人工智能遲早會滅了程序猿？
前些日子，去人類文明發祥地埃及轉了一圈，不料想人類文明已臨大敵DeepMind又在搞事情了，完全靠左右互搏練出來的AlphaZero，居然不顧人類心理陰影面積，庫卡機器人驅動器維修，碾壓幾千萬張棋譜喂出來的前輩。
看起來，不僅人類經驗已成廢柴，連我們膜拜的大數據也將一無是處？正好相反，AlphaZero的勝利，恰恰說明了數據在AI領域的唯一神性。現在，請把所有異端踩在腳下，來跟我一起念：
萬物非主，唯有數據；
深度學習，數據使者！
什么是數據？其實就是一個二元組（x,y）：其中x是一次觀測值，也就是看到了什么；而y是觀測的標簽，也就是看到的是什么。這兩個要素，湊在一起才叫一條數據，缺一不可。舉個例子，在語音識別中，x就是一段聲音信號，y就是對應的文本；而在人臉識別中，x就是一副圖片，y就是這個人的編號。
人們對數據唯一神性的認識，并非一帆風順。在原始AI時代，由于計算能力的限制，縱有數據也無法處理，于是多神崇拜盛行：有人信算法，有人信專家，有人信窮舉，也有人只信人品。直到本世紀，采用GPU的深度學習方案實用以后，庫卡機器人，我們才恍然大悟：原來數據里蘊藏著那么多的寶藏，只是過去我們無力挖掘罷了。現在看來，有充足（x,y）這樣的數據是AI必要的物質基礎。既然數據如此關鍵，聰明人肯定會問能不能自動獲得數據呢？對此，AlphaZero給了我們一個并不意外的漂亮答案。
在圍棋問題里，x是某局棋，而y就是這局棋的輸贏。由于圍棋的規則確定，任給一個x很容易算出y，于是機器就可以自動生產數據了。這揭示了無監督訓練的一個本質要求：由觀察x能夠顯著降低y的不確定性。對于圍棋，x定了y也就定了，這簡直太美妙了，三千萬棋譜又算什么？我這兒要多少給你編多少！
自動生成的棋譜當然還得靠譜才行。就算你算力超過奧特曼，可是天天冥思苦想下圖《環珠格格》中紫薇下出的弱智局面，也不過是浪費電罷了。這提出了自動生成數據的另一個要求：生成的數據p（x）分布，要跟真實分布盡量接近。對此，AlphaZero是否考慮了，怎么解決的，我還沒有仔細研究過。
AlphaZero的勝利，一靠數據至上的信仰，二靠圍棋自生數據的特點。不過，不要以為在其他領域，也會被這樣的餡餅砸到，因為能自生數據的任務并不常見。那么，有沒有可能通過方法上的改進，大幅降低對數據的依賴性呢？有可能。對比一下人與AI視覺，會發現兩者對數據的利用效率大為不同：有寶寶的可以留意，他們在畫上見過一張卡通長頸鹿，到了動物園就能認出真的長頸鹿；而目前的AI要認長頸鹿，怎么也得看個幾萬張高清長頸鹿才行。
其實，從動物到人的上億年進化中，視覺系統不斷地被外界景象所刺激，也就在不斷吸收數據和加強能力。妙就妙在，人類的視覺能力一則可以遺傳，二則可以在不同任務上復用。想想也是，辨別紋理、線條，與認長頸鹿還是河馬并無關系。那一張卡通圖片的作用，只是告訴小孩子怎么拼出輪廓罷了。
這與強AI可能有些關系：深度神經網絡的下面若干層，往往表達的是類似線條、紋理這樣的初級信息，與高級語義的關系較弱。如果我們能把這些初級單元復用起來，AI就能夠充分利用類似任務的數據，而不是撂爪就忘。這樣一來，缺少數據的問題就大大緩解了。
人類的感知系統還有另一點令人困惑：別忘了在進化過程中，從來沒人告訴一只猴子，眼前的哪個物體是鱷魚。也就是說，人類的感知進化很可能是無監督的，這給了我們無限的希望，也讓我們后背發涼。
先不扯那么遠，僅就目前的AI來看，判斷某項工作是不是會被機器替代，有一個大前提，和一個小前提：大前提，是可以獲得足夠的有效數據（能自動生成數據則無敵），也就是說機器有快速進化的基礎；小前提，是人本身的進化過程沒有見過大量的數據，也就是說人的起點并不高。
速記、客服這些與語音視覺相關的工作，滿足大前提，不滿足小前提。AI從這里起兵卻遭遇勁旅人類的視聽系統可是上億年的數據喂出來的啊！反而是股票操盤手、互聯網數據分析師這些工作，遲早是AI的菜，人類并無還手之力不信去測測基因，您有祖上遺傳下來的炒股本能么？
還有什么工作容易被AI顛覆呢？考慮到自動生成數據這個關鍵，我冥思苦想以后，無奈地告訴大家，還真沒準是編程。
機器自動寫代碼并不是個新問題，這叫做歸納程序綜合（InductiveProgramSynthesis，IPS）。IPS問題可以描述為：給定一組數據對，自動產生一段代碼，將這些給定的輸入轉換為給定的輸出。傳統的IPS方法，有點類似只能在4路小棋盤上的暴力搜索；可實際的編程任務，好比是19路大棋盤上的對局，還得靠萬物靈長的程序猿來人肉搞定。
可如今天下大變，機器在19路圍棋上已經碾壓人類，憑什么編程就不行呢？機器人下棋，靠的是統計的方法和大量數據；而機器人編程，當然也要用機器學習替代暴力搜索。這里的關鍵，還是數據從哪里來。在這點上，AlphaZero給了我們極大的啟發。
如果在某些問題中，編程需求可以像圍棋規則那樣形式化表達。此時，給定一種輸入，輸出很容易確定，這就可以自動生成大量的測試數據。有了這些數據，后面無非就是算法進化的問題了。
所以，真正的難點，還在那個形式化的需求表達。目前這離我們有多遠，我也說不清。設想一下，應該是在不同領域各個突破，分別制定表達方案。不過，編程領域的基礎準備相當充分：那個叫Gitbub的網站，將是機器顛覆人類程序猿的大本營！從Github上的海量項目出發，分領域定義需求表達模式的話，后面的數據生成和編程模型訓練，其進展恐怕比我們想象得要快得多。
現有的碼農工作流程，可以分為溝通、設計、實現、調試、測試這幾個步驟。某典型程序員隨著年資變化，這幾個步驟的時間占比大致是上圖的樣子。如果形式化腳本+自動編程成為現實，上圖中的實現、測試、調試逐步驟就可以交給機器了。而溝通這一步，也將大大簡化。
由于可能自動地生成數據，機器人編程解決復雜的任務恐怕是遲早的事兒。到了那一天，程序猿就要大幅減少，產品狗勢力會進一步擴張：就算是不懂什么堆排序、B+樹、CNN，只要用腳本把需求表達出來，一樣能做出產品。不過，那時對產品狗的要求可高多了，m.dekuna.com，得有真正的邏輯提煉和任務分解能力，就會吵個架、搶個功是遠遠不夠的。
遍身綺羅者，不是養蠶人。親愛的程序猿們，不要天真地以為你們創造了未來，未來就屬于你們。狡兔死，走狗烹未必是機器自發的愿望，無奈編程這樣高度形式化、數據可自生的任務，可能正是AI鐵蹄首先要踏過的沃土。除了少量的高端碼皇，廣大碼農碼畜們只有盡早皈依大數據教，向高級產品狗快速進化，才能避免被淘汰的命運。