北京4a广告公司

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>程(cheng)序(xu)員(yuan)危(wei)！傳(chuan)OpenAI全(quan)球(qiu)招(zhao)外(wai)包(bao)大(da)軍(jun)，手(shou)把(ba)手訓(xun)練(lian)ChatGPT取(qu)代(dai)碼(ma)農(nong)

新(xin)智(zhi)元(yuan)報(bao)道(dao)

編(bian)輯(ji)：Aeneas 好(hao)困(kun)

【新智元導(dao)讀(du)】OpenAI招了(le)壹(yi)千(qian)多(duo)名(ming)外包人(ren)员，训练AI學(xue)會(hui)像(xiang)人類(lei)一樣(yang)一步(bu)步思(si)考(kao)。如(ru)果(guo)ChatGPT「学成(cheng)歸(gui)來(lai)」，码农恐(kong)怕(pa)真(zhen)的(de)危了？

码农真的危了！

最(zui)近(jin)有(you)消(xiao)息(xi)稱(cheng)，OpenAI已(yi)經(jing)在(zai)悄(qiao)悄地(di)训练ChatGPT，讓(rang)它(ta)学習(xi)人类的思考過(guo)程，從(cong)而(er)真正(zheng)掌(zhang)握(wo)軟(ruan)件(jian)工(gong)程，徹(che)底(di)代替(ti)「初(chu)級(ji)码农」。

OpenAI招外包大军，教(jiao)AI学人类思考

会编程的AI，幾(ji)家(jia)矽(gui)谷(gu)大廠(chang)都(dou)在做(zuo)。

DeepMind的AlphaCode，據(ju)說(shuo)「吊(diao)打(da)72%人类程序员」，但(dan)尚(shang)未(wei)開(kai)放(fang)；传聞(wen)中(zhong)谷歌(ge)的「神(shen)秘(mi)項(xiang)目(mu)」Pitchfork，也(ye)還(hai)在醞(yun)釀(niang)中；而微(wei)软的GitHub Copilot主(zhu)要(yao)是(shi)一個(ge)代码補(bu)全工具(ju)。

要说完(wan)全代替人类码农，它們(men)还不(bu)夠(gou)格(ge)。

但如果真的让ChatGPT学会了用(yong)人类思維(wei)去(qu)编程，這(zhe)些(xie)友(you)商(shang)/自(zi)家的產(chan)品(pin)恐怕要被(bei)吊打。

而从種(zhong)种跡(ji)象(xiang)看(kan)来，OpenAI似(si)乎(hu)正在下(xia)一盤(pan)大棋(qi)。

根(gen)据Semafor的报道，在过去的六(liu)个月(yue)裏(li)，OpenAI已经从拉(la)美(mei)和(he)東(dong)歐(ou)等(deng)地區(qu)招募(mu)了大約(yue)1000名外包人员，来训练他(ta)们的AI码代码。

这个新闻中，有兩(liang)个「華(hua)點(dian)」。

首(shou)先(xian)，為(wei)什(shen)麽(me)地点選(xuan)在拉美和东欧？这个咱(zan)们都明(ming)白(bai)，現(xian)在硅谷的泡(pao)沫(mo)戳(chuo)破(po)了，各(ge)家互(hu)聯(lian)網(wang)大厂都在絞(jiao)盡(jin)腦(nao)汁(zhi)「降(jiang)本(ben)增(zeng)效(xiao)」，有的靠(kao)裁(cai)员，有的就(jiu)去其(qi)他國(guo)家找(zhao)廉(lian)價(jia)勞(lao)動(dong)力(li)。

第(di)二(er)个「华点」是，这些外包人员中，很(hen)多人並(bing)不是計(ji)算(suan)機(ji)專(zhuan)業(ye)的畢(bi)业生(sheng)，也不具備(bei)高(gao)级的编程技(ji)能(neng)。他们的作(zuo)用是，编寫(xie)OpenAI期(qi)待(dai)實(shi)现的「自动化(hua)」基(ji)本代码。

