人工智能遲早會滅了程序猿？
前些日子，去人類文明發(fā)祥地埃及轉(zhuǎn)了一圈，不料想人類文明已臨大敵DeepMind又在搞事情了，完全靠左右互搏練出來的AlphaZero，居然不顧人類心理陰影面積，庫卡機器人驅(qū)動器維修，碾壓幾千萬張棋譜喂出來的前輩。
看起來，不僅人類經(jīng)驗已成廢柴，連我們膜拜的大數(shù)據(jù)也將一無是處？正好相反，AlphaZero的勝利，恰恰說明了數(shù)據(jù)在AI領(lǐng)域的唯一神性。現(xiàn)在，請把所有異端踩在腳下，來跟我一起念：
萬物非主，唯有數(shù)據(jù)；
深度學習，數(shù)據(jù)使者！
什么是數(shù)據(jù)？其實就是一個二元組（x,y）：其中x是一次觀測值，也就是看到了什么；而y是觀測的標簽，也就是看到的是什么。這兩個要素，湊在一起才叫一條數(shù)據(jù)，缺一不可。舉個例子，在語音識別中，x就是一段聲音信號，y就是對應(yīng)的文本；而在人臉識別中，x就是一副圖片，y就是這個人的編號。
人們對數(shù)據(jù)唯一神性的認識，并非一帆風順。在原始AI時代，由于計算能力的限制，縱有數(shù)據(jù)也無法處理，于是多神崇拜盛行：有人信算法，有人信專家，有人信窮舉，也有人只信人品。直到本世紀，采用GPU的深度學習方案實用以后，庫卡機器人，我們才恍然大悟：原來數(shù)據(jù)里蘊藏著那么多的寶藏，只是過去我們無力挖掘罷了。現(xiàn)在看來，有充足（x,y）這樣的數(shù)據(jù)是AI必要的物質(zhì)基礎(chǔ)。既然數(shù)據(jù)如此關(guān)鍵，聰明人肯定會問能不能自動獲得數(shù)據(jù)呢？對此，AlphaZero給了我們一個并不意外的漂亮答案。
在圍棋問題里，x是某局棋，而y就是這局棋的輸贏。由于圍棋的規(guī)則確定，任給一個x很容易算出y，于是機器就可以自動生產(chǎn)數(shù)據(jù)了。這揭示了無監(jiān)督訓練的一個本質(zhì)要求：由觀察x能夠顯著降低y的不確定性。對于圍棋，x定了y也就定了，這簡直太美妙了，三千萬棋譜又算什么？我這兒要多少給你編多少！
自動生成的棋譜當然還得靠譜才行。就算你算力超過奧特曼，可是天天冥思苦想下圖《環(huán)珠格格》中紫薇下出的弱智局面，也不過是浪費電罷了。這提出了自動生成數(shù)據(jù)的另一個要求：生成的數(shù)據(jù)p（x）分布，要跟真實分布盡量接近。對此，AlphaZero是否考慮了，怎么解決的，我還沒有仔細研究過。
AlphaZero的勝利，一靠數(shù)據(jù)至上的信仰，二靠圍棋自生數(shù)據(jù)的特點。不過，不要以為在其他領(lǐng)域，也會被這樣的餡餅砸到，因為能自生數(shù)據(jù)的任務(wù)并不常見。那么，有沒有可能通過方法上的改進，大幅降低對數(shù)據(jù)的依賴性呢？有可能。對比一下人與AI視覺，會發(fā)現(xiàn)兩者對數(shù)據(jù)的利用效率大為不同：有寶寶的可以留意，他們在畫上見過一張卡通長頸鹿，到了動物園就能認出真的長頸鹿；而目前的AI要認長頸鹿，怎么也得看個幾萬張高清長頸鹿才行。
其實，從動物到人的上億年進化中，視覺系統(tǒng)不斷地被外界景象所刺激，也就在不斷吸收數(shù)據(jù)和加強能力。妙就妙在，人類的視覺能力一則可以遺傳，二則可以在不同任務(wù)上復用。想想也是，辨別紋理、線條，與認長頸鹿還是河馬并無關(guān)系。那一張卡通圖片的作用，只是告訴小孩子怎么拼出輪廓罷了。
這與強AI可能有些關(guān)系：深度神經(jīng)網(wǎng)絡(luò)的下面若干層，往往表達的是類似線條、紋理這樣的初級信息，與高級語義的關(guān)系較弱。如果我們能把這些初級單元復用起來，AI就能夠充分利用類似任務(wù)的數(shù)據(jù)，而不是撂爪就忘。這樣一來，缺少數(shù)據(jù)的問題就大大緩解了。
