pilot|程序员用AI来写AI代码，“卷死”其他程序员？

用AI算法帮程序员写AI算法？或许不少程序员“你已经是一个成熟的AI了，该学会自己补全代码了”的心愿就要实现。
在今年6月份，GitHub与Open AI一同合作，推出了一款名为“GitHub Copilot”的AI工具，Copilot可以根据上下文自动补全代码，包括文档字符串、注释、函数名称、代码，只要编程者给出一定提示，这款AI工具就可以补全出完整的函数。

文章插图
【 pilot|程序员用AI来写AI代码，“卷死”其他程序员？】令人震惊的是Copilot还在不断进化。在近日举行的GitHub Universe 2021开发者大会上，GitHub官方表示Copilot已开始支持Java、C、C++和C#等语言的多行代码完成，并增加了Neovim和JetBrains IDE，包含开发者常用的IntelliJ IDEA、PyCharm等编辑器的支持。

文章插图
GitHub表示，如今新写的30%代码都是在AI编程工具Copilot的帮助下完成的，Copilot真的如此强大吗？在社交网络中，已有不少早早拿到了Copilot试用资格的博主分享了他们使用Copilot的感受。

文章插图
当然，除了认真写Copilot使用体验的博主，还有偷偷摸鱼被抓个现着的程序员……

文章插图
Copilot虽然强大，但就和大部分人工智能工具一样，它仍是建立在OpenAI Codex算法的基础上，需要通过海量的代码来训练其智能程度。这对同样有着微软血统的OpenAI以及Github来说不是问题，微软在2018年斥资75亿美元收购了全球约有5000万用户的代码共享网站Github，这意味着Copilot所依托的Codex算法接受了数十亿行公共代码的训练。
事实早在Copilot诞生之前，OpenAI就推出1750亿参数的AI模型GPT-3，GPT-3耗费了千万美元对人类的诗歌、小说、新闻等海量自然语言进行训练（主要是英语），也因此GPT-3对自然语言具备了一定程度的理解能力。神经网络之父Geoffrey Hinton在GPT-3出现后，曾这样感慨：“生命、宇宙和万物的答案，其实只是4.398万亿个参数而已。”

文章插图
Codex就是基于GPT-3进行训练，OpenAI 的联合创始人兼首席技术官Greg Brockman曾表示Codex是 GPT-3 的后代。因此Codex也具备了将部分指令清晰的英语翻译成代码的能力，甚至有部分媒体宣传Codex已经让程序员门槛降低到了只要会英语就能写代码的地步。

文章插图
在官方示例的Codex效果展示中，程序员只需要在编辑界面写下“Make it be smallish”示例上图中的大型飞船就会如下图一般缩小，而在这个过程中程序员并不需要输入一行代码，Codex会自动编写车程序。

文章插图
如今，Codex经过无数代码与金钱训练出来的强大能力应用到了AI工具Copilot上，这虽然造就了Copilot神奇的代码补全、给出函数建议等功能，但同时也使得Copilot陷入了系列舆论争议风波。
当Copilot受到越来越多程序员的欢迎，GitHub的CEO Nat Friedman兴奋地表示：“每天都有数百名GitHub的开发者在使用Copilot，如果预览版进展顺利的话，我们将计划在未来某个时候将其扩展为付费产品。”
Nat Friedman的这番话让Copilot一下没那么香了，这意味着经过GitHub和OpenAI的一波神操作后，收费的Copilot白嫖了全球最大的代码共享网站GitHub5000万用户的知识成果用来商业化。这其中引起争议的焦点就在于Copilot的版权存在开源代码衍生品商业化GPL版权问题。GPL（General Public License）即通用公共许可证，是一系列自由软件许可证的统称，它可以用来保证用户运行、研究、共享和修改软件的自由。与此对应的是，任何复制、迁移GPL版权的衍生作品都必须遵循相同或等效的许可条款。