紐約時報最近的一篇文章寫得非常精彩，可能成為周末閱讀量最高的文章之一。

文章認為初級程序員甚至全部軟件工程師遲早被AI取代，現在的AI讓人動動嘴就能做出個人應用。

對此，馬庫斯怒斥道——這種觀點，簡直就是在誤人子弟！

而文章作者Kevin Roose與科技巨頭是蛇鼠一窩、一丘之貉：

就像許多類似的文章一樣，新文章全是白日夢，描繪了一幅充滿大膽想象的新現實圖景，同時淡化了實現這一愿景的障礙。

他的編輯和讀者似乎都很喜歡這種風格的文章。

坦白說，我并不喜歡這種風格。在我看來，這類文章更像是科技巨頭的營銷手段，最終只會讓它們得到更多權勢。

Kevin Roose最新文章就是一個典型例子。它的確寫得精彩。但就像他過去的許多文章一樣，它描繪了一場即將到來的技術革命，卻沒有真正審視其中的現實難題和潛在風險。

事情的起因，還要從專欄作者Kevin Roose瘋狂編程開始講起。

他不是程序員，甚至連一行代碼都不會寫，也從未想過要從事軟件行業，也沒有想過放棄新聞事業轉投科技行業。

但在過去的幾個月里，他創作了4款應用程序：

• 一個轉錄和總結長播客的工具。
• 一個將社交媒體書簽整理成可搜索數據庫的工具。
• 一個判斷某件家具是否能放進汽車后備箱的網站。
• 以及一個名為LunchBox Buddy的應用程序，它可以分析冰箱里的內容，并幫助他為兒子準備學校午餐。