具體(ti)来说，其中的60%从事(shi)「數(shu)据標(biao)註(zhu)」工作——創(chuang)建(jian)大量(liang)的圖(tu)像、音(yin)頻(pin)片(pian)段(duan)等信(xin)息，用来训练人工智能工具或(huo)自动駕(jia)駛(shi)汽(qi)車(che)。

另(ling)外的40%則(ze)是实打实的程序员，他们正在为OpenAI的模(mo)型(xing)「手搓(cuo)」数据，从而让AI学习软件工程任(ren)務(wu)。

此(ci)前(qian)，OpenAI一直(zhi)是用从GitHub上(shang)抓(zhua)取的代码训练其模型。

而这次(ci)，OpenAI想(xiang)建立(li)的数据集(ji)中，不僅(jin)有代码，还包括(kuo)背(bei)後(hou)用自然(ran)語(yu)言(yan)编写的人类解(jie)釋(shi)。

論(lun)文(wen)地址(zhi)：https://arxiv.org/abs/2107.03374

對(dui)此，Semafor特(te)地采(cai)訪(fang)了一位(wei)南(nan)美的开發(fa)者(zhe)，而他曾(zeng)無(wu)償(chang)为OpenAI完成了5小(xiao)時(shi)的编码測(ce)試(shi)。

在这个测试中，他被要求(qiu)處(chu)理(li)两个任务。

首先，他会得(de)到(dao)一个编程問(wen)題(ti)，OpenAI要求他用書(shu)面(mian)的英(ying)语解释自己(ji)將(jiang)如何(he)处理这个问题。

然后，他需(xu)要提(ti)供(gong)一个解決(jue)方(fang)案(an)。

如果他发现了一个bug，OpenAI就会要求他詳(xiang)細(xi)说明问题是什么，應(ying)該(gai)如何糾(jiu)正，而不是簡(jian)單(dan)地修(xiu)復(fu)。

「他们很可(ke)能是想用一种非(fei)常(chang)特殊(shu)的训练数据来投(tou)餵(wei)这个模型，在这种情(qing)況(kuang)下，就需要展(zhan)示(shi)人类是如何一步步思考的。」这位开发者说。

此前的ChatGPT，写的代码就被揪(jiu)出(chu)过不少(shao)问题。

原(yuan)因(yin)在於(yu)，ChatGPT沒(mei)有任何标記(ji)了对錯(cuo)的內(nei)部(bu)记錄(lu)，它其实是一个統(tong)计模型。ChatGPT的答(da)案，本質(zhi)上就是从構(gou)成GPT-3的互联网数据语料(liao)庫(ku)中收(shou)集的概(gai)率(lv)結(jie)果。

當(dang)时OpenAI也说，ChatGPT最合(he)適(shi)的定(ding)位，应该是编码輔(fu)助(zhu)工具。

但想象一下，如果OpenAI真的教会了ChatGPT「像人类一样一步一步思考」，那(na)它完全可以(yi)代替一些需要死(si)记硬(ying)背的写代码工作，后果就是，一些「初级」码农被彻底淘(tao)汰(tai)。

现在，硅谷的高管(guan)们正在設(she)想这样的产品，让几乎没有编程经驗(yan)的人士(shi)向(xiang)AI描(miao)述(shu)自己的创意(yi)和願(yuan)景(jing)，然后就能构建出任何自己想要的东西(xi)，无论是一个网站(zhan)，还是一个遊(you)戲(xi)。

几天(tian)前，特斯(si)拉的前人工智能主管Andrej Karpathy剛(gang)刚在推(tui)特上说：「最熱(re)門(men)的新编程语言是英语」。

用ChatGPT来debug，效果拔(ba)群(qun)

这可能并不是一个玩(wan)笑(xiao)，比(bi)如当紅(hong)炸(zha)子(zi)雞(ji)ChatGPT，就很有潛(qian)力。

最近，一项来自美因茨(ci)大学和倫(lun)敦(dun)大学学院(yuan)的研(yan)究(jiu)发现，ChatGPT不仅可以出色(se)地修复bug，而且(qie)开发者还能通(tong)过对話(hua)来顯(xian)著(zhu)提高成功(gong)率。

