微軟這次做了個 AI，讓程序員提前下班，提早下崗
導語：GPT-3 這個自然語言處理 AI 在去年「出圈」了，被公認是繼 AlphaGo 之后「人工智能史上又一里程碑」。它在互聯(lián)網上「閱讀」了 5000 億詞，模型達到 1750 億參數(shù)，從而變得通用。但給 AI 硬灌數(shù)據(jù)，實在是燒錢耗力。但好在，GPT-3 正在孕育出能夠實現(xiàn)商業(yè)化的后代。
GPT-3 這個自然語言處理 AI 在去年「出圈」了，被公認是繼 AlphaGo 之后「人工智能史上又一里程碑」。它在互聯(lián)網上「閱讀」了 5000 億詞，模型達到 1750 億參數(shù)，從而變得通用。但給 AI 硬灌數(shù)據(jù)，實在是燒錢耗力。但好在，GPT-3 正在孕育出能夠實現(xiàn)商業(yè)化的后代。
就在剛剛，GitHub、OpenAI、微軟聯(lián)合打造了一個全新的代碼生成 AI：GitHub Copilot（以下簡稱為 Copilot）。
簡單來說，Copilot 可以根據(jù)程序員的注釋寫代碼，自動補全代碼，提供與代碼匹配的測試，還能生成多個備選方案的代碼供選擇。GitHub 表示，Copilot 生成的代碼大部分是原創(chuàng)的。
目前，Copilot 正在測試專供 Visual Studio Code 的擴展，一旦達到可用狀態(tài)，未來會成為微軟編程產品里的收費項目。Copilot 可以說是 OpenAI 接受微軟 10 億美元投資以來的首個重大成果。
還有行業(yè)人士表示，這代表 AI 開始在編程工作中發(fā)揮作用，軟件開發(fā)領域的「第三次工業(yè)革命」似乎正緩緩揭開序幕。
和你結對編程的，換成了Copilot
在此之前，程序員寫不出代碼，一般會到軟件開發(fā)領域的問答網站 Stack Overflow「借鑒」，或者求助于一些代碼自動補全工具。然而，傳統(tǒng) IDE 基本都使用搜索方法進行補全，換句話說，網上有的，才能被抓過去補全。
但 Copilot 是另一種思路，它直接靠 AI 理解程序員的需求。Copilot 不僅僅是模仿以前見過的代碼，它還會分析文檔中的字符串、注釋、函數(shù)名稱以及代碼本身，從而生成新的匹配代碼，包括之前調用的特定函數(shù)。
脫胎自 GPT-3 的 OpenAI Codex，接受過公開源代碼和自然語言的培訓，能理解編程語言和人類語言。所以，Copilot 對語言理解和轉換有極高的天賦。
GitHub 給 Copilot 的官方定義是「AI 結對編程員」。「結對編程」（pair programming）是一種軟件開發(fā)方法，兩個程序員在一個計算機上共同工作。一個人輸入代碼，而另一個人審查他輸入的每一行代碼。輸入代碼的人稱作駕駛員，審查代碼的人稱作觀察員。兩個程序員經?；Q角色。GitHub 認為 Copilot 是進化版的「結對編程」，在未來幫程序員查缺補漏的，將會換成 AI。
此外，Copilot 還能輔導新手寫代碼，可以幫助他們找出錯誤、學習新框架，省去大量查資料的時間。
OpenAI 首席技術官 Greg Brockman 表示，將在今年夏末通過 API 發(fā)布 Codex。
Github CEO Nat Friedman 提到，「OpenAI Codex 對于人們的代碼使用習慣有著廣泛了解，而且在代碼生成能力上遠遠超過 GPT-3，這要歸功于它在訓練中接觸到的大量公共源代碼數(shù)據(jù)集。GitHub Copilot 則適用于多種框架和語言，但目前的技術預覽版主要面向 Python、JavaScript、TypeScript、Ruby 以及 Go」。具體來說，OpenAI 在 GPT-3 的基礎上生成了 Codex 算法，Codex 在從 GitHub 那里提取出來的 TB（terabyte）級公開代碼以及英語語言示例中得到訓練。基于 Codex 算法，編程 AI Copilot 誕生了。
也就是說，Copilot 比 GPT-3 誕下的專為代碼生成設計的后代。在運行過程中，Copilot 編輯器的擴展插件將程序員的注釋和代碼發(fā)送到 GitHub Copilot 服務端，然后該服務使用 OpenAI Codex 來生成對代碼的建議。
目前相比于市面上一些編程輔助工具，Copilot 的上下文理解能力要強大得多。無論是在文檔字符串、注釋、函數(shù)名還是代碼主體中，Copilot 都能根據(jù)編程者已寫出的上下文生成匹配的代碼。
不看廣告，看「療效」
Friedman 說，GitHub 的數(shù)百名開發(fā)者在編碼時，整天都在使用 Copilot 功能，他們中的大多數(shù)人都接受了 AI 的建議，沒有關閉該功能。
但就目前來看，Copilot 提供建議的準確率似乎不高。GitHub 對一組 Python 函數(shù)進行了基準測試，測試團隊清除了函數(shù)并要求 Copilot 填充它們。模型在第一次嘗試正確率是 43%，經過 10 次嘗試后，正確率達到了 57%。團隊表示，之后 Copilot 還將進行多次訓練和測試，準確率會進一步提升。但據(jù)一些程序員的說法，這種自動生成的代碼工具要「好用」有個前提，就是能精確描述了函數(shù)需要實現(xiàn)的功能，不然后續(xù)的調試會是更耗時的工作。