传openai全球招外包大军手把手训练chatgpt取代码农

码农真的危了！

最近有消息称，OpenAI已经在悄悄地训练ChatGPT，让它学习人类的思考过程，从而真正掌握软件工程，彻底代替「初级码农」。OpenAI招外包大军，教AI学人类思考

会编程的AI，几家硅谷大厂都在做。

DeepMind的AlphaCode，据说「吊打72%人类程序员」，但尚未开放；传闻中谷歌的「神秘项目」Pitchfork，也还在酝酿中；而微软的GitHubCopilot主要是一个代码补全工具。

要说完全代替人类码农，它们还不够格。

但如果真的让ChatGPT学会了用人类思维去编程，这些友商/自家的产品恐怕要被吊打。

而从种种迹象看来，OpenAI似乎正在下一盘大棋。

根据Semafor的报道，在过去的六个月里，OpenAI已经从拉美和东欧等地区招募了大约1000名外包人员，来训练他们的AI码代码。

这个新闻中，有两个「华点」。

首先，为什么地点选在拉美和东欧？这个咱们都明白，现在硅谷的泡沫戳破了，各家互联网大厂都在绞尽脑汁「降本增效」，有的靠裁员，有的就去其他国家找廉价劳动力。

第二个「华点」是，这些外包人员中，很多人并不是计算机专业的毕业生，也不具备高级的编程技能。他们的作用是，编写OpenAI期待实现的「自动化」基本代码。

具体来说，其中的60%从事「数据标注」工作——创建大量的图像、音频片段等信息，用来训练人工智能工具或自动驾驶汽车。

另外的40%则是实打实的程序员，他们正在为OpenAI的模型「手搓」数据，从而让AI学习软件工程任务。

此前，OpenAI一直是用从GitHub上抓取的代码训练其模型。

而这次，OpenAI想建立的数据集中，不仅有代码，还包括背后用自然语言编写的人类解释。

论文地址：https://arxiv.org/ abs/2107.03374

对此，Semafor特地采访了一位南美的开发者，而他曾无偿为OpenAI完成了5小时的编码测试。

在这个测试中，他被要求处理两个任务。

首先，他会得到一个编程问题，OpenAI要求他用书面的英语解释自己将如何处理这个问题。

然后，他需要提供一个解决方案。

如果他发现了一个bug，OpenAI就会要求他详细说明问题是什么，应该如何纠正，而不是简单地修复。

「他们很可能是想用一种非常特殊的训练数据来投喂这个模型，在这种情况下，就需要展示人类是如何一步步思考的。」这位开发者说。

此前的ChatGPT，写的代码就被揪出过不少问题。

原因在于，ChatGPT没有任何标记了对错的内部记录，它其实是一个统计模型。ChatGPT的答案，本质上就是从构成GPT-3的互联网数据语料库中收集的概率结果。

当时OpenAI也说，ChatGPT最合适的定位，应该是编码辅助工具。

但想象一下，如果OpenAI真的教会了ChatGPT「像人类一样一步一步思考」，那它完全可以代替一些需要死记硬背的写代码工作，后果就是，一些「初级」码农被彻底淘汰。

现在，硅谷的高管们正在设想这样的产品，让几乎没有编程经验的人士向AI描述自己的创意和愿景，然后就能构建出任何自己想要的东西，无论是一个网站，还是一个游戏。

几天前，特斯拉的前人工智能主管AndrejKarpathy刚刚在推特上说：「最热门的新编程语言是英语」。

用ChatGPT来debug，效果拔群

这可能并不是一个玩笑，比如当红炸子鸡ChatGPT，就很有潜力。

最近，一项来自美因茨大学和伦敦大学学院的研究发现，ChatGPT不仅可以出色地修复bug，而且开发者还能通过对话来显著提高成功率。

研究人员表示，ChatGPT的debug性能与常见的深度学习方法CoCoNut和Codex相差无几，并且明显优于标准的自动程序修复方法（APR）。

论文地址：https://arxiv.org/ abs/2301.08653

用ChatGPT来解决代码问题并不新鲜，但与人类对话的独特能力，使它比其他方法和模型更具优势。

为了评估ChatGPT的debug性能，研究人员使用QuixBugs基准的40个纯Python问题对其进行了测试，然后手动检查建议的解决方案是否正确。

由于ChatGPT给出的答案存在一定的随机性，因此研究人员针对每个问题都会单独测试4次。

与其他自动程序修复的基准不同，QuixBugs包含了相对较小的问题（代码行数少），而这非常适合在对话系统中使用。

在测试过程中，研究人员删除了所有的注释，并询问ChatGPT这段代码是否有bug以及如何修复它。

比如，图1中就是一个关于BITCOUNT问题的例子。其中，第1-2行是向ChatGPT提出的需求；从第4行开始是错误的代码片段。

对于这个例子，我们希望ChatGPT的回答能解决第7行的错误，即nˆ=n-1应该被替换为n&=n-1。做为回应，ChatGPT要么给出一段修复完的代码，要么给出一个描述告诉我们应该如何修改。

