1%

據(jù)統(tǒng)計，全球78億人中，只有2700萬人會編寫代碼，占比不到1%。美國有50萬個編程人員崗位空缺，歐盟目前只有10%的編程人員受過計算機科學專業(yè)訓練。

據(jù)報道，英特爾公司在2020年12月推出的機器編程研究系統(tǒng)ControlFlag是全球首個自我監(jiān)控系統(tǒng)，不需要標記數(shù)據(jù)就能學習。在初步測試中，這個系統(tǒng)利用超過10億行未標記的產(chǎn)品級別代碼進行訓練，還可以自主檢測代碼中的錯誤，發(fā)現(xiàn)了許多過去被開發(fā)人員忽略的違規(guī)和異常。

英特爾首席科學家、英特爾研究院機器編程研究主任及創(chuàng)始人賈斯汀·戈茨利希認為，這款軟件能夠“大幅減少評估和Debug(修補漏洞)所需的時間和成本”。 英特爾研究院的研究人員發(fā)現(xiàn)，軟件開發(fā)者會花費大約一半的時間用來Debug，通過ControlFlag以及類似的系統(tǒng)，程序員有望大幅減少Debug的時間并把更多時間用于人類程序員最擅長的工作。

機器編程的實質(zhì)究竟是搬運代碼模型，還是具有一定的自主開發(fā)特征？目前機器編程的主要方法有哪些，效能如何，具備怎樣的優(yōu)勢？為什么有專家認為機器編程不僅不會取代程序員，還會創(chuàng)造出大量就業(yè)機會？

　　機器編程讓代碼不再是“手工藝品”

快速發(fā)展的科技領(lǐng)域幾乎離不開編程。傳統(tǒng)編程看似簡單，其實對操作者的要求很高。盡管大多數(shù)人可以熟練使用自然語言表達自己的想法，但是讓所有人都去學習編程卻并不是件容易事，這需要人的邏輯思維和對底層原理的理解作為支撐。

據(jù)統(tǒng)計，全球78億人中，只有2700萬人會編寫代碼，占比不到1%。根據(jù)美國非盈利組織code.org的數(shù)據(jù)，美國有50萬個編程人員崗位空缺，歐盟目前只有10%的編程人員受過計算機科學專業(yè)訓練。

“如同好的作家不一定是好的編劇，作家描寫人的內(nèi)心活動可以用‘心如刀絞’這類語言進行描述，但是編劇需要通過場景搭建和細節(jié)設置把這種情緒細致地表現(xiàn)出來，演員才能沿著這個邏輯栩栩如生地表演出來。”西安電子科技大學電子工程學院教授吳家驥介紹說，好的程序員就如同代碼“編劇”，往往需要通過長時間學習和實踐才能掌握編程的基本規(guī)則。

傳統(tǒng)編程是基于計算機語言規(guī)則和邏輯，利用規(guī)范化的編程語言，把人的意圖在計算機世界里實現(xiàn)的過程，程序員就像傳統(tǒng)工廠流水線上的員工一樣，只需按照定義好的標準接口和編程規(guī)范，把需求意圖拆解為正確的邏輯，用代碼寫出來。

然而，在軟件飛速發(fā)展的今天，軟件的開發(fā)和維護卻依然是既耗時又容易出錯的工作。賈斯汀·戈茨利希認為，這從軟件誕生之日就困擾著一代又一代程序員的問題其實并非無解，他認為：“我們能創(chuàng)造一個人人都是軟件開發(fā)者的社會，屆時機器將會承擔編程部分的工作即機器編程，讓代碼不再是‘手工藝品’。”

吳家驥向記者介紹，所謂機器編程，就是通過機器學習和其他自動化方法，設計可以自動編寫軟件的軟件，它涉及形式化方法、編程語言、編譯器、計算機系統(tǒng)等多個領(lǐng)域。機器編程所使用的自動編程技術(shù)既有精確方法(比如形式程序合成)，也有概率方法(比如可微分編程)。

“人類的編程過程側(cè)重于邏輯業(yè)務，很少關(guān)心編程的語法、格式等。而機器編程實質(zhì)是搬運代碼模型，因為目前還沒有成熟的編程機器可以達到自主開發(fā)軟件的程度，包括英特爾最新提出的ControlFlag。”吳家驥指出。

　　有助于大幅降低開發(fā)和維護成本

其實機器編程并非新生事物，早在上世紀50年代，就已經(jīng)有學術(shù)機構(gòu)開始涉足機器編程的研究。

在賈斯汀·戈茨利?？磥?，當下正是發(fā)展機器編程的好時機。“機器編程汲取了我們迄今為止獲得的所有軟硬件知識。今日與往時不同的是，我們站在了歷史的拐點上，我們現(xiàn)在有新的機器學習算法、新硬件與優(yōu)化硬件、海量而多樣的編程數(shù)據(jù)，而這三者是發(fā)展機器編程的必備要素。”

目前機器編程的效能如何，具備怎樣的優(yōu)勢？吳家驥介紹說，有了機器編程，軟件的開發(fā)和維護將有望實現(xiàn)完全自動化，編程人才的缺口、編程精確度有待提升等問題也迎刃而解。

