首先，它不会取代开发人员。它将充当聪明，更自我意识的开发人员的工具，但它将终止其余的入门级，这些入门级谨慎不足以改变其行为和策略。
此外，请与包括我在内的盐分（包括我的盐）进行AI +软件工程职业建议，因为这是一个热门话题，大多数影响者都在使用读者情绪来吸引更多关注，但业务照常运行。这也取决于您问谁。
我们都知道AI已经开始在编程领域发挥重要作用，并影响了全球数千个编程工作，但是您怎么知道您是否会受到它的影响呢？好吧，我会帮助您决定这一点，并制作战略戏剧，成为一名没有人可以替代并只能向的程序员。
。ps：这篇文章可能是您阅读过的最大的写作之一，其价值或投资回报率与您投资阅读的时间一样有价值。如果需要，可以将其分为多个阅读会议。但是，如果您想利用AI，了解当前的就业市场，了解这种进步的历史并渴望成为剩下的少数几个最高级别的开发人员之一，我建议您阅读它，直到最后。
希望被解雇，开除或摆脱的人会避免阅读整个作品，我不希望您成为其中之一。如果您是高级会员，请作为播客听，这是您所有顾虑的多合一答案。
如果您不想知道AI可以做什么或类型的类型，则可以跳过本节。但是，我建议阅读它，以掌握当前情况以促进您的职业生涯。毕竟，全部要点是了解这种奇妙的创新的能力。
介绍
您可能已经听到了：“ AI在这里留下来”，这是事实。说实话，人工智能应该留下来改善我们的生活并使其更轻松，但以有益的方式。但是，我们必须了解AI是什么以及它的工作原理，包括其亚型。如果您不知道谁试图攻击您，该如何为自己辩护或做好准备？ AI是朋友，而不是敌人，所以不要像对待那样。
什么是人工智能？
以最简单的形式，人工智能是通过使用机器学习算法，深度学习等根据人类智能培训来制作机器和计算机的过程。我们还使用AI或计算机来理解人类智能和任务，例如解释人类语音，识别模式等。
这是对计算机和机器的研究，试图适应人类智能以理解我们的思想，使我们更轻松，并识别与人类相关的对象。 AI处理使计算机能够以更快的速度执行智能操作的过程。
它获得了一组输入，并根据情况，手头的资源，经过训练的人类智能数据以及更多解决问题的方法进行输出。我们正在努力使机器更聪明，以为我们做出决策或根据我们的数据为我们提供帮助。在理解我们之后，AI还可以建模并改善自己超越人类的能力，但我们还没有实际证明。
根据艾伦·图灵（Alan Turing）的说法，AI模型将是像人类一样起作用的机器或系统。到目前为止，我们只目睹了Siri，Alexa，Chatgpt等弱AI的应用。
弱AI和Strong Ai
chatgpt不能自己学习。这取决于用于训练它的数据。 无法观察和学习的模型超出其受过训练的数据被称为弱AI，也称为窄AI。这些类型的模型执行特定的任务。这是一个模型的实际代表，可以与人类交谈，以相同水平的人类智力对人类做出反应，并像人类一样做出决定，但具有有限的知识。
但是，弱AI模型并不多样化。例如，如果我要求基于国际象棋的引擎或模型玩在线扑克，则它将失败，因为它很弱，并且只能根据精确的训练有素的数据执行特定的任务。以Alphago为例，这非常擅长玩棋盘游戏。如果我让它下棋，它甚至不会遥不可及执行该任务。基于此，我认为您可以预测强大的AI模型可以做什么。如果没有，让我解释。
强AI是一种通才的超级大国，可以根据用户的输入执行任何任务，无论是文本还是图像生成。供您参考，强的AI，也称为AGI或General AI，仍然是理论上的，到了此日期。他们是自我意识的，可以向我们学习，发展情绪，学习问责技巧等。从2001年开始，从终结者系列或计算机科学家那里获取机器人：太空漫游是一个例子。
它可以为未来计划，解决问题（可能没有枪支），并在现实世界中继续存在时学习。 AGI模型的智能将等于人类的智力。和ASI（人工超级智能）可以超越人脑的智力和能力。但是，目前这是理论上的。既然我们只能目睹弱AI，那么它首先是如何工作的？
弱的AI如何工作，例如chatgpt？
AI致力于直觉，并在其训练有素的数据的约束中工作。它假设或预测下一个单词，以根据从Internet周围的数据中学到的模式来理解这种情况下的正确内容。它不知道这是对还是错，但是AI无论如何都会吐出来，因为这是它被教导要做的。它的答案没有强烈的理由；只是基于模式的一系列单词。此过程称为模仿学习，其中AI模型采用现有代码，对其进行分析，并根据发现的模式添加更多。弱AI充当了未来展示AI潜力的概念证明。
