前段時(shí)間，人工智能 AI 的快速發(fā)展掀起了輿論熱潮，人們紛紛擔(dān)憂，在不遠(yuǎn)的將來，自己將會(huì)把飯碗親手送給機(jī)器人。

[[235742]]

而如今，不但金融業(yè)、客服業(yè)、手工制造業(yè)等行業(yè)的飯碗搖搖欲墜，就連算命先生看到 AI 也要抖一抖了！

中新網(wǎng) 6 月 22 日電，據(jù)美國僑報(bào)網(wǎng)報(bào)道，日前，谷歌新出爐的一項(xiàng)研究報(bào)告稱，該公司已開發(fā)出一種新人工智能(AI)算法，可預(yù)測(cè)人的死亡時(shí)間，且準(zhǔn)確率高達(dá) 95%。最近，谷歌的這項(xiàng)研究發(fā)表在了《自然》雜志上。

這項(xiàng)研究自 5 月開始，由谷歌、斯坦福大學(xué)、芝加哥大學(xué)和加州大學(xué)舊金山分校共同發(fā)起，最終得到了現(xiàn)在這個(gè)計(jì)算病患死亡幾率的人工智能模型。

據(jù)稱，他們使用的數(shù)據(jù)包括了 216,221 次住院治療，涉及 114,003 名個(gè)人患者，搜集到了超過 466 億條數(shù)據(jù)。

谷歌還舉了個(gè)例子：一位乳腺癌晚期的病人入院檢查，醫(yī)院電腦判斷病人在住院期間死亡的概率是 9.3%，但谷歌人工智能的分析是，死亡概率 19.9%。

結(jié)果病人在入院后兩周去世。就預(yù)測(cè)入院后死亡概率這件事來說，谷歌的準(zhǔn)確率是 95%，醫(yī)院傳統(tǒng)方式的準(zhǔn)確率只有 86%。

除此之外，這個(gè)人工智能模型還能算出其他概率，而且也都優(yōu)于傳統(tǒng)方式：

• 預(yù)測(cè)患者是否會(huì)在醫(yī)院停留很長(zhǎng)時(shí)間的準(zhǔn)確率：0.86（谷歌）與0.76（傳統(tǒng)方式）。
• 在患者出院后預(yù)測(cè)是否會(huì)再入院的準(zhǔn)確率：0.77（谷歌）與0.70（傳統(tǒng)方式）。

隨著人工智能技術(shù)越來越成熟，各種“預(yù)言方式”正在被不斷開發(fā)出來。這一瞬間仿佛人類就如同弱小的螞蟻，人類的預(yù)測(cè)結(jié)果在 AI 面前，如同小兒科一般。

如今 AI 的發(fā)展速度我們有目共睹，但是作為一位程序員你或許會(huì)有這樣的疑惑：賣力開發(fā) AI 技術(shù)，到頭來會(huì)讓自己失業(yè)嗎？

AI 搶程序員工作：2040 年 AI 可能代替程序員

程序員以及其他類型的 IT 工作無疑是當(dāng)前最熱門的工作。然而，這種趨勢(shì)可能不會(huì)一直持續(xù)下去。

美國橡樹嶺國家實(shí)驗(yàn)室的一些專家預(yù)測(cè)，到 2040 年，AI 技術(shù)將會(huì)強(qiáng)大到足以替代程序員，AI 編寫軟件將比人類程序員更好、更快。換句話說，軟件編寫的軟件比人類編寫的更好。

這是怎么發(fā)生的？AI 能真正學(xué)會(huì)如何做需要高度創(chuàng)造性的智力工作嗎？畢竟創(chuàng)造性一直被認(rèn)為是人類特有的。AI 能學(xué)到的東西會(huì)比我們教它的更多嗎？

