点击上方蓝字关注我们
针对AI对程序员的影响，我们不应过于悲观和焦虑，而是要积极看待AI变革对我们产生的影响。只有不断提升自己，拥抱AI，才能让自己立于不败之地。虽然AI 技术可能会影响程序员的部分工作，但不太可能完全取代他们。程序员应关注技能提升和专业发展，以适应不断发展的技术环境。
1、阮一峰在科技爱好者周刊#255中表示
AI 未来会怎样，没有办法预知，但是可以确定，它目前的编码水平不会威胁到程序员。
虽然现在的情况不太好，但等过了低谷期，经济恢复了，程序员的需求就会上升。
你的工作今年是有保障的。如果你努力的话，明年也是有保障的，而且很可能从此都是有保障的。因为如果一直不断学习 AI，你会越来越熟练地掌握它，让它为你工作，达到你的目的。也就是说，它会放大你的生产力。这就是很关键的地方，AI 与人类不是竞争关系，
它未必会减少机会，反而可能带来更多的机会。
因此，当前AI的编码水平不会对程序员构成威胁，并且通过不断学习和掌握AI的使用方法，可以将其作为工具来提高生产力。
原文链接：https://mp.weixin.qq.com/s/vt2y2r6X9vhYWPTF-uIhjQ
2、一位印度程序员分享了对于AI的理解，他认为
ChatGPT的理解能力令人惊讶，但更多时候需要不断调整才能朝着想要的方向前进。
他将其比作一个应届毕业生，吸收了所有人类知识，但需要别人帮助才能将这些知识串起来。因此，程序员需要好好学习AI，精通其使用方法，以提高自身的生产力。
原文链接：https://github.com/ixaxaar/VardaGPT/blob/master/STORY.md
3、英国企业家总结了对AI的5点看法，他认为
AI会大大增强程序员的生产力，并创造过去不可能的产品；
AI本质是生产力工具，跟高级语言、云服务、开源代码等是一个性质；
写代码的门槛会降低，更多的人会进入IT行业，软件市场将变大；
AI推动行业发展，将为所有人带来更多的增长、产品和机会；
我们应成为这个过程的一部分，需要让自己积极主动，不断更新技能，接受新工具。因此，我们应该保持乐观的态度，适应技术的发展，不断更新自身技能，才能在未来的AI时代中立于不败之地。
4、ChatGPT的技术本质
ChatGPT 中的 GPT 是指 Generative Pretrained Transformer，是一种可利用互联网数据进行训练的文本生成深度学习模型 ，在问答、文本摘要、机器翻译、分类、代码生成和对话式 AI 领域都有相当惊人的表现。GPT 的算法细节不展开，你可以自行搜索了解。总体来说，GPT 的技术本质还是用大量已有的数据去训练算法模型，然后算法模型根据概率输出回答结果。这就意味着 ChatGPT 有几个能力缺陷。
- 数据样本量越少，训练的结果就会越差
- 数据无法及时更新（虽然目前GPT-4支持联网模式，但从实际使用来看效果似乎不是特别好，AI未来之路还很长，期待GPT-N的出现）
- 历史数据对未来影响很大
因为GPT学习的都是历史性的知识内容，比如在架构领域，前几年炒的数据中台很流行，假设我们用很多中台的内容去训练 ChatGPT，然后未来技术发生新的变革没什么人使用中台了，这个时候如果让 ChatGPT 回答架构设计，它还会回答大量中台的内容。至少在技术迭代速度非常快的互联网领域，AI对于未来适应能力需要变得非常强，模型的更新数据需要非常快。
5、如何理解GPT是否会取代程序员/架构师
其实理解这个问题的前期需要我们对于ChatGPT的能力和技术本质有个基本的理解，上面已经介绍了GPT的技术本质和本身的局限性，代表它在特定领域确实会存在一定的短板，并非无所不能。如果不突破推理能力和创造能力，光靠一些开放性的知识去喂养，还是比较难的，对于价值型非常高的资源和秘诀永远都是掌握在那不到10%的少数人手里，也不会share。
其次就是我们需要了解程序员/架构师岗位本身的指责和能力要求是什么，才能去评估ChatGPT是否会取代某种岗位或者职业。
5.1、业务需求的差异性无法训练
业务的差异性是没法训练、没法预知的，比如说我目前接触的to B领域，即便是同样的业务和场景，每个地方的用户也都会提出非常多的细节差异，而每一家竞争公司做的产品对于业务的理解和技术实现也完全不同，甚至于一个公司的同一个业务，只是换了一个产品经理，需求可能就会调整，产品方向都会发生大的变化。
ChatGPT等人工智能技术是可以训练来完成一定程度上的任务，但这种能力是基于大量的数据样本和规模化的任务来实现的。相比之下，程序员和架构师在面对具体业务问题时不仅需要考虑业务需求的独特性，还需要考虑代码实现、运行效率、数据Security等多个方面。这种思维过程是一个更为抽象和创造性的活动，是不能简单地从数据中学习到的。