AI模型，尤其是弱者模型，从互联网上接受了大量信息的培训。虽然，这取决于模型的类型。例如，在PDF，DOCX文件等上进行了文档分析模型。但是，诸如CHATGPT之类的模型作为一般文本生成机器人工作，并且需要整个Internet的数据。
像OpenAI这样的公司，对于像Chatgpt这样的模型，与其他数据驱动的公司进行了合作伙伴关系，这些公司拥有大量的用户数据，例如Google或代码程序，例如StackoverFlow。否则，他们使用其他技术刮擦互联网或爬网以获取更多数据。他们使用ML技术将这些数据馈送到模型，该模型从中学习或观察以创建模式。
创造了共同的模式后，它使用它们与人交谈或像人类一样回应。例如，以人类的行为互相问候。该模型检测到对话的开头是“嘿，”，而响应通常以“你好！你好吗。”
当模型进入现实世界或测试阶段时，它使用这些常见模式来响应用户并学习新的模式，同时与真实的人交谈以增强自身。这个过程是加强的学习，我们将尽快讨论。
它向我们扔给我们的单词和句子通常来自这些模式，该模型会赌博以检查响应是否正确。如果您注意到，每个CHATGPT响应都有两个反馈按钮来对答复进行评分。如果您给他们竖起大拇指，该模型将返回其数据库，修改该模式，并让自己知道以后的互动，这种响应对基于大量反馈和反之亦然对此类问题不起作用。 。
最终，这就是AI模型的工作方式。您提供数据，该模型根据训练阶段的观察结果学习或记住它，并对您做出回应。
模型不知道这些行动是道德还是正确的。但是，它知道这些动作给出了确定的结果，即用户基于其模式的要求，并致力于这些动作而不知道后果，这成为安全的问题。
但是，您可能会说您读过AI会伤害人们并最终取代他们。那么，它甚至如何帮助我们？
AI如何帮助我们？
AI将帮助我们自动化平凡和重复的任务，例如编写样板代码，检测错误，代码审核，文档，代码模板，使用规格的软件测试，更快，更准确地编写代码，执行基本的CRUD操作，创建着陆页（创建着陆页（创建登录页面（普通的）等等。多年来，它将提高我们的生产力，并使我们能够专注于创意，原创和复杂的解决方案。它可以提供建议，代码样本和诊断问题，以较低的直接水平，但可以以不同的方式提高效率。
它将为专门促使这些AI模型帮助工程师的人们创造新的工作机会。我们将需要培训这些模型，改进和维护它们的人，并确保AI模型保持道德。在这一点上，我们高估了其智能超出其设计的功能。
AI还将通过实时预测即将到来的关键字来帮助我们编写代码。以github副驾驶为例，由OpenAI的Codex技术提供支持。它可以建议使用JavaScript，Python或任何其他语言代码来提高生产力，但具有同样的风险和泄漏信息或陷入法律麻烦的弊端。
我们专注于解决有影响力的问题，并允许这些工具为小问题或功能编写代码。开发人员在将产品运送给客户之前，使用AI快速检查错误，错误和缺陷。由于公司经常急于发布其软件以击败市场竞争，因此在整个过程中，各种错误都被忽略了。我们可以在用户体验它们之前使用AI解决这些错误。
ai无疑会帮助我们进行代码优化和安全性，并根据他们使用预训练的数据检测到的模式提出更有效的方法。此外，它简化了项目经理和金融团队的责任，以设定通常会延长的预算。 AI可以帮助我们根据过去项目构建准确的预算，截止日期，计划，文件和估计。
由于编译器对某些位置的分号，语句和特定关键字很挑剔，因此诸如Copilot之类的模型可以帮助我们解决该问题，通过在AI通过代码时完全避免编译时间错误，改进它，进行更改，进行更改，并补充说缺少的语句等等。
我将写作分为两个部分 - 问题和解决方案。让我们开始理解手头的问题，以获取所有未解决的问题的答案。
谁会受到影响，如何和为什么？
让我们看看由于这些新的进步而受到影响的人们，包括IT对软件工程人员的薪水或收入的影响。此外，我将提供AI的一些缺点，并且缺乏。
媒体在许多方面将AI描述为有害或下一个巨大进步，或者肯定它可以取代工程师。但是，让我们看一下具有历史优先权，法律问题等的说法的事实。
AI将取代谁？
