圍繞生成式人工智能最廣泛的擔憂之一，就是這項技術是否會讓打工人失業(yè)。

在瘋狂制造焦慮的「即將被人工智能取代的十大職業(yè)」等類似榜單中，也時常能看到軟件工程師的身影。

技術工作（程序員、軟件工程師、數據分析師）位于「可能會被ChatGPT搶走的十個工作」之列

一種盛行的說法是，如今Github Copilot可以編寫大量代碼，甚至未來我們都可以用自然語言和計算機交互，那么現在還值得學習計算機科學嗎？

自2022年ChatGPT橫空出世以來，這個問題一直困擾著那些有「編程夢」的高中生。

與其坐而論道，不如看看正在發(fā)生的事情是什么。

一個新的數據表明：學生們仍然成群結隊地在大學里選修計算機。

加州大學伯克利分校（UCB）計算機科學專業(yè)的一年級申請人數猛增48%！

盡管生成式人工智能取得了進步，但學生們仍然渴望從事計算機科學職業(yè)，因為人類開發(fā)者對于創(chuàng)造新事物仍然至關重要。

CS入學人數暴漲

以加州大學伯克利分校為例，這所大學在計算機科學領域處于領先地位。

加州大學董事會于去年5月投票通過了在伯克利分校建立計算、數據科學與社會學學院（College of Computing, Data Science, and Society，CDSS）的提案。

在2024年秋季入學的新生中，有約1.4萬人申請CDSS專業(yè)，相比去年增長了48%。

而且，這個數據放在學校招生數量的大背景下就顯得尤為突出：UC伯克利的整體本科申請人數相較一年前變化不大，只有CDSS專業(yè)的申請人數一枝獨秀。

這個數據來自于伯克利CDSS學院院長Jennifer Chayes教授本人。上周在舊金山舉行的加州GenAI聯(lián)合峰會上，她與州長Gavin Newsom和斯坦福大學教授李飛飛進行了爐邊談話，并公布了這些令人瞠目的數據。

左一：Jennifer Chayes

不止是UCB，其他大學的CS專業(yè)也炙手可熱。

牛津大學申錄數據

自學院開始招生以來，牛津大學三個計算機科學學位的申請量增加了一倍。由于競爭太過激烈，許多能力出眾的申請者未能獲得錄取。

UCL也公布了CS專業(yè)相關申錄數據，2024年申請人數達到創(chuàng)紀錄的4097人。

人類程序員可堪大任

之后，美國知名科技博客Business Insider聯(lián)系到了UCB計算機科學的教學教授John DeNero，就這個問題進行了深入探討。

John DeNero

John DeNero也是生成式人工智能初創(chuàng)公司Lilt的首席科學家，曾在谷歌擔任研究員，負責開發(fā)谷歌翻譯。

Lilt官網

他在給Business Insider的一封電子郵件中寫道：

學生們對生成式人工智能將影響軟件工程就業(yè)市場，尤其是入門級職位表示了一定的擔憂，但他們仍然對計算機職業(yè)感到興奮。

我告訴他們，我認為目前生成式人工智能還無法可靠地完成軟件開發(fā)中許多具有挑戰(zhàn)性的工作，我預計在未來很長一段時間內，人類軟件開發(fā)人員仍將扮演核心角色。

