一项最新研究显示,美国软件开发者是全球最频繁使用AI编程助手的群体,研究人员认为这一趋势对国家经济具有重要影响。
四位研究人员——Simone Daniotti、Johannes Wachs、Xiangnan Feng和Frank Neffke在一篇预印本论文中分析了2018年至2024年间GitHub上的8000万次代码提交,探讨了美国程序员对AI助手的偏好。
研究团队开发了一个机器学习模型来分析GitHub提交记录,发现2024年美国开发者提交到GitHub的Python函数中,估计有30.1%是由AI生成的。
排名第二的是德国,占24.3%,随后是法国(23.2%)、印度(21.6%)、俄罗斯(15.4%)和中国(11.7%)。
论文指出,一旦开发者使用AI生成30%的代码,季度代码提交量会增长2.4%。
研究作者表示:"结合职业任务和薪酬数据分析,AI辅助编程在美国的年度价值达96亿至144亿美元。"
这一估算与微软CEO萨蒂亚·纳德拉的说法一致,他曾声称目前微软约30%的代码是由AI编写的。
研究人员认为,如果参考其他AI调查中更高的生产力提升数据,AI增强的代码提交率带来的潜在经济效益可能更高。例如去年9月的一份报告显示生产力提升了26%。
基于三项不同随机对照试验的任务完成时间估算,这些试验分别发现了16.5%、6.3%和26%的生产力提升,研究人员得出结论:30%的AI使用率将带来每年640亿至960亿美元的生产力提升价值。
作者承认他们的估算存在局限性。例如,他们专注于GitHub代码提交可能遗漏了中国流行的Gitee平台上的提交。同时他们也没有考虑"由于AI增加代码供应而可能导致的编程任务价值减少"。
还有其他因素可能影响结果的准确性,比如将Python作为其他编程语言软件开发影响的代表,以及假设GitHub开源项目中AI使用率在其他环境中也会重复出现。
但总体而言,作者对AI的生产力价值持乐观态度。此外,他们表示AI的采用促进了对新软件库和库组合的实验,从而扩展了开发者的知识面。当然,这是基于那些库确实存在而非AI虚构的前提下。
在编程之外,AI的经济影响可能更为有限。MIT研究院教授Daron Acemoglu在去年发表的论文《AI的简单宏观经济学》中预测,AI驱动的生产力增长仅约0.7%。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。