利用人工神經(jīng)網(wǎng)絡(luò)制定編寫規(guī)則

人工神經(jīng)網(wǎng)絡(luò)是一種試圖模仿人類大腦學(xué)習(xí)機(jī)制的技術(shù)。它啟發(fā)自真實(shí)的神經(jīng)網(wǎng)絡(luò)，并且部分地模擬真實(shí)的神經(jīng)網(wǎng)絡(luò)。我們可以試著把人類的神經(jīng)系統(tǒng)想象成一臺(tái)非常強(qiáng)大的計(jì)算機(jī)。

[[235743]]

在上面這幅圖中，每個(gè)神經(jīng)元都有一個(gè)輸入和輸出，輸入實(shí)際上是一系列信號(hào)的加權(quán)組合。

每個(gè)信號(hào)都有自己的數(shù)學(xué)上可表達(dá)的影響，信號(hào)的總和決定了輸出。人類神經(jīng)網(wǎng)絡(luò)的特殊之處在于，它們能夠基于學(xué)習(xí)和經(jīng)驗(yàn)進(jìn)行適應(yīng)和改變，這意味著相同的輸入并不總是產(chǎn)生相同的輸出。

這是通過改變不同脈沖的優(yōu)先次序和修改神經(jīng)元之間的物理連接來完成的。這些變化通過學(xué)習(xí)算法和成本函數(shù)來指定，以提高人類適應(yīng)新環(huán)境和優(yōu)化未來行為的能力。

研究人工神經(jīng)網(wǎng)絡(luò)的科學(xué)家和工程師試圖復(fù)制這種機(jī)制，并在軟件開發(fā)中實(shí)施。具體地說，這意味著軟件不會(huì)以傳統(tǒng)的方式編寫，比如一系列的“if… then”規(guī)則。

從理論上講，我們可以想象通過漸進(jìn)式學(xué)習(xí)和優(yōu)化的過程，人工神經(jīng)網(wǎng)絡(luò)能夠?qū)W習(xí)如何制定(或“編寫”)規(guī)則，從而得到比人類編寫的更好的輸出。

在 AI 科學(xué)中，這被稱為深度學(xué)習(xí)，通常在一定程度上依賴人類的反饋。

以下是幾個(gè)可以代替程序員的應(yīng)用程序。

Karpathy：利用循環(huán)神經(jīng)網(wǎng)絡(luò)自動(dòng)生成代碼

早在 2015 年，當(dāng)時(shí)是斯坦福大學(xué)計(jì)算機(jī)科學(xué)博士生的 Andrej Karpathy 就使用循環(huán)神經(jīng)網(wǎng)絡(luò)來生成代碼。

他使用了一個(gè) Linux 存儲(chǔ)庫（所有的源文件和 headers files），將它合并成一個(gè)巨大的文檔（超過 400MB 的代碼），并用這些代碼來訓(xùn)練 RNN。

他讓系統(tǒng)跑了一晚上。第二天早上，他得到了這個(gè)：

AI 生成的代碼樣本

從字面上來看，AI 生成的代碼包含函數(shù)和函數(shù)裝飾。它有參數(shù)、變量、循環(huán)和正確的縮進(jìn)形式。括號(hào)有開括號(hào)和收括號(hào)，甚至還有注釋。

在這些代碼中，AI 當(dāng)然也犯了一些錯(cuò)誤。有時(shí)變量從未被使用。其他時(shí)候，有些變量沒有更早定義。但 Karpathy 對(duì)這個(gè)結(jié)果感到滿意。

“這些代碼總體上看起來非常棒。當(dāng)然，我不認(rèn)為它會(huì)編譯，但是當(dāng)你瀏覽生成的代碼時(shí)，它感覺非常像一個(gè)巨大的 C 代碼庫，”Karpathy 在他的博客中寫道。

這個(gè)項(xiàng)目在 GitHub 上可以找到。它使用了 Torch7 的深度學(xué)習(xí)庫。這里有 Karpathy 得到的整個(gè)輸出文件：https://github.com/karpathy/char-rnn

DeepCoder

微軟和劍橋大學(xué)的研究人員開發(fā)了一種可編寫代碼的機(jī)器學(xué)習(xí)系統(tǒng)，被稱為 DeepCoder，它具有學(xué)習(xí)的能力。

