有人觉得这标题是危言耸听，博人眼球。但是，同样是DeepMind公司的产品，我们翻看AlphaGo的“进化”历史，从2016年AlphaGo在一场五番棋比赛中4：1击败尖端职业棋手李世石，到2017年击败世界第一棋手柯洁，再到AlphaGo的终极版本AlphaGo Zero，经过短时间训练，就可以轻松击败以前的所有AlphaGo版本。这期间对AlphaGo的算法优化，智能自主学习，也就是短短的2年时间。

而DeepMind公司的新产品AlphaCode，设计出来后，在编程竞赛网站 Codeforces 举办的 10 场比赛中，AlphaCode 取得了前 54.3% 成绩，击败了45.7%,近乎一半的参赛程序员。这是数据看似并不亮眼，但这只是第一次这样的比赛。想想AlphaGo，这些人工智能机器的学习，就喜欢大量地学习和比赛，进而学习对应的数据。AlphaCode包含414亿个参数，大约是Codex（为 GitHub Copilot 辅助编程工具提供技术支持的 OpenAI 组织，它含有众多编程技术代码库）的4倍，训练数据集是715.1 GB，如果以后的数据学习突破TB，PB呢？对机器来说，多几个服务器和存储硬盘而已。

AlphaCode 本质上也是自主学习，通过自己抓取了 GitHub 上面的几百亿行代码，分析编程语言结构，然后再生成编程代码。它自己构建一套评判系统，先把问题生成大量的答案，在不知道答案是否正确的情况下，把自己编写的结果与问题的答案进行比较，继而判定是否正确。从构建逻辑上来说，这完全可以替代一部分程序员的工作。

而从AlphaGo的进化历史，再评估AlphaCode可能的进化，很有可能它的进化发展速度比我们人类预想的要快得多。都说程序员吃青春饭，如果AlphaCode普及，连青春饭都吃不起啊!咱们能不能别搞拼夕夕，X团了，BAT们带头加快点步伐！MATLAB被禁。难道以后让美国的AlphaCode写出的程序吊打中国程序员？

关键词： AlphaCode人工智能编程 让程序警惕或失业存在可能