3月23-24日，2024全球開發(fā)者先鋒大會在上海召開。
開幕式上，商湯科技董事長兼CEO徐立分享了對AI 2.0時代生產(chǎn)力工具“質(zhì)”變背后的思考和突破路徑。他表示:“AI 2.0時代，生成式AI被視為推動生產(chǎn)力進步的重要技術(shù)?！?/p>
徐立認為，隨著大模型的發(fā)展，人工智能的關(guān)注點從感知智能轉(zhuǎn)向生成式內(nèi)容，進入AI 2.0時代。不過，雖然業(yè)內(nèi)已經(jīng)開始使用AI 2.0時代的生產(chǎn)力工具，但這些工具帶來的生產(chǎn)效率提升效果并不明顯，所能解決的問題占比不足10%，給生產(chǎn)鏈路帶來的突破相對有限。
“如果能在知識、推理、執(zhí)行三層能力上實現(xiàn)突破，將真正帶來整個社會生產(chǎn)力的跨越式發(fā)展?！?徐立表示。
AI編程解決問題有限
ChatGPT、Copilot、Blackwell是AI 2.0時代的代名詞。搜索數(shù)據(jù)顯示，中國對于這些詞的關(guān)注熱度位居世界榜首，這代表著中國近千萬的開發(fā)者以及普羅大眾對于AI能夠帶來的變化熱切關(guān)注。
在開源社區(qū)GitHub上，生成式AI項目、大模型項目以及輔助編程、輔助開發(fā)的工具項目層出不窮。徐立表示，對于開發(fā)者來說，生成式AI是最好的帶來生產(chǎn)力工具，帶來生產(chǎn)力突破的行業(yè)。
業(yè)內(nèi)普遍認為，代碼是大模型最明確的應(yīng)用方向之一。百度創(chuàng)始人、董事長兼CEO李彥宏近期大膽表示，以后不會存在“程序員”這種職業(yè)。
早在2021年，GitHub就和OpenAI聯(lián)合開發(fā)的AI編程助手GitHub Copilot，基于GPT-3模型的Codex構(gòu)建，通過分析大量開源代碼庫學(xué)習(xí)編程模式。它提供代碼補全、上下文感知建議、IDE內(nèi)聊天式幫助以及代碼解釋等功能，支持多種編程語言和框架。
2023年3月，在ChatGPT火爆全球之后，GitHub又基于GPT-4模型打造Copilot X開發(fā)平臺，Copilot Chat是其主要功能之一，通過文本問答的方式就能生成、分析、審核代碼等。
近期，創(chuàng)業(yè)團隊Cognition AI更是開發(fā)出全球首個AI程序員智能體Devin，它具備自主學(xué)習(xí)新技術(shù)、端到端構(gòu)建和部署應(yīng)用、自主查找和修復(fù)代碼Bug、訓(xùn)練和微調(diào)AI模型的能力，人類只需扮演一個下指令和監(jiān)督的角色。
在SWE-bench基準測試中，Devin解決了13.86%的實際編程問題，展現(xiàn)了超越其他AI模型的性能。相較之下，GPT-4只能處理1.74%的問題。
不過，這個數(shù)據(jù)也顯示了新生產(chǎn)力工具的準確率和完成度普遍較低，較業(yè)內(nèi)期望仍有待提高，徐立認為，雖然整個行業(yè)在往前走，但目前還是處于相對雛形。
“軟件開發(fā)全生命周期包括需求分析、設(shè)計、開發(fā)、測試、部署和維護諸多環(huán)節(jié)。雖然目前AI能夠帶來很多革新，或者擴展到很多場景，但目前僅能解決其中非常小眾的部分?！毙炝⒈硎?。
他表示，具體而言，AI目前能解決的是在過往基礎(chǔ)上抽象成比較標準化，甚至以知識庫的形式固化下來的內(nèi)容，包括代碼補全、代碼增寫以及部分測試用例等。如果把它分攤到整個軟件或者產(chǎn)品設(shè)計的全流程當中，占比并不高。
“當然，隨著擴展能力變強，很多工具會從前端的設(shè)計、測試用例再到維護的橫向拓展，一步步往前演進?！毙炝⒈硎?。
推理層和執(zhí)行層是下一步重點
一個有意思的現(xiàn)象是，編程經(jīng)驗越豐富，不代表就越能用好新的生產(chǎn)力工具。統(tǒng)計數(shù)據(jù)顯示是相反的:工作五年以下的程序員使用新生產(chǎn)力工具解決問題時長超過一小時，但五年以上的程序員反而更短。這意味著越是高階、復(fù)雜的任務(wù)，對于當前新生產(chǎn)力工具來說還有一定的挑戰(zhàn)。
這與大模型能力有關(guān)。徐立表示，大模型能力可分為三層架構(gòu)，而且這三層之間互有依賴，但又相對獨立。
第一層知識，世界知識的全面灌輸。“目前，許多生產(chǎn)力工具解決的都是知識層的問題，當用戶提出問題時，其底層的邏輯都來自于‘世上無新事’——你所面臨的問題，前人可能已經(jīng)遇到過并解決了，因此通過大模型可以很好地完成這些任務(wù)。”徐立表示。
第二層推理，理性思維的質(zhì)變提升。有了世界知識之后，再往前演進。即使不知道這件事實，也可通過AI逐步把這個事實推理出來，給出更多的可能性。
“知識和推理是作為生產(chǎn)力工具——大模型最重要的兩層，但目前在推理層，成長還相對有限，這也是今后要集中突破的能力之一。”徐立表示。
第三層執(zhí)行，世界內(nèi)容的互動變革，即如何跟這個世界互動反饋。徐立表示，某種意義上，如今火熱的具身智能，在執(zhí)行上會有很大的突破。
總體來講，這三層可以組成一個完備的對于世界提供生產(chǎn)力工具模型的三層能力。
“從軟件開發(fā)上，知識層是代碼的補全，補全的代碼來自別人寫過的代碼；推理層真正深入到軟件開發(fā)的全流程；執(zhí)行層是進入切分到垂直場景當中，以場景化的智能為依歸。”徐立表示，知識層主要解決高頻、標準化問題，做別人做過的問題，顯然準確率高；推理主要解決長尾、碎片化的問題。
以商湯的軟件智能研發(fā)助手“小浣熊”為例，據(jù)徐立介紹，如果去年用“小浣熊”代碼補助工具，可節(jié)省30%的工作量。在整個過程里，它的工作主要基于一個代碼庫，解決的還是一些重復(fù)性的勞動。
在此基礎(chǔ)上，商湯進一步整合了從需求分析、需求設(shè)計到長尾應(yīng)用等各個環(huán)節(jié)，推出“小浣熊”2.0版本。它可以基于海量數(shù)據(jù)篩選出需求，制定產(chǎn)品特征，完成產(chǎn)品的自主開發(fā)。
而它的下一步，則是在獲得世界知識的基礎(chǔ)上，進一步應(yīng)用到更多的機器人場景當中。
“我認為生產(chǎn)力工具如果在現(xiàn)在三層能力上都有突破的話，首先受益的是廣大開發(fā)者以及場景化的核心應(yīng)用，最終將真正帶來整個社會生產(chǎn)力的跨越式發(fā)展。”徐立表示。
鄭重聲明：此文內(nèi)容為本網(wǎng)站轉(zhuǎn)載企業(yè)宣傳資訊，目的在于傳播更多信息，與本站立場無關(guān)。僅供讀者參考，并請自行核實相關(guān)內(nèi)容。
|
