丽江网站建设公司,公司建设网站费用会计怎么记,免费咨询图片大全,做网站的费用属于哪个科目缘起
唐门教主上个月某天深夜写了一篇博客 --《编程的未来》#xff0c;要我谈谈感想。 这也是最近软件工程师们聊得比较多的问题#xff0c;上周#xff0c;在上海的 “关东小磨” 和十多位 CSDN 博主聚会的时候#xff0c;大家也稍微谈了一下这个话题#xff0c;但是谈…缘起
唐门教主上个月某天深夜写了一篇博客 --《编程的未来》要我谈谈感想。 这也是最近软件工程师们聊得比较多的问题上周在上海的 “关东小磨” 和十多位 CSDN 博主聚会的时候大家也稍微谈了一下这个话题但是谈得不透。AI 就像 房间里的大象 那样大家都从各自的角度感到了它的某种威胁但是不能得到全面的观感 — 我想在本文整理一下我的思路。 软件行业有多少部分会被取代
AI 编程的能力边界
首先从去年开始的 AI 辅助编程浪潮中很多人提到从具体的函数实现来看目前的 AI 代码生成有很多做得不好的地方或者有很多的 bug。 我认为不必纠结这些 bug它们一定会不断地被解决就是一个时间问题也许是半年也许是一周。 但是在编程方面它有一个能力的边界这个边界未必能很快跨越。 慕测平台的一篇高质量文章总结了 AI辅助编程目前的能力边界我总结如下
生成的代码长度有限制。 很多情况下不能输出完整的代码还需要程序员来拼接代码当然这些程序员要非常懂这些程序才能拼接成功。 //问程序员你参加过的最复杂的项目总代码量有多少能超过一千行代码么不能有效处理超长的程序开发环境的配置多线程编程已有程序的 bug 修复等问题。 //问程序员你修复过的最复杂的 bug 是什么泛化能力有限如果是一个活人程序员他在一个算法测试平台通过了很多编程练习那么他在另一个不同的编程平台也应该能应对自如。但是目前的 ChatGPT 还是不能融会贯通举一反三。 //问程序员你能举一反三么ChatGPT 处理复杂编程中的抽象的 “类” 和 “依赖关系” 的能力还比较弱。 //问程序员你在这方面能力如何你写的最复杂的 OO 设计有多少的父类子类Fred Brooks Jr. 在著名的 “没有银弹” 论断中提出软件开发中的关键任务就是理解并处理反映软件构成的复杂的概念, 目前的 AI辅助编程也并没有在这个方面取得突破。 //问程序员你构建过多么复杂的软件这个软件运行了几年这几年中你是如何维护这个软件的ChatGPT 等编程辅助工具缺乏创造性编程的能力。 //问程序员你曾经创造性地解决过什么问题ChatGPT 等工具的能力取决于提问者的能力。 //问程序员你的提问能力如何
如果 AI 做不到上面这些 那么我们的程序员有多少能做到的呢 上面红字部分通常会出现在面试中你会回答么
程序 - 软件 - 软件企业
在我们深入谈 AI 会取代程序员... 之前我们先看看 软件 包含哪些成分。 我们要讨论的AI辅助编程在工业尺度上会起到什么作用 在《构建之法》这本书里 我提到下面的三个公式我们可以看到 “编程” 到底在 IT 这个工业中到底处于什么位置 程序 算法 数据结构 软件 程序 软件工程 软件企业 软件 商业模式 现在的 AI 辅助编程只是在第一个层次极大地帮助了程序员但是在后面的两个层次还是要靠人。 各种大语言模型和它们衍生的工具会在文档生产归纳流程处理方面有很多帮助但是关键的地方还是要靠人。
程序运行在 CPU 上都在干什么 都是对数据进行各种操作增删改查 Create Retrieve Update Delete — CRUD一个好的程序要保证这些操作的正确和高效同时要确保程序正确使用计算机的各种资源内存网络外设等。 这些问题都是可解的AI 一旦学会就能任劳任怨地做好。 但是人类通常有各种智力、懈怠、粗心等毛病会犯很多错误。在软件行业发展的几十年中代码正在不断地帮助人类避免人类犯错误。就像文字编辑器能自动提示人类的拼写错误那样 代码编辑器二十年前就能通过自动变量提示语法高亮等方法避免程序员犯错误加快编程的效率。
