《Computer World》雜志曾經寫過一篇文章，說“編程到1960年就會消失”，因為IBM開發了一種新語言FORTRAN，這種新語言可以讓工程師寫出他們所需的數學公式，然后提交給計算機運行，所以編程就會終結。
圖片
又過了幾年，我們聽到了一種新說法：任何業務人員都可以使用業務術語來描述自己的問題，告訴計算機要做什么，使用這種叫做COBOL的編程語言，公司不再需要程序員了。
再后來，人們又說，IBM又開發了一種新語言RPG，可以讓任何員工填寫表格并且生成報告，所以，企業的大多數編程需求都可以由它搞定。
圖片
到了八九十年代，我們又有了組件，有了圖形化開發，業務人員拖拖拽拽就可以把程序開發出來了。
進入二十一世紀，又出現了Low Code, No Code，既然都沒有代碼了，那就更不需要程序員了。
實際情況如何呢？
編程不但沒有被終結，門檻反而被不斷降低，程序員越來越多了。
現在終極大Boss——大模型——來了，它和之前的新技術，新語言都不同，不用人去寫代碼，而是直接生成代碼。
它能否終結編程，淘汰程序員呢？
首先我們得承認，業界頂尖的AIGC工具，如GPT-4，現在已經具備了非常強悍的代碼生成能力，如果你還不這么認為的話，歡迎看看我之前寫的幾篇文章。《AI可以生成95%的代碼》
網上也有人用GPT-4，Midjourney,DALL·E 3 生成了一個類似憤怒的小鳥這樣的游戲："Angry Pumpkins”，效果讓人驚嘆！
不過，AIGC生成的代碼無法保證面面俱到，無法保證正確性，還得程序員去檢查，去調試，發現問題后引導它去做修改，這是一件很費勁的事情。
駕馭好GPT-4這樣的工具，可以讓程序員成為超級個體。
其次，很多人沒有意識到的是，寫代碼只是軟件開發的一個環節，在寫代碼之前，還有需求分析、設計（架構設計和詳細設計）需要做。
AIGC在詳細設計上有了長足的進步，但是架構設計上還不行，具體案例可以看這篇文章：《AI開始威脅程序員的核心能力了！》
隨著AIGC的快速迭代，在5~10年內，也許能出現有著強大設計能力和代碼生成能力的AI，但是AIGC很難翻越最后一座大山：需求分析。
弄清楚客戶需要什么是一件非常難的事情，你得了解他們的領域，他們的業務，他們的流程，然后在不斷的交談和確認中，才能大致搞明白他們到底需要什么。
很多時候，客戶只有看到軟件成品才恍然大悟：奧，我要的功能不是這樣的。
市面上出現的所有的編程相關的AI工具，如Github Copilot，Amazon CodeWhisperer，都無法直接從客戶需求生成代碼，都需要程序員用行話精確地告訴它要做什么事兒才行。
簡單來說，從客戶需求直接到代碼生成，這條路不通。
從詳細的軟件規格說明書到代碼，非常有希望走通。
所以有人搞了一個新型的外包公司，專門用AI生成代碼，希望能用更低廉的成本對其他公司進行降維打擊。
只有人和人之間才能溝通需求，如果不實現通用人工智能，需求分析這件事情AI是搞不定的。
通用人工智能什么時候會出現呢？這很難說。
庫茲韋爾在《機器之心》展示過一張計算力增長的圖：
圖片
從20世紀到21世紀，計算力呈指數增長，按照這個趨勢，在2025年左右，1000美元的個人計算機的計算能力就可以達到人類大腦的水平。
到2060年，計算力能超過所有人類大腦的總和。
不過，計算力的達到人類大腦的水平，并不意味著智能也能達到人類的水平。
人腦中的神經元數量大約為1000億。每個神經元平均約有1000個連接，共計100萬億個連接。
所有連接可以進行同步計算，這是一種相當強大的并行處理能力。
現在人們試圖使用神經網絡來模擬人腦，但是當神經元足夠多以后，它到底是如何工作的，為什么展示出了“智能”的行為，人類還是一頭霧水，只能用個詞--涌現--來模糊地描述它。
所以庫茲韋爾建議研究人的大腦，利用磁共振成像掃描儀等技術窺探大腦內部。隨著技術不斷更新換代，掃描分辨率和掃描速度不斷提高，無創、非侵入式掃描活人大腦最終變得可行。
根據掃描得出的信息，繪制出具體位置、相互之間的連接、體細胞的成分、軸突、樹突、突觸前囊泡以及其他神經部分。然后整個腦組織就可以在一臺內存足夠大的神經計算機中被重造出來，大腦中的存儲內容也可以被重造。
這一天不知道什么時候才能到來，所以現在不用對AI的威脅憂心忡忡，只要能駕馭AIGC這個工具，讓他為自己所用，就可以繼續安心地去搬磚了。