DeepCoder 可以在龐大的代碼庫中進(jìn)行檢索，然后編寫有效的代碼。DeepCoder 所用的技術(shù)叫程序合成（ program synthesis），通過截取已有軟件的代碼行來組成新的程序。

不得不承認(rèn)，當(dāng)下很多程序員也是這樣做的。通過學(xué)習(xí)一系列代碼片（code fragment）的輸入和輸出數(shù)據(jù)，DeepCoder 能自動(dòng)摘取出對(duì)目標(biāo)任務(wù)有用的代碼片在一秒鐘之內(nèi)寫出能夠跑通的程序。

隨著 DeepCoder 的編程經(jīng)驗(yàn)增加，其分辨有用及無用的代碼片的能力增加，其生成程序的速度將會(huì)越來越快。

這并不意味著 AI 是在竊取代碼，或者從現(xiàn)有軟件復(fù)制粘貼代碼，或者在互聯(lián)網(wǎng)上搜索解決方案。DeepCoder 的作者期望它將在不久的將來參與編程競(jìng)賽。

由 DeepCoder 創(chuàng)建的域特定語言（DSL）示例程序

DeepCoder 的創(chuàng)造者之一，在劍橋大學(xué)參與微軟研究項(xiàng)目的 Marc Brockschmidt 表示：“該程序最終可以讓非編程人員通過向計(jì)算機(jī)描述自己的程序構(gòu)想來獲得想要的程序，系統(tǒng)會(huì)自動(dòng)寫就。”

你可以在這里找到 DeepCoder 的文檔：https://openreview.net/pdf?id=ByldLrqlx

AI 編寫 Python 代碼

一名法國工程師以 BenjaminTD 的昵稱發(fā)表了一篇博客文章，解釋了自己是如何“教一個(gè) AI 系統(tǒng)如何用 Python 代碼編寫 Python 代碼”。

他使用了長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)，這是最流行的遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)之一。

他用大量的 Python 代碼（使用 Pandas、Numpy、Scipy、Django、Scikit-Learn、PyBrain、Lasagne、Rasterio 等庫）來“喂給”這個(gè)網(wǎng)絡(luò)。組合文件大小有 27MB。然后，AI 生成了自己的代碼。

下面是定義初始化：

...使用布爾表達(dá)式：

...并創(chuàng)建數(shù)組：

如果仔細(xì)觀察數(shù)組，你會(huì)發(fā)現(xiàn)有一個(gè)語法錯(cuò)誤。BenjaminTD 的代碼遠(yuǎn)非完美，但是他認(rèn)為，對(duì)于一個(gè)只是從閱讀示例代碼中學(xué)習(xí)的網(wǎng)絡(luò)來說，這些代碼看上去不錯(cuò)。

AI Programmer

2017年 ，來自彭博和英特爾實(shí)驗(yàn)室的研究人員號(hào)稱實(shí)現(xiàn)了首個(gè)能夠自動(dòng)生成完整軟件程序的 AI 系統(tǒng) “AI Programmer”。

AI Programmer 利用機(jī)器學(xué)習(xí)中的遺傳算法，模擬復(fù)雜的指令。雖然現(xiàn)在 AI Programmer 生成的程序，復(fù)雜程度與人類新手程序員編寫的結(jié)果相當(dāng)。

但研究人員認(rèn)為，AI Programmer 編寫的程序完全可以超越傳統(tǒng)范疇，不受人類時(shí)間和智慧的局限。

AI Programmer 的軟件架構(gòu)

從圖中可見，由人類驅(qū)動(dòng)的部分非常少，只需要在開始輸入指令，最后接收適用于某項(xiàng)任務(wù)的函數(shù)即可，剩下部分全部由機(jī)器完成。

研究人員表示，他們能用 AI Programmer 生成很多軟件程序。下表是所生成程序的名單。

看完上文，你有沒有想過，如果 AI 失控了會(huì)怎么樣？下面跟著小編來看一個(gè)恐怖的故事，故事中的作者就被“瘋魔”了的機(jī)器強(qiáng)制解雇了，但是從始至終卻沒有人能夠阻止它。

