机器之心报道
参与：张倩、Racoon X、Jamin
你有没有想过，有一天，码农是不需要写代码的。你只需要提供函数签名和注释，代码就能自己在屏幕上打出来。「搬砖码农可以都辞退了，留下项目经理提需求即可，大雾９
上面这段 demo 是不是看着很爽？这就是 OpenAI CEO Sam Altman 刚刚介绍的最新研究成果——根据函数签名和注释，利用语言模型自动生成 Python 代码。这个语言模型用到了和 OpenAI 的 GPT 模型相同的无监督技术。
为了让模型学会「写代码」，研究人员在微软的超级计算机上，借助数千个开源 GitHub 库里的代码对该模型进行了微调。
先来看一下生成效果。
研究人员首先展示了一个较为简单、使用 Python 编写回文检测的例子。回文指的是「正读反读都能读通的句子」，例如：「anna」、「level」等。下面是使用该模型自动生成的代码：
可以看到，在你输入了函数签名和注释之后，模型正确地生成了回文检测的代码。当然，对于回文检测，我们也可以用如下更「秀」的递归方法来实现：
看到这里，也许大家并没有对该模型的效果感到很惊艳，毕竟像回文检测这类基础任务的代码网上一抓一大把，模型大可以直接从训练集中复制过来即可。
先别着急，咱们继续往下看。
接下来，研究人员要求模型生成从一个列表中查找长度不少于 7 个字符的代码，而且该任务并没有在训练集中。我们来看看在这样的情况下，模型表现如何：
还是出色地完成了任务！
从这个例子我们可以确定，模型不是简单地复制网上的现成代码，而是依据函数名及相关注释产生了对应的解决方案，它甚至还使用了之前生成的代码。
试过了单一函数的例子，研究者还展示了其在类中的运行效果。
这次的任务是计算商品的总价格，并对名称是回文的商品打折。我们来看一看该模型生成的代码：
模型自动地为我们生成了计算商品总价方法的注释及对应代码。然而这并不是我们想要的结果，我们只想要对名字是回文的商品打折，而不是对所有商品都打八折。研究人员之后修改了该方法的注释，详细描述了想要实现的功能。修改注释后，该模型生成的代码如下：
可以看到模型几乎生成了我们想要的结果。这里仅有一个小问题，我们想要对回文名称的商品打八折，而不是打二折，简单修改一下即可。
最后研究者展示了让模型生成购物收据的结果：
OpenAI 的介绍视频
OpenAI 放出的 demo 的确惊艳，甚至是革命性的。如果照这个思路走下去，以后简单的「搬砖工」似乎都不需要了。但问题也出在这儿：效果未免太惊艳了，让人不禁怀疑是否存在造假或精心挑选……
不过也有人说，「这可是 OpenAI！他们的口袋里有的是好玩意儿。」
那么，如果这是真的，对程序员来说意味着什么？
程序员的未来何去何从？
在 AI 领域，每种新鲜技术的出现似乎都会掀起一番「XX 从业者是否会被 AI 取代」的讨论，这次也不例外。
首先，这种工具的出现所带来的效率提升是毋庸置疑的。我们假设这个 demo 是没有掺水的，那么公司可能会出于成本的考虑裁掉一些初级码农，用一个码农来充当「审码员」，完成原来十个码农的工作。
也有人认为，就目前这个模型来讨论程序员是否会被取代未免有点超前。首先，这还只是一个语言模型，即使在非常简单的函数中也可能出错，更别说遇到比较难以理解的自然语言注释语句了。这时候，还是需要人来介入。
其次，这一流程中用到的「注释」还不是需要人来写吗？
但也有人认为，这些都可以通过时间和技术来解决：总有一天，模型犯的错误会越来越少，甚至少于检查代码的那个人类。
或者你再训练一个模型来写单元测试，然后不断对其进行改进，直到它可以给出大部分时候合理的解决方案。
当然，这些都是一些非常超前的假设，现在的技术还很难做到，真正应用起来也会有各种各样的问题。但回想起 19 世纪初期大批纺织工人的命运，这种讨论还是很有意义的。
参考链接：https://www.reddit.com/r/MachineLearning/comments/gnmjki/dn_microsoft_demos_language_model_that_writes/
首届「马栏山」杯国际音视频算法大赛正在火热进行中。大赛聚焦图像和推荐、画质优化三大领域，设置包括视频特定点位追踪、视频推荐、画质损伤修复三大赛题。优秀参赛者不仅可获得奖金，获奖解决方案还有机会被应用于芒果 TV 核心领域，在校学生还将可能加入芒果 TV「青芒计划」，发放「special offer」。