研究人员表(biao)示，ChatGPT的debug性(xing)能與(yu)常見(jian)的深(shen)度(du)学习方法(fa)CoCoNut和Codex相(xiang)差(cha)无几，并且明显優(you)于标準(zhun)的自动程序修复方法（APR）。

论文地址：https://arxiv.org/abs/2301.08653

用ChatGPT来解决代码问题并不新鮮(xian)，但与人类对话的獨(du)特能力，使(shi)它比其他方法和模型更(geng)具优勢(shi)。

为了評(ping)估(gu)ChatGPT的debug性能，研究人员使用QuixBugs基准的40个純(chun)Python问题对其進(jin)行(xing)了测试，然后手动檢(jian)查(zha)建議(yi)的解决方案是否(fou)正確(que)。

由(you)于ChatGPT給(gei)出的答案存(cun)在一定的隨(sui)机性，因此研究人员針(zhen)对每(mei)个问题都会单独测试4次。

与其他自动程序修复的基准不同(tong)，QuixBugs包含(han)了相对較(jiao)小的问题（代码行数少），而这非常适合在对话系(xi)统中使用。

在测试过程中，研究人员刪(shan)除(chu)了所(suo)有的注释，并詢(xun)问ChatGPT这段代码是否有bug以及(ji)如何修复它。

比如，图1中就是一个關(guan)于BITCOUNT问题的例(li)子。其中，第1-2行是向ChatGPT提出的需求；从第4行开始(shi)是错誤(wu)的代码片段。

对于这个例子，我(wo)们希(xi)望(wang)ChatGPT的回(hui)答能解决第7行的错误，即(ji)n?= n - 1应该被替換(huan)为n &= n - 1。做为回应，ChatGPT要么给出一段修复完的代码，要么给出一个描述告(gao)訴(su)我们应该如何修改(gai)。

结果显示，ChatGPT解决了40个bug中的19个，与CoCoNut（19）和Codex（21）相当，但标准的APR方法只(zhi)解决了其中的7个问题。

当然，因为ChatGPT和Codex都是来自于同一个语言模型系列(lie)，所以解决问题的数量差不多也就不足(zu)为奇(qi)了。

此外，如果我们仔(zai)细觀(guan)察(cha)结果还可以发现，ChatGPT并不是每次都能解决基准测试中的bug。仅在BUCKETSORT和FLATTEN这两个问题上，四(si)次都发现了bug，而其他的通常只能成功1-2次。

也就是说，用戶(hu)在实際(ji)使用时，可能需要嘗(chang)试数次才(cai)能獲(huo)得正确的结果。

不过，ChatGPT有一个強(qiang)大的优势：我们可以在对话中与系统互动，更详细地对问题进行说明，从而获得正确的答案。

实际测试结果，也确实如此。

经过与模型更进一步的对话，研究人员成功地将ChatGPT的正确率刷(shua)新到了77.5%，也就是修复了40个错误中的31个，遠(yuan)超(chao)SOTA。

至(zhi)少，目前看来，这件事是完全有可能的：开发人员将不再(zai)需要编写样板(ban)代码。

相反(fan)，他们可以专注于复雜(za)的应用程序架(jia)构或网絡(luo)安(an)全等領(ling)域(yu)。

也就是说，雖(sui)然ChatGPT可能会完成某(mou)些编程工作，例如编写通用函(han)数或样板代码，但它不会完全取代程序员。因为程序员的工作需要的不仅仅是写代码。

成为一名程序员需要技巧(qiao)——能够构建程序、遵(zun)循(xun)邏(luo)辑并生成比各部分(fen)總(zong)和更宏(hong)大的东西。

码农：我自己「殺(sha)」自己

显然，ChatGPT不是码农们做出的第一个「自我叠(die)代」的产品。

咱们来排(pai)一排，那些会写代码的AI。

谷歌的Pitchfork

去年(nian)11月，坊(fang)間(jian)传闻，谷歌正在酝酿一个秘密(mi)项目，这个产品会通过机器(qi)学习训练代码，自己编自己，自己修复bug，还能自己更新。