我竟然被機(jī)器強(qiáng)行解雇了！

早上七點(diǎn)，我的手機(jī)響了——然而并不是鬧鐘，擾人清夢(mèng)的是我的派遣顧問。

這個(gè)時(shí)候打電話也太早了吧！于是我干脆沒接。起床洗了個(gè)澡，然后上班。上班路上我打開了她的留言：“哎呀，你沒事兒吧？”

我們公司的通訊錄上有好幾個(gè)和我同名同姓的人，所以我對(duì)這番莫名其妙的話一點(diǎn)兒反應(yīng)也沒有。所以她一定是打錯(cuò)了。

到了公司之后，我在刷卡機(jī)上刷了門卡。伴隨著一陣刺耳的滴聲，紅燈亮了，門沒有開。

我又試了幾次，每次都是同樣的紅燈和滴聲。我看了眼門衛(wèi) Jose，Jose 也看到我了。

他聳了聳肩，過一會(huì)兒他大笑起來，按了下桌子下方的按鈕，門開了。Jose 是我工作的 LA-1 大廈保安。

我立即給發(fā)我短信的派遣顧問回了個(gè)電話：

顧問：你昨天跟經(jīng)理談話了？

我：是的。

顧問：一切正常？

我：是的，一切正常。出什么問題了？

顧問：不知道，早上我收到了一封關(guān)于你的郵件……一定是他們搞錯(cuò)了。他們讓你進(jìn)門了？

我：我不明白。不過他們讓我進(jìn)門了，到底出什么事兒了？

顧問：一定是搞錯(cuò)了，我問問我的經(jīng)理，過一會(huì)兒給你回電話。

這大半年來 Jose 每天都看著我進(jìn)出那扇大門。我覺得這一定是他想跟我開個(gè)玩笑，肯定是他在我刷卡之前禁用了門上的刷卡機(jī)。

于是我直接去找經(jīng)理看看究竟“出了什么問題”：

我：嗨！

Sam（經(jīng)理）：嘿 Ibrahim，今天怎么樣？

我：還不錯(cuò)。我剛接到派遣顧問的電話，聽說你在找我？

Sam：沒有啊！她說是啥事兒了嗎？

我：沒，她說一會(huì)兒給我回電話。我還是先等她電話吧。

結(jié)果我沒接到她的電話。然后一天無事，似乎平淡乏味的日子又開始了。第二天我在進(jìn)停車場(chǎng)刷卡的時(shí)候又聽到了刺耳的滴滴聲。

我后面的車排起了長(zhǎng)龍，車主們開始變得不耐煩，一些人已經(jīng)開始沖我按喇叭了。但要想掉頭出去卻不可能，通道太長(zhǎng)了。

正當(dāng)我手足無措的時(shí)候，保安來了，看了我一眼，然后失望地?fù)u了搖頭，用他自己的卡刷了下讓我進(jìn)去了。我紅著臉一直開到了八層。

進(jìn)入大樓之后，我的門卡依舊失效，刺耳的滴滴聲整個(gè)樓層都能聽得見。最后還是 Jose 給我開了門。

我的門卡不是第一次失效了，估計(jì)該換了，我想。進(jìn)了工作間之后我去找了經(jīng)理，她答應(yīng)立刻給我換一張新卡，同時(shí)告訴保安每天早上給我打印一張當(dāng)天有效的臨時(shí)通行證。哼，一點(diǎn)小小的代價(jià)。

我回到座位上然后在電腦上工作了幾個(gè)小時(shí)。完成工作之后，我登錄到另一臺(tái) Windows 電腦上去關(guān)閉 Jira（一個(gè)項(xiàng)目與事務(wù)跟蹤工具）上的任務(wù)，結(jié)果發(fā)現(xiàn)我被從 Jira 上退出了。這之后，我試了幾次重新登錄都失敗了。

