AI 無法編寫比人工更好的代碼   

隨著人工智能 （AI） 的不斷發展，它正成為開發人員越來越受歡迎的工具。然而，雖然 GitHub Copilot 和 ChatGPT 等 AI 驅動的編碼工具提供了便利和效率，但每個開發人員都應該牢記一個重要的事實：AI 無法編寫比您更好的代碼。

在本文中，我們將探討為什么 AI 不能取代開發人員，為什么它仍然是一個非常有價值的助手，以及我們如何使用 AI 來增強我們的編碼工作流程。從最近的研究中汲取靈感，包括 Apple 的 GSM-Symbolic：了解大型語言模型中數學推理的局限性，我們將深入探討 AI 在復雜編碼任務方面的技術局限性。

AI 在編碼中的局限性：為什么 AI 不能取代開發人員

AI 在自動化軟件開發的許多方面取得了重大進展。無論是生成樣板代碼、協助編寫文檔還是為常見錯誤提供解決方案，AI 都可以為開發人員節省時間和精力。但是，重要的是要了解 AI 還遠非完美，無法處理開發人員可以做的所有事情。

AI 的主要問題之一是它無法通過復雜的問題進行推理。AI 工具可以輕松處理簡單的任務，但當涉及需要了解項目特定背景的更復雜的問題時，人類開發人員仍然要優越得多。

之前使用過各種 AI 驅動的代碼助手，例如 GitHub Copilot、Gemini Code Assist、Codeium 等。雖然這些工具對許多任務都很有用，但遇到過許多 AI 根本無法達到預期的情況。例如，當開發人員要求 AI 修復代碼中的問題時，該問題通常會演變成更大的問題。調試 AI 生成的代碼也比處理由了解項目細微差別的人編寫的代碼要困難得多。

當 AI 出錯時，結果可能是災難性的。AI 很難像人類一樣從錯誤中吸取教訓，往往沒有考慮到更廣泛的上下文，甚至沒有考慮到代碼庫中最重要的最小細節。

此外，AI 工具的理解和推理能力仍然受到嚴重限制。雖然他們可以根據他們接受過培訓的數據提供答案，但他們仍然缺乏處理復雜任務或創新的能力。這是許多開發人員沒有意識到的事情，尤其是當他們希望 AI 像高級開發人員或創意合作伙伴一樣行事時。

GSM 符號論文：強調 AI 推理的局限性

在《GSM-Symbolic：了解大型語言模型中數學推理的局限性》一文中，Apple 研究人員闡明了 AI 推理能力的缺點。他們表明，雖然 AI 模型可以處理模式并根據其訓練數據提供答案，但它們仍然難以進行真正的推理。AI 不理解問題的上下文，它只是根據以前看到的模式進行預測。

該論文強調，盡管大型語言模型 （LLM） 取得了進步，但這些模型可能永遠無法像人類那樣實現真正的推理。例如，當給定簡單的數學任務時，LLM 可能非常準確。但是，當對問題進行微小更改（例如，更改名稱、數字或添加不相關的細節）時，模型的準確性會顯著下降。

當我們考慮編碼任務時尤其如此。AI 可以協助完成簡單的任務，例如生成樣板代碼或為已知問題提供解決方案，但它難以處理需要理解、創新和上下文的復雜、多方面的任務，這些都是真正的開發人員每天面臨的挑戰。

GSM 符號論文的主要發現總結

該論文表明，LLM 依賴于模式識別而不是真正的推理。雖然 AI 已經取得了令人印象深刻的進步，但要達到人類開發人員的推理和解決問題的能力，還有很長的路要走。

對于需要細致入微推理的任務（例如調試復雜代碼或設計新功能），AI 無法像人類一樣推理，這使其成為不可靠的合作伙伴。它無法理解為什么根據項目的上下文，某些解決方案可能比其他解決方案效果更好。

AI 擅長解決結構化數據的可預測問題，但當涉及到需要創造力或復雜邏輯的任務時，它就會遇到困難。該論文表明，LLM 目前最適合查詢信息和總結文檔等任務，而不是處理需要創造力和上下文的復雜編碼挑戰。

如何在編碼任務中有效地使用 AI

AI 對于開發人員來說仍然是一個非常有用的工具，但必須正確使用它以避免挫敗感和錯誤。以下是有效使用 AI 的一些提示：

1、將 AI 視為助手，而不是替代品

AI 是一種可以支持您工作的工具，但它不能取代您作為開發人員帶來的專業知識、創造力和解決問題的技能。始終將 AI 作為您指導的初級開發人員來對待，給予它明確的指示并糾正它的錯誤。

2、專注于小型、特定的任務

AI 對于處理小型的特定任務最有用。不要要求 IT 從頭開始構建整個應用程序 — 將任務分解為可管理的部分，并尋求有關代碼各個部分的幫助。

3、清晰提示 AI

AI 的好壞取決于它收到的提示。如果您沒有提出正確的問題或提供必要的上下文，您將得到不準確或不相關的結果。您的請求要清晰具體。

4、使用 AI 執行重復性任務

AI 非常適合處理重復、耗時的任務，例如編寫樣板代碼或檢查簡單的錯誤。將您的時間和精力節省到需要人情味的復雜、創造性的開發方面。

5、知道何時停止依賴 AI

如果 AI 正在努力解決問題，請不要一直推動它以期獲得更好的結果。識別何時該自己接管任務或尋求其他人類開發人員的幫助。

在開發中使用 AI 時的常見陷阱以及如何避免這些陷阱

1、過分依賴 AI 來解決問題

一些開發人員，尤其是那些經驗較少的開發人員，在沒有真正了解問題的情況下轉向 AI 來“修復”問題。這很危險，因為它不鼓勵批判性思維或解決問題的能力。解決方案：使用 AI 作為學習工具，但始終嘗試了解問題并自己解決問題。

2、期望 AI 編寫完美的代碼

AI 遠非完美。它可能會犯錯誤、提供次優解決方案或生成難以維護的代碼。解決方案：始終全面審查和測試 AI 生成的代碼。這是一個起點，而不是最終解決方案。

3、未提供足夠的上下文

AI 需要明確的說明和上下文才能提供準確的結果。解決方案：具體說明您的請求。如果 AI 不理解問題，它就無法提供有用的解決方案。

4、像對待高級開發人員一樣對待 AI

AI 工具有時看起來無所不知，但它們仍然無法處理復雜的編碼任務或提供創造性的解決方案。解決方案：像對待初級開發人員一樣對待 AI，并指導它完成整個過程。

結論

AI 是一個強大的助手，但它不能取代人類開發人員的創造力、解決問題和推理能力。雖然 AI 可以幫助完成代碼生成和錯誤修復等簡單任務，但在理解復雜問題、處理上下文和做出創造性決策方面卻存在不足。開發人員應該使用 AI 來增強他們的工作，而不是取代他們的技能。AI 應該被視為一種工具，幫助開發人員更高效地編寫更好的代碼，而不是像人類一樣思考、推理或創新的東西。優秀軟件開發的關鍵保持不變：成長、學習和創造力，這些領域 AI 還有很長的路要走。