天天写代码,觉得自己特别苦逼?嗯,还有20年AI就来解放你

简介:
本文来自AI新媒体量子位(QbitAI)

“年轻人呐,别想着写代码写到老啊喂。时代在变啦!”

美国能源部橡树岭国家实验室研究委员会苦口婆心地劝现在的攻城狮。

美国能源部橡树岭国家实验室,位于美国田纳西州,其中子加速器曾创世界纪录。该实验室的使命是攻克美国当下面临的最严峻的科学难题,并且开发新技术,为人类创造更加美好的生活,保护人类。

 美国能源部橡树岭国家实验室的中子加速器

12月初,他们发表了一篇研究论文,《人类2040年还需要亲自写代码吗?对于编程来说,人机混编的代码意味着什么?》,讨论了21世纪中后期AI在软件行业中发挥的作用。

最后学术界的结论是,他们预测AI将会在2040年就彻底解放攻城狮。

到那时候,机器学习和自然语言处理技术将会pk掉我们人类最顶尖的软件攻城狮。以后就不用大家天天埋在一堆显示器后面吭哧吭哧写代码了。

报告里指出,编程界现在就在经历一场变革,不过我们大家还在处于变革的早期。AI技术的高速发展会产出大量代码,不断优化后能针对性地解决研究机构的问题或者满足市场的需求。

尽管这么一说,赶脚人类的攻城狮职业很危险,似乎要被AI取代了,但是研究人员乐观地指出,本质上,AI会写代码是在帮助人类提升工作效率,攻城狮的时间和智力资源可以释放出来,解决更复杂的问题。就好像你拥有了一个私人助理,帮你把很多杂事琐碎的事都干了,那你就可以有更多的时间集中注意力,去思考更复杂的问题。

我们想象一下这样的场景。有两个攻城狮坐在一起闲扯淡。

其中一个人突然来了一句,“你说,怎么知道我的咖啡十分钟后温度是多少?”

假设你是第二个攻城狮,你会怎么回答这个问题?

你可能会说,这不就写个代码计算一下温度的事嘛。建一个基于时间为变量的热力系统计算公式,确定一下几个相关的值,代进去就可以推出来最后的结果了(当然只是理论值)。

你把这个算出来的温度告诉第一个人,再由第一个人去根据具体的环境情况,整合上可能存在其他未知或已知的影响因素导致的偏差,最后得出一个更接近真实的答案。

如果说,第二个攻城狮的工作,交给机器来做呢?

那我们人类不就只需要从编程的交互界面去挑出最适合解决问题的模型,微调几个偏差了对吧。这样说来,反而可以把更多的人从机械重复的工作中解放出来,转而去处理更多更复杂的问题。这对我们来说,是件好事诶ヾ(๑╹◡╹)ノ”

不过,目前最大的挑战在于,硬件基础设施和软件的需求之间有一定的距离。研究人员都在期待着有强大的硬件出现,支撑着AI快速产出代码,也能跑起来人机混合编码的程序。

对于一个人类攻城狮来说,他们需要一个更高阶的语言,或合适的自然语言处理界面来选用机器编程的代码(MGC,Machine-generated code)。机器写代码,不像人写代码,需要跨越不同的硬件类型,可能也需要更抽象更高效的语言来进行机器之间的信息沟通。前一段时间Facebook的AI也一度发明过它们自己沟通的语言。

作为攻城狮的你,怎么看这个问题?

最后,附论文链接,有时间建议瞅瞅,提前给自己未来选条好赛道:
https://arxiv.org/pdf/1712.00676.pdf

本文作者:Root 
原文发布时间:2017-12-11 
相关文章
|
1月前
|
人工智能 IDE Java
AI Coding实践:CodeFuse + prompt 从系分到代码
在蚂蚁国际信贷业务系统建设过程中,技术团队始终面临双重考验:一方面需应对日益加速的需求迭代周期,满足严苛的代码质量规范与金融安全合规要求;另一方面,跨地域研发团队的协同效率与代码标准统一性,在传统开发模式下逐渐显现瓶颈。为突破效率制约、提升交付质量,我们积极探索人工智能辅助代码生成技术(AI Coding)的应用实践。本文基于蚂蚁国际信贷技术团队近期的实际项目经验,梳理AI辅助开发在金融级系统快速迭代场景中的实施要点并分享阶段性实践心得。
348 25
AI Coding实践:CodeFuse + prompt 从系分到代码
|
1月前
|
人工智能 自然语言处理 安全
氛围编程陷阱:为什么AI生成代码正在制造大量"伪开发者"
AI兴起催生“氛围编程”——用自然语言生成代码,看似高效实则陷阱。它让人跳过编程基本功,沦为只会提示、不懂原理的“中间商”。真实案例显示,此类项目易崩溃、难维护,安全漏洞频出。AI是技能倍增器,非替代品;真正强大的开发者,永远是那些基础扎实、能独立解决问题的人。
191 11
氛围编程陷阱:为什么AI生成代码正在制造大量"伪开发者"
|
1月前
|
人工智能 机器人 测试技术
AI写的代码为何金玉其外败絮其中
本文分析AI编码看着好看其实很烂的现象、原因,探索行之有效的的解决方案。并从理论上延伸到如何更好的与AI协作的方式上。
72 3
|
1月前
|
人工智能 监控 Java
零代码改造 + 全链路追踪!Spring AI 最新可观测性详细解读
Spring AI Alibaba 通过集成 OpenTelemetry 实现可观测性,支持框架原生和无侵入探针两种方式。原生方案依赖 Micrometer 自动埋点,适用于快速接入;无侵入探针基于 LoongSuite 商业版,无需修改代码即可采集标准 OTLP 数据,解决了原生方案扩展性差、调用链易断链等问题。未来将开源无侵入探针方案,整合至 AgentScope Studio,并进一步增强多 Agent 场景下的观测能力。
1359 36
|
1月前
|
人工智能 安全 开发工具
C3仓库AI代码门禁通用实践:基于Qwen3-Coder+RAG的代码评审
本文介绍基于Qwen3-Coder、RAG与Iflow在C3级代码仓库落地LLM代码评审的实践,实现AI辅助人工评审。通过CI流水线自动触发,结合私域知识库与生产代码同仓管理,已成功拦截数十次高危缺陷,显著提升评审效率与质量,具备向各类代码门禁平台复用推广的价值。(239字)
366 24
|
1月前
|
数据采集 人工智能 JSON
Prompt 工程实战:如何让 AI 生成高质量的 aiohttp 异步爬虫代码
Prompt 工程实战:如何让 AI 生成高质量的 aiohttp 异步爬虫代码
|
2月前
|
设计模式 人工智能 API
AI智能体开发实战:17种核心架构模式详解与Python代码实现
本文系统解析17种智能体架构设计模式,涵盖多智能体协作、思维树、反思优化与工具调用等核心范式,结合LangChain与LangGraph实现代码工作流,并通过真实案例验证效果,助力构建高效AI系统。
415 7
|
1月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
396 29
|
1月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
451 27
|
2月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
780 38

热门文章

最新文章

下一篇
oss云网关配置