他認為這一切全靠AI對編程的「降維打擊」，像他這樣的對編程幾乎一無所知的門外漢，只要有想法就能開發出想要的應用程序。

Karpathy推動新潮流

如今，人工智能（AI）正在推動一股新的技術趨勢——「自動編程」(vibe coding)。

AI研究大牛Andrej Karpathy推廣了這一術語，用來形容現代AI工具如何僅通過輸入文本提示（prompt），讓非技術用戶就能創建完整的應用和網站。

換句話說，不需要會寫代碼，只要有想法和耐心，任何人都可以進行「vibe coding」。

在社交媒體上，Karpathy這樣形容「vibe coding」：

這不是真正的編程。

我只是看東西、說需求、跑代碼、復制粘貼，但大多數時候它都能正常工作。

而「自動編程」可以讓每個人都能打造「個人專屬軟件」（software for one)。

AI生成的工具極大地降低了應用開發的門檻，讓更多人可以用AI實現自己的創意。

「自動編程」構建軟件的方式，令人震撼：

用一兩句話描述一個問題，然后看著強大的AI模型開始構建定制工具來解決問題。

動動嘴，就能寫出個人定制的軟件！

這讓Roose產生了一種AI眩暈感，類似于第一次使用ChatGPT時的感覺。

他表示：「這也是向懷疑者展示當今AI能力的最佳方式：模型現在可以自動化大部分入門級別的編程人物，并且很快在其他領域可能實現類似的進展。」

AI讓「零基礎」用戶也能編程

過去一兩年里，隨著更強大的AI模型誕生，完全不懂編程的用戶，利用一系列新工具，能像專業開發者一樣創建軟件。

這些工具工作方式大同小異——用戶輸入需求后，AI自動完成設計，選擇合適的編程語言和軟件包，并開始構建產品。

對于非程序員來說，「自動編程」（vibe coding）簡直就像魔法：

只需輸入一句描述需求的文本，神秘的代碼就會飛速滾動。

幾秒鐘后，如果一切順利，一個可運行的原型就會出現。

用戶可以進一步調整和修改，直到滿意為止，最后選擇將應用部署到Web或在本地運行。

整個過程可能幾分鐘內完成，也可能需要數小時，具體取決于項目的復雜程度。

AI正在徹底改變編程方式，讓任何人都能輕松創造屬于自己的軟件！

他使用bolt，開發了可以幫助他為兒子打包學校午餐的應用程序。

在接收到指令后，AI迅速分析任務并拆解為多個組件，然后自動執行以下步驟：

1. 生成基礎網頁界面,方便用戶交互。
2. 選擇圖像識別工具，用于識別冰箱內的食材。
3. 開發推薦算法，根據已有食材提供合理的午餐搭配。

大約10分鐘后，AI自動命名的「LunchBox Buddy」應用成功生成。

使用Bolt構建的LunchBox Buddy應用程序

初級程序員前途堪憂

現在只要按幾次按鈕，Kevin Roose就構建了以前需要一個工程師團隊才能完成的產品。

他表示：「這一過程充分展示了AI在軟件開發中的強大能力，讓非程序員也能輕松打造實用工具。」

當然，AI偶爾也會犯錯。

有一次，他嘗試為當地社區的輪胎店構建網站時，AI從該店的外賣平臺編造了虛假評論，并添加到推薦頁面。

另一次，當他嘗試將一篇長篇文章轉化為互動網站時，AI只包含了大約一半的內容，漏掉了另一半。

換句話說，自動編程仍然需要人類監督，或者至少在旁邊觀察。

它可能最適合業余項目，而不是關鍵任務。

這種情況可能不會持續太久：許多AI公司，正在開發可以完全取代人類程序員的軟件工程智能體。

AI已經在競爭性編程測試中取得了世界級的成績。

包括谷歌在內的幾家大型科技公司，已經將許多工程工作外包給AI系統。

根據Anthropic的說法，2025年是人類優于AI的最后一年：「到2025年底，AI編程能力將達到非常高的水平，并可能在2026年底與最優秀的程序員相當。」

而初級程序員最有可能被AI取代，Kevin Roose認為他們的工作前景堪憂。

他雖然并非盲目樂觀，但認為AI編程的確是個好主意：

但目前，構建應用程序來自動化生活中煩人或耗時的任務，似乎是AI的一個很好的用途。

所以他會繼續利用自動編程——至少直到他的孩子能自己打包午餐為止。

Kevin Roose

馬庫斯：紐約時報可真能吹

馬庫斯認為，這篇《紐約時報》上發表的最新文章，充分暴露了Kevin Roose根本就不懂什么叫軟件工程。

文章聚焦在AI在編程領域的應用，充滿了理想化色彩，卻有意無意地淡化了實現這一美好愿景面臨的重重阻礙。

坦率地說，我并不喜歡。在我看來，這類文章很多都像是為大科技公司做營銷，只會讓科技寡頭變得更強大。

Roose在文中描述了用AI工具開發應用程序的過程，如「午餐盒伙伴」（LunchBox Buddy）應用，用戶只需給冰箱拍張照片，就能獲取午餐靈感。

同時，他還展示了AI系統生成的代碼，乍一看頗為驚艷。

