《Computer World》杂志曾经写过一篇文章，说“编程到1960年就会消失”，因为IBM开发了一种新语言FORTRAN，这种新语言可以让工程师写出他们所需的数学公式，然后提交给计算机运行，所以编程就会终结。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
图片
又过了几年，我们听到了一种新说法：任何业务人员都可以使用业务术语来描述自己的问题，告诉计算机要做什么，使用这种叫做COBOL的编程语言，公司不再需要程序员了。
后来，据说IBM开发出了一门名为RPG的新编程语言，可以让员工填写表格并生成报告，因此大部分企业的编程需求都可以通过它来完成
图片
在80年代和90年代，随着组件和图形化开发的出现，业务人员可以通过拖拖拽拽的方式轻松地开发出程序
进入二十一世纪，又出现了Low Code, No Code，既然都没有代码了，那就更不需要程序员了。
事实真相是怎样的呢？
编程并没有被终结，相反，门槛不断降低，导致程序员数量越来越多
现在终极大Boss——大模型——来了，它和之前的新技术，新语言都不同，不用人去写代码，而是直接生成代码。
它能否终结编程，淘汰程序员呢？
首先，我们必须承认，业界顶尖的AIGC工具，如GPT-4，现在已经具备了非常强大的代码生成能力。如果您还对此持有异议，欢迎阅读我之前写的几篇文章，《AI可以生成95%的代码》
网上也有人用GPT-4，Midjourney,DALL·E 3 生成了一个类似愤怒的小鸟这样的游戏："Angry Pumpkins”，效果让人惊叹！
然而，AIGC生成的代码并不能完全保证无懈可击，也无法保证其准确性，因此程序员需要进行检查和调试，并在发现问题后引导其进行修改，这是一件相当繁琐的工作
熟练掌握GPT-4这类工具可以让程序员成为超级个体
很多人没有意识到的是，写代码只是软件开发的一个环节。在写代码之前，还有需求分析和设计（包括架构设计和详细设计）需要完成
AIGC在详细设计方面取得了显著进展，但在架构设计方面尚有待提升。您可以阅读《AI开始威胁程序员的核心能力了！》一文来了解具体案例
随着AIGC的快速迭代，在5~10年内，也许能出现有着强大设计能力和代码生成能力的AI，但是AIGC很难翻越最后一座大山：需求分析。
了解客户的需求是一项困难的任务。你需要熟悉他们所在的领域、业务和流程，通过不断的交流和确认，才能大致弄清楚他们需要什么
很多时候，客户只有看到软件成品才会恍然大悟：哦，原来我需要的功能不是这样的
市面上出现的所有的编程相关的AI工具，如GitHub Copilot，Amazon CodeWhisperer，都无法直接从客户需求生成代码，都需要程序员用行话精确地告诉它要做什么事儿才行。
简单来说，从客户需求直接到代码生成，这条路不通。
从详尽的软件规范说明书到代码，非常有望实现
所以有人搞了一个新型的外包公司，专门用AI生成代码，希望能用更低廉的成本对其他公司进行降维打击。
唯有人与人之间才能交流需求，如果不能实现普适人工智能，需求分析这一任务是无法被AI所解决的
人工智能的普遍应用时间难以确定
在《机器之心》中，库兹韦尔展示了一张计算力增长的图表
图片
从20世纪到21世纪，计算力呈指数增长，按照这个趋势，在2025年左右，1000美元的个人计算机的计算能力就可以达到人类大脑的水平。
到2060年，计算力能超过所有人类大脑的总和。
不过，计算力的达到人类大脑的水平，并不意味着智能也能达到人类的水平。
人脑中的神经元数量大约为1000亿。每个神经元平均约有1000个连接，共计100万亿个连接。
所有连接可以进行同步计算，这是一种相当强大的并行处理能力。
现在人们试图使用神经网络来模拟人脑，但是当神经元足够多以后，它到底是如何工作的，为什么展示出了“智能”的行为，人类还是一头雾水，只能用个词--涌现--来模糊地描述它。
所以库兹韦尔建议研究人的大脑，利用磁共振成像扫描仪等技术窥探大脑内部。随着技术不断更新换代，扫描分辨率和扫描速度不断提高，无创、非侵入式扫描活人大脑最终变得可行。
根据扫描得出的信息，绘制出具体位置、相互之间的连接、体细胞的成分、轴突、树突、突触前囊泡以及其他神经部分。然后整个脑组织就可以在一台内存足够大的神经计算机中被重造出来，大脑中的存储内容也可以被重造。
这一天不知道什么时候才能到来，所以现在不用对AI的威胁忧心忡忡，只要能驾驭AIGC这个工具，让他为自己所用，就可以继续安心地去搬砖了。
