新智元报道
编辑：编辑部
谷歌神秘项目 Pitchfork 曝光！这次，会有多少码农被迭代？
做一个程序员，压力有多大？
反正，最近的一个传闻，是让码农们瑟瑟发抖。
传说谷歌正在研发一个秘密的新项目，教 AI 写代码。
据说，学会之后，AI 不仅能写代码，还会修复 bug。
写代码这件事，就应该让代码自己来
传闻，谷歌的这个秘密项目，会通过机器学习训练代码，让它们自己编自己，自己修复 bug，还能自己更新。
这个项目表明，谷歌向生成式人工智能（generational artificial intelligence）更近了一步。
现在的 AI，是愈发无所不能了。它们可以创建图像、视频，还能写代码。
如果这个 AI 再进化下去，未来还需要写代码的码农吗？
据知情人士透露，这个项目起初是由 Alphabet 的登月部门——X部门开发的，代号为 Pitchfork。
今年夏天，它被转移到了谷歌实验室。
众所周知，谷歌实验室看重的是「长期投资」，包括 VR 和 AR 项目。
现在，Pitchfork 已经成为了谷歌实验室下「AI 开发者援助团队」的一名员工。
根据内部资料，Pitchfork 的作用是「教代码自行编写、自行重写」。
它能够学习不同的编程风格，并且根据这些风格写出代码。
现在，这个团队正在探索不同的用例，来帮助开发者。
一名谷歌员工表示，开发 Pitchfork 的初衷是希望建立一个工具，将谷歌的 Python 代码库更新到新版本。
在不用雇佣多余软件工程师的情况下，怎么从一个版本过渡到下一个版本呢？
Pitchfork 应运而生。
团队负责人 Hatalsky 表示，随着时间的推移，Pitchfork 项目的目标逐渐变成了建立一个通用系统。
从去年年底开始，Pitchfor 已经可以降低 for X 的成本。
AlphaCode：吊打 72% 程序员
其实，AI 编程这件事，早就不新鲜了。
2022 年 2 月，Alphabet 的另一家子公司、谷歌的兄弟公司 DeepMind，就推出了一个名为「AlphaCode」的系统，可以使用人工智能生成代码。
根据 DeepMind 的说法，AlphaCode 可以与人类匹敌。
DeepMind 使用编程竞赛平台 Codeforces 上托管的 10 个现有竞赛来测试 AlphaCode，总体排名位于前 54.3%，也就是说它击败了 46% 的参赛者 。
DeepMind 声称，在使用编程竞赛平台 Codeforces 进行检测时，AlphaCode 解决了 100 万个样本中34. 2%的问题。
另外在过去 6 个月参加过比赛的用户中，AlphaCode 的数据排到了前 28%，可以说「吊打 72% 人类程序员」！
当时，DeepMind 就指出，虽然 AlphaCode 目前只适用于具有竞争性编程领域，但显然，它未来的能力绝不会止步于此。
它为创造某些工具打开了大门，而这些工具将使编程变得更容易被人们接受，并且有朝一日可以完全实现自动化。
Copilot：程序员的好帮手
再往前，在 2021 年，GitHub 与 OpenAI 共同推出了一款 AI 编程神器——GitHub Copilot。
输入代码时，Copilot 会自动提示程序中接下来可能出现的代码片段，就像一个经过训练用 Python 或 JavaScript 说话的自动补全机器人。
Copilot 能够填充必要的代码块，只要它们不是特别复杂或者特别有创造性，这对于相当于手工劳动的编程，可太有用了。
此外，Copilot 还优化了多名程序员间的线上协作功能，因此，它是生成式 AI 早期最成功的项目之一。
2022 年 6 月 22 日，Copilot 正式面向C端上线，定价 10 美元/月或 100 美元/年，并向学生用户和流行开源项目的维护者免费提供。
现在，成千上万的开发者都在用 Copilot。
在十几种最流行的语言编写代码中——有高达 40% 是依靠它来生成的。
GitHub 预测，开发人员将在五年内使用 Copilot 编写多达 80% 的代码。
微软首席技术官 Kevin Scott 还表示：「我们确信：GitHub Copilot 可以应用到数千种不同类型的工作中。」
不过，因为涉嫌侵权，在发布不到 5 个月后，Copilot 已经被愤怒的程序员一举告上法庭，索赔 90 亿美元。
Codex：AI 实时自动编程
OpenAI 开创了文本生成的先河。
从 2019 年，OpenAI 开始使用一种名为 GPT-2 的算法，在业内引发轰动；2021 年底，OpenAI 推出了 GPT-2 的升级版 GPT-3，可供任何人使用。
GPT-3 拥有 1750 亿个参数，是上一代模型 GPT-2 的 100 倍，也一举将此前同类 NLP 模型的参数纪录提升了 10 倍。