據(jù)了解，機器編程的方法主要分為兩種：一種需要依賴編程領(lǐng)域?qū)＜抑R和已經(jīng)設定好的模板庫，即編程機器把專家制定的規(guī)則和大量模板庫組合起來，進而滿足人們的編程意圖。但其問題在于，專家的知識儲備和模板庫需要不斷積累更新。此外，編程中存在很復雜的邏輯和多樣化的語法差異，僅靠少數(shù)專家很難做到全面掌握所有信息，其制定的規(guī)則也無法做到近乎完美。

第二種是利用機器學習進行自我監(jiān)督去適應編程規(guī)則，讓機器通過海量給定的代碼學習正確的編程規(guī)則，常用于進行程序代碼測試。這種方式包括兩個階段：模式挖掘階段，主要學習用戶指定的GitHub(一家開源平臺)存儲庫中的特殊編碼模式，當學習完成時，該模式將生成一個優(yōu)先級字典，為后續(xù)機器編程提供知識儲備；掃描階段，主要是根據(jù)所學的特異性模式字典分析給定的源代碼存儲庫，當識別到異常模式時，將發(fā)出報警信息并為用戶提供可能的替代方案或進行自動校正。

“利用自我學習的方法可提高機器編程效率，這是由于自監(jiān)督學習可以不斷自我完善自我進化，使得機器越來越聰明——在編程時可以快速把人類意圖或自然語言轉(zhuǎn)變?yōu)榫幊陶Z言，在代碼調(diào)試過程中可以智能地提示錯誤。”吳家驥指出，機器編程的快速發(fā)展將有望大幅提高軟件開發(fā)和維護的效率，同時可以有效降低成本。

據(jù)統(tǒng)計，全球IT行業(yè)每年花費的1.25萬億美元軟件開發(fā)成本中，大約有50%用于Debug。目前，ControlFlag已經(jīng)證實了其可以在廣泛使用的產(chǎn)品級代碼中發(fā)現(xiàn)隱藏的bug(漏洞)，比如在分析cURL(程序員廣泛使用的實現(xiàn)互聯(lián)網(wǎng)下載的開源命令行工具)時，ControlFlag發(fā)現(xiàn)了一個以前沒有發(fā)現(xiàn)的異常，促使cURL開發(fā)者提出了更好的解決方案。

　　為人類程序員省出時間去創(chuàng)造

程序能夠自動化的高效構(gòu)建，意味著程序員要失業(yè)了嗎？賈斯汀·戈茨利希的觀點是，機器編程真正過人之處是創(chuàng)造數(shù)千萬到數(shù)億個就業(yè)機會，并且專業(yè)程序員也不會被替代。

“未來機器編程不僅不會取代程序員，還會創(chuàng)造出大量就業(yè)機會，可能多達上百萬個。這是由于機器編程實質(zhì)上大幅度降低了編程門檻，就如同電腦上的很多操作工具，它們的出現(xiàn)提高了人類的工作效率，可以讓更多的普通人參與到編程中，實現(xiàn)更多的工作流，即業(yè)務過程的部分或整體在計算機應用環(huán)境下的自動化。”遠望智庫AI事業(yè)部部長、圖靈機器人首席戰(zhàn)略官譚茗洲說。

英特爾公司曾表示，其開發(fā)機器編程的愿景是：只要你能以機器可理解的方式表達你的“意圖”——可能是用自然語言，或者可視化的圖表，甚至是打個手勢——機器編程就會幫你開發(fā)屬于你自己的軟件。

對此，譚茗洲解釋道：“未來需要更有效的編程意圖概要設計，把大的意圖拆解為更小的意圖，每個意圖更容易讓機器理解，進而可以讓機器編寫代碼。未來機器編程可能以一種交互式的方式進行，通過多輪對話以交互形式構(gòu)造編程環(huán)境。”

專家預測，從當前人工智能相關(guān)技術(shù)的發(fā)展來看，機器編程得到廣泛應用可能仍然需要幾十年以上，因為廣泛應用意味著機器能更準確地了解人類的意圖，但是人類自然語言的表達本身就存在很多不確定性。因此機器編程不可能完全替代人類程序員，特別是在需要多重嵌套的邏輯和多分支的邏輯場景下，這些場景需要確定性更強的邏輯分析，顯然這對機器來說是比較困難的。

譚茗洲指出，機器編程可能會首先大規(guī)模應用于整體邏輯能夠拆解為多個簡單邏輯的場景，如工作流固定的場景或簡單的計算場景；亦或邏輯簡單但精確性要求高的場景，如財會、醫(yī)療、金融等。

“要想在人工智能時代做到‘人機共存’，需順應技術(shù)的發(fā)展趨勢，讓機器去做其擅長的部分，例如軟件開發(fā)中，簡單枯燥的部分由機器承擔，而人類程序員則可以有更大的自由度、靈活度、時間和精力去創(chuàng)造。”譚茗洲說。