题图：达摩院文生图大模型绘制的一张照片
2022 年是科技圈艰难的一年，很少有振奋人心的消息。惊喜的是年底 开放的 ，一下点燃了整个科技圈，体验后感觉有点像人脑，智能化程度惊艳。
曾经我和朋友常调侃人工智能就是“有多少人工，就有多少智能”， 打破了这种印象。这里少有“人工”的痕迹，更像是“人脑”。AI 就像从远处开来的火车，听腻了每年总有人说它来了、要来了、真的要来了，这一次感觉它从我旁边呼啸而过～
春节期间我围绕 、编程语言、大数据、前端听了很多播客 ，脑海里一直在想，如此强大的 AI 能力，会给工作带来什么变化？作为工程师，工作机会是否会面临来自 AI 的威胁或者替代，我们应该如何在工作中更好地使用 AI？以下是我的观察和理解，本文不是硬核的 AI 技术解读，更多是从产品和应用角度阐述，我会先分享4个我认为内容较好的外部输入，然后是个人观点探讨。
前置了解
是现在的当红炸子鸡，但 AI 的进化不是一蹴而就，还有很多上层和周边的 AI 明星产品和概念，各自用一句话介绍下：
4 个高质量的外部输入
1.()
推荐指数：⭐⭐⭐⭐⭐
Sam 是 背后公司 的联合创始人兼 CEO，前任 YC 总裁。采访时间是 2023年1月份，应该是 Sam 最新的公开分享。共有2部分：
内容总结如下：
如何看待学生用 写作业（甚至有人获奖）？：这无法避免，要学会向前看。
Sam 的风格和 Elon Musk 完全不同。Sam 是尽可能降低人们预期，然后发布产品后打破预期。Elon 是不断展望，破裂以后再展望最迟明年。但共同点是，做的事情都很技术突破性。
2. 科技早知道：AIGC可能改变人类未来，但它知道自己的未来在哪里吗？
推荐指数：⭐⭐⭐⭐
主讲者都在 AI 圈多年创业或经验， 的务实程度，模型迭代速度超过预期。讲了大模型、数据和算力这3个 AI 底层能力的相辅相成，一些 内部的 、训练方法。 用了更好的监督数据，让模型更符合人类的认知。以及在工业和商业上规模化落地的可能， 不仅是文本上的突破，未来也可以基于财务、营销、制造做一些智能的应用。（AI 对现有产品来讲，是一个新的能力维度，比如我们在做 Quick BI 时深刻感知到，无论仪表板多么精美，多少模板都不够，必须要 know how，结合制造、互联网、金融、零售等行业做特色的解决方案）。
3.编程语言#,
推荐指数：⭐⭐⭐⭐⭐
TS 是我最喜欢的语言，VS Code 是最受程序员欢迎的 ，前者是 创造，后者有他的深度参与。
有 40年的编程经验，创造了一个又一个传奇，、C#、 之父。视频只有20多分钟，很多传奇故事被一句带过。
几个有趣的经历：
最初在 ，开发了 Turbo ，然后演变成 IDE，尝试过可视化生成代码，后来失败，原因是做不到 Scale，扩展性不好。
在 Java 如日中天的时候，MS 也需要自己的平台，于是 编写了 C#，并为之工作 10多年。
为什么会有 ？因为 是真正跨平台的语言，但弱类型遇到最大的问题就是很难 Scale，于是在内部需求是先做 C#到 JS 的解析器，叫 #。这样的目的是使用 C#有真正的 IDE，类型检查，有很多强大的工具来校验。继而发现需要做一个新的语言，于是就有了开发者喜欢的 。真正做到了让 JS scale to large 。
对于 AI 对编程的影响， 除了“”并没有太多反馈，看来现在大家都还在接受的过程中。但 AI 毫无疑问会降低在不同语言间切换的成本，在不同平台上更容易转换到对应的语言。
视频中提到了 是否有必要统一问题，是否有必要做一个跨 的层，实际上没有必要。因为 实际上是和 绑定，我们在谈 实际上是在谈背后的 ，比如想到 Java 就对应 、想到 Swift 就对应 iOS、想到 就对应算法模型，在 不打通的情况下把 Java 和 Swift 互相转毫无意义，但 打通牵涉太多内容，不切实际。所以程序员在预见的将来还是需要和不同的 打交道，我想有了 这类能力之后， 给开发者带来的门槛会降低，会有越来越多的开发者可以使用不同 在不同 间自由切换。
此外，由于 有了大量开发者用户，编程语言的设计者也会考虑面向 的可理解性做优化，因此描述性强的编程语言会有优势，新兴的编程语言或框架因为缺少数据训练不占优势。
4.跟聊聊前端和
推荐指数：⭐⭐⭐⭐⭐
工程师的一期节目，比较轻松。Shu Ding 是 早期的员工，也是 SWR 的作者。 目前竟然已经到了 400人。
讲了一些小故事，印象深刻：
