首先說(shuō)一下我的觀點(diǎn)。人工智能機(jī)器人無(wú)法替代程序員。

雖然人工智能機(jī)器人可以有很多作為，可以幫助程序員寫一些code, 但是他永遠(yuǎn)無(wú)法替代程序員。至少目前看不到這種可能性。

那么人工智能可以幫助程序員做哪些事情呢？

我們下面通過(guò)一些例子來(lái)說(shuō)明這些事情。

第一，創(chuàng)建工程時(shí)生成模板代碼。

創(chuàng)建工程時(shí)生成模板代碼的例子非常多，比如說(shuō)你熟悉編程集成環(huán)境的話，當(dāng)你選擇創(chuàng)建一個(gè)類別的工程的時(shí)候，就會(huì)生成一些模板代碼。

這種模板性的代碼就是由機(jī)器生成的預(yù)置性代碼。這些代碼會(huì)提供整個(gè)工程的一些框架，一些入口類，一些入口函數(shù)，但是具體要做什么還是需要程序員來(lái)完成。

這種模板類的代碼，相對(duì)來(lái)說(shuō)比較簡(jiǎn)單。會(huì)有一些TODO的標(biāo)記來(lái)提示。

接下來(lái)的代碼實(shí)現(xiàn)部分。除了程序員以外，程序是無(wú)法自動(dòng)進(jìn)行的。

第二，使用命令行，來(lái)生成一些類或者組件。這些命令行也是由程序員來(lái)輸入，這個(gè)過(guò)程是程序員來(lái)發(fā)動(dòng)的。生成的類或者組件也是一些框架性的,指導(dǎo)性的代碼。

這個(gè)過(guò)程無(wú)法由機(jī)器，或者人工智能來(lái)替代。程序員才知道接下來(lái)要做什么，要用哪些命令，要生成的類的名字是什么，要生成的組件的名字是什么，然后是準(zhǔn)備用這些類和組件將來(lái)會(huì)用來(lái)做什么。

第三，使用配置文件來(lái)生成代碼。如果你對(duì)SWAGGER比較熟悉的話，而且用過(guò)配置文件比如說(shuō)YAML或者JSON生成微服務(wù)代碼。你應(yīng)該對(duì)這個(gè)過(guò)程比較熟悉。通過(guò)配置這些文件指定生成方法的名字，參數(shù)名字，參數(shù)類型，返回的數(shù)據(jù)類型。

通過(guò)生成的配置文件，你可以生成多種程序語(yǔ)言的代碼。

這些生成的代碼，對(duì)于運(yùn)行一個(gè)微服務(wù)來(lái)說(shuō)，框架代碼部分已經(jīng)足夠了。也就是說(shuō)你運(yùn)行由這些代碼構(gòu)成的微服務(wù)，你就可以調(diào)用那些API的接口了。

只是此時(shí)這些接口并不能為你做什么，只會(huì)給你返回類似接口未實(shí)現(xiàn)的錯(cuò)誤代碼。接下來(lái)的活兒就是程序員的任務(wù)了。程序員需要找到對(duì)應(yīng)的接口，然后把實(shí)現(xiàn)代碼寫完。

這樣子你在調(diào)用對(duì)應(yīng)的接口的時(shí)候，你就可以做實(shí)際的事情了。

我們可以看到在這個(gè)過(guò)程中，智能程序?yàn)槲覀冏隽撕芏嗍虑?。但是程序員必須要自己實(shí)現(xiàn)接口內(nèi)的代碼。這一部分智能程序是無(wú)法替我們完成的。

第四，以后智能程序可能會(huì)為程序員做得更多。比如會(huì)進(jìn)一步的生成更多的代碼來(lái)幫助程序員工作。但是他始終無(wú)法生成所有的代碼。無(wú)論代碼如何高級(jí)，最終還是要靠我們?nèi)祟惖某绦騿T去分析，學(xué)習(xí)研究它并進(jìn)一步的實(shí)現(xiàn)真正的功能需求。

作為一名程序員，我歡迎智能程序編程類的工具快速發(fā)展。這樣的話可以讓我們程序員從繁重的代碼編寫過(guò)程中節(jié)省很多時(shí)間, 把大量的時(shí)間花在用戶需求分析上和程序結(jié)構(gòu)設(shè)計(jì)上。

好啦，這個(gè)話題先聊這些吧。歡迎留言點(diǎn)贊，點(diǎn)擊關(guān)注丁哥開(kāi)講，我們下個(gè)話題再見(jiàn)。

我認(rèn)為，程序員是不會(huì)被機(jī)器人取代的，雖然現(xiàn)在機(jī)器人的智能很高，可以戰(zhàn)勝很高超的棋手，這并不意味著機(jī)器人能取代程序員。

