GPT-3 這個自然語言處理AI 在去年“出圈”了，被公認是繼AlphaGo 之後“人工智能史上又一里程碑”。它在互聯網上“閱讀”了5000 億詞，模型達到1750 億參數，從而變得通用。但給AI 硬灌數據，實在是燒錢耗力。但好在，GPT-3 正在孕育出能夠實現商業化的後代。

GPT-3 這個自然語言處理AI 在去年“出圈”了，被公認是繼AlphaGo 之後“人工智能史上又一里程碑”。它在互聯網上“閱讀”了5000 億詞，模型達到1750 億參數，從而變得通用。但給AI 硬灌數據，實在是燒錢耗力。但好在，GPT-3 正在孕育出能夠實現商業化的後代。

就在剛剛，GitHub、OpenAI、微軟聯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 可以根據程序員的註釋寫代碼，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的。

目前，Copilot正在測試專供Visual Studio Code的擴展，一旦達到可用狀態，未來會成為微軟編程產品裡的收費項目。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。

還有行業人士表示，這代表AI 開始在編程工作中發揮作用，軟件開發領域的“第三次工業革命”似乎正緩緩揭開序幕。

和你結對編程的，換成了AI

在此之前，程序員寫不出代碼，一般會到軟件開發領域的問答網站Stack Overflow“借鑒”，或者求助於一些代碼自動補全工具。然而，傳統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、註釋、函數名稱以及代碼本身，從而生成新的匹配代碼，包括之前調用的特定函數。

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。兩個程序員經常互換角色。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。

Copilot 具體的功能如下：

在註釋中用簡單的英語描述一個函數，Copilot 就可以將其轉換為實際代碼；

Copilot 能根據程序員給出的​​例子，快速生成模板和重複的代碼；

導入單元測試包，Copilot 就可以提供與代碼匹配的測試；

Copilot 可以提供多個備選方案的代碼供程序員選擇。

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 發布Codex。

Github CEO Nat Friedman 提到，“OpenAI Codex 對於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，這要歸功於它在訓練中接觸到的大量公共源代碼數據集。GitHub Copilot 則適用於多種框架和語言，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 那裡提取出來的TB（terabyte）級公開代碼以及英語語言示例中得到訓練。基於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後代。在運行過程中，Copilot 編輯器的擴展插件將程序員的註釋和代碼發送到GitHub Copilot 服務端，然後該服務使用OpenAI Codex 來生成對代碼的建議。

目前相比於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、註釋、函數名還是代碼主體中，Copilot 都能根據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 的數百名開發者在編碼時，整天都在使用Copilot 功能，他們中的大多數人都接受了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 函數進行了基準測試，測試團隊清除了函數並要求Copilot 填充它們。模型在第一次嘗試正確率是43%，經過10 次嘗試後，正確率達到了57%。團隊表示，之後Copilot 還將進行多次訓練和測試，準確率會進一步提升。但據一些程序員的說法，這種自動生成的代碼工作要“好用”有個前提，就是能精確描述了函數需要實現的功能，不然後續的調試會是更耗時的工作。

另外，GitHub 表示，Copilot 提出的代碼可能會無法編譯或運行，而且Copilot 還可能會使用舊的或已棄用的庫和語言。此外，在試圖理解開發人員的意圖時，Copilot 建議的代碼可能並不總是有效或有意義的，因此程序員還是像往常一樣仔細測試和審查所有代碼。

對於代碼安全，GitHub 表示，並不是所有使用的代碼都經過了漏洞、不安全實踐或個人數據的審查。因此，他們也設置了一些過濾器來防止Copilot 生成攻擊性的語言，目前效果並不完美，需要後續完善。

技術社區也不可避免地對這款工具可能引發的代碼所有權、許可證、利益衝突以及其他現實問題展開了討論。Friedman 回應稱，“總體來說：在公共數據上訓練機器學習系統屬於合理的使用方式；輸出結果的所有權歸於操作者，跟傳統的編譯器沒什麼區別。具體到訓練問題上，大家也可以看到OpenAI 向美國專利商標局做出的承諾。我們預計Copilot 項目的知識產權與AI 成果將很快在世界範圍內掀起關於政策的討論熱潮，我們自己也希望能夠參與進來。”

提前下班，提早下崗

擊敗Stack Overflow 的，不是下一個代碼問答社區，而是編程AI。那麼，現在還是“協助編程”的AI，未來會不會成為能“自動編程” 的AI？

Friedman 在Hacker News 寫道：“軟件開發正迎來自己的『第三次工業革命』。第一次革命是編譯器、調試器、垃圾收集器以及語言等工具的出現，極大提升了開發者的工作效率；第二次革命則以開源為契機，全球開發者社區得以匯聚起來，並在彼此的開發成果基礎之上不斷推進；第三次革命就在現在，業界嘗試在編程當中使用AI 技術。在發展成熟之後，開發人員的日常工作將有巨大改變—— 但仍然有很多工作可做、也只能由人類開發者完成，因此不用太擔心。”

即使是高度機械化的工廠，也需要操作員來發出初始化指令，所以在未來，IT 行業可能還會留下一些操作員類型的程序員，和一些把握高精度操作技巧的工程師。

但也正如Open AI 的CEO Sam Altman 所說，程序員的身價將會下降：“這是我的預測：AI 會讓那些在電腦前工作的人，身價掉得比在物理世界里工作的人還要快。這和大部分的預期完全相反。”

有了Copilot，程序員就可以提前下班，但在未來，也可能會提前下崗。

這並不是微軟第一回借力OpenAI 推出AI 應用。在剛過去的Build 大會上，微軟宣布了GPT-3 的第一個商業用例：在Microsoft Power Apps 中集成GPT-3 的能力，可將自然語言直接轉換為現成代碼。但目前功能相對有限，只支持在微軟Power Fx 中生成公式。即便如此，對於那些非專業的操作者，這個系統也能給出最合適的公式。在過去的工作流中，普通員工要執行數據分析、構建應用程序或讓流程自動化，一般都需要向IT 部門提出需求，然後等待數週或數月才能完成工作，而藉助現在這個功能，可以更“傻瓜”地開發符合自己需求的軟件。

微軟嚐到了OpenAI 技術的甜頭。但和微軟的獨家綁定，也給OpenAI 招來了一些爭議。對此，OpenAI 首席技術官Greg Brockman 表示，底層技術不會只由微軟來使用，OpenAI 將在今年夏末發布Codex 模型，供第三方開發者編寫他們自己的應用程序。