在图像生成领域，OpenAI 在 2021 年 1 月官宣了 DALL-E，它可以为文本提示生成原始图像。
在 2022 年 4 月，DALL-E 2 发布，它能够渲染更复杂的图像。
2021 年 6 月 30 日，通过搭载自家的 Codex 模型，OpenAI 与 GitHub 联合发布了 「AI 代码补全神器」GitHub Copilot。
不过当时，Codex 并没有透露过多细节，始终保持着神秘感。
去年 8 月 10 日，OpenAI 终于推出了改进版本的 Codex，还发布了基于自身 API 的私测版。
与之前的版本相比，Codex 的改进版本不仅可以解读简单的自然语言命令，还可以自动创建并完成代码，更加灵活和先进。
例如在 OpenAI 的太空游戏《space game》中，用户输入自然语言命令「Make it be smallish」，Codex 系统便会自动生成控制代码，使图中飞船的尺寸就缩小。
另外，还有一个能自己写软文的神奇工具——Jasper。
「Jasper」是一款 AI 内容平台，搭载 GPT-3 的文本生成技术，可帮助人类突破创意障碍，并以 10 倍的速度自动生成文本供公司使用，用于营销、博客和电子邮件等。
就在 10 月，Jasper 宣布筹集了 1.25 亿美元的资金，目前估值已达 15 亿美元，并声称有望在今年带来 7500 万美元的收入。
从去年到今年，井喷的生成式 AI
要说现在业界最火热的词汇，「生成性人工智能」肯定是其中之一。
用技术一点的说法，「生成性人工智能」是指无监督和半监督的机器学习算法，它使计算机能够使用文本、音频和视频文件、图像甚至代码，来创建新内容。
AI 根据用户提示生成的艺术作品、文本和代码，一次次让人类惊艳。
Gartner 在「2022 年新兴技术和趋势影响雷达报告」中，就将生成式 AI 列为能带来生产力革命的技术之一。
根据 Gartner 的预测，到 2025 年，生成式 AI 将生成所有数据的 10%（现在不到1%），以及面向消费者用例的所有测试数据的 20%。
并且，到 2025 年，50% 的药物发现和开发都会使用生成式 AI。
投资人工智能的大型生物制药公司
而到 2027 年，30% 的制造商将使用生成式 AI 来提高产品开发效率。
现在，生成式 AI 已经引发了硅谷的「淘金热」。
风投公司红杉资本就在最近的一篇博文中，阐述了生成人工智能的潜力，涉及语音合成、视频编辑、生物和化学等领域。
在文章最后，该公司得出结论：在未来，所有的图像，以及一部分文本和算法，都是使用 AI 生成的。
人类会因为 AI 而失业吗？
可以预见，随着生成式人工智能井喷，未来也将有更多、更先进的 AI 编程模型陆续出现，挤压程序员的生存空间。
那么，人类程序员会因为 AI 技术的发展而失业吗？
一个业界共识是：想要取代人类，「AI 程序员」们还有许多问题需要解决。
这主要体现在「商业化前景」和「法规伦理」两个方面。
Foundation Capital 的合伙人、Jasper 的早期投资者 Joanne Chen 表示，想要将一家生成式 AI 工具变成一家有价值的公司仍然很困难。
前不久，「AI 编程神器」Kite 宣布停止开发，运营仅 8 年便彻底凉凉。
在发布于 Kite 官网的最后一期博客中，创始人 Adam Smith 表示「我们拥有了 50 万名月活用户，但几乎没有产生任何收入。」
他认为仅仅使开发人员在编写代码时速度提高 18%，这对于他们来说也不够轰动，也并不足以使他们花钱购买增值服务。
产品的商业化前景不够明晰，这或许也是许多付费 AI 辅助软件的通病。
「伦理与版权」则是阻碍生成式 AI 技术走入人们生活的另一只拦路虎。
本月早些时候，GitHub 就被提起集体诉讼，指控使用了 Copilot 工具使用人工智能复制开源代码，并视软件隐私于不顾。
一些开发人员也抱怨，Copilot 所建议的代码看起来像他们自己的工作。
虽然 GitHub 表示，在极少数情况下，该工具会生成复制的代码，当前版本试图过滤和阻止与 GitHub 公共存储库中现有代码匹配的建议。但这仍然在一些程序员社区中产生了相当大的焦虑。
Chen 还表示，生成式人工智能的热潮可能意味着监管的缺位，并使它们用于「一些令人讨厌或危险的用途」。例如制作传播错误信息的视频等。
因此就谷歌可能推出的 Pitchfork 来说，虽然该项目尚处于早期阶段，但仍需要考虑如何训练这些模型的棘手伦理问题，例如偏见和潜在的版权问题。
所以，程序员是在自己「杀」自己么？
参考资料：
https://www.deepmind.com/blog/competitive-programming-with-alphacode
