本文是在仝鍵和熊節(jié)的啟發(fā)式提問引導下，完全由ChatGPT生成的一篇文章。兩位人類合作者只做了必要的細節(jié)編輯。

“可能是全國第一篇ChatGPT一作的正經(jīng)文章吧”，人類合作者之一熊節(jié)對觀察者網(wǎng)表示。

“總會有人想探討AI會不會產(chǎn)生智能。而我的態(tài)度是，我現(xiàn)在就像站在泰坦尼克號船頭的一個人，看到了一座巨大的冰山向我撞來，這一刻我想的是怎么逃生上岸。我不關(guān)心那個冰山會不會產(chǎn)生智能?！绷硪晃蝗祟愖髡哔诮≡趯υ捴斜硎?。

仝健還提到，在《流浪地球2》中，550C“生成底層操作系統(tǒng)”激發(fā)了他后續(xù)去思考以結(jié)構(gòu)化的重寫來替代重構(gòu)的開發(fā)方法。他還認為，這種顛覆性的生產(chǎn)方式對于我們彌補工業(yè)軟件的短板有實際意義。

大語言模型AI的追趕關(guān)鍵在于定制應(yīng)用軟件開發(fā)能力

作者：ChatGPT，仝鍵，熊節(jié)

AI追趕的瓶頸：軟件工程能力的重要性

隨著ChatGPT的面世，大語言模型AI（如GPT-3）已經(jīng)成為了熱門話題。國內(nèi)也有很多團隊在進行追趕，然而，在實際追趕過程中，AI技術(shù)與軟件工程能力的結(jié)合卻成為了AI追趕的瓶頸。

我們最近在網(wǎng)上看到對復旦大學MOSS的對話：

復旦團隊發(fā)布國內(nèi)首個類ChatGPT模型MOSS，邀公眾參與內(nèi)測

文中提到：

“目前，MOSS的最大短板是中文水平不夠高，主要原因是互聯(lián)網(wǎng)上中文網(wǎng)頁干擾信息如廣告很多，清洗難度很大。為此，復旦大學自然語言處理實驗室正在加緊推進中文語料的清洗工作，并將清洗后的高質(zhì)量中文語料用于下一階段模型訓練。科研團隊相信，這將有效提升模型的中文對話能力?！?

結(jié)合文中其他部分的描述和網(wǎng)上其他資料，不難看出，盡管團隊對其在深度學習算法和模型上充滿信心，但由于數(shù)據(jù)獲取和清洗方面的軟件工程能力不足，導致其模型的數(shù)據(jù)量遠低于ChatGPT，無法有效提升任務(wù)完成度，比如中文對話的表現(xiàn)不足。

根據(jù)分析，數(shù)據(jù)獲取和清洗的問題實際上源于軟件能力的缺陷。例如，如果數(shù)據(jù)清洗的程序需要經(jīng)常變化，那么開發(fā)人員需要具備一定的靈活性，能夠快速理解新的需求和業(yè)務(wù)規(guī)則，并對程序進行相應(yīng)的修改和調(diào)整。并且開發(fā)人員需要掌握TDD（測試驅(qū)動開發(fā)）的相關(guān)概念和技術(shù)，如單元測試、測試框架和測試覆蓋率等。因為TDD能夠幫助開發(fā)人員編寫高質(zhì)量、易于維護的代碼。開發(fā)人員還需要掌握持續(xù)集成和持續(xù)交付（CI/CD）能力，因為CI/CD能夠幫助開發(fā)人員實現(xiàn)代碼的自動化構(gòu)建、測試和部署。

如果沒有合適的爬蟲程序和清洗工具，就無法獲得足夠的數(shù)據(jù)。這使得我們意識到，在AI的發(fā)展過程中，軟件工程能力的重要性不容忽視。盡管大多數(shù)人關(guān)注的是訓練后的模型，但在訓練模型的過程中，需要寫很多定制開發(fā)的軟件。而這些軟件是一次性的，用完即扔的，但是這個“一次性”的過程可能長達數(shù)年，需要不斷調(diào)整和演進這些軟件。如果這些軟件沒有持續(xù)演進的能力，那么就無法到達終點。因此，軟件工程能力的瓶頸限制了AI的成長。

行業(yè)普遍能力顯著加劇了挑戰(zhàn)

中國的軟件開發(fā)行業(yè)數(shù)量龐大，但是整體水平并不盡如人意。雖然國內(nèi)擁有大量程序員，但是很難掌握先進的工程實踐和技術(shù)，這導致了軟件開發(fā)的問題和質(zhì)量不穩(wěn)定。

