分享嘉賓 | 王詠剛

整理 | ChatGPT 責編 | 夢依丹

出品 | CSDN（ID：CSDNnews）

在 ChatGPT 所引爆的新一輪編程革命中，自然語言取代編程語言，在只需編寫提示詞/拍照就能出程序的時代，未來的編程范式只是寫寫提示詞那么簡單嗎？

程序員要想在該場變革中立于不敗之地，該如何與 AI 協(xié)同作業(yè)？在 3 月 25 日由 CSDN、《新程序員》聯(lián)合主辦的“新程序員大會（NPCon）：AIGC 與大模型技術應用峰會”上，來自 SeedV 實驗室創(chuàng)始人兼 CEO，創(chuàng)新工場 AI 工程院執(zhí)行院長王詠剛表示：今天所有的計算機、系統(tǒng)都會被 AI 去重新改寫，重新定義。這也引發(fā)了無數(shù)人思考：未來的程序員真的會被簡化為提示詞的編寫員嗎？然后由提示詞操縱 AI？是不是這樣一個非常簡單的范式，就可以總結(jié)未來所有的 AI 開發(fā)？

王詠剛給出了否定的答案，其表示，「未來的 AI 開發(fā)應該是一種多范式的開發(fā)流程」。

王詠剛，SeedV 實驗室創(chuàng)始人兼 CEO，創(chuàng)新工場 AI 工程院執(zhí)行院長

本文是由 ChatGPT 整理的演講實錄，責編稍作調(diào)整：

一切都將被 AI 重新定義

“最近一段時間，我處在既興奮又焦慮的狀態(tài)之下，十幾年的 NLP 經(jīng)驗被拉到與剛畢業(yè)大學生一樣的門檻之上。我的開發(fā)經(jīng)驗并不比當下使用 ChatGPT 開發(fā)的大學生有任何優(yōu)勢”。

我是從 98 年開始寫商業(yè)化程序的老兵，擁有十多年的自然語言工作經(jīng)驗，5、6 年的 AI 投資和孵化經(jīng)歷?，F(xiàn)在又再次以一個創(chuàng)業(yè)者的身份開啟一段全新的歷程。我呼吁大家現(xiàn)在立刻開始跟 AI 協(xié)作起來，無論是學習、開發(fā)還是創(chuàng)業(yè)，趕快行動，時下的每分每秒，技術、產(chǎn)品、應用都在改變著未來。

想象一下最近一個月里，哪些企業(yè)成為了最受矚目的話題？你最常聽到的聲音來自哪類企業(yè)？或許你會注意到，有一類企業(yè)卻鮮有出現(xiàn)——手機廠商。近期幾乎所有手機廠商都遭遇了一些難題。那么這些廠商和人工智能有什么直接的聯(lián)系呢？值得思考。

作為對未來技術的期許，我希望能夠有一款革命性的手機，它將以人工智能為中心，從硬件平臺、上層應用到整個使用體驗都進行重新設計。

如果有一天，Open AI 創(chuàng)始人說他們要推出一款革命性的手機，我一點也不會感到意外。因為我們正處于一個所有應用、計算機和計算機系統(tǒng)都將被人工智能重新定義的時代。蔣濤說未來每個人都將成為程序員和計算機設計師，而我們之前積累了大量的工程和科研經(jīng)驗，也見證了大量的投資和創(chuàng)業(yè)案例。

未來的程序員真的只需要編寫提示詞進行開發(fā)嗎？

最近，許多人問我一個問題：市場上出現(xiàn)的很多創(chuàng)業(yè)團隊，包括美國、歐洲和中國的團隊，是否都只是簡單地調(diào)用 GPT 的 API，輸入一個提示詞，然后就獲得了驚人的功能。這樣的創(chuàng)業(yè)方式和開發(fā)方式算是真正的創(chuàng)業(yè)和開發(fā)嗎？如果所有人都在這個層面上開發(fā)，那么你的系統(tǒng)和產(chǎn)品是否還有技術門檻？

作為一位有著多年投資經(jīng)驗的投資人，我也在思考同樣的問題。當我面對著 100 個項目，全都是通過使用 Hackathon 方式，僅僅用幾個小時的時間，甚至是由幾個中學生打造而成的項目，你該如何選擇投資的項目呢？