我的樓層門口有張海報(bào)，那是一名員工畫的紐約客風(fēng)格的漫畫，上面兩名員工在自己的格子里對(duì)話。

對(duì)話內(nèi)容是：

——Jira 掛了？

——對(duì)，Jira 掛了！

Jira 經(jīng)常掛掉。于是我問了問旁邊格子里的同事 Jira 還能不能用。結(jié)果他說能用，然后我讓他幫我看看我的那個(gè)任務(wù)。他打開任務(wù)后發(fā)現(xiàn)，任務(wù)里我的名字灰掉了，旁邊還有個(gè)“（不活躍）”幾個(gè)字。

經(jīng)理應(yīng)該能解決這個(gè)問題，不過現(xiàn)在正是午飯時(shí)間。于是我去樓下的咖啡廳里買了個(gè)黑豆?jié)h堡，這種健康的食物對(duì)于像我這種整天坐著工作的人很有好處。出于同樣的目的，吃完飯我還去散了個(gè)步，這也是每天必做的事兒。

不用說，我回來的時(shí)候也順著樓梯爬到了 11 層。爬樓梯很累，但每天坐著畢竟不好。結(jié)果到了 11 層后我發(fā)現(xiàn)了個(gè)嚴(yán)重的問題：必須刷門卡才能離開樓梯間。

讀卡器緩慢地發(fā)出了充滿挖苦的刺耳聲，就像八位游戲機(jī)那種聲音一樣。我被困在樓梯間里了，我坐了十分鐘才等到另一個(gè)爬樓梯的人幫我開了門，然后我像做賊一樣回到了自己的位置上。

就在這時(shí)我接到了派遣顧問的電話，她不斷向我道歉，還問我是否一切正常。她說她收到了一封郵件說我的合同被中止了，我立刻去找了經(jīng)理，結(jié)果經(jīng)理很驚訝地表示她沒收到任何消息。

她也不明白為什么我的 Jira 賬號(hào)被禁用了，但系統(tǒng)不讓她重新啟用我的賬號(hào)。于是她給 Jira 的技術(shù)支持團(tuán)隊(duì)建了個(gè)任務(wù)讓他們重新啟用我的賬號(hào)。

回到位置上時(shí)，我在屏幕上發(fā)現(xiàn)了個(gè)可怕的錯(cuò)誤消息，讓我立刻重啟電腦。我沒有聽，因?yàn)槲议_了幾百個(gè)窗口，還有好幾個(gè)編程環(huán)境在運(yùn)行呢。我只是關(guān)掉了消息框，我知道一旦重啟電腦，我就沒法再登錄了。

那天余下的時(shí)間，我登錄到 Confluence（一個(gè)企業(yè)知識(shí)管理與協(xié)同軟件）中去記錄我的工作內(nèi)容。

第三天，我打了 Uber 上班——我可不想再被卡在停車場(chǎng)門口了。Jose 也沒辦法給我打印臨時(shí)通行證，因?yàn)樵谙到y(tǒng)里我的名字是紅色的。

我的經(jīng)理得自己到樓下接我上樓。派遣顧問給我發(fā)了個(gè)消息告訴我別去上班，因?yàn)樗齽倓偸盏较⒄f，我的通行證在我被終止合同后被人使用了。不過我已經(jīng)進(jìn)來了，所以我們?nèi)フ伊酥鞴堋?/p>

究竟出什么事兒了？我是不是被開除了？主管大笑起來。她是個(gè)高個(gè)兒優(yōu)雅的女人，渾身上下充滿了自信。

她伸了伸胳膊，拿起電話，用同一只手撥了技術(shù)支持的號(hào)碼。她命令他們立刻搞定這些問題，然后掛斷了電話，并且向我保證不會(huì)有事兒，我可以回去安心工作，在今天之內(nèi)這一切都會(huì)恢復(fù)正常。