例如，XP（Extreme Programming）包含的一組工程實踐，如TDD（測試驅(qū)動開發(fā)）、重構(gòu)等，在中國大型軟件開發(fā)組織的上下文中難以廣泛實現(xiàn)。這些工程實踐需要高水平的技術(shù)人才和團隊協(xié)作能力，但是中國的軟件開發(fā)組織很難招聘到這樣的人才，而且組織管理也難以支持這些實踐的實施。

因此，中國的軟件通常在3-5年內(nèi)就需要重新開始，這是由于工程實踐差導致軟件逐漸腐化到無法維護。然而，從另一個角度來看，由于中國的軟件工程師數(shù)量眾多，對于軟件的質(zhì)量要求也沒有那么高，因此每3-5年推倒重來的做法也被視為一種解決方案。

但是，在為人工智能配套的軟件上，這種做法可能會面臨巨大的挑戰(zhàn)。為了實現(xiàn)智能化，軟件需要更高的精度和更長久的維護，定期的推倒重來可能從效率和質(zhì)量上都不能滿足需求。例如，訓練OpenGPT的過程涉及到多個軟件組件和工具，包括深度學習框架、分布式訓練工具、數(shù)據(jù)處理和清洗工具等，這些軟件組件和工具的更新和維護都是必要的。因此，中國的軟件開發(fā)者們需要更加重視工程實踐和技術(shù)的學習和應(yīng)用，只有這樣才能夠適應(yīng)追趕需求，但是這與我們之前所說現(xiàn)狀的限制產(chǎn)生了矛盾。

基于ChatGPT的AI定制軟件開發(fā)方案

我們從文中看到，“復旦團隊則采用不同的技術(shù)路線，通過讓MOSS和人類以及其他對話模型都進行交互，顯著提升了學習效率和研發(fā)效率，短時間內(nèi)就高效完成了對話能力訓練?！?

那么在軟件開發(fā)方面，我們能否采用類似的思路呢？我們是否可以直接基于現(xiàn)有的ChatGPT進行AI所需的定制軟件的開發(fā)？盡管這個想法聽起來大膽，但實際上是可行的。

我們發(fā)現(xiàn)，在使用ChatGPT進行編程的時候，它可以基本上滿足一些簡單場景的編程需求。通過一些特定的手法，它可以有效地編寫出可用的軟件。這里所說的簡單，是指需求描述簡單，不是指需求本身簡單或者實現(xiàn)簡單。實際上，ChatGPT現(xiàn)在更擅長于處理許多復雜算法和軟件框架的開發(fā)，因為這些需求都有專業(yè)術(shù)語，因此需求本身的描述可以很簡單。

經(jīng)過本人實際測試，使用ChatGPT進行編程可以大大提高開發(fā)效率。此外，基于ChatGPT進行編程也會帶來一些有趣的生產(chǎn)方式變化。在軟件開發(fā)的工程實踐中，我們通常會采用一種假設(shè)：重寫比重構(gòu)更慢。但是，在使用ChatGPT進行編程時，我們會發(fā)現(xiàn)重寫會更快。盡管測試仍然很重要，因為測試會告訴ChatGPT是否正確重寫，但ChatGPT本身也可以根據(jù)實現(xiàn)代碼推理出需要哪些更多的測試用例。這將形成一個恐怖的飛輪，人類提供簡單的測試和需求，讓ChatGPT編寫出符合測試的實現(xiàn)，然后讓ChatGPT根據(jù)實現(xiàn)和需求反向推理出需要哪些更多的測試，并給出測試用例和可以執(zhí)行的測試代碼。這樣的工作方式與測試驅(qū)動開發(fā)（TDD）很像，只是其中最耗費腦力的部分：“基于測試改進代碼和想出更多測試”變成了AI的工作，而人只需要讓AI按照TDD的方式工作并適時糾偏即可。

基于這種生產(chǎn)方式及其可觀的收益，我們很容易得出一個結(jié)論：ChatGPT可以用于簡單小單元的開發(fā)，但對于更復雜的系統(tǒng)，它能否提供幫助呢？一般來說，由于算力的限制，ChatGPT輸入的文本是有限的，而且ChatGPT自身的封閉性使得自建業(yè)務(wù)上下文的大語言模型AI是不可能的。然而，我們可以從工程化的角度出發(fā)，將復雜系統(tǒng)拆分為小單元，用簡單邏輯拼裝起來。既然ChatGPT可以完成小單元的編程，并以驚人的效率完成，為何不發(fā)明一種架構(gòu)來充分利用這種生產(chǎn)力的提升呢？