所有這些項目在技術門檻上幾乎都處于同一水平線上。誰將成為 AI 時代的“快手”？誰將成為 AI 時代的“移動支付”？這個答案可能沒有人知道。

但是，讓我們不要再去思考或者糾結(jié)這個問題了。行動比思考和討論更加有效。不論你是在投資、創(chuàng)業(yè)、研發(fā)或者進行任何形式的思考，先行動起來。因此，今天我?guī)ьI我們的團隊思考一個問題：未來的程序員是否真的只需要寫幾個提示詞就可以了？我們需要去挑戰(zhàn)并回答這個問題。

如果今天的程序員通過編程語言來控制計算機，那么未來的程序員是否只需要編寫提示詞來操縱 AI 呢？雖然這個簡單的范式可能能夠總結(jié)未來所有 AI 開發(fā)，但我認為未來的 AI 開發(fā)應該是多范式的。

為了解釋這個想法，我想給大家看兩幅畫作?，F(xiàn)在有一些 AI 算法能夠繪制非常精美的畫作，但你能猜出這兩幅畫中哪一幅是由 AI 算法繪制的嗎？

事實上，未來的 AI 開發(fā)需要采用多種不同的開發(fā)流程，而不只是簡單地編寫提示詞來操縱 AI。

右邊的畫是由今天的 AI 算法生成的，而左邊的畫則不同，它是通過數(shù)學公式主導生成的，是一張由分形公式產(chǎn)生的三維圖案。

十年前，這樣的軟件便能夠幫助藝術家創(chuàng)造出數(shù)字藝術品，但那時人們并未將它視作數(shù)字藝術。雖然這種軟件現(xiàn)在幾乎沒有人維護了，但它們創(chuàng)造的畫面仍然能夠帶給我們震撼的視覺感受。

我想通過這兩幅畫來說明一個問題：今天的 AI 是建立在神經(jīng)網(wǎng)絡或深度學習的數(shù)學范式下的數(shù)學擬合體系上的，它擬合的是我們所面臨的文本、圖像等多種數(shù)據(jù)中的統(tǒng)計規(guī)律。然而，這種擬合體系并非是唯一存在的數(shù)理思維模型。

自古希臘起，人類就已經(jīng)建立起了一套完整的數(shù)理邏輯思維方法，從歸納到演繹，涵蓋各種數(shù)學家和物理學家的研究成果。今天，我們?nèi)阅軌蛲ㄟ^這些優(yōu)美的公式，從演繹的角度推導出許多不同層級的應用結(jié)果。因此，未來的 AI 開發(fā)應該是一個多范式的開發(fā)流程。

未來 AI 編程的兩種范式

如果您來自某些垂直行業(yè)，例如數(shù)學模擬、物理模擬或大氣模擬等，您會發(fā)現(xiàn)在這些任務中通常有兩種途徑。第一種方法是使用公式或解方程的方式進行模擬，第二種方法是使用與 AI 統(tǒng)計相關的統(tǒng)計任務進行模擬。這兩種任務存在本質(zhì)上的差異。它們有一些共性，例如都涉及到隨機性，但左圖任務更注重確定性。當您解決一個方程或使用數(shù)學公式進行推導時，結(jié)果在很大程度上都符合預期。

右圖的任務則不同，AI 模型采用了大規(guī)模的統(tǒng)計模型，具有強大的內(nèi)稟特性，其中包括一種被稱為不確定性或非確定性的特性。這個特性是所有從事 AI 軟件開發(fā)的人都需要首先解決的問題。

有人提出了提示工程（Prompt Engineering）概念。提示工程的最基本任務是將 AI 從那種容易陷入胡說八道的狀態(tài)中拉回來，讓它盡可能準確地完成我要求的任務。專業(yè)工程師的最基本任務是將右圖的 AI 從發(fā)散、隨機化、不確定性等方面帶到左圖人的預期里面。

在人類的預期范圍內(nèi)，如蔣濤所提到的類似于 Wolfram Mathematica 這樣的系統(tǒng)中，它可以非常精確地控制。舉個例子，如果你需要重新整理一個包含公司過去數(shù)萬條交易數(shù)據(jù)的 Excel 表格，將所有交易單位從舊的會計制度轉(zhuǎn)換為今天的新會計制度，如果 AI 在處理這 10,000 多條數(shù)據(jù)時出現(xiàn)了一兩個錯誤，該怎么辦？

