谷歌神秘项目曝光！能写代码还会改bug的AI，让码农瑟瑟发抖

艾小西

关注“FightingCV”公众号
回复“AI”即可获得超100G人工智能的教程
点击进入→FightingCV交流群
【From 新智元】谷歌神秘项目Pitchfork曝光！这次，会有多少码农被迭代？做一个程序员，压力有多大？



反正，最近的一个传闻，是让码农们瑟瑟发抖。
传说谷歌正在研发一个秘密的新项目，教AI写代码。
据说，学会之后，AI不仅能写代码，还会修复bug。



写代码这件事，就应该让代码自己来

传闻，谷歌的这个秘密项目，会通过机器学习训练代码，让它们自己编自己，自己修复bug，还能自己更新。



这个项目表明，谷歌向生成式人工智能（generational artificial intelligence）更近了一步。
现在的AI，是愈发无所不能了。它们可以创建图像、视频，还能写代码。
如果这个AI再进化下去，未来还需要写代码的码农吗？



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。
今年夏天，它被转移到了谷歌实验室。



众所周知，谷歌实验室看重的是「长期投资」，包括VR和AR项目。
现在，Pitchfork已经成为了谷歌实验室下「AI开发者援助团队」的一名员工。
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。



现在，这个团队正在探索不同的用例，来帮助开发者。
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。
在不用雇佣多余软件工程师的情况下，怎么从一个版本过渡到下一个版本呢？
Pitchfork应运而生。



团队负责人Hatalsky表示，随着时间的推移，Pitchfork项目的目标逐渐变成了建立一个通用系统。
从去年年底开始，Pitchfor已经可以降低for X的成本。



AlphaCode：吊打72%程序员

其实，AI编程这件事，早就不新鲜了。
2022年2月，Alphabet的另一家子公司、谷歌的兄弟公司DeepMind，就推出了一个名为「AlphaCode」的系统，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，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：程序员的好帮手

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。



此外，Copilot还优化了多名程序员间的线上协作功能，因此，它是生成式AI早期最成功的项目之一。
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。



Codex：AI实时自动编程

OpenAI开创了文本生成的先河。
从2019年，OpenAI开始使用一种名为GPT-2的算法，在业内引发轰动；2021年底，OpenAI推出了GPT-2的升级版GPT-3，可供任何人使用。



GPT-3拥有1750亿个参数，是上一代模型GPT-2的100倍，也一举将此前同类NLP模型的参数纪录提升了10倍。
在图像生成领域，OpenAI在2021年1月官宣了DALL-E，它可以为文本提示生成原始图像。
在2022年4月，DALL-E 2发布，它能够渲染更复杂的图像。



2021年6月30日，通过搭载自家的Codex模型，OpenAI与GitHub联合发布了 「AI代码补全神器」GitHub Copilot。
不过当时，Codex并没有透露过多细节，始终保持着神秘感。
去年8月10日，OpenAI终于推出了改进版本的Codex，还发布了基于自身API的私测版。



与之前的版本相比，Codex的改进版本不仅可以解读简单的自然语言命令，还可以自动创建并完成代码，更加灵活和先进。
例如在OpenAI的太空游戏《space game》中，用户输入自然语言命令「Make it be smallish」，Codex系统便会自动生成控制代码，使图中飞船的尺寸就缩小。



另外，还有一个能自己写软文的神奇工具——Jasper。
「Jasper」是一款AI内容平台，搭载GPT-3的文本生成技术，可帮助人类突破创意障碍，并以10倍的速度自动生成文本供公司使用，用于营销、博客和电子邮件等。
就在10月，Jasper宣布筹集了1.25亿美元的资金，目前估值已达15亿美元，并声称有望在今年带来7500万美元的收入。



从去年到今年，井喷的生成式AI

要说现在业界最火热的词汇，「生成性人工智能」肯定是其中之一。
用技术一点的说法，「生成性人工智能」是指无监督和半监督的机器学习算法，它使计算机能够使用文本、音频和视频文件、图像甚至代码，来创建新内容。
AI根据用户提示生成的艺术作品、文本和代码，一次次让人类惊艳。



Gartner在「2022 年新兴技术和趋势影响雷达报告」中，就将生成式AI列为能带来生产力革命的技术之一。



根据Gartner的预测，到2025年，生成式AI将生成所有数据的10%（现在不到1%），以及面向消费者用例的所有测试数据的20%。
并且，到2025年，50%的药物发现和开发都会使用生成式AI。



投资人工智能的大型生物制药公司
而到2027年，30%的制造商将使用生成式AI来提高产品开发效率。
现在，生成式AI已经引发了硅谷的「淘金热」。



风投公司红杉资本就在最近的一篇博文中，阐述了生成人工智能的潜力，涉及语音合成、视频编辑、生物和化学等领域。
在文章最后，该公司得出结论：在未来，所有的图像，以及一部分文本和算法，都是使用AI生成的。



