在ChatGPT时代，软件工程师保持相关性的四个关键原因 1. 技术深度：软件工程师因其在计算机科学和软件开发领域的专业知识而始终保持相关性。他们拥有深入的编程技能和对最新技术趋势的了解，这使他们能够在ChatGPT等人工智能工具的发展中发挥作用。 2. 创造力与创新性：软件工程师是创造和创新的引领者。在ChatGPT时代，他们能够利用这些自然语言处理工具来构建智能系统和创造具有高度个性化体验的应用程序。 3. 风险与安全性：尽管人工智能技术的进步为开发ChatGPT等工具提供了更多机会，但相应的风险和安全问题也随之而来。只有软件工程师具备对相关风险进行评估和管理的专业知识，才能确保ChatGPT的可靠性和用户数据的安全。 4. 培训和适应性：软件工程师是持续学习和适应新技术的专家。他们有能力通过培训、研究和自我学习来跟上ChatGPT时代的变化，以确保他们在市场上继续保持相关性。注意：以上翻译保留了HTML结构。

让我们面对现实，ChatGPT的崛起让我们许多人感到担忧。它真的很厉害。它能看见、说话和理解。在迎接新科技时带来的赞叹声过后，下一个自然而然的问题是我们的经济安全。

在这个故事中，我将为关于“技术接管”的污名提供一些背景，然后希望能够给你和我带来一些安慰——尽管人工智能的进步，但对于软件工程师的永恒需求依然存在。

理解ChatGPT在技术界的影响

在这个科技发达的时代，ChatGPT的崛起引发了人们对我们的工作的大讨论，尤其是软件工程方面的工作。这是一个真正的问题，不只是纸上谈兵。我们正在见证一些工作由于人工智能的出现已经变得过时。而且，它不仅仅是能够完成这些工作，而是能够做得出色。ChatGPT不仅仅是好而已，它真的让人惊叹不已。

以这样的方式来思考：去年，人工智能可能只能完成软件工程师工作的大约40%。尽管这已经很多了，但人类仍然有存在的空间，对吧？

但问题在于，如果在短短一年内，由于人工智能的大幅提升，这个数字飙升到55%，那该怎么办呢？这不只是小小的进步，而是巨大的飞跃。这种快速增长让我们想知道：人工智能还要多久才能做到我们几乎所有的事情呢？

这不是一个“以后再说”的问题。它已经来到，重新塑造了我们对工作以及我们自身定位的思考方式。ChatGPT不仅仅是颠覆，它正在引领一场全新的游戏。

历史上有些技术被认为将会灭绝的例子

回顾科技历史，曾经有过许多次人们认为某项科技即将退出的情况。然而，不断出现的情况决不符合他们的预期。以下是几个经典案例：

高级编程语言没有替代汇编代码：以为随着像Python或Java这样的高级语言的出现，低级汇编语言将成为过时的东西。然而，在需要直接硬件操作和优化的系统中，汇编代码仍然至关重要。
NoSQL数据库没有使SQL数据库过时：像MongoDB这样的NoSQL数据库的兴起被视为SQL数据库的临终咒歌。然而，由于其在处理结构化数据方面的稳固性、可靠性和效率，SQL数据库仍然蓬勃发展。
Web应用程序还没有取代桌面应用程序：随着Web应用程序的激增，许多人以为桌面应用程序将逐渐消失。然而，它们依然普遍存在，提供强大性能、更丰富的用户体验和更好的系统资源控制能力。
云计算并没有取代物理服务器：云计算的革命让许多人相信物理服务器将变得过时。然而，许多组织仍然依赖物理服务器，原因包括安全性、控制性及特定性能需求。

你们中有些人可能会被说服，但绝大多数可能在想：“这些是一些好的例子，但我们谈论的是能够取代智能的东西。”

你是对的。

一些可能与ChatGPT的功效不可相提并论，但是如果我们将自己置于那个时期的参考框架中，就会发现人们确实有类似的偏见。事后偏见告诉我们，在宣称那些过去的一代是傻瓜之前，我们应该等待。实际上，旧报纸和文章会指出，领先的研究人员和经济学家坚信这些技术将会消失。

