AI 入侵前端,哪类工程师最危险?( 二 )


这个技术已有先例,前几年很火热的 Design-to-Code(从设计到代码)领域,可以生成设计稿的代码 。当时设计稿相对比较规范,但是生成的代码不管是可用性、可操作性还是二次编辑性都存在很大的差距 。这不仅仅是AI的问题,还涉及底层的组件库,它需要的是AI所理解的、高质量、耐用的组件库,这些因素都可能制约真正意义上的网站构建 。目前来看,我们只能达到扫图带演示的水平 。
对发布会上的演示我不会感到惶恐,反而感到兴奋 。从微观角度来说,它提高了我的开发体验和知识获取体验 。从长远来看,在真正能够取代人类工作的那一刻,AI 将会引发激烈的全社会、全世界关于伦理道德的讨论,即如何定位、限制和监管 AI 等等 。如果有人因此感到焦虑,不用太担心,先去学习和了解,静观其变 。
王安:我仔细分析发布会的视频,发现这并不完全正确 。虽然在 GPT-4 的演示中画了一个草图然后直接转换成 Code,但实际上商业场景不是这么用的 。应该是草图先被AI转成精修图,生成很多张,然后在其中选一张继续生成代码 。但由于前端“轮子”和插件在不断更新迭代,生成代码也会存在极大的过时问题 。比如花了一个登录页面的草图,转成代码,其实在 uni-App 体系中有一个库叫 uni-id,登录注册以及配套后台都写好了 。如果只是生成一个登录界面的代码,不引用 uni-id,那开发效率其实是下降了 。目前 ChatGPT 还不能有效生成引用 uni-id 的代码 。实际上库的更新速度非常快,目前AI 的训练和精调模型不支持如此快速的更新学习 。要知道 GPT 的中间的P,是预训练的意思,它无法实时学习 。除非将来微调和训练的成本有实质性的变化,才有可能让生成式AI 实时学习新的“轮子” 。尽管其他公司(包括我们)正在尝试,但不能确定能否成功 。
面对 AI 带来的变化,社会管理层的焦虑程度比老百姓更高 。它影响的不仅仅是前端职业,还有整个社会 。作为普通人其实不必替社会管理者操心 。如果你能力够强,懂算法,直接去看论文学习它;如果不足,那就使用别人做好的API 并研究怎么结合你的需求落地 。我们发布了uni-AI 的库,前端开发者可以通过 js 调用 AI 能力,不用搞 Python/ target=_blank class=infotextkey>Python 。不妨亲自去感受 AI 的能力,并思考如何在工作和生活中用其发挥更大的价值 。
贺师俊:关于 GPT-4 10秒生成网站的问题只是一个附带演示,而不是用于提高效率,至少目前来说不高效,我理解他们演示的目的是为了炫耀技术,单一的原始模型现在可以很多用途,这个真的很厉害 。虽然从专业角度来看,它生成的网站的意义可能不是非常大,但从它所展示的潜力来看,非常可怕 。
石川 : 以现有技术为例,Github 发布的 Copilot 可以简单地通过一些方法或者命名的函数,生成相应的函数,这类功能在降低成本和提高效率方面有多大的空间?
王安:目前我们与其他AI合作伙伴联合研发 IDE 的智能提示 。目前感觉它对生产力在实际项目场景中的帮助并不大 。因为它能帮你有效生成一些固定的代码,但在生成实际工程项目中的代码时,比如冒泡排序或正则式表达,由于对新库和 Uni-app 的不熟悉,效果不尽如人意 。另外 token 的数量限制使得AI无法扫描整个工程,也影响它的实用性 。不过它在写注释方面的助力非常好 。这个功能很受我们内部的工程师欢迎,但其写代码方面实际运用率不到 20% 。这也是很多人不想尝试的原因 。要想提高生产力,业界还需要做很多努力 。
杨森:可以看一个有意思的指标,那就是 Stack Overflow 的流量是否下降 。我认为 Stack Overflow 解决了一些奇怪的报错或新库使用的问题,这让编程变得更加高效方便 。许多新手可能已不需要再去查那些经常出现的基本错误 。
贺师俊:具体情况具体分析 。如果考虑提高效率,需要看具体条件 。比如,我使用的是特定的库,而现在的 GPT-4 或者其他工具可能不熟悉这个库,帮助会受到限制 。但如果没有这些限制,虽然不能完全完成任务,但肯定会提高效率,因为人从头开始学习需要花费很多时间 。
石川:AI 对前端行业的就业前景、薪资问题和技能要求等是否会有影响?
杨森: 我觉得不仅仅是前端,所有工程师未来都可能需要学习一些基础的 Prompt 技巧 。不仅在写代码的时候用得上,整理文字材料和日常工作中也会用到 。AI 是一个随处可见、随处可用的助理,人们离不开它 。怎样与它更好地交流?怎样让它更好地理解你,这可能是所有工程师、甚至所有职场人士都需要掌握的必备技能 。


推荐阅读