文章中充滿了溢美之詞，稱其為「令人震撼的體驗」。

用這種方式開發軟件——僅用寥寥一兩句話描述問題，隨后強大的AI模型便開始自動構建定制工具來解決問題——這無疑是一種令人震撼的體驗。

它帶來的那種AI引發的眩暈感，與我初次使用ChatGPT時的感受別無二致。

這讓讀者對AI編程的未來充滿憧憬。

然而，深入剖析文章細節，卻發現存在許多嚴重的問題。

代碼和應用并非原創

首先，從創新來看，Roose所提出的從照片生成食譜的點子并非原創。

網上早已存在大量拍攝冰箱照片并推薦食譜的代碼庫與教程，如「深度美食」（deep-food）項目。

Roose提出的從照片生成食譜的創意并非首創，任何人都可以下載相關代碼

他所使用的AI系統很可能是基于這些已有代碼進行訓練的。

他似乎并未深入思考技術的原創性和獨特性，只是在重復已有的成果，而忽略了編程中最關鍵的創新要素。

一個系統可能在模仿方面表現出色，但在實現真正的創新和推廣應用時，卻往往會遭遇巨大的挑戰。

Roose不懂編程實際困難

其次，Roose對「二八法則」存在嚴重的誤解。

在AI領域，獲得正確率達到80%的解決方案相對容易，但要實現最后的20%的精準度卻異常困難。

以汽車無人駕駛為例，幾十年來一直面臨著這樣的困境，盡管技術在不斷進步，但距離完全可靠的自動駕駛仍有很長的路要走。

Roose雖然承認當前的AI系統存在缺陷，但卻嚴重低估了實現更高精準度的難度。

2023年，在他對聊天機器人的報道中，也犯了類似的錯誤，低估了「幻覺」問題的頑固性。

新的研究表明，即使是最新的GPT 4.5系統，在標準化測試中仍有超過三分之一的輸出結果存在「幻覺」現象。

AI編程中的代碼錯誤，很可能會在未來數十年內持續存在，尤其是在構建真正創新的應用時。

Roose從未真正編寫過代碼，所以他缺乏對實際編程中的困難的認識。

調試與維護才是重頭戲

編寫代碼只是第一步，調試代碼以及長期維護代碼才是更為艱巨的任務。

對于非程序員來說，修復AI所編寫的代碼更是難上加難。

如果「午餐盒伙伴」圖像識別系統出現故障，或者類似的bug，那么用戶就不得不面臨一些困擾。

而在自動電子郵件編寫等應用場景中，代碼錯誤可能會造成更嚴重的后果。

很難想象，非程序員能夠讓這些系統在實際中穩定運行，更不用說在后端網絡調用出現問題時能迅速有效地解決了。

Roose卻對調試和維護方面的挑戰避而不談，這無疑扭曲了AI編程系統的實際應用難度。

幾乎任何一位專業人士都能指出，他所使用的例子過于簡單和明顯，根本無法作為對AI編程能力的有效測試。

同時，他嚴重低估了調試以及更復雜場景所需的工作量，更不用說長期維護了。

這使文章在一定程度上失去了客觀性，更像是為AI公司做的商業宣傳。

很多專業程序員對Cursor AI（基于Claude）等自動編程工具深感沮喪：

我取消了Cursor訂閱。一月份將是我最后一次使用Cursor和Claude。

它們在設計和構建UI及交互方面并沒有太大幫助。我發現自己浪費了大量時間，試圖引導它們生成更好的內容，即使我只是想讓它們創建一個樣板代碼，作為提升生產力的起點。但最終我總是感到沮喪和疲憊。我自己可以做得更好，不需要它們的幫助。

如果我不能，那我愿意接受挑戰并學習新東西。

科技作家Mayo Olshin曾一針見血地指出：「如果因為缺乏專業知識、技能，或者不愿意仔細檢查結果，而盲目信任AI的輸出，那么從長遠來看，它所帶來的危害，將遠遠超過短期內因使用該技術而獲得的生產力提升。」

盲目炒作、誤人子弟

這種對AI的盲目炒作所帶來的影響是深遠的，尤其是教育領域。

許多家長和教育工作者會對《紐約時報》中的觀點深信不疑。

這可能會導致越來越多的人勸阻美國孩子學習編程，認為隨著AI技術的發展，學習編程已經不再重要，也無需深入了解軟件的工作原理。

然而，現實情況是，至少在未來的一二十年甚至更長時間內，大型項目的開發仍然離不開經驗豐富的軟件架構師。

如果這種不切實際的炒作導致孩子們對學習編程望而卻步，科技發展將面臨嚴重的人才短缺問題，美國在科技領域也將逐漸失去優勢。

曾經就出現過類似的情況。

2016年，Geoff Hinton曾斷言：「我們現在就應該停止培訓放射科醫生，因為很明顯，深度學習將在五年內超越放射科醫生。」

然而，九年過去了，涌現出數百家相關初創公司，但至今沒有一位放射科醫生被完全取代。

反而在許多地方，放射科醫生的短缺問題日益嚴重。

這充分說明，對技術發展的預測不能過于盲目樂觀，不能僅僅根據短期的技術進展，就做出過于激進的判斷。

對自動編程技術進行大肆炒作，很可能會導致程序員短缺的困境。

不加批判地鼓吹技術，實際上是在增強科技寡頭的影響力，而社會最終將不得不為此付出沉重的代價。