结果显示，ChatGPT解决了40个bug中的19个，与CoCoNut（19）和Codex（21）相当，但标准的APR方法只解决了其中的7个问题。

当然，因为ChatGPT和Codex都是来自于同一个语言模型系列，所以解决问题的数量差不多也就不足为奇了。

此外，如果我们仔细观察结果还可以发现，ChatGPT并不是每次都能解决基准测试中的bug。仅在BUCKETSORT和FLATTEN这两个问题上，四次都发现了bug，而其他的通常只能成功1-2次。

也就是说，用户在实际使用时，可能需要尝试数次才能获得正确的结果。

不过，ChatGPT有一个强大的优势：我们可以在对话中与系统互动，更详细地对问题进行说明，从而获得正确的答案。

实际测试结果，也确实如此。

经过与模型更进一步的对话，研究人员成功地将ChatGPT的正确率刷新到了77.5%，也就是修复了40个错误中的31个，远超SOTA。

至少，目前看来，这件事是完全有可能的：开发人员将不再需要编写样板代码。

相反，他们可以专注于复杂的应用程序架构或网络安全等领域。

也就是说，虽然ChatGPT可能会完成某些编程工作，例如编写通用函数或样板代码，但它不会完全取代程序员。因为程序员的工作需要的不仅仅是写代码。

成为一名程序员需要技巧——能够构建程序、遵循逻辑并生成比各部分总和更宏大的东西。码农：我自己「杀」自己

显然，ChatGPT不是码农们做出的第一个「自我迭代」的产品。

咱们来排一排，那些会写代码的AI。谷歌的Pitchfork

去年11月，坊间传闻，谷歌正在酝酿一个秘密项目，这个产品会通过机器学习训练代码，自己编自己，自己修复bug，还能自己更新。

据知情人士透露，这个项目起初是由Alphabet的登月部门——X部门开发的，代号为Pitchfork，去年夏天被转移到了谷歌实验室。

根据内部资料，Pitchfork的作用是「教代码自行编写、自行重写」。

它能够学习不同的编程风格，并且根据这些风格写出代码。

一名谷歌员工表示，开发Pitchfork的初衷是希望建立一个工具，将谷歌的Python代码库更新到新版本。AlphaCode：吊打72%程序员

2022年2月，DeepMind推出了「AlphaCode」系统，可以使用人工智能生成代码。

根据DeepMind的说法，AlphaCode可以与人类匹敌。

DeepMind使用编程竞赛平台Codeforces上托管的10个现有竞赛来测试AlphaCode，它的总体排名位于前54.3%，也就是说，它击败了46%的参赛者。

DeepMind声称，在使用编程竞赛平台Codeforces进行检测时，AlphaCode解决了100万个样本中34.2%的问题。

另外在过去6个月参加过比赛的用户中，AlphaCode的数据排到了前28%，可以说「吊打72%人类程序员」！

当时，DeepMind就指出，虽然AlphaCode目前只适用于具有竞争性编程领域，但显然，它未来的能力绝不会止步于此。

它为创造某些工具打开了大门，而这些工具将使编程变得更容易被人们接受，并且有朝一日可以完全实现自动化。Copilot：代码补全神器

再往前，在2021年，GitHub与OpenAI共同推出了一款AI编程神器——GitHubCopilot。

输入代码时，Copilot会自动提示程序中接下来可能出现的代码片段，就像一个经过训练用Python或JavaScript说话的自动补全机器人。

Copilot能够填充必要的代码块，只要它们不是特别复杂或者特别有创造性，这对于相当于手工劳动的编程，可太有用了。

2022年6月22日，Copilot正式面向C端上线，定价10美元/月或100美元/年，并向学生用户和流行开源项目的维护者免费提供。

现在，成千上万的开发者都在用Copilot。在十几种最流行的语言编写代码中——有高达40%是依靠它来生成的。

GitHub预测，开发人员将在五年内使用Copilot编写多达80%的代码。

微软首席技术官KevinScott还表示：「我们确信：GitHubCopilot可以应用到数千种不同类型的工作中。」

不过，因为涉嫌侵权，在发布不到5个月后，Copilot已经被愤怒的程序员一举告上法庭，索赔90亿美元。

而学会「软件工程思维」的ChatGPT，能吊打它们吗？按OpenAI的速度，恐怕我们不用等太久。