今天，分享一篇传 OpenAI 全球招外包大军，手把手训练 ChatGPT 取代码农，希望以下传 OpenAI 全球招外包大军，手把手训练 ChatGPT 取代码农的内容对您有用。
原文标题：《程序员危！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」。
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 GitHub Copilot 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。
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 Andrej Karpathy 刚刚在推特上说：「最热门的新编程语言是英语」。
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）。
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。
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。
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。
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。
再往前，在 2021 年，GitHub 与 OpenAI 共同推出了一款 AI 编程神器 ——GitHub Copilot。
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 Kevin Scott 还表示：「我们确信：GitHub Copilot 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。
参考资料：
本文来自微信公众号：新智元 （ID：AI_era）
