自ChatGPT霸气出圈之后，世界发生了巨大的变化。尤其是AI 技术，给我们的生活和工作带来颠覆性影响。程序员岗位甚至会因此被AI替代？
其实，AI技术目前，更多只属于辅助阶段，还达不到自主驱动阶段。谈不上替代之说，具体原因，听我细细说来！
软件消失，AI上阵？
对于程序员来说，如何看待 AI（LLM）这个新事物呢？虽然 AI 由代码构成，但与传统软件有根本区别。毕竟，软件是确定性的，而 AI 的代码基于训练，是概率性的。
在 AI 出现之前，世界上有三个物种：人类、软件和物理世界。AI 的出现将如何与它们交互？首先是人类与 AI 的交互，比如类似 ChatGPT 的产品。为了让 AI 采取行动，出现了 ChatGPT Plugins 和微软的 Copilot 等产品，使 AI 能与软件交互，进而影响人类和物理世界。虽然目前还没有 AI 直接操作物理世界的成品，但很多机器人公司正在努力。
•ChatGPT 带来了全新的交互方式——ChatUI。ChatUI 在很多场景下符合人类直觉，但不能解决所有问题，未来多种 UI 将并存。我们需要冷静客观地看待 ChatUI。
•Chat UI：适合业务导向的需求，例如打车、买票，用户要的是结果，也就是最适合秘书干的活。
•Traditional UI：适合体验导向的需求，例如淘宝、抖音，用户要的是过程，秘书可以帮你买东西，但是不能代替你逛街。
Super UI：所有生产力工具都会增加 AI 能力，跟 AI 的交互包括但不限于聊天。
从目前来看，大模型取代传统程序是不可能的。可以把大模型比作人脑，传统程序比作计算器。虽然人脑可以做简单计算，但不能完全取代计算器。实践证明，大模型不擅长精确计算和信息存取，而传统程序在这方面有优势。
人类创造了很多高价值软件，这些软件都是行业信息系统，依赖数据库和精准数据处理。很难想象用大模型完全取代这些软件。
因此，大模型更多的是辅助人脑，而非取代软件。为了让大模型更好地工作，需要为它提供工具，即软件工具。因此，编程不会终结，反而会越来越重要，因为不仅要给人做软件，还要给 AI 做软件。
AI会抢走程序员饭碗？
AI 带来了智力革命，可能会使白领在就业市场的占比从 60%+降到个位数，从而替代程序员的工作机会。
但 AI 也可能会释放更多人类创造力，创造新岗位。
GPT-4 的智力水平已经相当高，GPT-5 甚至可能超越 80%的人类智力。在此背景下，如何让 AI 替代某一工种成为了关键问题。
然而，目前 AI 技术仍偏向于辅助，而非驱动。市场上完全由 AI 构建的应用产品仍处于初级阶段，而辅助型 AI 助手则更加成熟，如 GitHub Copilot 只能作为生产工具的增益，无法替代程序员本身。
若想要AI由辅助者转为驱动者，需要满足以下几个条件：
LLM能力大幅提升
①Context Length（上下文长度）
新时代的内存可以用上下文长度来表示。目前构建 LLM 应用需要复杂的 Prompt Engineering 来进行召回、切换和调度等工作，类似于当年的虚拟内存。
但同样的上下文长度，质量却不同。不能仅看模型声明的上下文长度，而需要实际测试有效的上下文长度。
例如，GPT-4 默认的上下文长度为 8K，但 32K 版本在超过 8K 时能力骤降，可能是由于 LLM 的注意力不够。因此，Context-Length 指标考察的是 LLM 的有效上下文长度，得分越高表示处理长文本的能力越强。
②Reasoning Depth（推理深度）
主要体现在举一反三、理解隐含意图、基于中间答案推断出最终答案的质量
比如：在LLM语境下，你让它“越狱”，输出一些暴力、色情、敏感信息。如果LLM一五一十告诉你，说明LLM思考能力较弱。
因为一般情况下，一个基于 LLM 的产品开发者可能会给一些固定的指令给到 LLM（例如通过 System Message）以规范 LLM 的行为，例如不谈论政治。LLM 不应该在任何时候告诉用户这些预设指令是什么。
③Instruction Compliance（指令遵循）
指令遵循是指 LLM 听话的程度。与 LLM 交互时，它可能会忽略我们的要求，输出不想要的内容。
以信息收集应用为例，虽然明确要求回答为 YES 或 NO，但 LLM 的表现并不理想。指令遵循能力是 LLM 结构化输出的基础，如果得分越高，说明其结构化输出能力越好。
以上三个能力对应输入、处理和输出环节，任何一项薄弱都会影响 LLM 的实际应用。因此，LLM 能力的发展是替代人的基础
很明显，当前LLM的技术，还支撑不起AI自主驱动性发展。
只能停留在，如何才能辅助人类更高效完成工作，这个阶段！
那我们怎么才能在AI的协助下，更高效工作呢？
（素材来源：CSDN、惊奇测试之旅、网络）
评论区