随着AI不断承担更多新能力,我们所熟知的初级编程正迅速成为过去式。曾经是初级开发者主要工作的任务——如重复性脚本编写、HTML布局或简单的DevOps配置——现在正被ChatGPT、GitHub Copilot和Amazon CodeWhisperer等AI助手可靠地处理。
这不仅仅是速度和效率的提升——我们正面临着严重的结构性变化。那么,这将入门级开发者置于何地?更广泛地说,这将整个软件行业置于何地?
正在消失的初学者级别
几十年来,软件工程领域有着相当可预测的发展路径:从基础开始,构建一些落地页,编写测试用例,排查小问题。随着技能增长,你可以转向架构思维和产品所有权。
但现在AI正在极大地改变这个阶梯底端的运作方式,因为它可以独立完成大多数初级任务。
因此,进入行业的初学者越来越被要求在曾经需要多年经验的水平上做出贡献。这不再只是编写代码——而是要理解系统、构建问题并像团队成员一样与AI协作。这是一个艰巨的任务。尽管如此,我相信有前进的道路。这始于改变我们的学习方式。
如果你刚刚起步,避免依赖AI来完成工作。当然,这很诱人,但从长远来看,这也是有害的。如果你跳过手动练习,你就错过了建立对软件真正工作原理的深入理解。如果你想成长为能够领导、架构和指导AI而不是被其取代的开发者,这种理解至关重要。
在我看来,在不久的将来,技术领域最有价值的人不会是那些编写完美代码的人。他们将是那些知道应该构建什么、为什么重要以及如何让AI系统干净高效地完成大部分工作的人。换句话说,明天的程序员更像是具有扎实技术专长的产品经理。
团队也在变化
基于上述所有内容,我也觉得有必要指出,不仅个人需要重新思考自己的角色。整个团队都在转变。我们曾经有明确定义的角色——前端开发者、后端专家、DevOps工程师、QA测试员——我们很快就会看到一个开发者在AI帮助下管理整个流水线。
AI增强的开发者将取代曾经推进项目所必需的大型团队。就效率而言,这种变化有很多值得庆祝的地方——减少沟通时间、更快的结果以及对一个人能现实完成的工作设定更高标准。
但是,当然,这并不意味着团队将完全消失。只是结构会改变。协作将更多地专注于战略决策、产品对齐以及确保AI工具被负责任和有效地使用。人类输入将更少关于实施,更多关于方向。
AI正在创造新的职业道路
如果我们展望未来五到七年,我怀疑今天我们所知的"开发者"概念将完全转变为其他东西。我们可能会看到更多混合角色——部分开发者、部分设计师、部分产品思考者。如前所述,工作的核心部分不会是编写代码,而是使用AI作为主要创作工具将想法塑造成可工作的软件。或者,甚至作为共同创作者。
技术流利性仍将是一个关键要求——但仅仅知道如何编码是不够的。你需要理解产品思维、用户需求以及如何管理AI的输出。这更多关于系统设计和战略愿景。
对一些人来说,这可能听起来令人生畏,但对其他人来说,这也将打开许多门。有创造力和解决问题天赋的人将有巨大的机会等待着他们。
格局正在转变,是的——这是无法逃避的事实。但对于那些愿意适应的人来说,可以说它正在向他们有利的方向转变。初级编程的终结不是学习的终结。这表明我们需要重新考虑培养什么样的人才、如何构建团队以及什么使某人成为优秀的开发者。
在我看来,整个行业不应该为失去基础任务而哀悼,而应该专注于建立无法自动化的技能。至少,目前还不能。这意味着实施混合方法,学习如何与AI作为合作伙伴而不是竞争对手一起工作。
Q&A
Q1:为什么说初级编程正在消失?
A:因为AI可以可靠地处理曾经是初级开发者主要工作的任务,如重复性脚本编写、HTML布局或简单的DevOps配置。ChatGPT、GitHub Copilot等AI助手已经能够独立完成大多数初级任务,导致初学者进入行业时就被要求在曾经需要多年经验的水平上做出贡献。
Q2:未来的开发者需要具备哪些技能?
A:未来开发者更像是具有扎实技术专长的产品经理。他们需要知道应该构建什么、为什么重要,以及如何让AI系统干净高效地完成大部分工作。技术流利性仍然重要,但还需要理解产品思维、用户需求,更多关注系统设计和战略愿景。
Q3:AI对开发团队结构有什么影响?
A:AI正在改变团队结构,一个AI增强的开发者可以管理整个流水线,取代曾经需要的大型团队。协作将更多专注于战略决策、产品对齐和确保AI工具的负责任使用,人类输入更多关于方向而非具体实施。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
NVIDIA研究团队开发的OmniVinci是一个突破性的多模态AI模型,能够同时理解视觉、听觉和文本信息。该模型仅使用0.2万亿训练样本就超越了使用1.2万亿样本的现有模型,在多模态理解测试中领先19.05分。OmniVinci采用三项核心技术实现感官信息协同,并在机器人导航、医疗诊断、体育分析等多个实际应用场景中展现出专业级能力,代表着AI向真正智能化发展的重要进步。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
Salesforce研究团队发布BLIP3o-NEXT,这是一个创新的图像生成模型,采用自回归+扩散的双重架构设计。该模型首次成功将强化学习应用于图像生成,在多物体组合和文字渲染方面表现优异。尽管只有30亿参数,但在GenEval测试中获得0.91高分,超越多个大型竞争对手。研究团队承诺完全开源所有技术细节。