以上是我看过听过感觉比较好的内容推荐。接下来是我的个人观点，和上面不是一一对应，欢迎讨论。
目前 的不足/缺点
不能一味去夸 ，我尝试了 的边界场景，发现仍有一些不足/缺点，这些是潜在的机会。
对大数据的影响
对前端的影响
会降低 AI 的使用门槛，让前端工程师更容易开发智能应用。也会改变前端的开发方式、用户体验。
辅助代码编写
只要你描述清楚需求，写代码，那是小菜一碟。甚至还可以帮你优化代码。
我随手找了一段拼凑代码给 来优化。
帮我优化下这段代码， 能够熟练使用 React hooks，并做性能调优：
它居然还可以给你解释为什么这么优化！
我感觉像是在和一个熟悉 React 开发规范、《Unix 编程艺术》《设计模式》《Clean Code》的同学在结对编程。
编码更规范
AI 就像一个强大的结对编程助手，可以帮你检查编码的问题。
比如我们团队 Code 发现有很多 React hooks 滥用的问题，我看了前端圈很多大会的 topic，感觉讲的并不适用我们的场景，很多实践没有我们团队深入。
实际上这个问题最好的答案就在 React 官方文档内。我们团队把它浓缩成了几个简单的规则：
尽量不用 。
若是组件内部状态（//）监听，若非必要，禁止使用/触发副作用，推荐放到这类事件回调中触发副作用。
必须使用lint生成hooks的依赖项，否则需要加注释说明。
中若使用了资源类操作（接口请求、订阅/事件、存储等），则务必返回销毁函数。
什么时候会用到 ？需要对外部状态有相互影响的逻辑（副作用），才有必要放到/ 中。
我们一直很重视团队的工程化工具建设，能用工具解决的绝不停留在规范。但以上的规则很难用现有的工具检测出来，真正检测需要理解代码语义。这就是 可以带来的底层能力变化。
全栈开发更简单
会让编程语言的上手门槛大幅降低，前后端的融合更加容易。因此新一代的全栈开发会流行。注重性能和开发效率。比如 Next.js 框架。敏捷开发类框架曾经我最喜欢的是 Ruby on Rails，主要是开发确实快，遗憾是 Ruby 弱类型语言没有 这么鲁棒性好。希望 Next.js 能快速达到 Ruby on Rails 的生态，同时能真正解决前后端同构渲染的问题。
UI交互方式的变革
这是对产品和前端的一大挑战和机会。
对于 2B 复杂系统，目前主流的交互方式还是报表展现类、交互分析类、表单流程类、可视化搭建类。但回到客户需求，用户的真实需求是从数据中得到一些 ，辅助决策。引入 这类能力后，整个数据开发和分析的流程会大幅缩短。
并且，在问题明确的场景下，通过 Chat 聊天来寻找答案会很快速，可以很容易扩展到语音问答。
总结：工程师如何应对 AI 的“冲击”？
虽然 AI 能回答很多问题，绘出很精美的图片。但如果你不能发现问题，他无法给你答案。
我们会不断地感受到好问题比答案更重要。借助 AI 的能力，普通人一步步体会到了爱因斯坦的洞见。
面对 AI 的冲击，不必担心 AI 会抢掉你的饭碗。如果停止学习，饭碗迟早会丢。抢掉饭碗的何止AI…
另外担心也没用，我们应该成为快速使用 AI 的一波人，这一轮受益最大的会是能快速利用 AI 提高工作效率的人，你不用别人会用。
比如：
有了场景以后，你还需要掌握一些技巧，来发挥 AI 的潜能：
1、提出更好的问题，花时间重点理解客户需求，并设计你的方案。最终限制你的还是你的想象力。AI 可以捏造出美丽的照片和代码，但没有你的想法就缺少意义，没有价值。你的竞争力有如何准确地捕获出用户需求，如何深入理解业务，如何协同上下游。
2、学习一些 ，准确描述你的想法，会帮助你大幅提效。比如–这个仓库可以帮你学习各种，如果你是开发者，可以在找到一些编程相关的使用技巧。
3、开放的态度，遇到新的 AI 周边工具去了解，去使用，为己所用。
总之，AI 可以作为强大的生产力工具，会缩小不同编程语言间的差异，让开发者更容易在不同平台间切换来完成任务。前端工程师升级为终端工程师之后，未来能力边界会进一步扩大。大数据潜力进一步挖掘，数据处理能力更被重视，数据开发的门槛进一步降低。接下来会是 AI 上层应用井喷的一段时间，会有更简洁的用户交互，各行各业最终都会有 AI 深度结合的解决方案，未来可期。
NLP自学习平台评测征集令发布！
写下你的使用体验，就有机会获得SKG筋膜枪F5、小米充电宝、自学习平台50万次调用资源包、达摩院精美折扇等多重好礼！
323AI导航网发布
相关文章