AI還沒有學會創(chuàng)新

DeNero解釋說，生成式人工智能目前非常擅長復制以前編寫過多次的部分軟件程序。

學生們用AI包辦了那些不需要創(chuàng)新的計算機作業(yè)。

甚至，曾有一段時間ChatGPT 的使用率下降，科技圈一開始不理解是什么原因導致聊天機器人不再熱門。

有人提出了一個假設：數以百萬計的學生在放暑假，所以他們不需要 ChatGPT來作弊（bushi，我的意思是研究）。

后來，暑假結束，學校開學，ChatGPT 的訪問量強勁增長，數據居然證實了這個假設。

AI用來「輔助」考試和作業(yè)當然是ok的，可是如果我們想創(chuàng)造新的東西怎么辦？

這時仍然需要聰明的人類程序員。

這在邏輯上是合理的，因為AI模型是在數據基礎上訓練出來的。

如果問AI這個世界上還不存在的信息，或者不是訓練數據集的一部分，模型往往會遇到麻煩。

生成式人工智能「需要大量深思熟慮的人工干預才能產生新的東西，而所有重要的軟件開發(fā)項目都涉及大量新穎性」。

DeNero表示，「這才是計算中真正困難而有趣的部分，需要聰明和訓練有素的人才去完成」。

但是這并不意味著拒絕一切AI工具，DeNero補充說：

「生成式人工智能可以加快軟件開發(fā)中較為瑣碎的部分，而軟件開發(fā)人員往往會迅速采用高效工具」。

編程與農耕不同

在程序員之前，另一個職業(yè)——翻譯，是更早感到危機的。

18年前，谷歌翻譯首次問世。可這么長時間過去，人類語言學家并沒有被取代。

在翻譯工作非常重要的時候，人類語言學家仍然是不可或缺的。

我們或許可以用谷歌翻譯來閱讀英文菜單，但如果沒有人類專家的檢查，我們大概率不會用這款應用來翻譯企業(yè)最重要的合同。

正是基于這一點，DeNero才創(chuàng)辦了為翻譯人員打造的人工智能平臺——Lilt公司。

他表示，「要可靠地完成可以達到出版質量的翻譯，人類語言專家仍然是整個流程的核心，但通過使用Lilt針對特定任務的生成式AI模型，這些專家可以更快、更準確、更一致地完成翻譯工作?！?/span>

因此，借助AI工具，更多的文本能以更高的質量翻譯成更多的語言。

以此類推，軟件開發(fā)領域也是相同的道理。

DeNero希望軟件開發(fā)領域也能出現同樣的模式：由訓練有素的人類開發(fā)人員組成的小型團隊將更有能力開發(fā)出有用的高質量軟件。

「因此，未來的伯克利畢業(yè)生將有很多機會利用他們的計算機技能來改善世界?！?/span>

那么，使用AI編程工具會提高效率嗎？

一項關于GitHub Copilot的研究證據表明，AI能夠顯著提高開發(fā)人員的生產力。

微軟及其子公司GitHub的研究人員將軟件開發(fā)人員分為兩組，一組可以使用人工智能編碼助手，另一組則沒有。

有人工智能輔助的開發(fā)者完成任務的速度比沒有輔助的開發(fā)者快56%。

論文地址：https://arxiv.org/abs/2302.06590

這實在是一個很大的數字，相比之下，19 世紀中葉蒸汽機的引入僅使大型工廠的生產率提高了15%。

有人可能會問，效率提高不就意味著不需要那么多的開發(fā)人員了嗎？豈不是還要失業(yè)？

等等，請暫停一下，在我們陷入這種「末日想象」之前，或許也可以先考慮一下樂觀的理由。

也許，正如業(yè)內人士所預測的那樣，對編程的需求足以同時雇傭人類和人工智能。

拖拉機的出現曾讓很多農民失業(yè)，可是編程與農耕不同。

華盛頓大學計算機科學教授Zachary Tatlock認為，「70億人只能吃這么多食物，但人類想要或需要的軟件數量是否有上限，目前還不清楚?！?/span>

在過去的50年里，我們的軟件產量一直嚴重不足，我們對軟件的需求還沒有被滿足。

換言之，AI可能會幫助人類更快地編寫代碼，但我們仍然需要所有的人類，因為我們需要盡可能多的軟件，只要它們能以最快的速度構建出來。

在最樂觀的前景中，AI帶來的所有生產力提升將刺激對軟件的需求，使未來的程序員比現在更加搶手。