然而我還沒來得及離開她的屋子，就看到她收到了這封郵件：

我被解雇了。就在這時(shí)，我工作時(shí)使用的那臺(tái)價(jià)值幾百萬刀的設(shè)備出事兒了。

幾十萬條記錄丟失，Web 界面也不響應(yīng)了。我回到桌子前發(fā)現(xiàn)我的 Windows 電腦已經(jīng)自動(dòng)重啟了（天殺的微軟！），我的賬號(hào)也被禁用了。

幸好我還有一臺(tái) CentOS 的機(jī)器。平常用來開發(fā)的工具也不能用了，我只能黑進(jìn)我的服務(wù)器去重啟，調(diào)試，重啟所有訪問，然后重新處理所有數(shù)據(jù)。

離開大樓之前我去找主管，發(fā)現(xiàn)她還在跟支持團(tuán)隊(duì)打電話。她肯定地說讓我明天繼續(xù)來上班。

第四天，除了我的 Linux 機(jī)器之外，我已經(jīng)不能登錄任何系統(tǒng)了。就連我們用來登記工時(shí)以便索取報(bào)酬的系統(tǒng)也不能用了。所以整個(gè)上午我只能寫文檔。

吃過午飯之后，兩個(gè)人出現(xiàn)在我的桌子前。其中一個(gè)長(zhǎng)著我熟悉的長(zhǎng)臉，竭力避免跟我目光接觸，正是 Jose 和他的保安同事。

他說他是來送我出大樓的。保安們說他們收到了一封非常嚇人的郵件，要求把我送出大樓，他們只是照章辦事而已。

主管怒了。“究竟是誰發(fā)的郵件！？”我被解雇了。我的經(jīng)理毫無辦法，主管也毫無辦法，她們只能無助地看著我收拾東西離開。

接下來三個(gè)星期內(nèi)，她們把每封相關(guān)的郵件都抄給了我。我看著這件事一層層被上報(bào)至越來越高級(jí)的頭銜，但無論誰都束手無策。

每次轉(zhuǎn)發(fā)他們都會(huì)附上一封系統(tǒng)郵件，那毫無靈魂的紅字決定了我的命運(yùn)。禁用這個(gè)，禁用那個(gè)，取消這個(gè)權(quán)限，取消那個(gè)權(quán)限，驅(qū)逐出大樓，等等。

系統(tǒng)失控了，我是第一個(gè)受害者。我在那里工作了八個(gè)月以上，我的工作本身就證明了我自己。

人們都在夸獎(jiǎng)我，贊美我的工作。與每個(gè)人的關(guān)系也都非常融洽，我相信我沒有對(duì)任何人做錯(cuò)任何事……不過這讓我想起了脆弱的工作安全。

最終，問題解決了。一天早上，派遣顧問聯(lián)系我說我可以回去工作了，但我已經(jīng)失去了三個(gè)星期的時(shí)間，還有報(bào)酬。到了公司后，他們向我解釋了一切。

一旦員工合同中止的工作單發(fā)出后，系統(tǒng)就會(huì)接管一切。所有中止合同所需的工作單會(huì)自動(dòng)發(fā)出，每個(gè)都會(huì)觸發(fā)其他的工作單。

比如，禁用門卡的工作單發(fā)出后，就沒辦法再恢復(fù)了。門卡一旦禁用，系統(tǒng)就會(huì)發(fā)郵件告訴保安被禁用的員工，而我的門卡也不能再刷了。緊接著就會(huì)發(fā)送禁用 Windows 賬號(hào)的工作單，還有禁用 Jira 賬號(hào)的工作單，等等。

而這個(gè)長(zhǎng)達(dá)幾天的過程沒有任何方法能中止。我只能以新員工的方式被重新雇傭，意味著我得重新填寫各種文件，設(shè)置銀行卡賬號(hào)，等聯(lián)邦快遞給我發(fā)送新的門卡。

但最終的問題是，我究竟是怎樣被中止的？我的合同期限是三年，而我僅工作了八個(gè)月。

就在我被雇傭之前，公司被一家更大的公司收購，而我正是在收購的過程中加入的。我當(dāng)時(shí)的經(jīng)理是以前管理團(tuán)隊(duì)的一員。一天早上我上班時(shí)，發(fā)現(xiàn)他的辦公桌被清理干凈了，仿佛他根本不存在一樣。