人類的感知系統(tǒng)還有另一點令人困惑：別忘了在進化過程中，從來沒人告訴一只猴子，眼前的哪個物體是鱷魚。也就是說，人類的感知進化很可能是無監(jiān)督的，這給了我們無限的希望，也讓我們后背發(fā)涼。
先不扯那么遠，僅就目前的AI來看，判斷某項工作是不是會被機器替代，有一個大前提，和一個小前提：大前提，是可以獲得足夠的有效數(shù)據(jù)（能自動生成數(shù)據(jù)則無敵），也就是說機器有快速進化的基礎(chǔ)；小前提，是人本身的進化過程沒有見過大量的數(shù)據(jù)，也就是說人的起點并不高。
速記、客服這些與語音視覺相關(guān)的工作，滿足大前提，不滿足小前提。AI從這里起兵卻遭遇勁旅人類的視聽系統(tǒng)可是上億年的數(shù)據(jù)喂出來的啊！反而是股票操盤手、互聯(lián)網(wǎng)數(shù)據(jù)分析師這些工作，遲早是AI的菜，人類并無還手之力不信去測測基因，您有祖上遺傳下來的炒股本能么？
還有什么工作容易被AI顛覆呢？考慮到自動生成數(shù)據(jù)這個關(guān)鍵，我冥思苦想以后，無奈地告訴大家，還真沒準是編程。
機器自動寫代碼并不是個新問題，這叫做歸納程序綜合（InductiveProgramSynthesis，IPS）。IPS問題可以描述為：給定一組數(shù)據(jù)對，自動產(chǎn)生一段代碼，將這些給定的輸入轉(zhuǎn)換為給定的輸出。傳統(tǒng)的IPS方法，有點類似只能在4路小棋盤上的暴力搜索；可實際的編程任務(wù)，好比是19路大棋盤上的對局，還得靠萬物靈長的程序猿來人肉搞定。
可如今天下大變，機器在19路圍棋上已經(jīng)碾壓人類，憑什么編程就不行呢？機器人下棋，靠的是統(tǒng)計的方法和大量數(shù)據(jù)；而機器人編程，當然也要用機器學習替代暴力搜索。這里的關(guān)鍵，還是數(shù)據(jù)從哪里來。在這點上，AlphaZero給了我們極大的啟發(fā)。
如果在某些問題中，編程需求可以像圍棋規(guī)則那樣形式化表達。此時，給定一種輸入，輸出很容易確定，這就可以自動生成大量的測試數(shù)據(jù)。有了這些數(shù)據(jù)，后面無非就是算法進化的問題了。
所以，真正的難點，還在那個形式化的需求表達。目前這離我們有多遠，我也說不清。設(shè)想一下，應(yīng)該是在不同領(lǐng)域各個突破，分別制定表達方案。不過，編程領(lǐng)域的基礎(chǔ)準備相當充分：那個叫Gitbub的網(wǎng)站，將是機器顛覆人類程序猿的大本營！從Github上的海量項目出發(fā)，分領(lǐng)域定義需求表達模式的話，后面的數(shù)據(jù)生成和編程模型訓練，其進展恐怕比我們想象得要快得多。
現(xiàn)有的碼農(nóng)工作流程，可以分為溝通、設(shè)計、實現(xiàn)、調(diào)試、測試這幾個步驟。某典型程序員隨著年資變化，這幾個步驟的時間占比大致是上圖的樣子。如果形式化腳本+自動編程成為現(xiàn)實，上圖中的實現(xiàn)、測試、調(diào)試逐步驟就可以交給機器了。而溝通這一步，也將大大簡化。
由于可能自動地生成數(shù)據(jù)，機器人編程解決復雜的任務(wù)恐怕是遲早的事兒。到了那一天，程序猿就要大幅減少，產(chǎn)品狗勢力會進一步擴張：就算是不懂什么堆排序、B+樹、CNN，只要用腳本把需求表達出來，一樣能做出產(chǎn)品。不過，那時對產(chǎn)品狗的要求可高多了，m.twshmhelmet.com，得有真正的邏輯提煉和任務(wù)分解能力，就會吵個架、搶個功是遠遠不夠的。
遍身綺羅者，不是養(yǎng)蠶人。親愛的程序猿們，不要天真地以為你們創(chuàng)造了未來，未來就屬于你們。狡兔死，走狗烹未必是機器自發(fā)的愿望，無奈編程這樣高度形式化、數(shù)據(jù)可自生的任務(wù)，可能正是AI鐵蹄首先要踏過的沃土。除了少量的高端碼皇，廣大碼農(nóng)碼畜們只有盡早皈依大數(shù)據(jù)教，向高級產(chǎn)品狗快速進化，才能避免被淘汰的命運。