早在2017年，研究人员就提出了一个问题：到2040年，人工智能能否编写大多数代码？如今，OpenAI的GPT-3已经被测试人员广泛使用，能够用多种编程语言进行编码，机器主导的编码时代似乎正在到来。
GPT-3经过了数千亿字的训练，甚至涵盖了整个互联网，这使得它能够使用CSS、JSX和Python等语言进行编码。GPT-3不需要针对不同语言进行特别训练，因为它的训练数据非常全面。相反，当面临简单指示时，网络会专注于当前的任务。
GPT的发展历程
GPT通过将监督学习与无监督预训练相结合，在语言任务中达到了领先水平。与后续版本相比，最初的GPT相对较小，仅在几千本书和一台8GPU的机器上进行训练。
GPT-2则显著扩展了规模，参数数量增加了10倍，并使用了超过10倍的训练数据。尽管如此，数据集依然有限，主要来源于Reddit上获得至少三个karma的链接。GPT-2被形容为一个多才多艺的文本生成器，但在问答总结或翻译等下游任务中并不算最先进。
GPT-3被视为人工智能领域的一个里程碑，它在多项任务中表现出色，并且不再需要为特定任务进行微调。其模型规模再次大幅增长，参数数量达到了1750亿，是前一代的116倍。
GPT-3的性能非常出色，几次学习后依然能保持其强大的能力。
发展与挑战
目前，Beta测试人员正在使用GPT-3生成工作代码，这需要一些基本知识。从按钮到数据表，甚至重建谷歌的主页，这些都可以通过零次学习实现。
除了人工智能的迅速发展之外，还有两个技术趋势正在加速这一现实：无代码和自动机器学习。
无代码工具的崛起：让每个人都能成为数据科学家
无代码平台旨在使任何人都能轻松构建新产品，无论是网站、设计、数据分析还是模型。像WordPress、Wix和Shopify这样的无代码工具，使得数以百万计的人无需雇佣开发人员或设计师即可完成项目。
另一趋势是自动机器学习（AutoML），它显著缩短了人工智能模型的开发时间。
AutoML会取代数据科学家吗？
类似Apteo的工具顺应了这一趋势，使得用户无需编码技能即可部署人工智能模型。GPT-3的出现将进一步推动无代码和自动机器学习的发展，许多雇主可能会选择这些工具，而不是雇佣高成本的程序员。
当然，技术含量较低的程序员将首先受到影响，而专家则像在任何行业一样，享有更长时间的工作保障。
不仅限于编码——GPT-3适用于各种语言任务
要引导GPT-3完成特定语言任务，只需提供期望的示例。你可以直接用GPT-3编写代码，或撰写诗歌、音乐评论等其他文本。
例如，如果想生成一篇新闻文章，可以输入正标题和副标题，如“联合卫理公会同意历史分裂”和“那些反对同性婚姻的人将形成自己的派别”。
根据这些输入，GPT-3生成如下内容：
经过两天的激烈辩论，联合卫理公会已同意这一历史性的分裂，预计将会形成一个新的教派，该教派在神学和社会方面都比较保守。大多数在5月教会年度大会上出席的代表投票支持加强禁止LGBTQ神职人员的任命，并制定新的规则，对主持同性婚礼的神职人员进行处罚。然而，那些反对这些措施的人有一个新计划：他们宣布将在2020年成立一个独立的教派，称为基督教卫理公会教派。
这段文字让88%的人信以为真，只有12%的人意识到这是由人工智能生成的。
就像人类一样，GPT-3同样能够通过例句学习新词汇。例如，在给定上下文“BuRRingo是一辆加速速度非常快的汽车”后，GPT-3的输出为：“在我们的车库里有一辆BuRRingo，我父亲每天开它去上班。”
这些结果令人印象深刻。人工智能正在迅速进化，而对当前性能的批评将会在其快速迭代中消失。
不仅仅是语言——GPT同样适用于图像生成
GPT不仅可以编写代码和文本，还能生成图像。该模型架构可以通过在像素序列而非文本编码上进行训练，从而生成新的图像。事实上，它在这一领域表现出色，甚至可以与顶级的卷积神经网络（CNN）竞争。
这表明，GPT及其后继者不仅有潜力在未来取代编码工作，其多功能性甚至可能使其取代整个行业。
GPT-3的卓越表现让许多人相信，我们正前所未有地接近超级智能，或者至少，人工智能生成的代码比我们想象的更接近，它能够创造出具有创意、洞察力、深度甚至美感的内容，未来已经来临。
