软件工程师大概率是个过渡职业

type

status

slug

date

summary

1. Hinton教授的看法：

传统编程路径 vs. AI学习路径：Hinton认为，传统的软件编程依赖于人类明确地编写每一步操作，而AI则通过“训练”学习如何执行特定任务，自动调整行为以适应数据输入。这种自适应的学习方式使得AI能够直接给出期望的输出，而无需精确的逐步编程。

技术的转变：这种发展方向可能让编程过程更加智能化，甚至可能在未来彻底改变软件开发的本质，AI可能会取代大量人类的编程工作。

2. Ben Mann的看法：

人类与IDE的关系改变：Ben Mann预见到，开发者不再依赖传统的集成开发环境（IDE），而是通过AI辅助的工具来完成编程工作。这表明，开发者将不再手动进行所有编程任务，而是能依赖AI来提升效率。

超越自动补全：Ben Mann特别提到，未来的AI将不仅仅是简单的代码补全工具，而是能够完成软件开发中所有任务的智能系统，甚至可能独立完成一些复杂的开发工作。这意味着，AI将从辅助工具转变为全面负责开发的主体，彻底改变软件工程师的工作方式。

结论：

这两位专家的发言表明，随着AI技术的进步，传统的软件工程工作可能逐渐被AI替代。未来的软件开发不仅仅依赖于人类编写代码，而是通过AI自动完成编程任务，这可能导致软件工程师的角色发生根本性变化。

在最近听了Hinton教授与Ben Mann（anthropic）的创始人，从他们的对话中，我始终能够看出，他们都认为软件工程师或者说编程不会长久存在于人类社会，或者说这个职业不会像医生、法官、会计这些岗位来的持久。

通过两个聪明大脑看出软件工程师不会长存

视频链接： Q&A with Geoffrey Hinton

https://www.youtube.com/watch?v=PTF5Up1hMhw&t=1514s

以上是Hinton教授的看法，也就是说他认为我们可以通过一条完全不同的路径来完成我们的“程序”编写需求。

具体来说，Hinton提出了一个“完全不同的路径”：

传统编程路径：过去，我们需要明确地编写程序，指示计算机执行每一步操作。计算机的行为和结果完全依赖于人类编写的代码，必须确保每个细节都精确无误。

AI学习路径：与此不同，AI，尤其是深度学习系统，通过“训练”来学习如何执行特定任务，而不是通过直接编写每个操作的代码。这种“训练”过程使得AI根据输入数据自动调整其行为和“决策”，而不是完全依赖人类的指令。

在我看来，Hinton教授在这段话中实际上是在描述AI的一种非常“自适应”的工作方式：通过大量的数据训练，AI能够根据人类的要求，自动调整其行为，甚至不需要像人类一样经过复杂的逻辑推理过程。这种方式使得AI能够根据输入数据直接给出期望的输出，而不需要精确的逐步指令或编程。

如果是这样的话，有种从底层拔倒程序员存在逻辑的感觉。

视频链接：Anthropic co-founder: AGI predictions, leaving OpenAI, what keeps him up at night | Ben Mann

https://www.youtube.com/watch?v=WWoyWNhx2XU

从Ben Mann的发言中可以看出，他认为软件工程师的工作未来可以完全被AI替代掉。

人类与IDE的关系改变：

另一个显著的观点是，他认为人们不会永远被束缚在IDE（集成开发环境）中，也就是说，开发者将不再单纯依赖传统的编程工具和环境。这个观点预示着编程方式的转变，可能是指通过AI辅助开发，开发者不再需要手动完成所有的编码任务，而是能够利用更智能的工具来提升工作效率，甚至改变软件开发的整体流程。

超越自动补全的功能：

Ben Mann特别提到，未来的技术不会仅仅停留在自动补全代码的功能上。他预见到，AI和自动化工具将能够完成软件工程师所需的全部工作，而不仅仅是简单的代码补全。这意味着，AI将不仅仅是编程的辅助工具，而是能够承担更多复杂任务，甚至独立完成某些开发工作。这样的转变可能会彻底改变软件开发的角色和工作方式。