根據(jù)預測，受人工智能影響最大的工作之一是應用程序（APP）開發(fā)人員。畢竟，像ChatGPT這樣的人工智能模型都是語言操縱專家，因此基于語言的職業(yè)——包括計算機語言——會受到影響。但應用程序開發(fā)人員角色的變化方式可能與你想象的不同。

關于人工智能對編程行業(yè)影響的預測大相徑庭。一方面，一些人預測開發(fā)人員將被徹底淘汰，而另一些人則確信人工智能將把現(xiàn)有的程序員變成“超級大腦”。

如果擔心人工智能會取代你的編程工作，很可能已經(jīng)成為現(xiàn)實。然而，今天的人工智能有一個主要的限制，那就是需要人類開發(fā)人員在一段時間內（也許永遠參與其中），因為創(chuàng)造力，機器人還沒有。

“我們還沒有像人們通常想象的那樣開發(fā)出真正的人工智能?！比斯ぶ悄茏詣踊続BBYY的高級軟件開發(fā)人員Vaso Peras Likodri?說?！拔覀冇型ㄟ^輸出模擬推理的預測神經(jīng)網(wǎng)絡，但準確（人類）智能的本質應該包含更多?！?/span>

數(shù)據(jù)表明，我們仍處于人工智能輔助編程的早期階段。ChatGPT只推出了六個月，而GitHub Copilot只推出了大約18個月。使用這些工具提高效率可不僅僅需要注冊一個賬戶。

另一個有趣的發(fā)現(xiàn)是，這些人工智能工具對初級還是高級程序員更有利。調查數(shù)據(jù)沒有絕對定論：13%的人說它們對高級程序員有用，11%的人說對初級程序員有用，還有11%的人表示它們對任何人都沒有用處，根本沒有提高生產(chǎn)力。

普遍的觀點是，Copilot對高級程序員來說更具優(yōu)勢，高級開發(fā)人員正在用它來幫助設計和構建系統(tǒng)，甚至創(chuàng)建生產(chǎn)代碼。他們能夠更好地在一組復雜的提示中描述他們需要解決的問題，并迅速注意到生成的代碼中的錯誤。而初級開發(fā)人員正在使用它來學習，并通過在Stack Overflow上查找解決方案或搜索在線文檔來減少解決問題的時間。

今天的人工智能模型能夠根據(jù)大量人工生成的訓練數(shù)據(jù)預測下一個單詞或動作。問題就在這里：人工智能模型無法知道任何尚未發(fā)生的事情。因此，人工智能的結果中不太可能出現(xiàn)以前沒有想到的原創(chuàng)想法或創(chuàng)意。簡單地說，人類的創(chuàng)造力有很大的空間，而這些工具無法完全封裝這些空間。

Peras Likodri?還指出，雖然人工智能模型“主要產(chǎn)生了令人滿意的結果”，但它們產(chǎn)生錯亂的傾向是另一個可能會讓人類的手在鍵盤上停留一段時間的因素。

Peras Likodri?說：“即使使用最先進的系統(tǒng)，也可能出現(xiàn)人工智能‘錯亂’或輸出不準確的情況?！边@就是為什么人工驗證對于準確性不可或缺的所有關鍵任務仍然至關重要。例如，ABBYY產(chǎn)品的驗證環(huán)節(jié)強調了人工因素的重要性。雖然人工智能工具可以加快這一過程，但在目前的狀態(tài)下，還只能部分依賴它們。

那么，人工智能將何去何從？ABBYY平臺處理小組負責人Vladimir Khil表示，當前的人工智能可以在許多其他應用程序開發(fā)活動中脫穎而出。

他說：“想象一下，有一個私人版本的人工智能引擎，可以分析我們的代碼，提供關于編碼風格和高效算法的建議，甚至可以發(fā)現(xiàn)不可讀的代碼，而不會有任何與第三方技術相關的隱私擔憂。這將改變游戲規(guī)則！”

人工智能還可以幫助編寫測試腳本。Khil說：“編寫測試對開發(fā)人員來說可能很無聊。但有了人工智能的力量，我們可以描述界面和場景，它可以毫不費力地生成測試代碼?！?/span>

O’Reilly關于低代碼和無代碼應用程序開發(fā)趨勢的一份新報告揭示了ChatGPT和GitHub Copilot等工具的使用情況，這些工具在程序員中越來越受歡迎。

也許對739家組織的調查中最大的發(fā)現(xiàn)是，只有33%的組織報告使用了此類工具，而67%的組織報告沒有使用這些工具。但O’Reilly的人對結果表示懷疑。O'Reilly的Mike Loukides在報告中寫道：“我們懷疑低估了Copilot的實際使用量?！?/p>

這一數(shù)字可能要高得多，正如開放源代碼軟件的使用率遠高于20年前O'Reilly調查首席信息官時的數(shù)據(jù)一樣?！八麄冎跎?！”Loukides寫道。“Copilot、ChatGPT和類似工具的實際使用率可能遠高于33%。我們確信，即使他們在工作中沒有使用Copilot或ChatGPT，許多程序員也在試驗這些工具或在個人項目中使用它們。”

有趣的是，這些工具并不像預期的那樣容易使用。報告發(fā)現(xiàn)，訓練是最大的困難，34%的人表示訓練是他們最大的困難。其次是易用性，12%的人選擇了這一點。

Loukides寫道：“這是一個驚喜，因為這些工具中的許多都應該是低代碼的，或者沒有代碼?！薄拔覀兲貏e考慮GitHub Copilot、Amazon CodeWhisperer和其他代碼生成器等工具，但幾乎所有的生產(chǎn)力工具都聲稱可以讓生活變得更簡單。至少一開始，這顯然不是真的。這是一條學習曲線，而且它似乎比我們想象的更陡?！?/span>