“程序员”这个职业会不存在吗？

前两天，几位互联网大佬聊人工智能（AI）上了热搜，一些观点比较犀利，在软件行业掀起了大范围的热议，其中一大热点是：“程序员”这个职业会不会存在？去年就有惊人的观点：谷歌工程主管：程序员的职业生涯将在 3 年内被AIGC终结

其实，我5年前就写过一篇文章：未来两年：人机结对编程(MMPP)将成为现实。当时，我过于乐观，但也不算乐观：2020年北京大学推出了aiXCoder 2.0（版本到了2.0，说明产品相对成熟了，其工作始于2013年），可以完成代码补全、代码评审等，开始实现人机结对编程。

今天的大语言模型（LLM）是一个概率模型、一个不确定模型，我甚至说过（见：软件工程3.0实践之路（一）最后一段）：因为LLM的不确定性，有幻觉/幻想，倒是不适合做编程助手，更适合帮我们在一些不确定事务（股票投资、风险管理等）上做决策、可以获得最大的赢率。LLM也更适合参与我们的头脑风暴活动、文化创意、设计等活动，这时幻觉/幻象成了优点、有创造性，例如挖掘用户的需求、应用场景、海报生成、视频创作、音乐创作等。

今天，我们确实越来越多地将LLM应用于代码补全、代码生成、代码理解、代码解释等工作中（见：软件工程3.0实践之路(六)：LLM驱动编程，银弹快来了吗？），它也可以生成单元测试脚本、测试用例。但所有生成的结果都不能直接采用，需要人工review。如果你的能力弱，就无法判定结果对与错，review的效果就不理想。如果你只懂英文和中文，而不懂计算机编程语言，那根本无法review。对，像其他同学说的，你还要懂操作系统、懂数据库、懂通信协议、懂架构、懂算法和数据结构......这些都是软件开发的基础。

但是否有可能：生成的代码不需要人工review呢？在某些情况下也是有可能的，我的设想是：

• 事先分别构建独立的开发LLM（更多是代码正例）、测试LLM（语料更多是反例，如缺陷报告、测试脚本、测试运行日志等）、业务/需求LLM等。

• 让LLM帮我们实现BDD那样的需求（GWT格式，即需求足够明确），这个过程还是人机交互的，需要业务需求专家确认结果，确保结果是正确的（相对的，不是绝对的）。

• 从基于BDD的需求出发，开发LLM生成产品代码，测试LLM生成测试代码，两者独立工作，相互博弈、相互验证（类似AlphaZero，之前也有微软的论文做了局部验证）。这种情况下，几乎不需要人工参与（但很有可能是少量参与），让LLM相互验证，确保结果运行正确、通过测试。

• 业务/需求LLM 会参与全过程来验证，包括针对运行的程序进行验证。
  

• 谷歌广告中，开始集成进大量的生成式AI功能。

• 谷歌的聊天机器人，可以帮人们浏览大量的广告产品。

• 谷歌的某AI系统，可以根据广告购买者给出的预算和目标，自行制作图像和文本。

• 过去，提供销售指导、创建艺术资产、决定文本和布局这些工作都是人类做的，但是现在，AI完成起这类任务可以每秒做一千次。

不过，面对AI的冲击，绝大多数（70%）的开发者认为，AI辅助工具能够帮助他们更好地完成工作。尤其是在以下这几个方面：

• 编程辅助、代码自动补全与生成，例如用ChatGPT、GitHub Copilot、CodeArts Snap等。

• 学习与答疑，不懂的问题找大模型。

• 文档润色和生成，需求文档润色、个人总结和测试报告生成等。

在这之中，有大约67%的开发者表示，自己已经将AI作为工作的一部分了。所以，我们可能会说，你的能力越强越安全，同时，你必须拥抱AI、拥抱LLM，不会用AI/LLM工具的人会被熟练使用AI/LLM工具的同行所淘汰。

• 根据国内招聘网站统计数据（以下相同）显示，机器视觉的薪资差距最大——达到了62.44%。其中，要求AIGC技能的机器视觉招聘平均年薪为48.45万，而无此要求只有29.83万元。

• 售前技术支持、大客户销售和平面设计这三个职位，是否具有AIGC技能也将带来超过50%的薪资差异。

• 对于企业来说，在同等条件下，有57.04%会优先考虑那些具备AIGC技能的候选人。

• 被开聊次数最多的是注明具有AIGC技能的算法工程师，高达15.72次，比未注明的同等职能多6.21次。

• 从行业分布来看，新发职位主要集中于互联网、计算机软件、人工智能三大行业，占比为29.65%、12.7%、9.96%。好消息是：说明互联网/软件职位在增长，软件定义世界、数字化转型，会带来更多的互联网/软件职位。

鉴于此，我们要尽早着手学习使用AIGC工具，从而增强自己的职场竞争力和求职议价权。

原文作者：Test Ninja

原文链接：https://mp.weixin.qq.com/s/0G6EK1AQpmlgA-O7X6286A