點擊上方“視學算法”，選擇加"星標"或“置頂”
重磅乾貨，第一時間送達
本文轉載自：機器之心
參與：張倩、Racoon X、Jamin
你有沒有想過，有一天，碼農是不需要寫代碼的。你只需要提供函數簽名和註釋，代碼就能自己在屏幕上打出來。「搬磚碼農可以都辭退了，留下項目經理提需求即可，大霧！」
上面這段 demo 是不是看着很爽？這就是 OpenAI CEO Sam Altman 剛剛介紹的最新研究成果——根據函數簽名和註釋，利用語言模型自動生成 Python 代碼。這個語言模型用到了和 OpenAI 的 GPT 模型相同的無監督技術。
爲了讓模型學會「寫代碼」，研究人員在微軟的超級計算機上，藉助數千個開源 GitHub 庫裏的代碼對該模型進行了微調。
先來看一下生成效果。
研究人員首先展示了一個較爲簡單、使用 Python 編寫回文檢測的例子。迴文指的是「正讀反讀都能讀通的句子」，例如：「anna」、「level」等。下面是使用該模型自動生成的代碼：
可以看到，在你輸入了函數簽名和註釋之後，模型正確地生成了迴文檢測的代碼。當然，對於迴文檢測，我們也可以用如下更「秀」的遞歸方法來實現：
看到這裏，也許大家並沒有對該模型的效果感到很驚豔，畢竟像迴文檢測這類基礎任務的代碼網上一抓一大把，模型大可以直接從訓練集中複製過來即可。
先彆着急，咱們繼續往下看。
接下來，研究人員要求模型生成從一個列表中查找長度不少於 7 個字符的代碼，而且該任務並沒有在訓練集中。我們來看看在這樣的情況下，模型表現如何：
還是出色地完成了任務！
從這個例子我們可以確定，模型不是簡單地複製網上的現成代碼，而是依據函數名及相關注釋產生了對應的解決方案，它甚至還使用了之前生成的代碼。
試過了單一函數的例子，研究者還展示了其在類中的運行效果。
這次的任務是計算商品的總價格，並對名稱是迴文的商品打折。我們來看一看該模型生成的代碼：
模型自動地爲我們生成了計算商品總價方法的註釋及對應代碼。然而這並不是我們想要的結果，我們只想要對名字是迴文的商品打折，而不是對所有商品都打八折。研究人員之後修改了該方法的註釋，詳細描述了想要實現的功能。修改註釋後，該模型生成的代碼如下：
可以看到模型幾乎生成了我們想要的結果。這裏僅有一個小問題，我們想要對迴文名稱的商品打八折，而不是打二折，簡單修改一下即可。
最後研究者展示了讓模型生成購物收據的結果：
OpenAI 的介紹視頻
OpenAI 放出的 demo 的確驚豔，甚至是革命性的。如果照這個思路走下去，以後簡單的「搬磚工」似乎都不需要了。但問題也出在這兒：效果未免太驚豔了，讓人不禁懷疑是否存在造假或精心挑選……
不過也有人說，「這可是 OpenAI！他們的口袋裏有的是好玩意兒。」
那麼，如果這是真的，對程序員來說意味着什麼？
程序員的未來何去何從？
在 AI 領域，每種新鮮技術的出現似乎都會掀起一番「XX 從業者是否會被 AI 取代」的討論，這次也不例外。
首先，這種工具的出現所帶來的效率提升是毋庸置疑的。我們假設這個 demo 是沒有摻水的，那麼公司可能會出於成本的考慮裁掉一些初級碼農，用一個碼農來充當「審碼員」，完成原來十個碼農的工作。
也有人認爲，就目前這個模型來討論程序員是否會被取代未免有點超前。首先，這還只是一個語言模型，即使在非常簡單的函數中也可能出錯，更別說遇到比較難以理解的自然語言註釋語句了。這時候，還是需要人來介入。
其次，這一流程中用到的「註釋」還不是需要人來寫嗎？
但也有人認爲，這些都可以通過時間和技術來解決：總有一天，模型犯的錯誤會越來越少，甚至少於檢查代碼的那個人類。
或者你再訓練一個模型來寫單元測試，然後不斷對其進行改進，直到它可以給出大部分時候合理的解決方案。
當然，這些都是一些非常超前的假設，現在的技術還很難做到，真正應用起來也會有各種各樣的問題。但回想起 19 世紀初期大批紡織工人的命運，這種討論還是很有意義的。
參考鏈接：https://www.reddit.com/r/MachineLearning/comments/gnmjki/dn_microsoft_demos_language_model_that_writes/
歡迎給我"在看"！