作為全職員工，他被裁掉了。但在公司被收購的過程中，他需要以合同工的身份在家里工作。

我估計(jì)，受到裁員的影響，他肯定無心工作，于是一些事情就被忽略了，而在系統(tǒng)中給我的合同續(xù)約，正是被忽略的工作之一。

我對(duì)這份工作很滿意。我已經(jīng)徹底地學(xué)會(huì)了工作所用的整個(gè)系統(tǒng)，還在工作中交了許多朋友，制定了工作的流程，成了同事們可以依靠的人。總的來說，我非常滿意。

但當(dāng)合同到期時(shí)，機(jī)器接管了一切然后解雇了我。一個(gè)簡(jiǎn)單的自動(dòng)化錯(cuò)誤（或者說，功能？）導(dǎo)致了雪崩。

我像個(gè)賊一樣被送出大樓，還得跟人解釋為什么沒去上班，跟同事的關(guān)系也疏遠(yuǎn)了（除了我的經(jīng)理變得極其支持我）。

盡管在這樣一家大公司工作對(duì)于我來說是個(gè)極好的機(jī)會(huì)，我還是決定下一次考慮別的工作。

我所謂的“工作安全”只是一個(gè)幻影。我不禁開始想，如果我真的在公司犯了錯(cuò)誤會(huì)發(fā)生什么。

自動(dòng)化也許是公司的財(cái)富，但當(dāng)機(jī)器犯錯(cuò)誤時(shí)，人必須能夠干預(yù)。正因?yàn)闆]人能阻止機(jī)器，導(dǎo)致我失去了三周的報(bào)酬。

一年之后的今天，我終于可以坐下來平靜地講這個(gè)故事了。這就是我被機(jī)器解雇而人類束手無策的故事。

以上即為作者 Ibrahim Diallo 個(gè)人的真實(shí)經(jīng)歷，認(rèn)真地工作卻被“強(qiáng)大”的機(jī)器系統(tǒng)強(qiáng)制解雇了。

而事實(shí)上，Hacker News 上的很多開發(fā)者都有過相似的經(jīng)歷，他們也有被無處不在的智能系統(tǒng)玩弄過。

潛在的威脅：不確定機(jī)器能做到什么程度

雖然現(xiàn)在已經(jīng)有程序可以代替人類了，但隨之而來的問題是，如果機(jī)器能夠自己學(xué)習(xí)，他們能學(xué)到多少？極限在哪里？

這個(gè)優(yōu)化的過程真的能教軟件比人更好地寫代碼嗎？網(wǎng)站開發(fā)機(jī)構(gòu)和軟件公司是否會(huì)利用 AI 驅(qū)動(dòng)的程序?yàn)樽约壕帉懘a，以節(jié)省資金？

事實(shí)是，我們還不確定機(jī)器能做到什么程度。但是，我們知道人工智能已經(jīng)在影響 IT 行業(yè)的一些工作。

印度軟件咨詢和外包公司 Wipro Ltd. 自去年 6 月以來使用 AI 平臺(tái) Holmes 來維護(hù)軟件，其 3000 多名工程師因此擔(dān)心他們的工作。

更不用說，我們經(jīng)常使用的許多技術(shù)都采用機(jī)器學(xué)習(xí)技術(shù)——從語音識(shí)別到機(jī)器翻譯。

AI 和人類程序員將在編程中扮演互補(bǔ)的角色

人工神經(jīng)網(wǎng)絡(luò)的一個(gè)問題是它們使用的算法是“黑盒”，這意味著它們內(nèi)部的工作方式太過復(fù)雜。

特斯拉的 AI 總監(jiān) Andrej Karpathy 認(rèn)為，對(duì)于大多數(shù)應(yīng)用領(lǐng)域，我們永遠(yuǎn)無法得到完全由 AI 驅(qū)動(dòng)的 100% 精確的模型。