人类会因为AI而失业吗？

可以预见，随着生成式人工智能井喷，未来也将有更多、更先进的AI编程模型陆续出现，挤压程序员的生存空间。
那么，人类程序员会因为AI技术的发展而失业吗？



一个业界共识是：想要取代人类，「AI程序员」们还有许多问题需要解决。
这主要体现在「商业化前景」和「法规伦理」两个方面。
Foundation Capital的合伙人、Jasper的早期投资者Joanne Chen表示，想要将一家生成式AI工具变成一家有价值的公司仍然很困难。
前不久，「AI编程神器」Kite宣布停止开发，运营仅8年便彻底凉凉。



在发布于Kite官网的最后一期博客中，创始人Adam Smith表示「我们拥有了50万名月活用户，但几乎没有产生任何收入。」
他认为仅仅使开发人员在编写代码时速度提高18%，这对于他们来说也不够轰动，也并不足以使他们花钱购买增值服务。
产品的商业化前景不够明晰，这或许也是许多付费AI辅助软件的通病。
「伦理与版权」则是阻碍生成式AI技术走入人们生活的另一只拦路虎。
本月早些时候，GitHub就被提起集体诉讼，指控使用了Copilot工具使用人工智能复制开源代码，并视软件隐私于不顾。



一些开发人员也抱怨，Copilot所建议的代码看起来像他们自己的工作。
虽然GitHub表示，在极少数情况下，该工具会生成复制的代码，当前版本试图过滤和阻止与GitHub公共存储库中现有代码匹配的建议。但这仍然在一些程序员社区中产生了相当大的焦虑。
Chen还表示，生成式人工智能的热潮可能意味着监管的缺位，并使它们用于「一些令人讨厌或危险的用途」。例如制作传播错误信息的视频等。
因此就谷歌可能推出的Pitchfork来说，虽然该项目尚处于早期阶段，但仍需要考虑如何训练这些模型的棘手伦理问题，例如偏见和潜在的版权问题。
所以，程序员是在自己「杀」自己么？



参考资料：
https://www.deepmind.com/blog/competitive-programming-with-alphacode
https://www.businessinsider.com/google-ai-write-fix-code-developer-assistance-pitchfork-generative-2022-11

往期回顾

基础知识
【CV知识点汇总与解析】|损失函数篇

【CV知识点汇总与解析】|激活函数篇

【CV知识点汇总与解析】| optimizer和学习率篇

【CV知识点汇总与解析】| 正则化篇
【CV知识点汇总与解析】| 参数初始化篇

【CV知识点汇总与解析】| 卷积和池化篇 （超多图警告）


最新论文解析
NeurIPS 2022 | VideoMAE：南大&腾讯联合提出第一个视频版MAE框架，遮盖率达到90%
NeurIPS 2022 | 清华大学提出OrdinalCLIP，基于序数提示学习的语言引导有序回归

SlowFast Network：用于计算机视觉视频理解的双模CNN
WACV2022 | 一张图片只值五句话吗？UAB提出图像-文本匹配语义的新视角！
CVPR2022 | Attention机制是为了找最相关的item？中科大团队反其道而行之！
ECCV2022 Oral | SeqTR：一个简单而通用的 Visual Grounding网络
如何训练用于图像检索的Vision Transformer？Facebook研究员解决了这个问题！
ICLR22 Workshop | 用两个模型解决一个任务，意大利学者提出维基百科上的高效检索模型

See Finer, See More！腾讯&上交提出IVT，越看越精细，进行精细全面的跨模态对比！
MM2022｜兼具低级和高级表征，百度提出利用显式高级语义增强视频文本检索
MM2022 | 用StyleGAN进行数据增强，真的太好用了

MM2022 | 在特征空间中的多模态数据增强方法

ECCV2022|港中文MM Lab证明Frozen的CLIP 模型是高效视频学习者

ECCV2022｜只能11%的参数就能优于Swin，微软提出快速预训练蒸馏方法TinyViT

CVPR2022|比VinVL快一万倍！人大提出交互协同的双流视觉语言预训练模型COTS，又快又好！

CVPR2022 Oral｜通过多尺度token聚合分流自注意力，代码已开源

CVPR Oral | 谷歌&斯坦福（李飞飞组）提出TIRG，用组合的文本和图像来进行图像检索

程超

站位支持

调息

确实不错，顶先

栀子花

确实不错，顶先

姜呈全

1v1飘过

香蕉你个吧啦

不错 支持下

未来的自己

LZ是天才，坚定完毕

沸腾冰

前排，哇咔咔

潇潇慕雨

我是个凑数的。。。

酸甜苦辣

回个帖子，下班咯~