《Computer World》雜誌曾經寫過一篇文章，說“程式設計到1960年就會消失”，因為IBM開發了一種新語言FORTRAN，這種新語言可以讓工程師寫出他們所需的數學公式，然後提交給電腦運行，所以程式設計就會終結。
圖片
#又過了幾年，我們聽到了一個新說法：任何業務人員都可以使用業務術語來描述自己的問題，告訴電腦要做什麼，使用這種叫做COBOL的程式語言，公司不再需要程式設計師了。
後來，據說IBM開發出了一門名為RPG的新程式語言，可以讓員工填寫表格並產生報告，因此大部分企業的程式需求都可以透過它來完成
圖片
#在80年代和90年代，隨著組件和圖形化開發的出現，業務人員可以透過拖曳的方式輕鬆地開發出程式
進入二十一世紀，又出現了Low Code, No Code，既然都沒有程式碼了，那就更不需要程式設計師了。
事實真相是怎麼樣的呢？
程式設計並沒有被終結，相反，門檻不斷降低，導致程式設計師數量越來越多
現在終極大Boss——大模型－來了，它和之前的新技術，新語言都不同，不用人去寫程式碼，而是直接產生程式碼。
它能否終結編程，淘汰程式設計師呢？
首先，我們必須承認，業界頂尖的AIGC工具，如GPT-4，現在已經具備了非常強大的程式碼產生能力。如果您還對此持有異議，歡迎閱讀我之前寫的幾篇文章，《AI可以生成95%的代碼》
網上也有人用GPT-4，Midjourney, DALL·E 3 產生了一個類似憤怒的小鳥這樣的遊戲：“Angry Pumpkins”，效果讓人驚嘆！
然而，AIGC產生的程式碼並不能完全保證無懈可擊，也無法保證其準確性，因此程式設計師需要進行檢查和調試，並在發現問題後引導其進行修改，這是一件相當繁瑣的工作
熟練GPT-4這類工具可以讓程式設計師成為超級個體
很多人沒有意識到的是，寫程式碼只是軟體開發的一個環節。在寫程式碼之前，還有需求分析和設計（包括架構設計和詳細設計）需要完成
AIGC在詳細設計方面取得了顯著進展，但在架構設計方面仍有待提升。您可以閱讀《AI開始威脅程式設計師的核心能力了！ 》一文來了解具體案例
隨著AIGC的快速迭代，在5~10年內，也許能出現有著強大設計能力和程式碼產生能力的AI，但是AIGC很難翻越最後一座大山：需求分析。
了解客戶的需求是一項困難的任務。你需要熟悉他們所在的領域、業務和流程，透過不斷的溝通和確認，才能大致弄清楚他們需要什麼
很多時候，客戶只有看到軟體成品才會恍然大悟：哦，原來我需要的功能不是這樣的
市面上出現的所有的程式相關的AI工具，如GitHub Copilot，Amazon CodeWhisperer，都無法直接從客戶需求產生程式碼，都需要程式設計師用行話精確地告訴它要做什麼事兒才行。
簡單來說，從客戶需求直接到程式碼生成，這條路不通。
#從詳盡的軟體規格說明書到程式碼，非常有望實現
所以有人搞了一個新型的外包公司，專門用AI生成程式碼，希望能用更低廉的成本對其他公司進行降維打擊。
只有有人與人之間才能交流需求，如果無法實現普適人工智慧，需求分析這項任務是無法被AI所解決的
人工智慧的普遍應用時間難以確定
在《機器之心》中，庫茲韋爾展示了一張計算力增長的圖表
#圖片
從20世紀到21世紀，計算力呈指數成長，依照這個趨勢，在2025年左右，1000美元的個人電腦的運算能力就可以達到人類大腦的水平。
到2060年，計算力能超過所有人類大腦的總和。
不過，計算力的達到人類大腦的水平，並不代表智慧也能達到人類的水平。
人腦中的神經元數量大約是1000億。每個神經元平均約有1000個連接，共100兆個連接。
所有連線可以進行同步運算，這是一種相當強大的平行處理能力。
現在人們試圖使用神經網路來模擬人腦，但是當神經元足夠多以後，它到底是如何運作的，為什麼展示出了「智慧」的行為，人類還是一頭霧水，只能用個字--湧現--來模糊地描述它。
所以庫茲韋爾建議研究人的大腦，利用磁振造影掃描儀等技術窺探大腦內部。隨著技術不斷更新換代，掃描解析度和掃描速度不斷提高，非侵入性、非侵入式掃描活人大腦最終變得可行。
根據掃描得出的信息，繪製出具體位置、相互之間的連接、體細胞的成分、軸突、樹突、突觸前囊泡以及其他神經部分。然後整個腦組織就可以在一台記憶體夠大的神經電腦中被重造出來，大腦中的儲存內容也可以被重造。
這一天不知道什麼時候才能到來，所以現在不用對AI的威脅憂心忡忡，只要能駕馭AIGC這個工具，讓他為自己所用，就可以繼續安心地去搬磚了。
以上是你知道程式設計師再過幾年會沒落？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
