ChatGPT成为最近火爆全网的热点话题,它出众的回答问题能力让搜索引擎公司倍感警惕。Google公司曾尝试过向ChatGPT输入其编程面试问题,结果是符合L3级工程师水平,这是一个入门级工程师职位但薪水并不低。
“ChatGPT会抢走初级程序员的工作吗?”按照AI的发展速度,这会引起程序员的担心吗?为此,我们询问了几个程序员的真实想法:
01大厂技术主管:部分工作会被取代,但人不会被替代
会有一部分工作被取代,但程序员这个群体不会被替代。每次新技术、自动化、零代码的出现,其实都是类似的。一部分初等工作会被替代,只会推动程序员群体的不断迭代和提升而已。
02外企资深开发者:只有高出人类文明的文明改造的AI才可能会替代人类
我认为它充其量就是遇到问题搜索答案的一个引擎,可以理解为对StackOverflow或者github的一个补充,但要说替代程序员目前看是不大可能的。
因为程序员不仅仅是单纯回答面试题那么简单,更多的还是要作为一个自然人参与工作环境中和其他人协同工作产生价值。最重要的是人的工作环境是有上下文的,有些需要人有一定的创造性甚至巧思,更甚至要有人情世故,这个ai目前还做不到。单一的任务可以,但是替代整个工作不太可能。如果一个程序员因为ChatGPT感动饭碗被威胁,那能威胁到这个饭碗的绝不可能仅仅只有ai。
比如我现在要一个需求非常明确的功能,可能是一个函数,所有参数,所有返回值都非常明确,我完全可以让ChatGPT来写。但是程序员在工作中,最考验人的往往是怎么把真实业务映射成这个确定了的输入输出的函数。如果一个程序员只是一个把确定的函数用手敲出来的程序员,那其实就是一个api调用师,迟早会被淘汰。可能是Chatgpt,也可能是其他什么原因。
我一直认为AI再怎么发展、怎么训练、怎么自我学习,仍然只能替代人类机械性的、重复性的劳动。说白了,还是只能在一定创造规则和创造模式下去产出,永远跳不出这个框架。可能把一件事情做的比人做的好一万倍,但是这件事情的基本做法本质上还是人规定的。一个文明是没有办法发明一个可以驾驭自己同时期文明水平的文明的,只有一种可能,除非哪天冒出来一个高出人类文明很多的文明,给AI升级一下,那AI是有可能彻底替代人类的。
所以真正的程序员不会被ChatGPT威胁,但是传统搜索引擎确实可能危险。
03大厂技术负责人:暂时不会,但未来不好说
暂时不会。其实谈到“做出 L3 面试题目 != 就有 L3 程序员的能力”的话题,我们用那样的题目做筛选本质上是看候选者有没有「兴趣驱动下投入溢出」。现阶段的 ChatGPT 已经可以帮助程序员提高效率,但替代做不到,大厂入门级别也做不到。
不过这方面技术进步很快,现有框架暂时还看不出达到上限的迹象,所以再过几年,再迭代一两代的话,就不好说了……说没有危机感那肯定是假的,AI 技术发展太快了。AI 文本生成,AI 绘画,也都已经到相当高度了,很多领域的入门级别职位,怕是都有危险。
我的观点大概更接近马斯克一点,简单讲就是 AI 迭代进化的速度远超生物人类,除非存在某种框架性的限制导致 AI 被锁死在某个上限之下,否则迟早有一天会迎来那个 AI 赶上我们的「奇点」。
04开源资深开发者:AI会带来更多可能性
既是挑战,也是机遇。挑战当然是对现有的政治、经济、法律秩序的挑战,机遇就是人可以有效的利用这种智慧结晶去做更多的事情。ChatGPT 所带来的变革不能仅仅关注开发者这个职位来去考察~
政治:还需要那么多的公务员吗?
法律:AI的决策谁来监管?谁来执法?
经济:造成对现有市场岗位的冲击,该如何应对?
对于人类本身来说,无论在工程、计算还是人文,都有非常多的限制,AI可以给到这些可能性,去探究更为无限的可能。对此我是乐观派的。
05海外外企开发者:搜索引擎大概会被改变
目前使用体验还不多,不好妄下断言,只觉得搜索引擎未来可能会有大的改变。
对于这个话题,有乐观派,也有清醒派,就像“薛定谔的猫”,看来只有时间才能给出真正的答案。
最后的最后,我还问了一下ChatGPT是如何看待这个话题的,它对自身的定位还算“谦虚”
你们的看法是什么呢?欢迎评论
【关注码客人生公众号,免费体验ChatGPT】
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。