所以我们有 AI 在帮助大家写完整的函数处理常见的问题这是一件好事。
那么这样的好事为何让很多程序员非常担心呢 在这个博客中 我引用了软件工程专家 Kent Beck 的论断 AI 会取代一个程序员 90% 的技能但是会把剩下的 10% 的技能放大一千倍。 每个程序员都照照镜子问自己我有哪些技能是属于可以通过 AI 放大一千倍的
如果你只会增删改查那么 AI 的确可以完全取代你。 这个博客也提到了一些 AI 短期内不太可能达到的技能
对技术的娴熟掌握高效 debug 的能力对软件体系架构的全面理解集成的能力把你写的 1000 行代码集成到现有的十万行代码的系统中去能把各个模块集成、优化为一个高效的系统。对软件运行数据的理解能从数据中洞察到问题而不只是一个会念数据的人类。提问的能力向用户提问了解用户的真正需求向领导、同事提问了解大家的思路当然还有从对方的角度思考问题的能力交流的能力。和软件团队其他角色和流程合作的能力。 一个产品的质量可能取决于整个流程中最差的那个角色和环节。 一个软件工程团队 有售前、产品经理产品架构、技术架构、QA、安全体系、UED、售后支持等角色程序员在编程阶段获得了 AI 工具的赋能能否让其他角色和流程也能获得类似的赋能呢对其他业务的了解例如你想让 AI 帮助医疗行业你对医疗行业了解多少呢
我们的程序员也要多了解 #软件工程# #商业模式# #行业# 才能让你的这些才能被先进的 AI 工具放大。
衣食住行的 “衣” 的变化
随着 AI辅助编程的发展 程序员是不是就失去越来越多的工作机会最后行业萎缩没有价值了呢
我们看看人类需求的第一位在 “衣食住行”中名列前茅的 “衣” 看看它的发展是不是会给程序员一些启示。 资料来自于网络和 ChatGPTNew Bing例如百度百科和一些文章https://www.sohu.com/a/400708937_99933236 百万年前 - 树叶、兽皮 几千年前 - 用野生的麻。 用石轮或陶轮搓捻成麻线然后再织成麻布。 几千年前 - 人们已将蚕蛾驯化家养并能织出较为精细的丝织物。到了殷商时期养蚕已很普遍人们已熟练地掌握了丝织技术。 几千年前 - 手工织布机的出现和缓慢改进。 “男耕女织”“子不学断机杼” 的说法就出现在这个时代。 - 还有这样的 整天坐着一根线一根线地织布似乎和现在码农一行一行地编码也很类似啊 一千年前 提花织机的出现 在中国古代织造技术中最为复杂的就是提花技术。为了使织机能反复有规律地织造复杂花纹人们先后发明了以综片和花本作为提花装置来贮存纹样信息形成了多综式提花机和各类花本式提花机。提花技术是纺织史上的里程碑提花机的基本概念是将提花规律贮存在织机的综片或是与综眼相连接的综线上利用提花规律的贮存来控制提花程序使得这种记忆信息得到循环使用。用今天的眼光看古人发明的提花技术就是一种图形信息存储技术如同计算机的程序编好程序之后所有的运作都可以重复进行不必每次重新开始。 黄道婆十三世纪学习、改进、推广了棉纺织技术和先进工具现代程序员的祖师爷应该是她们 现在网上流传的 “爱心 Python 代码” 等等 能编出这样的花样么 百多年前 飞梭的织布工具和珍妮机Spinning Jenny的出现大大提高了生产率也引起了手工业纺纱者的愤怒。他们捣毁了珍妮机烧毁了发明者的房屋。 但是革新的浪潮接着打过来紧接着就出现了水力和蒸汽驱动的纺织机。 到 1830 年英国整个棉纺工业以及基本上完成了从工场手工业到以蒸汽机为动力的机器大工业的转变。 1844 年德国诗人海涅写下描述纺织工人苦难情况的诗歌《西里西亚的纺织工人》 我们织进去三重的诅咒—— 我们织我们织 这首诗也选入了 1980 年代的中学课本。在工作场所诅咒自己的工作… 现在还有么