這是當下迫切需要考慮的問題，AI 所犯的錯誤能否和不確定性能否及時發(fā)現(xiàn)。因為 AI 系統(tǒng)的錯誤和不確定性可能會對許多任務產(chǎn)生重大影響。為了解決這個問題，可以考慮以下幾點：

1、設計可解釋性的 AI 系統(tǒng)，這樣可以更好地理解 AI 系統(tǒng)的決策過程和輸出結(jié)果，從而更容易發(fā)現(xiàn)錯誤和不確定性；

2、引入監(jiān)督和反饋機制，監(jiān)督 AI 系統(tǒng)的輸出結(jié)果并及時傳回錯誤和不確定性信息，以便修正和改進 AI 系統(tǒng)的性能；

3、利用集成學習和多模型融合等技術，提高 AI 系統(tǒng)的魯棒性和準確性，從而降低錯誤和不確定性的風險；

4、建立完善的測試和評估體系，定期測試和評估 AI 系統(tǒng)的性能，并及時發(fā)現(xiàn)錯誤和不確定性。

這些措施都可以幫助我們更好地管理和控制 AI 系統(tǒng)的錯誤和不確定性，從而提高 AI 系統(tǒng)的可靠性和性能。

如果我們編寫一個非常牢固的程序，它的出錯概率會很小。但是，如果我們將任務交給不確定性較高的 AI，必須對其進行測試和檢查，以確保其輸出的結(jié)果是正確的。

此外，如果不加任何提示工程，不加任何中間思維鏈，即使是用 GPT-4 來生成三維坐標，也是有困難的。

在經(jīng)過指令工程、提示思維鏈、工具意圖等技術增強后，AI 的生成結(jié)果會精準很多。因此，必須謹慎地處理 AI 輸出的結(jié)果，并且在必要時對其進行更正。

我今天分享的主題是關于未來 AI 編程范式的討論。未來的 AI 編程范式將不再局限于簡單的提示詞所得出結(jié)果的編程范式，而是一個相對復雜的工程。這個工程至少包括兩個編程范式：

1、適用于端到端的感知類任務、創(chuàng)造性任務和探索性任務。它支持我們以 n to n 的方式，通過提示詞得到結(jié)果。

2、適用于強調(diào)控制力、結(jié)果確定性和計算精準性的所有應用任務。在這種任務中，我們不能完全交給大型模型一次性解決問題。相反，我們需要通過插件的方式調(diào)用各種后臺服務，這些中間層服務在調(diào)用底層的基于數(shù)理邏輯和傳統(tǒng)計算機算法的功能模塊時，將成為未來長期存在的編程范式。

雖然我今天特別善于使用提示，但我也擅長傳統(tǒng)的計算機算法。我建議你們盡快將你們的算法變成可以被 GPT 調(diào)用的插件之一，變成 GPT 可以使用的工具之一。

在未來，人們的主要應用程序?qū)⑹?GPT 或類似的 AI 程序，而不是人類開發(fā)的傳統(tǒng)計算機程序。因此，人類工程師的任務是幫助 AI 開發(fā)大量能夠與現(xiàn)實世界進行精確交互的插件或工具。簡單來說，在這種范式中，人類工程師的角色將被降級，但這是我們必須承認的現(xiàn)實。讓我們從現(xiàn)在開始行動起來，而不是過多地討論，謝謝大家。

分享嘉賓簡介：

王詠剛，SeedV 實驗室創(chuàng)始人兼 CEO，創(chuàng)新工場 AI 工程院執(zhí)行院長。專注于人工智能前沿科技研發(fā)。曾以聯(lián)合創(chuàng)始人身份創(chuàng)立過包括上市公司在內(nèi)的多家人工智能科技公司，也曾是人工智能高端應用型人才培養(yǎng)項目 DeeCamp 的發(fā)起者和領導者。王詠剛曾在谷歌公司從事技術工作超過十年，在自然語言處理，分布式系統(tǒng)，動畫和游戲引擎等方面有專深積累。