他認(rèn)為 AI 系統(tǒng)的準(zhǔn)確率將超過 90%，但它們并不完美，它們偶爾會(huì)以出人意料的方式失敗。

一般來說，有監(jiān)督和有人控制的深度學(xué)習(xí)系統(tǒng)比無監(jiān)督的系統(tǒng)表現(xiàn)更好。這意味著，即使是最復(fù)雜的 AI 軟件也需要人類的參與和反饋，以學(xué)習(xí)和適應(yīng)新的環(huán)境。

這個(gè)事實(shí)為未來人工智能和人類程序員之間的緊張關(guān)系提供了一種解決方案——共同工作。

[[235744]]

我們可以肯定的是，在不久的將來，AI 和人類程序員將在編程中扮演互補(bǔ)的角色。

AI 的工作可能是處理重復(fù)性的、耗時(shí)的任務(wù)，這些任務(wù)需要機(jī)器優(yōu)異的精確性。機(jī)器可以避免由于人為因素而產(chǎn)生的語法錯(cuò)誤或設(shè)計(jì)錯(cuò)誤。

例如，AI 可以提供幫助的一種方式是自動(dòng)完成功能，程序員只編寫一小部分代碼，然后 AI 識(shí)別程序員的意圖，并完成剩下的代碼，從而為人類節(jié)省大量的工作。

即使機(jī)器能夠完全代替今天程序員所做的工作，但這并不意味著它們不需要人類的幫助。

但程序員必須將注意力從編寫程序轉(zhuǎn)移到監(jiān)控 AI 的性能，并將數(shù)據(jù)“喂給”AI。

正如 Karpathy 所指出的，程序員可能會(huì)成為一種數(shù)據(jù)加持者——收集、整理和分析數(shù)據(jù)，然后將它們用作 AI 的輸入，然后讓 AI 完成剩下的工作。

福利來啦

你覺得你現(xiàn)有的工作會(huì)被AI取代嗎？作為傳統(tǒng)程序員到底要不要轉(zhuǎn)行到AI？掃描下方二維碼，關(guān)注51CTO技術(shù)棧公眾號(hào)。歡迎在技術(shù)棧微信公眾號(hào)留言探討。小編將選出留言最精彩的10名網(wǎng)友，送出《揭秘深度強(qiáng)化》圖書一本~活動(dòng)截止時(shí)間 7 月 16 日十二時(shí)整，特別鳴謝中國水利水電出版社為本次活動(dòng)提供的圖書贊助。

書籍簡(jiǎn)介

《揭秘深度強(qiáng)化學(xué)習(xí) 人工智能機(jī)器學(xué)習(xí)技術(shù)叢書》是一本詳細(xì)介紹深度強(qiáng)化學(xué)習(xí)算法的入門類圖書，涉及深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的相關(guān)內(nèi)容，是人工智能前沿的研究方向。非常適合想在下一代技術(shù)領(lǐng)域立足的人工智能和機(jī)器學(xué)習(xí)算法從業(yè)者學(xué)習(xí)和參考。

該書囊括了強(qiáng)化學(xué)習(xí)基礎(chǔ)知識(shí)、馬爾科夫決策過程、無模型強(qiáng)化學(xué)習(xí)、模仿學(xué)習(xí)、深度學(xué)習(xí)基礎(chǔ)知識(shí)、神經(jīng)網(wǎng)絡(luò)基本組成、反向傳播算法、功能神經(jīng)網(wǎng)絡(luò)層、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)（CNN）的基礎(chǔ)和結(jié)構(gòu)、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、深度強(qiáng)化學(xué)習(xí)基礎(chǔ)、蒙特卡洛搜索樹、策略梯度算法、深度強(qiáng)化學(xué)習(xí)算法框架、深度Q學(xué)習(xí)、雙Q學(xué)習(xí)、異步優(yōu)越性策略子-評(píng)價(jià)算法、深度強(qiáng)化學(xué)習(xí)應(yīng)用實(shí)例等。