生成式人工智能——对软件工程的影响

生成式人工智能正被证明是一项具有潜力改变我们生活和工作方式的有希望的技术。山姆·阿尔特曼认为它甚至可能改变“经济物理学”。我对它如何影响软件开发提出了一些想法。

我尝试从现实的角度来看待这个问题，我认为可以预见未来会出现一些既进步又具有挑战性的变化。

发货更快

在其核心，软件开发是关于解决商业问题的。我在这篇博客中写了一些关于这方面的内容。如果你正在专业地编写软件，写作和发送代码更快可以为您和公司提供竞争优势。如果你处理得更快，你就能更快地解决问题。解决更多的问题，就能创造更多的价值。

这并不是什么秘密，Gpt4、Github Copilot 和Aws Code Whisperer 可以帮助软件开发人员提高生产力。但是，怎样做呢？如果你能问出正确的问题，使用像 ChatGpt 这样的工具，就可以更快地交付。

个人而言，我觉得代码编辑器 Copilot 有点烦人。有时当我编写代码时，它会建议一些无关的代码补全，从而打断我的思路。如果你为一个函数添加了清晰的输入-输出注释，那么它会非常好用。

举个例子，如果你在构建一个React组件，你可以在编辑器中输入伪代码，Copilot会识别出你要构建的内容并提供代码建议。

你可以使用相同的伪代码，并请求GPT4为您提供一个可用的样板代码。在评估代码后，您可以要求它进行更改和改进。然而，它确实有一个令牌限制。也许很快，Visual Studio的下一个版本将带有Chatgpt和Github Copilot的集成，甚至是一个扩展程序，可以帮助您直接从代码编辑器与GPT4聊天（安全性是一个大问题）。

技术(计算机科学)专业人才需求量？

这个故事的另一个方面是，如果公司在编码方面变得更加高效，它们是否还需要更少的软件开发人员？也许吧。有些事情还在筹备中，不清楚它会变成什么样子。我是说，IBM已经宣布了他们计划使用人工智能来替代不需要的工作。我认为随着时间的推移，我们肯定会看到更多的打扰。

我认为了解软件开发全生命周期中使用的技术基础可以帮助你拓宽自己的技能，对抗不断变化的市场。

我还想说学习和建立直觉数据科学和机器学习背后的数学也是有帮助的。也许你会觉得很有趣，并创造出下一个ChatGPT。

我注意到的另一个趋势是将X和计算机科学相结合。可以将X替换为生物学、医学和制药、机械工程、理论物理甚至管理、领导和客户服务等。具有这些跨职能技能的专业人才变得越来越有价值，并且借助生成式人工智能，他们可以更快地构建、研究和推出产品。

很快，我们将会看到编码和编程成为必修学科，作为学术课程的一部分。

同时，工作行为也在发生变化，工程师更常换工作和进行承包/自由职业。我见过那些能够迅速适应并学习新技术的开发人员找到各种合同工作，并获得不错的收入。

学习计算机科学

这是在生成式人工智能采用的早期阶段中，我认为我们看到的影响最大的一个领域。有了像ChatGpt这样的工具，你就像有了一个24X7的个人导师。你可以问任何与计算机科学相关的问题并学习新的概念。你甚至可以要求它用多种格式解释答案。这是一个永远不会因为你问愚蠢的问题而生气的导师（目前为止）。

知识不仅仅局限于计算机科学，你可以获得来自各种领域的答案。想象一下，一个正在从事药物研发的研究员可以使用chatgpt快速学习有关药物化学成分的许多知识，并使用编程针对目标细胞的分子组成运行模型。

一位有创业想法的企业家可以快速学习他们需要学习的事情，甚至更快更便宜地构建MVP。他们甚至可以向这些模型解释商业计划并获取软件建议。ChatGpt在这里充当顾问的角色，您可以要求它像顾问一样行事。

结论

我认为开发人员生产力工具将得到项目经理甚至风险投资者的最大关注。随着2022-2023年的裁员和远程工作，就业市场变得更加竞争。我坚信这将创造比消除更多的工作机会。例如，数据、人工智能和网络安全等工作目前非常受欢迎。

我很感兴趣了解你在生成式人工智能方面的经验。你认为它会改变软件工程吗？

干杯！