5.2、架构设计过程中的判断无法标准化
架构设计涉及到众多的参数和因素，而这些参数并不都是完全可计算的。例如，在设计系统架构时，需要权衡各个因素的优先级、复杂度和灵活性等方面。这种评估是非常主观的，没有标准化的方法或者公式可以直接套用。即使算法通过了不同环境下的测试，但架构师还需要综合考虑业务应用的场景，以及其他未知的因素，这种全局的决策是无法被ChatGPT所取代的。
5.3、技术不断在演进
随着技术的发展，新的编程语言、框架和工具层出不穷，这意味着程序员和架构师需要不断学习前沿技术，以保持竞争力。而ChatGPT等人工智能技术通常基于一定的数据集和算法，没有自我学习能力，对于新兴的技术和框架很难做到快速适应。
如果用旧的架构文档和方案训练 ChatGPT，它需要很长时间和大量数据才能更新到新的技术，很明显这个过程中的方案是不合理的。目前 ChatGPT 的训练数据据只到 2021 年底。而技术圈的技术演进是非常快的，前几年还大火的中台，到无人问津只需要不到 1 年时间；去年火热的低代码，今年可能就被替换为云原生了。
5.4、架构师需要创新能力
架构设计过程既包括确定系统的架构风格、模式和组件，也包括实施和维护系统的全过程。因此，架构师在进行架构设计时需要考虑一些非常深刻和创新的问题，例如如何优化性能、如何解决并发和分布式问题等。这种创新思维和解决问题的能力是较为高阶的，不仅需要知识储备，还需要良好的逻辑思维和判断能力。
比如说谷歌三篇Dissertation开创大数据时代，Redis 的诞生、Nginx 的横空出世等等，这些都是需要创新的，而 ChatGPT 技术本质就是基于已有数据来训练，目前难以做到真的有价值的创新。更可能的情况是 ChatGPT 一本正经瞎扯淡，因为它的技术本质是根据训练数据的概率来生成答案，如果是放在绘画或者音乐领域，这样输出的结果看不出明显的问题，可能还会让人觉得很有创意，但是在明确的事实或者严格的目标导向的事情（例如“开发一个比 Kafka 更强大的云原生消息队列”）方面，按照概率来输出内容的话，很容易就能看出问题所在。
基于以上的分析，AI目前还达不到取代程序员能力，至少未来几年不太会出现这种情况，毕竟GPT未来的版本衍进还是GPT，但不取代并不意味着不影响。对程序员的影响是不可避免的。对程序员来说，需要意识到自己的技能和学习方式要升级了。
比如说以前花费大量时间在刷数据结构和算法，死记硬背一些框架和第三方库的一些 API 如何调用，查阅大量API文档，对于英语基础不好的同学还要翻译理解，需要消耗大量精力和时间及学习成本的事情，有了 ChatGPT 后，这些基础知识和新技能的获取已经变得非常容易，在这方便我们话费再大的精力也无法跟机器和算法对比，体现不了任何竞争优势。技术人员需要积累更多业务相关的知识，增强对业务的理解力和洞察力，提升自己在技术方面的创造性。这样才不用担心会被人工智能取代。
AI技术的发展和应用使得开发工作更加有效，许多重复性的工作可以交由机器完成，人们可以更专注于创造性的活动。此外，随着AI技术的发展，软件市场将变得更加广阔，将产生更多的需求和机会。因此，程序员需要保持乐观的态度，积极学习和掌握AI技术，并适时地调整自己的职业规划和发展方向。所以，只有通过不断学习和提升自我实力，才能在未来的竞争中立于不败之地。
6、比较容易被 GPT 取代的岗位
比较容易被 GPT 等人工智能模型取代的岗位，总结一句话就是：标准化的常规工作。
例如客服、医生、律师、教师、文员等岗位。以律师为例，打官司的律师不会被取代，但是基础的法律咨询和法律协助等很可能被取代；以程序员为例，只熟悉编程语言 API 算法和数据结构的程序员会被取代，而那些能够完成端到端业务需求开发的程序员则不会被取代！
因此，我们应该学会驾驭人工智能，用它来快速完成一些常规任务，将注意力集中在难以被训练的能力上，加强提高自己的技能水平。
同时，我们也要看到人工智能对就业市场的影响，需要进行职业规划和技能提升，以保持在新时代的竞争力。所以，需要不断学习和更新知识，提升自己的技能和能力，适应新时代的发展趋势，把握机遇，挑战未来。
7、总结
综上所述，ChatGPT等人工智能技术只是一种工具和方法，它的优势就是加速了开发过程。但程序员和架构师需要负责的工作内容比人工智能技术要广泛得多，他们需要考虑的方面比人工智能技术更为复杂，因此无法被ChatGPT所取代。