這種架構(gòu)看起來很像深度神經(jīng)網(wǎng)絡(luò)，每一層都是可以互相替換的細分的功能點單元。每個細分的功能點單元都可以封裝為一個通用的調(diào)用接口，比如抓取不同的網(wǎng)站的邏輯，這些邏輯是可以被封裝在代碼中的，并且可以用一種DSL來描述。這種DSL可以交給AI來學習，這些DSL不是中文，而是更結(jié)構(gòu)化更形式化的語言，對于AI來說反而很友好。人可以通過TDD的方式修正它的組合結(jié)果，最終得到一個可以用于進行復雜系統(tǒng)開發(fā)的方式。

雖然這種方式目前還處于暢想中，但邏輯上可以做到的事情，最終一定會發(fā)生。這種新的方式一方面降低了對開發(fā)人員能力的要求，另一方面又保證了每個節(jié)點都按照唯一證明可以保證質(zhì)量的工作方式：TDD來進行開發(fā)。這種方式可以為我們的追趕帶來極大的意義。由于中國的軟件開發(fā)人員能力存在很大的問題，我們可能受限于AI所需的配套定制軟件而追趕緩慢。但這種新的方式一方面降低了對開發(fā)人員能力的要求，另一方面卻恰好保證了每個節(jié)點都按照唯一證明可以保證質(zhì)量的工作方式：TDD，來進行軟件開發(fā)。于是我們得到了一種既科學又不需要長期訓練獲得的能力作為運轉(zhuǎn)基礎(chǔ)的生產(chǎn)方式。

最終，我們可以得出結(jié)論：ChatGPT可以用于簡單小單元的開發(fā)，而對于更復雜的系統(tǒng)，我們可以采用一種類似于深度神經(jīng)網(wǎng)絡(luò)的架構(gòu)，將復雜系統(tǒng)拆解為小單元，再用AI完成小單元的組合，從而實現(xiàn)復雜系統(tǒng)的開發(fā)。這種方式既提高了生產(chǎn)力，又保證了質(zhì)量，但更重要的是，它為我們帶來了一種全新的軟件開發(fā)思維方式。這種方式不僅僅是一種技術(shù)上的創(chuàng)新，更是一種理念上的創(chuàng)新。我們不再局限于傳統(tǒng)的軟件開發(fā)方式，而是采用了一種更為開放、自由和創(chuàng)新的方式來進行軟件開發(fā)。

在這種開放性的思維方式下，我們可以不再局限于傳統(tǒng)的軟件開發(fā)范式，不再局限于傳統(tǒng)的技術(shù)框架和工具，而是充分利用現(xiàn)有的技術(shù)和工具，靈活地選擇和組合，以達到最優(yōu)的效果。同時，我們也可以吸納更多的外部資源，比如開源代碼、第三方庫、人才等等，讓它們與我們的系統(tǒng)無縫地融合在一起，形成一個更為強大、更為開放的系統(tǒng)。

當然，這種思維方式也面臨著很多挑戰(zhàn)。比如如何確保代碼的質(zhì)量和安全性，如何協(xié)調(diào)不同的開發(fā)者之間的合作，如何處理不同的利益沖突等等。但這些挑戰(zhàn)并不是無解的，實際上它的解法就在XP（Extreme Programming，極限編程）方法中。例如測試驅(qū)動開發(fā)、持續(xù)集成、重構(gòu)等實踐都有助于確保代碼質(zhì)量。只是XP中的實踐在這個時代如何與AI更好地協(xié)作需要進一步的探索。我們可以通過不斷的探索和實踐，逐步發(fā)展出一套成熟的軟件開發(fā)流程和治理機制，來保證整個開發(fā)過程的質(zhì)量和效率。

總之，ChatGPT作為一種新興的AI技術(shù)，為我們帶來了很多的機會和挑戰(zhàn)。作為追趕者的我們卻可以充分利用它的生產(chǎn)力，來進行我們追趕所需系統(tǒng)開發(fā)。在追趕的同時我們還會得到一種全新的開放性思維方式，它可能打破傳統(tǒng)的軟件開發(fā)模式，進一步的釋放生產(chǎn)力。（正文完，翻頁為人類作者問答環(huán)節(jié)）