- Test Ninja📘
發表時間 2024-03-13 
閱讀數 1963 
最后编辑：路婕 于 2024-03-13 09:43:51
前兩天，幾位互聯網大佬聊人工智能（AI）上了熱搜，一些觀點比較犀利，在軟件行業掀起了大範圍的熱議，其中一大熱點是：“程序員”這個職業會不會存在？去年就有驚人的觀點：谷歌工程主管：程序员的职业生涯将在 3 年内被AIGC终结
其實，我5年前就寫過一篇文章：未來兩年：人機結對編程(MMPP)將成爲現實。当时，我过于乐观，但也不算乐观：2020年北京大學推出了aiXCoder 2.0（版本到了2.0，说明産品相对成熟了，其工作始于2013年），可以完成代碼補全、代碼評審等，開始實現人機結對編程。
今天的大語言模型（LLM）是一個概率模型、一個不確定模型，我甚至說過（見：軟件工程3.0實踐之路（一）最後一段）：因爲LLM的不確定性，有幻覺/幻想，倒是不適合做編程助手，更適合幫我們在一些不確定事務（股票投資、風險管理等）上做決策、可以獲得最大的贏率。LLM也更适合参与我们的头脑风暴活动、文化创意、设计等活动，这时幻觉/幻象成了优点、有创造性，例如挖掘用户的需求、应用场景、海报生成、視頻创作、音乐创作等。
今天，我们确实越来越多地将LLM应用于代码补全、代码生成、代码理解、代码解释等工作中（見：軟件工程3.0實踐之路(六)：LLM驅動編程，銀彈快來了嗎？），它也可以生成單元測試腳本、測試用例。但所有生成的結果都不能直接采用，需要人工review。如果你的能力弱，就無法判定結果對與錯，review的效果就不理想。如果你只懂英文和中文，而不懂計算機編程語言，那根本無法review。對，像其他同學說的，你還要懂操作系統、懂數據庫、懂通信協議、懂架構、懂算法和數據結構......這些都是軟件開發的基礎。
但是否有可能：生成的代碼不需要人工review呢？在某些情況下也是有可能的，我的設想是：
- 事先分別構建獨立的開發LLM（更多是代碼正例）、測試LLM（語料更多是反例，如缺陷報告、測試腳本、測試運行日志等）、業務/需求LLM等。
- 讓LLM幫我們實現BDD那樣的需求（GWT格式，即需求足夠明確），這個過程還是人機交互的，需要業務需求專家確認結果，確保結果是正確的（相對的，不是絕對的）。
- 從基于BDD的需求出發，开发LLM生成産品代码，測試LLM生成測試代碼，兩者獨立工作，相互博弈、相互驗證（類似AlphaZero，之前也有微軟的論文做了局部驗證）。這種情況下，幾乎不需要人工參與（但很有可能是少量參與），讓LLM相互驗證，確保結果運行正確、通過測試。
- 业务/需求LLM 会参与全过程来验证，包括针对运行的程序进行验证。
- 谷歌廣告中，開始集成進大量的生成式AI功能。
- 谷歌的聊天机器人，可以帮人们浏览大量的广告産品。
- 谷歌的某AI系統，可以根據廣告購買者給出的預算和目標，自行制作圖像和文本。
- 過去，提供銷售指導、創建藝術資産、決定文本和布局這些工作都是人類做的，但是現在，AI完成起這類任務可以每秒做一千次。
不过，面对AI的冲击，绝大多数（70%）的开发者认为，AI辅助工具能够幫助他们更好地完成工作。尤其是在以下這幾個方面：
- 編程輔助、代碼自動補全與生成，例如用ChatGPT、GitHub Copilot、CodeArts Snap等。
- 學習與答疑，不懂的問題找大模型。
- 文檔潤色和生成，需求文檔潤色、個人總結和測試報告生成等。
在這之中，有大約67%的開發者表示，自己已經將AI作爲工作的一部分了。所以，我們可能會說，你的能力越強越安全，同時，你必須擁抱AI、擁抱LLM，不會用AI/LLM工具的人會被熟練使用AI/LLM工具的同行所淘汰。
- 根據國內招聘網站統計數據（以下相同）顯示，機器視覺的薪資差距最大——達到了62.44%。其中，要求AIGC技能的機器視覺招聘平均年薪爲48.45萬，而無此要求只有29.83萬元。
- 售前技術支持、大客戶銷售和平面設計這三個職位，是否具有AIGC技能也將帶來超過50%的薪資差異。
- 對于企業來說，在同等條件下，有57.04%會優先考慮那些具備AIGC技能的候選人。
- 被開聊次數最多的是注明具有AIGC技能的算法工程師，高達15.72次，比未注明的同等職能多6.21次。
- 從行業分布來看，新發職位主要集中于互聯網、計算機軟件、人工智能三大行業，占比爲29.65%、12.7%、9.96%。好消息是：說明互聯網/軟件職位在增長，軟件定義世界、數字化轉型，會帶來更多的互聯網/軟件職位。
鉴于此，我们要尽早着手學习使用AIGC工具，从而增强自己的职场竞争力和求职议价权。
原文作者：Test Ninja
名額有限完善信息领取項目管理礼包
