共计 2765 个字符，预计需要花费 7 分钟才能阅读完成。
借助人工智能算法为程序员提供代码支持，这一梦想或许即将成为现实。许多程序员心中期盼的“你已是一个成熟的 AI，应该学会自我补全代码”的愿望，似乎正在逐步实现。
在今年 6 月，GitHub 与 OpenAI 携手推出了一款名为“GitHub Copilot”的人工智能工具。该工具能够根据上下文自动完成代码，包括文档字符串、注释、函数名称等。只需程序员提供一些提示，Copilot 就可以生成完整的函数代码。
更令人惊讶的是，Copilot 的功能还在不断提升。在最近举行的 GitHub Universe 2021 开发者大会上，GitHub 宣布 Copilot 现已支持 Java、C、C++ 和 C# 等多种编程语言的多行代码自动完成，并扩展了对 Neovim 和 JetBrains IDE 的支持，包括常用的 IntelliJ IDEA 和 PyCharm 等编辑器。
GitHub 表示，现阶段新编写的代码中，有 30% 是借助于 Copilot 完成的。这是否意味着 Copilot 的强大呢？在社交媒体上，许多已经获得 Copilot 试用资格的博主纷纷分享了他们的使用体验。
当然，除了认真分享使用体验的博主，还有一些程序员因使用 Copilot 而被抓现行的趣事……
尽管 Copilot 非常强大，但与大多数人工智能工具一样，它的运作仍依赖于 OpenAI Codex 算法，并通过海量代码进行训练。对于拥有微软背景的 OpenAI 和 GitHub 来说，这并不是难事。微软在 2018 年以 75 亿美元收购了拥有约 5000 万用户的代码共享平台 GitHub，这意味着 Copilot 可以借助数十亿行公共代码进行学习。
实际上，在 Copilot 问世之前，OpenAI 就曾推出了一个拥有 1750 亿参数的 AI 模型——GPT-3。该模型耗费了数百万美元，通过大量人类创作的诗歌、小说和新闻进行训练（主要是英语材料），从而使得 GPT- 3 具备了一定的自然语言理解能力。神经网络的奠基人 Geoffrey Hinton 在 GPT- 3 问世时曾感慨：“生命、宇宙和万物的答案，其实只是 4.398 万亿个参数而已。”
Codex 正是基于 GPT- 3 进行训练的，OpenAI 的联合创始人兼首席技术官 Greg Brockman 曾提到，Codex 是 GPT- 3 的“后代”。因此，Codex 能够将一些明晰的英语指令翻译为代码，甚至有媒体宣称 Codex 降低了程序员的入门门槛，任何懂英语的人都能够编写代码。
在 Codex 的官方示例中，程序员只需在编辑器中输入“Make it be smallish”，便能将图中大型飞船缩小，且在此过程中无需输入任何代码，Codex 会自动为其编写程序。
当前，Codex 以其强大的能力应用于 AI 工具 Copilot 之中，虽然使得 Copilot 具备了神奇的代码补全和函数建议等功能，但同时也引发了一系列舆论争议。
随着 Copilot 日渐受到程序员的青睐，GitHub 的首席执行官 Nat Friedman 激动地表示：“每天都有数百名开发者在使用 Copilot，若预览版表现良好，我们计划在未来某个时刻将其扩展为收费产品。”
然而，Nat Friedman 的这番言论让 Copilot 的吸引力骤减，这意味着经过 GitHub 和 OpenAI 的运作，收费的 Copilot 将会利用全球最大代码共享平台 GitHub 的 5000 万用户的知识成果进行商业化。 其中引发争议的核心在于 Copilot 的版权问题，特别是开源代码衍生品的商业化及其 GPL 版权问题。GPL（通用公共许可证）是一系列自由软件许可证的总称，旨在保证用户拥有运行、研究、共享和修改软件的自由。相应地，任何复制或衍生自 GPL 版权的作品都必须遵循相同或等效的许可条款。
简单来说，开源代码可以被自由使用，但使用者必须支持开源，其他人也应当能够免费使用这些代码或软件。Copilot 引发了 GitHub 社区的强烈不满，因其将开源代码转化为商业产品，忽视了开源精神，这种现象促使不少程序员在社交媒体上表示将来不再在 GitHub 上托管代码。
GitHub 官方解释称，Copilot“通常不会精确复制代码片段”。一些人则认为，Copilot 通过海量代码训练得出的结果与人类学习过程相似，前者也需要吸收他人知识后才能内化为自己的，因此将模型训练出的代码简单视为复制粘贴是不合理的。
然而，许多用户否定了这一论点。在使用 Copilot 解决经典编程问题时，他们发现 Copilot 几乎逐字复制了 GitHub 上的某段经典代码。这表明，在 Copilot 商业化后，使用其生成的代码可能会导致违反 GPL 协议，面临被起诉的风险。因此，一些科技公司已明确禁止员工使用 Copilot。
此外，Copilot 在实际应用中还面临其他问题。随着程序员对其了解的深入，他们发现 Copilot 并不完美，仍存在许多缺陷。Codex 不仅经过大量文本语言训练，还吸收了网络上各种质量参差不齐的代码，因此 Copilot 输出的部分代码可能不够美观，甚至存在隐私泄露和安全风险的问题。B 站的 CEO 陈睿就曾遭遇此类问题，尽管立刻有网友指出其中的出生日期信息有误。
网友们也指出“Copilot 一时爽，调试火葬场”，因为清晰地描述目标函数的功能并不简单，同时在使用 Copilot 的过程中，需要不断回顾和检查 AI 生成的代码是否正确，这反而可能干扰到编程时的思路。
目前，GitHub Copilot 仍处于免费试用阶段，而关于它的讨论也在继续。随着人工智能工具的日益增强，人类未来将面临的类似问题只会越来越多。
” loading=”lazy” decoding=”async”>