銀行小艾這些機(jī)器人是純?nèi)斯ぶ悄軉幔趺礃樱?/h2>

很高興回答您的問(wèn)題。

銀行小艾這類的機(jī)器人屬于服務(wù)機(jī)器人，按照現(xiàn)在人工智能定義可以算作人工智能，但其實(shí)它并不智能。

人工智能是一門新興的科學(xué)，機(jī)器人、語(yǔ)言識(shí)別、圖像識(shí)別、自然語(yǔ)言處理等都可以算作人工智能。

現(xiàn)有服務(wù)機(jī)器人種類很多，類似銀行小艾、機(jī)器人餐廳服務(wù)員、兒童教育機(jī)器人等都屬于服務(wù)機(jī)器人。這類機(jī)器人已經(jīng)可以實(shí)現(xiàn)簡(jiǎn)單的動(dòng)作及人機(jī)交流，但均為提前設(shè)定的，并不具有人工智能的特點(diǎn)。在產(chǎn)品研發(fā)之初，工程師會(huì)將大量的問(wèn)答、信息存入數(shù)據(jù)庫(kù)中，在人們與服務(wù)機(jī)器人交流的時(shí)候，它會(huì)從數(shù)據(jù)庫(kù)中調(diào)用相關(guān)數(shù)據(jù)，從而實(shí)現(xiàn)人機(jī)交流。

所以說(shuō)現(xiàn)在的服務(wù)機(jī)器人屬于人工智能領(lǐng)域，但并不智能。

目前銀行機(jī)器人肯定是屬于第一類機(jī)器人，因?yàn)檫@種人工智能系統(tǒng)是純粹的被動(dòng)型，即沒(méi)有形成記憶的能力，也沒(méi)有利用過(guò)去的經(jīng)驗(yàn)來(lái)指導(dǎo)當(dāng)前的決策，而且這種銀行機(jī)器人比較簡(jiǎn)單，只需要有大量數(shù)據(jù)，輸入到對(duì)話系統(tǒng)，還是相對(duì)比較容易實(shí)現(xiàn)的，雖然現(xiàn)在來(lái)看這種方式還是不太智能。

第一類人工智能：反應(yīng)型機(jī)器最基本類型的人工智能系統(tǒng)是純粹的被動(dòng)型，既沒(méi)有形成記憶的能力，也沒(méi)有利用過(guò)去的經(jīng)驗(yàn)來(lái)指導(dǎo)當(dāng)前的決策。20世紀(jì)90年代末，IBM的下棋超級(jí)計(jì)算機(jī)Deep Blue就是這類機(jī)器的完美典范，它曾在90年代末擊敗過(guò)國(guó)際特級(jí)大師加里-卡斯帕羅夫（Garry Kasparov）。

Deep Blue可以識(shí)別棋盤上的棋子，并知道每一步的走法。它可以預(yù)測(cè)出它和對(duì)手下一步可能會(huì)走什么棋。而且它可以從各種可能的棋子中選擇出最合適的棋步。

但它對(duì)過(guò)去的事情沒(méi)有任何概念，也不記得以前發(fā)生過(guò)的事情。除了一個(gè)很少使用的國(guó)際象棋特有的規(guī)則，禁止重復(fù)下三遍相同的棋子外，深藍(lán)棋手無(wú)視眼前的一切。它所要做的就是看著棋盤上的棋子，就像現(xiàn)在這樣，從可能的下一步棋中選擇。

這種類型的智能涉及計(jì)算機(jī)直接感知世界，并根據(jù)它所看到的東西采取行動(dòng)。它不依賴于對(duì)世界的內(nèi)部概念。在一篇開(kāi)創(chuàng)性的論文中，人工智能研究者羅德尼-布魯克斯（Rodney Brooks）認(rèn)為，我們只應(yīng)該建造這樣的機(jī)器。他的主要理由是，人們并不擅長(zhǎng)編程準(zhǔn)確的模擬世界供計(jì)算機(jī)使用，也就是人工智能學(xué)術(shù)界所說(shuō)的 表象 世界。

目前我們感嘆的智能機(jī)器，要么是沒(méi)有這樣的世界概念，要么是對(duì)其特定的職責(zé)非常有限的、專門的世界概念。深藍(lán)設(shè)計(jì)的創(chuàng)新并不是為了擴(kuò)大計(jì)算機(jī)考慮的可能電影的范圍。相反，開(kāi)發(fā)者們找到了一種方法來(lái)縮小它的視野，根據(jù)它對(duì)未來(lái)的一些潛在動(dòng)作的評(píng)價(jià)結(jié)果，來(lái)停止追求一些可能的動(dòng)作。如果沒(méi)有這種能力，深藍(lán)計(jì)算機(jī)需要更強(qiáng)大的計(jì)算機(jī)才能真正擊敗卡斯帕羅夫。

同樣的，谷歌的AlphaGo，曾經(jīng)擊敗過(guò)人類頂尖的圍棋高手，但它也無(wú)法評(píng)估所有可能的未來(lái)棋局。它的分析方法比深藍(lán)的分析方法更復(fù)雜，使用神經(jīng)網(wǎng)絡(luò)來(lái)評(píng)估棋局的發(fā)展。

