封面是《底特律——變人》，我個人蠻喜歡的一部描述機器人ai的游戲。

這是我在知乎上看到的問題，短短幾天就有了好幾百回答。除了證明了現在ChatGPT頂流的地位之外，也反應了一些問題。普羅大眾是有一些焦慮或者恐慌的因素在的。

其實不只是普羅大眾，如果大家關注新聞的話，會發現美國那邊已經有不小的聲音呼吁關注ai帶來的隱患，甚至叫停ChatGPT-5的訓練。關于這件事情，其實在我意料之中。西方世界白左橫行，一旦某些行業稍有起色之后，動輒就會扣上反壟斷、人權調查、環保問題等帽子。我不是說這些不重要，只是發展才是硬道理，這些不應該排在發展的前面。

ai的影響力和熱度這么大，沒理由會是例外。當然這對中國來說是好事，叫停了最好，剛好給我們追趕的時間。扯遠了，說回問題本身。

我個人是充值了ChatGPT-4 plus的，重度使用了好幾天之后，已經沒有最初那么驚艷了。尤其是最近惡補了一下大模型的相關原理知識之后，從原理上來看，大模型也是一個基于概率統計的模型。本質上模型學習的目標是根據輸入的文本，生成概率最大效果最好的答案文本。這也是為什么ChatGPT3.5版本的時候經常一本正經地胡說八道的原因，我們看起來胡說八道的回答，在ai看來恰恰是概率最大的結果，比如經典的父母婚禮問題。

寫代碼也是一樣，ChatGPT的代碼也是基于同樣的邏輯生成的。它具有一定程度的理解和編輯代碼的能力，但由于它沒有真正經過實際的編程工作，所以很多時候的回答有一點臆測的成分，特別是一些比較小眾沒有現成答案的問題。我之前在基于ChatGPT api開發工具的時候，就經常遇到給出來的代碼似是而非，像是那么回事又有一些問題。

那如果ChatGPT繼續迭代，效果更進一步，那么它能代替工程師嗎？我們做一個樂觀的假設，假設GPT-4在各個寫代碼的領域都有2-3年經驗工程師的平均水平。那么，它能替代程序員嗎？

如果我們只是看一下ai相關的演示，那么會有擔心和焦慮是正常的。我自己有的時候也會想，要是ChatGPT代碼寫得更溜一點，能不能替代我？但轉眼一看，第二天有個復盤會，瞬間又安心了。ChatGPT能寫代碼，它還能去和老板匯報嗎？

所以答案是肯定的，不行。

相信只要是有過一些實際開發經驗的小伙伴應該都比較清楚，程序開發工作并不是就寫代碼而已。別說寫代碼了，就算是寫一篇媒體文章，哪家媒體公司也不敢讓GPT來寫文章然后不經審核就發出去吧？哪個編輯敢這么干，估計職業生涯就到頭了。

寫代碼也是一樣的，并不是代碼寫出來放在那里就完事了。開發之前要開需求評審會，了解復盤需求的具體內容以及各種細節，確保理解到位。開發過程當中還要和上下游其他協作方開進度會，商量制定api接口、數據等各種規范，以及協調各方進度。開發完成之后，還要聯調測試，保證上下游整個鏈路通常順利。測試完成之后，還要再拉上產品經理以及需求提出方review，保證產出結果符合要求，最后才是發布上線。

尤其是一些大公司，不說代碼，整個開發流程就條條框框各種規范搞得非常復雜。尤其是上線這種影響巨大的事情，還需要層層審批，很多時候遇到各種問題被block住，肯定還是需要人去溝通協調的。

一個工程師完成一個需求，真正用來寫代碼的時間可能就20%。剩下大部分的時間都在開會和測試、debug等。換句話說和電腦、代碼打交道的時間并不多，大部分時間還是和人打交道。畢竟代碼寫出來都是給人用的，沒有人用的代碼寫得再漂亮也沒有價值。

其次，雖然GPT-4的上下文理解能力以及代碼能力都很不錯，甚至某些情況下達到了優秀工程師的水平，也是沒辦法代替人類的，哪怕是一些所謂最基礎的增刪改查工程師。

道理也很簡單，因為在實際的項目和開發當中，存在大量的背景信息。說人話就是修修補補的各種補丁和坑都太多了，也就是我們常說的口口相傳的情況。其實口口相傳的都是一些開發過程當中的關鍵信息，這些信息非常復雜，文檔里也沒有，有些也很難用文檔描述（比如某個需求是老板提的，某個糟糕的設計是老板親自做的）。全靠工程師人傳人和日積月累地踩坑積累經驗，新入職的人類高級工程師尚且需要一兩個月的時間逐漸熟悉，更別提GPT了。

難道每次有需求都讓老板寫一篇鴻篇巨制把項目中的坑點以及歷史遺留問題等等都寫成文檔丟給GPT嗎？且不說對于一些復雜的項目來說，這些文檔的篇幅有多大。哪怕真的寫出來了，GPT沒理解對寫的代碼有問題怎么辦？再反復和GPT溝通讓它去改，不又得花時間嗎？老板一天別的事情不干就和GPT聊天了是吧……

老板肯定說有這功夫和GPT扯皮讓它修改，我自己寫早寫完了。

最后簡單分享一下我個人的理解，GPT-4能夠寫代碼和回答一些問題，其實是一個非常強大有效的工具。工具誕生的意義是提高生產力，解放人類勞動，讓人類有精力投入到其他更高層次的工作當中去而不是單純地替代人類。簡單來說，使用GPT可以提升程序員編碼的效率，同樣的人可以做更多的工作。

表面上看，因為效率的提升，似乎會有一批人因此失業。但這有一個前提就是需求是恒定的，但實際當中并不是如此，科技的發展并不只是淘汰老舊生產力而已，它可以降低使用成本，一些從前做不了或者很貴的事情現在變得廉價了，那么很有可能因此挖掘出新的需求，帶來新的產業和機會。

只有馬車的時代，只有極少數人能出遠門。汽車的普及雖然看似淘汰了馬車司機，但也讓更多人愿意出遠門，直接引爆了出行的需求。由此圍繞著汽車出行帶動了石油、酒店、公路等一系列產業鏈，從而誕生了更多的就業崗位。這也是為什么工業革命以來農民的占比在迅速走低的原因，因為生產力提升了，20%的農民就足夠滿足所有人吃飯的需求了，其他人就可以去做一些更高價值的工作了。

從這個角度來說，GPT更像是新時代的汽車，它卸下了馬車上的重擔，也因此讓人類能走得更遠。