Yahoo奇摩新聞 人工智能：編程員為何喜愛這些可能令他們失業的新科技？
「當你開始學寫代碼，本身就能讓你覺得自己很聰明，好像在《駭客任務》（Matrix，《黑客帝國》）裏面一樣，」26歲的陸伶彥（Janine Luk）說。她是一名在倫敦工作的軟件工程師。
出生在香港的她職業生涯初期是在法國南部做遊艇市場營銷，但是卻發現這一行「有些千篇一律和膚淺」。
於是，她開始在下班後自覺編程，之後又跟了一個15周的培訓營。
在培訓營的最後一天，她向一家網絡安全軟件公司Avast申請了一份工作。
三個星期後就開始上班了。
「兩年半之後，我真的覺得那是我做過最好的決定，」她回憶說。
她剛開始進入這家公司時，她是團隊裏第一個女的軟件開發人員。現在，她會用業餘時間來鼓勵其他女性、有色人種和LGBT（同性戀、雙性戀及跨性別）人士嘗試編程。
她說，對於像她這樣的程序員來說，最近最有趣的轉變是人工智能（AI）工具的興起，它能夠自己完成越來越巨量的代碼編寫。
6月，位於舊金山（三藩市）、擁有5600萬用戶的代碼託管平台GitHub公布了一個新的AI工具，叫做Copilot。
你開始鍵入幾個新的代碼字符串，然後AI會給出建議，如何寫完剩下的部分。
「我見過最震撼腦袋的機器學習功能應用，沒有之一，」Instagram的聯合創始人邁克·克里格（Mike Krieger）對Copilot發出這樣的熱情讚嘆。
它是基於一項被稱為「GPT-3」的人工智能技術，在去年夏天由OpenAI發佈。那是一家位於舊金山的人工智能實驗室，由伊隆·馬斯克（Elon Musk）聯合創辦。
這個GPT（代表「generative pre-training」，即「生成預訓練」）引擎做的一項「非常簡單但是非常大量的工作——預測一串文字當中的下一個字母，」Codility公司的創始人，工作地在華沙的格澤戈茨·賈卡奇（Grzegorz Jakacki）解釋說。他的公司製作了一個廣受歡迎的招聘測試軟件。
OpenAI訓練人工智能，是通過網絡上已經存在的文本，比如書籍、維基百科和數十萬網頁，他說，這樣的原始素材是「有點經過人為策劃但是盡可能多地包含了各種人類語言」。
而且，賈卡奇表示，「可怕的是，它沒有被教導任何特定語言當中的規則。」
這樣得出的結果還是像模像樣的文字段落。
之後，人們還曾叫它去用多種不同風格來寫作，比如，寫一個新的哈利·波特（Harry Potter）故事，但是用厄內斯特·海明威（Ernest Hemingway）或者雷蒙·錢德勒（Raymond Chandler）的風格。
最終，OpenAI的首席執行官薩姆·阿爾特曼（Sam Altman）在推特（Twitter）上發文稱，對於GPT-3的炒作「太過份」，而且人們需要記住，AI「有時間會犯一些非常傻的錯誤」。
GitHub的母公司微軟（Microsoft）在9月買下獨家許可使用GPT-3，而GitHub還決定訓練另一個類似的模型。只不過這一次，是訓練AI寫軟件的源代碼。
GitHub是世界最大的源代碼庫，擁有至少2800萬個公共代碼庫（軟件代碼組存放的地方）。所以，這家公司也能給Copilot一個可觀的公共代碼原始素材。
據曾經嘗試給AI出代碼難題的陸伶彥說，這樣的結果是，Copilot能夠提供「相對好的解決方案，儘管有時候會需要一些微調」。
作為一名程序員，她遠沒有把這個工具看作是她工作的威脅，而是喜歡有AI來幫她做寫代碼當中那些「比較沉悶的部分」，比如檢查那些被叫做「正則表達式」（regular expressions）的複雜字串，她過去總是要「三番四次複查」。
而且，佛蒙特州開源軟件公司紅帽（Red Hat）的資深程序員迪娜·穆斯卡內爾（Dina Muscanell）說，由於AI接收的是由專業程序員寫的代碼，它真的能幫助編程者運用同僚的集體智慧結晶。
現在已經有一些像「Stack Exchange」這樣的代碼社群網站，程序員會在上面問問題然後得到建議。或許這也沒什麼不一樣？
「如果你想想，是在敲代碼的同時立即得到回饋，那還是很讚的。」她說，雖然是由AI來堆砌，但是其實「你有一整隊人在給你投餵這些代碼」。
不過，專業程序員對於AI這個初來乍到的新兵還是有一些顧慮。
其中一個是找錯。賈卡奇說，在軟件工程行業當中，「在垃圾顯而易見的時候，你是比較幸運的，但是這個東西可能會製造一些非常微妙的垃圾。」
在代碼當中的微小錯誤有可能非常難於被發現，同時導致非常大的代價。
未來一種可能的解決方法是利用AI來查找漏洞：比如，發現在微波爐上按某些按鈕「是有效的輸入，但是卻不合情理」。不過，我們還沒有達到這一步。
與此同時，穆斯卡內爾警告說，「如果你經驗不足，而你是在嘗試學習，你可能會出一些差錯但是卻沒有意識到。」
另一個大問題則涉及這些自動生成代碼的所有權。如果Copilot是在用其他人寫的程序來獲得訓練，編出一些與另一名程序員寫的幾乎一樣的代碼，然後你又用到它，這會怎樣？
陸伶彥說，使用AI工具「有可能會侵犯一些開源軟件許可，因為它可能會有些東西是來源於訓練代碼」。而這可能會令你掉進剽竊的漩渦。
賈卡奇說，這完全是一個「法律尚未跟上技術」的領域。
理論上，你可以衡量有多少代碼是源自於一組訓練代碼：方法是通過訓練一個不同的AI去省略掉一組特定代碼，但是使用所有剩餘的代碼。
但是，賈卡奇說，這樣做將會「極其高成本」。
實際上，目前AI只提供一些短的代碼片段，不會完全編寫軟件程序。
賈拉奇說，相較之下，要在網頁代碼中「得到任何一種有意義的功能」，最短的代碼長度是1萬行。
所以，它還沒有凖備好要取代真人程序員。
也沒有到可以出現傳說中的人工智能技術奇點的程度——這個想法最早是由數學家約翰·馮·紐曼（John von Neumann）假定的，指的是電腦智能的自學循環進入一個失控的爆發點，然後飛快地超越人類的智慧。
而更重要的一點，對於像陸伶彥這樣的代碼編寫員來說，「即使它有幫助，也不一定代表工作量會減輕。」
代碼仍然需要全面覆核，而且要進行兩部分測試，一個是它如何運作（稱為單元測試），另一個是它如何與其他代碼融合（集成測試）。
她表示，這樣還是非常好。
她喜歡寫代碼的主要原因「是它當中解決問題的部分，而如果所有事都已經幫你做好了，那當中的樂趣就被拿走了，」陸伶彥這樣反思到。
如果電腦做太多的思考，「你就得不到解決一個問題之後的那種滿足」。
而雖然她認為，隨著越來越多的學習和調適，AI編程工具是有潛力的，「但是希望不要太快，讓我們變得多餘，」她笑說。
