AlphaCode人工智能編程，讓程序警惕或失業(yè)存在可能

有人覺(jué)得這標(biāo)題是危言聳聽(tīng)，博人眼球。但是，同樣是DeepMind公司的產(chǎn)品，我們翻看AlphaGo的“進(jìn)化”歷史，從2016年AlphaGo在一場(chǎng)五番棋比賽中4：1擊敗尖端職業(yè)棋手李世石，到2017年擊敗世界第一棋手柯潔，再到AlphaGo的終極版本AlphaGo Zero，經(jīng)過(guò)短時(shí)間訓(xùn)練，就可以輕松擊敗以前的所有AlphaGo版本。這期間對(duì)AlphaGo的算法優(yōu)化，智能自主學(xué)習(xí)，也就是短短的2年時(shí)間。

而DeepMind公司的新產(chǎn)品AlphaCode，設(shè)計(jì)出來(lái)后，在編程競(jìng)賽網(wǎng)站 Codeforces 舉辦的 10 場(chǎng)比賽中，AlphaCode 取得了前 54.3% 成績(jī)，擊敗了45.7%,近乎一半的參賽程序員。這是數(shù)據(jù)看似并不亮眼，但這只是第一次這樣的比賽。想想AlphaGo，這些人工智能機(jī)器的學(xué)習(xí)，就喜歡大量地學(xué)習(xí)和比賽，進(jìn)而學(xué)習(xí)對(duì)應(yīng)的數(shù)據(jù)。AlphaCode包含414億個(gè)參數(shù)，大約是Codex（為 GitHub Copilot 輔助編程工具提供技術(shù)支持的 OpenAI 組織，它含有眾多編程技術(shù)代碼庫(kù)）的4倍，訓(xùn)練數(shù)據(jù)集是715.1 GB，如果以后的數(shù)據(jù)學(xué)習(xí)突破TB，PB呢？對(duì)機(jī)器來(lái)說(shuō)，多幾個(gè)服務(wù)器和存儲(chǔ)硬盤而已。

AlphaCode 本質(zhì)上也是自主學(xué)習(xí)，通過(guò)自己抓取了 GitHub 上面的幾百億行代碼，分析編程語(yǔ)言結(jié)構(gòu)，然后再生成編程代碼。它自己構(gòu)建一套評(píng)判系統(tǒng)，先把問(wèn)題生成大量的答案，在不知道答案是否正確的情況下，把自己編寫的結(jié)果與問(wèn)題的答案進(jìn)行比較，繼而判定是否正確。從構(gòu)建邏輯上來(lái)說(shuō)，這完全可以替代一部分程序員的工作。

而從AlphaGo的進(jìn)化歷史，再評(píng)估AlphaCode可能的進(jìn)化，很有可能它的進(jìn)化發(fā)展速度比我們?nèi)祟愵A(yù)想的要快得多。都說(shuō)程序員吃青春飯，如果AlphaCode普及，連青春飯都吃不起啊!咱們能不能別搞拼夕夕，X團(tuán)了，BAT們帶頭加快點(diǎn)步伐！MATLAB被禁。難道以后讓美國(guó)的AlphaCode寫出的程序吊打中國(guó)程序員？

關(guān)鍵詞： AlphaCode人工智能編程 讓程序警惕或失業(yè)存在可能