這些方法確實(shí)提高了人工智能系統(tǒng)的能力，使其能夠更好地下好特定的棋局，但不能輕易改變或應(yīng)用于其他情況。這些計(jì)算機(jī)化的想象力對(duì)更廣闊的世界沒(méi)有任何概念，這意味著它們無(wú)法在分配給它們的特定任務(wù)之外發(fā)揮作用，很容易上當(dāng)受騙。

它們不能像我們想象中的人工智能系統(tǒng)有朝一日可能出現(xiàn)的那樣，交互式地參與到這個(gè)世界中。相反，這些機(jī)器每次遇到同樣的情況時(shí)，它們的行為都會(huì)一模一樣。這對(duì)于確保人工智能系統(tǒng)值得信賴是非常好的。你想讓你的自主汽車成為一個(gè)可靠的駕駛員。但如果我們希望機(jī)器真正與世界互動(dòng)，并對(duì)世界做出反應(yīng)，那就不好了。這些最簡(jiǎn)單的AI系統(tǒng)永遠(yuǎn)不會(huì)無(wú)聊，也不會(huì)感興趣，也不會(huì)難過(guò)。

第二類人工智能：記憶力有限

目前自動(dòng)駕駛汽車已經(jīng)做了一些這樣的事情。例如，它們觀察其他汽車的速度和方向。這不是一瞬間就能完成的，而是需要識(shí)別特定對(duì)象，并在一段時(shí)間內(nèi)對(duì)其進(jìn)行監(jiān)控。

這些觀察結(jié)果會(huì)被添加到自駕車汽車對(duì)世界的預(yù)編程表示中，其中還包括車道標(biāo)記、交通燈和其他重要元素，比如道路上的彎道。當(dāng)汽車決定何時(shí)改變車道，避免與另一名司機(jī)發(fā)生碰撞或被附近的汽車撞到時(shí)，這些信息都會(huì)被包含在內(nèi)。

但這些簡(jiǎn)單的過(guò)往信息只是暫時(shí)的。它們并沒(méi)有被保存為汽車經(jīng)驗(yàn)庫(kù)的一部分，它可以從中學(xué)習(xí)，就像人類駕駛員在駕駛過(guò)程中多年來(lái)積累的經(jīng)驗(yàn)一樣。

那么，我們?nèi)绾尾拍軜?gòu)建出能夠構(gòu)建完整的表征，記住他們的經(jīng)驗(yàn)，并學(xué)習(xí)如何處理新情況的AI系統(tǒng)呢？布魯克斯說(shuō)的沒(méi)錯(cuò)，要做到這一點(diǎn)是非常困難的。我自己研究的方法受到達(dá)爾文進(jìn)化論的啟發(fā)，可以通過(guò)讓機(jī)器構(gòu)建自己的表征，開(kāi)始彌補(bǔ)人類的不足。

第三類人工智能：心智理論

我們可能會(huì)在這里打住，稱這一點(diǎn)為我們現(xiàn)有的機(jī)器和未來(lái)我們將建造的機(jī)器之間的重要分界線。然而，我們最好更具體地討論一下機(jī)器需要形成的表征的類型，以及機(jī)器需要關(guān)于什么的表征。

下一個(gè)更高級(jí)的類的機(jī)器不僅形成關(guān)于世界的表征，而且還形成關(guān)于世界上其他代理人或?qū)嶓w的表征。在心理學(xué)中，這被稱為 心智理論，理解世界上的人、生物和物體都會(huì)有思想和情感，影響自己的行為。

這對(duì)于我們?nèi)祟惾绾涡纬缮鐣?huì)是至關(guān)重要的，因?yàn)樗鼈兪刮覀兡軌蜻M(jìn)行社會(huì)交往。如果不了解對(duì)方的動(dòng)機(jī)和意圖，不考慮到別人對(duì)我或環(huán)境的了解，那么在一起工作充其量是困難的，最壞的情況下是不可能的。

如果人工智能系統(tǒng)真的要在我們中間行走，它們必須能夠理解我們每個(gè)人都有想法和感受，以及對(duì)如何對(duì)待我們的期望，而他們也必須相應(yīng)地調(diào)整自己的行為。

總結(jié)雖然我們可能還遠(yuǎn)遠(yuǎn)沒(méi)有創(chuàng)造出具有自我意識(shí)的機(jī)器，但我們應(yīng)該把工作重點(diǎn)放在理解記憶、學(xué)習(xí)和基于過(guò)去經(jīng)驗(yàn)做出決策的能力上。這是理解人類智能本身的一個(gè)重要步驟，而如果我們想要設(shè)計(jì)或進(jìn)化出能夠?qū)ρ矍暗氖挛镞M(jìn)行分類的機(jī)器，這一點(diǎn)至關(guān)重要。