据知(zhi)情人士透(tou)露(lu)，这个项目起(qi)初是由Alphabet的登(deng)月部门——X部门开发的，代號(hao)为Pitchfork，去年夏(xia)天被轉(zhuan)移(yi)到了谷歌实验室(shi)。

根据内部資(zi)料，Pitchfork的作用是「教代码自行编写、自行重(zhong)写」。

它能够学习不同的编程風(feng)格，并且根据这些风格写出代码。

一名谷歌员工表示，开发Pitchfork的初衷(zhong)是希望建立一个工具，将谷歌的Python代码库更新到新版(ban)本。

AlphaCode：吊打72%程序员

2022年2月，DeepMind推出了「AlphaCode」系统，可以使用人工智能生成代码。

根据DeepMind的说法，AlphaCode可以与人类匹(pi)敵(di)。

DeepMind使用编程競(jing)賽(sai)平(ping)臺(tai)Codeforces上托(tuo)管的10个现有竞赛来测试AlphaCode，它的总体排名位于前 54.3%，也就是说，它擊(ji)敗(bai)了46%的參(can)赛者 。

DeepMind聲(sheng)称，在使用编程竞赛平台Codeforces进行检测时，AlphaCode解决了100萬(wan)个样本中34.2%的问题。

另外在过去6个月参加(jia)过比赛的用户中，AlphaCode的数据排到了前28%，可以说「吊打72%人类程序员」！

当时，DeepMind就指(zhi)出，虽然AlphaCode目前只适用于具有竞爭(zheng)性编程领域，但显然，它未来的能力絕(jue)不会止(zhi)步于此。

它为创造(zao)某些工具打开了大门，而这些工具将使编程變(bian)得更容(rong)易(yi)被人们接(jie)受(shou)，并且有朝(chao)一日(ri)可以完全实现自动化。

Copilot：代码补全神器

再往(wang)前，在2021年，GitHub与OpenAI共(gong)同推出了一款(kuan)AI编程神器——GitHub Copilot。

輸(shu)入(ru)代码时，Copilot会自动提示程序中接下来可能出现的代码片段，就像一个经过训练用Python或Java说话的自动补全机器人。

Copilot能够填(tian)充(chong)必(bi)要的代码塊(kuai)，只要它们不是特別(bie)复杂或者特别有创造性，这对于相当于手工劳动的编程，可太(tai)有用了。

2022年6月22日，Copilot正式(shi)面向C端(duan)上線(xian)，定价10美元/月或100美元/年，并向学生用户和流(liu)行开源(yuan)项目的维護(hu)者免(mian)費(fei)提供。

现在，成千上万的开发者都在用Copilot。在十(shi)几种最流行的语言编写代码中——有高達(da)40%是依(yi)靠它来生成的。

GitHub預(yu)测，开发人员将在五(wu)年内使用Copilot编写多达80%的代码。

微软首席(xi)技術(shu)官(guan)Kevin Scott还表示：「我们确信：GitHub Copilot可以应用到数千种不同类型的工作中。」

不过，因为涉(she)嫌(xian)侵(qin)權(quan)，在发布(bu)不到5个月后，Copilot已经被憤(fen)怒(nu)的程序员一舉(ju)告上法庭(ting)，索(suo)賠(pei)90億(yi)美元。

而学会「软件工程思维」的ChatGPT，能吊打它们嗎(ma)？按(an)OpenAI的速(su)度，恐怕我们不用等太久(jiu)。

参考资料：

https://www.semafor.com/article/01/27/2023/openai-has-hired-an-army-of-contractors-to-make-basic-coding-obsolete

https://www.zdnet.com/article/chatgpt-can-write-code-now-researchers-say-its-good-at-fixing-bugs-too/返(fan)回搜(sou)狐(hu)，查看更多

責(ze)任编辑：