來的發(fā)展方向。與Meta的大型科技同行開發(fā)的一些模型不同，這個模型完全致力于為一種特定的語言編程，使用Python代碼的大約1000億個額外的token進行訓練。業(yè)界更加需要的正是針對特定用例的這種級別的定制建模。

之所以需要強調(diào)“理論上令人興奮”，是由于像Code Llama這樣的LLM對開發(fā)者到底有多有用還有待觀察。去Reddit看看，就會發(fā)現(xiàn)早期的結(jié)論似乎是，該模型因諸多問題而令人沮喪，其中包括復雜的提示格式、過于嚴格的護欄，最重要的還有幻覺問題。最后一點是另一個不爭的事實，提醒人們：任何模型的好壞完全取決于訓練它所使用的數(shù)據(jù)。

不管是否存在缺陷，Meta的定制LLM方法已經(jīng)引起了人們的重視，即大語言模型并不是AI輔助代碼生成取得成功的唯一途徑。我們看到，業(yè)界越來越青睞使用規(guī)模較小、更專門化的LLM編寫代碼，比如BigCode、Codegen和CodeAlpaca。StarCoder是另一個LLM，盡管只有155億個參數(shù)，但在評估基準測試中的表現(xiàn)卻勝過PaLM、LaMDA和LLaMA等超大模型。

這每一種選擇都有優(yōu)缺點，但最重要的是，小模型用起來比大模型安全得多。如果您在用C++編程，果真需要您的LLM充斥著一大堆不相關(guān)的知識（比如“誰是美國第三任總統(tǒng)？”）嗎？數(shù)據(jù)池越小，保持內(nèi)容的相關(guān)性就越容易，模型的訓練成本就越低，無意中竊取他人受版權(quán)保護數(shù)據(jù)的可能性也就越小。

2024年的DevOps團隊應該徹底調(diào)研市面上所有可用的LLM選項，而不是默認選擇最明顯的選項。甚至可能有必要針對不同的用例使用不止一種LLM。

但回到當前存在的問題……

GenAI會取代人類嗎？

這些GenAI工具有可能代替真正的程序員嗎？除非模型提供的編程答案具有的準確性提高到了可接受的誤差范圍內(nèi)（即98%-100%），否則可能代替不了。

不過為了便于討論，我們假設(shè)GenAI確實達到了這個誤差范圍。那么這是否意味著軟件工程的角色將發(fā)生轉(zhuǎn)變，您只需審查和驗證AI生成的代碼，而不是編寫代碼？如果四眼原則（four-eyes principle）適用的話，這樣的假設(shè)可能是錯誤的。這是內(nèi)部風險控制最重要的機制之一，要求任何實質(zhì)性風險的活動（比如交付軟件）都要由第二個、獨立的、有能力的人進行審查和復核。除非AI被重新歸類是一種獨立的、有能力的生命體，否則它短期內(nèi)應該沒有資格成為四眼原則中的另一雙眼睛。

如果GenAI將來有能力進行端到端開發(fā)和構(gòu)建人機界面，那也不會是在不久的將來。LLM可以充分地與文本和圖像元素進行交互。甚至現(xiàn)在就有工具可以將網(wǎng)頁設(shè)計轉(zhuǎn)換成前端代碼。然而與編碼相比，AI單獨承擔與圖形和UI/UX工作流程相關(guān)的設(shè)計要困難得多，盡管并非不可能。編碼也只是開發(fā)的其中一部分。剩余的工作就是另辟蹊徑，弄清楚誰是受眾，將想法轉(zhuǎn)化為可以構(gòu)建的產(chǎn)品，然后加以完善和改進，這正是人類發(fā)揮作用的地方。

不管LLM變得有多好，對于程序員來說，有一條原則應該始終不變：像對待自己編寫的代碼一樣對待每一段代碼。請同行評審，詢問同事“這是好的代碼嗎？”。永遠不要盲目相信代碼。

原文標題：Why Large Language Models Won’t Replace Human Coders，作者：Peter Schneider