现在，在这一点上，你可能仍然认为我们在谈论技术与人类劳动的灭绝，因此比较了非常正交的概念。因此，我想仍然提出四个原因，为什么我不认为它会完全取代我们。

ChatGPT无法取代我们作为软件开发者的原因

部署和集成的复杂性：包括ChatGPT在内的人工智能在许多领域表现出色，但当涉及到软件部署和系统集成这个细微复杂的世界时，情况就不同了。这些任务需要对特定系统的深入理解，而这超出了人工智能目前的能力范围。人类开发者具备独特的能力，能够实时地适应意想不到的挑战。特别是在为关键数据和客户提供服务的系统背景下，能够快速反应、处理问题并从基础设施层面看待问题，这是ChatGPT当前所无法实现的。
限制在理解项目背景方面：ChatGPT令人印象深刻，但有一个问题 - 它可能并不能始终完全理解项目的全部背景。非程序员可能很难提供详细的技术提示，即使对于开发人员来说，表达复杂的项目需求也可能是一项艰巨的任务。目前，AI的能力受限于对提示的回应。因此，在没有对你正在构建的内容和构建方式有根本性理解的情况下，要制定规范是非常具有挑战性的。这将需要对软件有一定的了解。
精确性和可靠性的问题：对于像我这样依赖ChatGPT的人来说，当前的开发流程已经从三小时的编码和少量的调试转变为少量的ChatGPT提示和数天的调试。让我们思考一个没有软件工程师的世界。那么，我们只需提供项目目标的通俗表述并观察它的运行吗？那些ChatGPT出错的情况呢？作为开发者，我们已经看到很多情况下，即使经过详细和全面的提示，ChatGPT仍需要额外的帮助才能真正理解目标和方法论。此外，只有通过观察和利用经验来确认其不准确性，才能真正理解不准确性。
规划和团队协作的艺术：开发工作的一个重要部分是规划——找出你想要的东西，确定问题，了解用户需求。这个过程通常需要与团队成员进行复杂的协作，这是人工智能尚未掌握的。了解正确的技术、获取批准的正确途径以及总体推动产品的能力，而不仅仅是编写代码，对于人工智能来说是具有挑战性的。在软件开发生命周期中，规划、头脑风暴和协作中的人为因素是不可替代的。

为什么我们可能夸大了ChatGPT的能力

正如之前讨论的，有很多情况我们认为某些技术将会“取代”另一种技术。但现在，我想深入探讨。作为人类，为什么我们在心理上与这种观念产生共鸣呢？

技术决定论：这是一种相信技术发展遵循着预定路径并不可避免地以某种方式塑造社会的信念。我们常常假设像ChatGPT这样的新技术会主导，仅仅因为它们是新的和先进的，却忽视了现实应用的复杂性和人类的偏好。
新奇偏见：我们自然而然地被最新、最闪亮的东西所吸引。ChatGPT 凭借其先进的人工智能功能轻松地抓住我们的想象力和注意力。这种偏见可能导致我们高估新技术的影响，认为它们会比实际情况更具变革性。
线性进展谬误：有一个常见误解，即技术进步是线性和单向的。我们往往认为，只因为ChatGPT比之前的技术更先进，它就会完全取代它们。然而，进步往往是非线性和多方面的，新技术往往是补充而不是完全替代旧技术。
不同的用户和行业有各种不同的需求和背景。像ChatGPT这样的技术虽然强大，但可能并不适用于所有的情境或要求。我们常常忽视一个事实，即在一个情况中有效的方法在另一个情况中可能无效。因为需求的多样性，各种新旧技术共存并担任不同的角色。

实际上，虽然ChatGPT无疑是一款强大的工具，但我们夸大其能力的倾向来自于这些因素的结合。了解这些偏见有助于我们对AI和人类技能在不断变化的技术领域中如何继续共存和互补保持更加平衡和现实的观点。

备注

在可预见的未来，这是我想要正确预测的唯一事物。

大多数人都可以同意，当我们在人工智能和软件工程的不断发展的领域中制定我们的路线时，故事的重点不在于替代，而在于互补优势。鉴于以上原因，我相信ChatGPT的崛起并不意味着软件工程的终结，而是一个更具协作和创新性的时代的开始。在这个未来中，人类工程师的创造力和问题解决能力与人工智能的效率和分析能力相互配合，如同进步的交响乐中的两个和谐音符。