DeepMind让AI和程序员对抗

去年8月底，微软两大品牌机构OpenAI和GitHub联合推出了基于AI技术的自动辅助编程工具Copilot，基于VSCode的MarketPlace发布了预览版。结果，预览版一出来就取得了惊人的效果。

基于GPT-3模型的copilot是编程任务的适应版。它以部分完成的代码和注释为输入，输出完整的代码建议。copilot的官方网站将其定位为编程实践中程序员配对的人工智能对手。我看到很多开始使用copilot的网友都提到，在大多数情况下，只要一个简单的函数签名，copilot就可以完成整个函数的代码编写。有时候，copilot只需要一个简单的注释就可以完成整个功能模块。

虽然copilot与阿尔法扣使用的技术相似，但从本质上讲，copilot定位于辅助编程，但辅助编程技术在GPT-3前年刚刚推出时已经相对成熟。例如，debuild.co直接从界面需求描述转换为代码，但这些辅助编程工具本质上模仿甚至复制了人类现有的实现。

这些辅助编程工具与阿尔法扣人工智能程序员的定位完全不同，人工智能程序员需要不断改进，但其出现提供了人工智能编程未来发展的理念，当人工智能学习足够的代码时，是否会显示相应的创造力，人工智能的创造力是否意味着人工智能将取代人工智能，这些都引起了作者的深刻思考。

阅读破万卷，下笔如神，代码学多了，能不能质变？

从Deepmind的官方博客来看，阿尔法扣的训练集是基于Github和CodeForce建立的，这与阿尔法狗最初基于人类棋谱构建的训练数据相当一致。

我们知道第一代阿尔法狗没有那么高的统治力。在放弃人类棋谱和两只阿尔法狗之间的比赛并不断进化之后，人类棋手在面对人工智能时会显得无能为力。

然而，好消息是，围棋的规则长期保持不变，但编程技术的进步日新月异，即阿尔法扣面临的数据集需要动态调整，这可能使两个阿尔法扣相互配对编程，实现定性变化的可能性并不像预期的那么大，因此，阿尔法扣在短期内不太可能达到高级程序员的水平，但随着阿尔法扣一般达到中级程序员的水平，35岁的IT行业可能会更加严重，因为人工智能程序员不能独立工作，领导人工智能编程团队需要更深入的技术实力而不是管理能力，这可能会给许多处于技术管理岗位的程序员带来一定的压力。

在跨越之前，有很多问题。

虽然人工智能编程的发展已经形成了一种趋势，但从阿尔法扣的工作原理来看，在阿尔法扣升级为贝塔扣之前，有很多坑要诚实填充：

错误的答案，但拖后腿：根据Deepmind的官方博客，阿尔法扣的第一项工作是通过NLP系统试图理解需求的含义，但与人类的理解不同，虽然阿尔法扣的理解语义在大多数情况下是有效的，但也有一些完全无法理解的可能性，如果你给出的问题描述完全不符合Codeforce之前的主题风格，那么它也很可能得到一些毫无意义的代码，也就是说，当阿尔法扣可以正常给出答案时，它的效率可能比人类程序员高得多，但一旦阿尔法扣不能工作，那么对不起它的错误会比普通人类程序员更离谱，所以阿尔法扣至少应该建立一个初级程序员来帮助发现这些明显的错误，并提交给高级程序员给出正确的答案。

使用Github训练阿尔法扣是否侵权？

正如前面提到的，是基于Github和Codeforce两个编程网络上的公开代码进行的模型训练，微软的Codplite和Deepmind的阿尔法扣都没有根据不同的开源许可证区分代码。

那么，如果阿尔法扣在未来用于商业目的，那么使用那些明确不允许用于商业目的的代码来训练阿尔法扣的人工智能模型是否涉嫌侵权呢？针对这个问题，网上有很多争论。作者认为，如果人工智能最终给出的建议代码与原训练集中的代码完全相同，那么这种情况肯定会涉嫌侵权，但如何判断建议代码与原训练代码的相似性是关键。当然，到目前为止，这仍然是一个开放的问题，行业尚未达成共识。

引用旧库代码，增加安全风险:正如前面提到的，阿尔法扣的训练集是Github和Codeforce上已经存在的代码。实际上，Deepmind很难有效标这么多代码。因此，即使阿尔法扣生成的代码有效且可以正常运行，也不能代表这些代码没有安全漏洞。这一特点使得开发人员全面检查AI生成的代码。