AI全面入侵，程序员到了2040年还能继续敲代码吗？
在 Alpha Go 三连胜中国围棋天才柯洁之后，机器人威胁论越来越高涨，有人说机器人即将取代电话客服、数据录入人员、销售、翻译......那么在 IT 行业中，作为长期背锅侠的程序员们，未来也会被取而代之吗?接下来，本文将解析 AI 的发展趋势及根据美国能源部橡树岭国家实验室最新发布的论文，探讨程序员的未来。
时下，当 Google 带着 AI 杀回中国市场、当 BAT 争抢 AI 时代的制高点、当 AI 汇入教育课程，我们知道全民参与的 AI 时代已经来临，那么究其本质为什么 AI 会如此火爆，是资本的喧嚣还是媒体的炒作，亦或是人工智能技术已然迈向成熟?
事实上，人工智能之所以可以大热应归根于越来越庞大的数据。因为近些年来互联网高速发展过程中产生了越来越多的数据，需要不断地处理和加工提炼，然而这些数据过于庞大，想要人工处理实为难上加难，因此，数据处理的需求在一定程度上催生了人工智能的迅速发展。另一方面，技术的兴起也离不开资本的力量。
BAT 领头出击，创业公司纷纷崛起
百度——All In AI
百度是 BAT 里最早布局人工智能、以“All In AI”为战略的公司。
早在 2013 年 1 月，百度就成立深度学习研究院(Institute of Deep Learning，简称 IDL)，李彦宏出任院长，副院长余凯任更是中国“千人计划”国家特聘专家。2013 年 4 月，百度在美国加州建立了人工智能实验室。2017 年 3 月 2 日，“深度学习技术及应用国家工程实验室”在百度大厦揭牌。11 月 28 日，百度和小米联合宣布，将在物联网和人工智能领域展开合作。
时至今天，百度已经形成了一个较完整的人工智能技术布局，包括基础层、感知层、认知层、平台层、生态层和应用层，对图像识别、无人车驾驶、医疗等领域均有了实际的应用。
阿里巴巴——低调而全面进击 AI
对于后来居上的阿里巴巴，在今年的世界互联网大会上，马云表示，未来，人工智能一定会取代大部分的机械工作，但是不可能超越人类，反而会让工作更有价值。
浅析阿里巴巴人工智能布局，早前阿里巴巴最为神秘的研究机构——iDST(数据科学与技术研究院)被曝光，其是阿里巴巴负责人工智能技术研发的核心团队。2017 年 7 月 5 日，阿里巴巴人工智能实验室亮相，针对消费级 AI 产品进行研发。此外，除了人工智能实验室、数据科学与技术研究院 iDST，还有阿里研究院、VR 实验室，同时蚂蚁金服也具备自己的人工智能团队。近日，阿里巴巴更是耗资千亿元打造了达摩院，针对量子计算、机器学习、基础算法、网络安全、视觉计算、自然语言处理、下一代人机交互、芯片技术、传感器技术、嵌入式系统等技术进行创新研究。
腾讯——AI In All
众所周知，腾讯的主营业务在于社交平台和游戏，其对人工智能领域布局较晚，于 2016 年才开始，近日，马化腾也曾当众表态：“在人工智能这个方向上，和百度相比，腾讯还是落后了”。
与百度的 All In AI 相比，腾讯采用的是“AI In All”、“Make AI Everywhere”和“通用人工智能”三大战略。如今腾讯共有 3 个 AI 部门，一是 AI Lab，二是微信实验室，三是优图实验室。其中，仅 AI Lab 就有 70 多位研究科学家与接近 300 人的工程师团队，这为腾讯的人工智能战略提供了相对完善的人才储备。
在中国三大科技巨头的带领下，一大批人工智能创业公司如雨后春笋般的涌现出来，但是如何在 BAT 全面“围剿”的布局下生存，这将会成为诸多公司面临的难题之一，也会让一大波炒概念的公司倒闭。
人才稀缺，教育补位
随着人工智能的全方位渗透、各大公司的完整布局，不难想象为何会出现毕业生年薪 25 万已成白菜价的窘状。
因此对于人才的紧缺，今年由国务院印发《新一代人工智能发展规划》，明确指出人工智能成为国际竞争的新焦点，应逐步开展全民智能教育项目，在中小学阶段设置人工智能相关课程、逐步推广编程教育、建设人工智能学科，培养复合型人才，形成我国人工智能人才高地。此外，根据人工智能话题已进入国家公务员考试试卷、高考试卷等现状来看，对于人工智能的发展，早已不止于商业化，更是已经教育化。
亲手建造的 AI 帝国，程序员都将被取代?
对于人工智能未来趋势的发展，美国著名杂志《连线》的创始主编凯文·凯利曾预测，“人工智能会是下一个 20 年颠覆人类社会的技术，它的力量将堪比电与互联网。”
但是当人工智能的逐渐强大，机器人可以在几秒内作诗一首、Alpha Go 三连胜中国围棋天才柯洁之后，或许大家更担心的可能是，人工智能下一步又要在哪个领域干掉人类。
也许下一个就是程序员!
近日，美国能源部橡树岭国家实验室最新发布的一篇研究论文——《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?》，在论文中研究人员讨论了随着人工智能在软件行业中的发展，软件开发将会发生根本性的变化，机器学习、人工智能、自然语言处理和代码生成技术将相互融合，最终在 2040 年，大多数的代码是由机器生成而不是程序员。
在此，我们可以以一个简单的问题为案例，一个程序员问道：
- 我早上在星巴克买了一杯咖啡，十分钟之后，如何知道咖啡的温度是多少?
- 假设你是被问的程序员，你会如何回答这个问题?
你可能会回答，需要编写代码来计算温度，首先确认几个相关属性和值(理论值)，然后建一个基于时间为变量的热力系统计算公式，将值代进去就可以推出来最后的结果了。最后将算出来的温度值告诉第一位程序员，再由他去根据具体的环境情况，整合上可能存在其他未知或已知的影响因素导致的偏差，最后得出一个更接近真实的答案。
那如果说，结合机器学习、人工智能、自然语言处理和代码生成技术，被问的程序员如果是机器人，是否可以解决这个问题?
对此，研究人员表示，根据目前的编程趋势和研究方向表明，到 2040 年之前，这个问题的答案很可能是“否”。因为其面临的主要挑战是机器生成代码(Machine-generated code，简称 MGC)的硬件设施和软件需求之间存在一定的距离。虽然目前的市场上如微软的 DeepCoder、Google 的 AutoML 和 DARPA 推进机器学习的概率编程(PPAML)等程序，已经实现了使用 MGC 技术，但是研究机构希望以更快的速度从头开始编写新的代码，精简 MGC 技术。
而对于一个人类程序员来说，他们需要一个更高阶的语言，或合适的自然语言处理界面来选用机器编程的代码。机器写代码，不像人写代码，需要跨越不同的硬件类型，可能也需要更抽象更高效的语言来进行机器之间的信息沟通。所以研究人员都在期待着有强大的硬件出现，支撑着 AI 快速产出代码，也能跑起来人机混合编码的程序。