科普 | 什么？程序猿的饭碗被AI抢了？

© 视觉中国

编者按：AI和人类的共同发展，一直是一个焦点问题。作为本来就与AI领域密切相关的程序员，反而会被AI抢走饭碗？未来会发展成一个人人都会写代码的时代？AI的机器学习和程序员的常规编程是分道扬镳还是走向融合？本期微软智汇学院为你解答~

想了解更多来自微软智汇学院的精彩内容，请戳这里~

-----------------------------正文分隔线--------------------------------

1. 人工智能会让程序员失业吗？

当人工智能逐渐强大，大家开始担心：人工智能下一步又要在哪个领域干掉人类？

AI会让人类程序员失业吗？

对此问题持肯定态度的人并不在少数。

比如：美国橡树岭国家实验室在去年底发布的论文《人机混编的代码意味着什么?人类 2040 年还需要亲自编写代码吗? 》中表示：到了2040年，大多数的程序代码将由机器生成。

2040年距今天还有些距离，至少当下，AI没有让程序员失业，而是让程序员更贵了。

有段时间被刷屏的《AI 时代，为什么程序员这么贵》一文，csdn的蒋总认为：AI的发展，不仅不会使程序员消亡，反而使得各行各业比现在更加需要程序员——程序员的求职范围不再局限于软件或互联网行业，社会总需求激增，人才自然也就更贵了。

笔者对蒋总的观点蛮赞同的，当前的势头也确实如此。

不过，再过5-10年，程序员还会如今日行情吗？

2.  编程日益成为通用技能

个人认为：在不是很久远的将来（也许三五年，也许十来年之后），编程将从职业技能逐步蜕变为职场通用技能。

我们可以类比“识字”这个技能来看——

百十年前，大多数老百姓都不认识母语文字。当时，识字无疑一种职业技能。具备了这一技能，就可以获得一个比大多数人工作环境更优越，报酬也更高的职位。

但到了今天，识字率已经逼近100%，仅仅“认得字”，还是只能从事低端工作。

未来，编程将成为人人都会做的事情，职场中的一员，除了要具备听说读写本国语言的能力外，还得能够读程序、写代码——即使一时无法覆盖全员，至少是朝着这个方向发展。

而职业写代码的人，将越来越少。

类似的技能还有：驾驶——汽车工业发展起来后，职业司机会越来越少，驾驶成为了当代社会人们的一种通用技能。

3. 算法——编程的核心

从语言特征（词汇、语法等）的角度来讲，最复杂的编程语言远比最简单的自然语言简单得多。

我们学习各种自然语言是为了日常生活与人交流、收取信息，学习编程语言又是为什么呢？总不是为了说“您吃了吗？”或者“打点折”吧。

我们用编程语言描述事物、概念，以及它们之间的相互关系和运行方式，将大千世界转化为计算机能够理解的电信号，驱动硅晶金属构造的部件去完成任务！

编程的核心在于通过各种各样的算法去实现具体的业务逻辑，把繁杂的过程抽象化、可计算化。从纯粹软件的角度讲，甚至可以说：算法 + 数据 == 计算机程序。

受过计算机科班教育的人一定上过一门课：数据结构，这门课是计算机科学的基础，它的核心内容就是各式各样的算法。

最简单的如排序、查找；之上是进阶部分，例如动态规划、分治、回溯等策略，都是几代计算机科学家从解决现实问题中提取出的套路——这些才是编程的核心。

4. 从基础算法到机器学习

今天的程序员学习编程 ——

• 首先，要了解编程语言的语法特征；
• 并且，掌握编译或解释的过程，及编译器/解释器性能，调试方法、工具等；
• 然后，配合算法，实现业务逻辑——就可以做很多（几乎是任意的）事情了。

但把目光放长远些，只会这些，还是远远不够。

虽然目前基础算法和机器学习还是泾渭分明的两部分内容，但笔者认为，未来这两部分终将合流。

随着其落地点和应用越来越多，机器学习必将融入到常规编程之中。

反过来，能够让越来越多的人在编程中运用机器学习的成果，也是计算机技术发展的结果。

虽然人类对于用数值表达事物，用运算推演事物联系的研究已经持续了几千年。但在没有计算机的年代，稍许复杂的数值计算就需要数学家、统计学家的介入，普通人难以胜任。

后来，有了Excel之类的工具，一般人也可以负担常用的数据统计工作了。

机器学习也是一样的道理，大量工具、框架的涌现，使得运用算法处理数据，训练模型的过程越来越简单高效。

那些曾经高高在上的机器学习模型变得触手可及，只要写几行代码，就都能拿来就用了。这种便捷使得每一个会写程序的人，都可以轻松上手机器学习。

4. 修炼内功——掌握机器学习原理

工具虽多，要用对地方，还得掌握基本原理。

在使用统计工具的时候，我们可以很方便地计算均值、方差、中位数等等指标。但要让计算结果有用，总要先搞懂它们的定义、计算公式和物理意义。

同理，在机器学习领域，我们有若干历史悠久的经典模型。它们从实践中来，经历了千锤百炼，在数学层面被严格证明为有效。

那么，学习它们的模型函数、目标函数，从模型函数到目标函数的运算过程，各个函数相应的物理意义，最优化的方法……就成了使用它们的必要前提！

掌握了这些模型之后，再与特征工程结合，就可以用来支持现实业务了。

5. 学习机器学习的意义

计算机技术飞速发展，各种工具、框架、语言日新月异。但是蕴含在机器学习中的原理和公式推导却是稳定的，经得起时代更迭。

我们学习机器学习，不仅是为了找一个AI工程师的岗位，也是在掌握一种通识技能。

相信将来机器学习会像现在的四则运算一样，成为大众必备的基础能力。

另外，学习机器学习，也是一种对思维的训练。

用数值表达现实事物，用运算描述任务目标，再通过算法处理数据找到达到目标的最优化路径——这个思维的形成过程，远比学会模型本身更为难得。

经过这种思考训练内化出的思维能力，完全可能成为学习者相伴终身的助力。

--END--

了解更多前沿科技领域干货，欢迎点击👇

NPL：爱你在心口难开是真的？？说说语言与认知

AI基础 | 那些年坑过你的函数，正在程序猿手上旋转跳跃闭着眼~

算法浅谈 | 没有它，信息安全将是一片荒芜……

© 微软智汇学院