上段文字提到的提花机也传到了欧洲在十九世纪获得极大的改进其中一个模型就是雅卡尔提花机。 雅卡尔发明了一种用打孔卡片控制的纺织机纺织机可以根据预先设置好的“程序”虽然当时还没有“程序”这个概念移动丝线织出漂亮的布匹。这是第一次把信息通过一个机器能够识别的载体记录下来再由这个信息来控制机器的运转。 现代计算机的先驱巴贝奇从雅卡尔的提花机得到了启发很快想到可以把穿孔卡片应用到他正在设计的分析机上。分析机读卡装置的原理与雅卡尔提花机类似也是靠探针尝试穿过卡片要么顺利穿过要么被卡片顶住两种不同情况下的探针位移能产生不同的机械传动——这其实是计算机史上最早的二进制应用。
百年前化学纤维的出现让衣服不再是 “一根一根的丝线纺织而成”几年前衣服裤子 有破洞都不是 bug 了而是 feature 牛仔裤做好后还专门去做旧搞出破洞。 另外把牛仔裤做旧、做烂的过程对工人和环境并不友好这点很多人并不了解
请问
在这千万年的演化中服装行业是变大了还是萎缩了在这个行业工作的人是有更多的机会了还是更少的机会现在软件编程这个行业是处于纺织业的哪个阶段呢 我想肯定不是破洞当作 feature 的阶段巴贝奇这样的计算机先驱从纺织机械的设计中得到了启发你能从纺织业或者其他行业得到什么启发呢你认识了这个软件编程行业处于对应的 “衣” 阶段你觉得应该从 “衣” 那个阶段获得什么启示呢
一波一波的浪潮
另外让工具来帮助编程和软件工程的各个环节一直以来都是软件工程师和软件科学家的愿望和探索。 从自动语法提示自动测试用例生成到 CI/CD这几十年都有巨大的进步。 CASE Computer Aided Software Engineering) 一度是一个非常热门的研究领域最近为何很少听到了呢 ChatGPT 给我如下的解释 CASEComputer-Aided Software Engineering是一种计算机辅助软件工程的方法旨在提高软件开发效率和质量。它包括了多种工具和技术如需求分析、数据建模、程序设计、测试等等。 然而CASE在20世纪90年代之后逐渐没落了。其中的原因有以下几点 复杂度高CASE工具本身就很复杂而且很难与其他工具集成。这导致了学习和使用CASE的门槛非常高普通开发人员很难掌握。 成本昂贵CASE工具的价格很高因此只有大型企业才能承担得起。对于中小型企业和个人开发者来说购买CASE工具是一笔巨大的财务负担。 缺乏标准CASE工具之间缺乏标准化因此不同的工具之间很难进行兼容和集成。这导致了开发效率的降低使得CASE的应用受到了限制。 功能单一CASE工具通常只能完成一部分的软件开发任务无法满足复杂软件开发的需求。因此开发人员往往需要同时使用多个CASE工具这增加了开发的复杂度和成本。 综上所述以上原因导致了CASE的没落。虽然现在已经有了更多的开发工具和技术但CASE的思想仍然在软件开发中发挥着重要的作用。 我个人也搞过一些 “程序理解” “自动编程” 的实验下图是我和微软研究院的小伙伴在 2019 的内部 “黑客松” 上展现了 “自动找到你想要的 Python 代码” 的功能。核心想法是借鉴了 2018 年 GitHub 团队的工作用 word-embedding 来训练和寻找代码、函数说明、代码注释的相关性帮助用户找到他想要的代码。 这个小项目最后还得奖了。 一轮一轮的小波浪之后一个大潮正扑面而来
数据来自 CSDN 趋势图。 长忆观潮满郭人争江上望。来疑沧海尽成空万面鼓声中。 弄潮儿向涛头立手把红旗旗不湿。别来几向梦中看梦觉尚心寒。 IT 界每隔几年就有一波浪潮或者泡沫新的一波大潮已经打过来了躲能跑多远不如反方向跑迎接浪潮就像古诗中说的勇向涛头立 的弄潮儿。