仅执行了平凡且重复的任务的人，例如软件测试，CRUD操作，文档等，将首先更换，包括那些没有复杂创意思维的无挑战解决方案的编码的解决方案，以及使用编码静态应用程序的人HTML，CSS，JS，PHP和其他简单语言，包括我自己。我只是在这些风暴中幸存下来，因为我在多个行业中，我将它们结合在一起，所以这些进步不会影响我，但是这个话题是另一天。
即使是创建聊天机器人的开发人员，例如使用Python或JS的Discord机器人，如果他们不构建解决复杂问题的东西，也可以更换。最终，来自开源项目的Internet上的重复代码解决方案将充当AI模型可以快速提供复杂解决方案的基础。如果您是决定创建像Midjourney这样的机器人的开发人员，那么如果您继续提高自己，您将在任何进步中幸存下来，我希望您能理解我的观点。
现有的AI模型可以在Internet上创建任何可用的东西或具有明显限制的stackoverflow，例如错误，如果您知道您选择的语言的基本原理，则可以解决。
我们可以从重复列表中省略JavaScript和Python，因为我们可以使用它来制作所有可能的应用程序，包括AI模型。在所有这些方面，即使是软技能，也具有编程经验。我在上一节中列出的“ AI如何帮助我们”中列出的任务的入门级开发人员也将被取代。
AI通过尝试创建基本的静态网站（尚未使用良好的UIUX）以及诸如程序的文档或小型功能（Junior（L3）开发人员可以处理的较小功能）来表现出潜力。例如，以写作代码为整个身份验证服务器创建加密逻辑，代表一个庞大的项目的一小部分。
这些巨大的项目将被委派给AI模型。此外，如果您处于高级开发人员创建设计（体系结构）或应用程序流的情况下，您遵循的是创建功能，包括使其成为现实的资源，并且您代表了大型的一小部分公司，您必须立即开始提高自己。
在这个混乱中，AI只有在创造性构建软件，了解用户需求以及设计体系结构或软件方面拥有5年经验的高级或中级开发人员的机会。只有功能工程部门的开发人员才能在低或入门级开发人员中略有优势。
但是，这并不意味着您必须退出工程学的CS学生或入门级工程师。否。相反，您必须利用AI来加快学习过程，降低学习曲线并迅速获得与高级工程师相同的体验，我们将在一段时间内谈论这一点。
对于初学者，功能工程意味着将复杂的功能与原始数据实现，例如将Google Bard与Google搜索结合在一起，涉及重新设计Google搜索的现有体系结构，重构代码，与其他开发人员合作，创造性地弄清楚一个有效的解决方案，从Beta测试人员那里获得反馈，并使用正确的技能来避免错误，即使AI最终可以帮助我们消除这些错误。
AI不断改进，开发人员必须跟踪这些改进，以保持领先地位，而不是被它们粉碎。在JavaScript方面，它无法用坚实的基础代替开发人员，因为随着平凡的开发人员被替换，对才华横溢的开发人员的需求将会增加，并且所有经验丰富的高级程序员或数学家之间都有一个共同的特征 - 他们的基础知识 - 排序。
优先事项将从锤击指甲转移到房屋上，用机器人锤击指甲。顺便说一句，低级工程师目前正在敲指甲。
AI将允许程序员专注于高级任务，只有熟练的开发人员才能执行高级任务，例如实现复杂的功能。其余的工作，例如文档或测试，将由AI处理，它只会为愿意与AI合作并将其集成到其工作流程中的人们创造机会。
即使AI不会取代所有程序员，它也会消除大多数具有1.5至4年经验的平庸开发人员。这将影响就业市场，我们将尽快讨论就业机会。为了更好地理解这一点，以帆布为例。
设计师的帆布
当Canva最初发布时，人们认为甚至设计师也会流离失所。他们的工作处于危险之中。但是，Canva帮助设计师吸引了更多的客户，并增加了高级设计师的价值，那些专注于设计以外的方面的设计师，例如向读者传达信息，通过设计表现出情感，使用户可以与其进行交流等。<< /p>
由于释放了帆布，人们开始欣赏设计的重要性，而那些无法设计的人现在能够踏上脚步。现在，将相同的意识形态应用于软件工程中，并使用前几节中提供的数据，当每个字段的几个方面都自动化时，您将如何工作。
。制作基本徽标的低级设计师被淘汰并摆脱了帆布出现在聚会上的时候。同样，平庸的开发人员建造静态站点，无代码工具制造商，低级后端开发人员以及其他人将被替换。
如今，无代码工具内部建立了AI模型，因此，使用无代码工具的开发人员很难维持自己，因为AI可以完成工作。这些开发人员从编码转换为无代码，现在被另一项高于他们更高的技术所取代。因此，确实会发生进步，并且一部分领域是自动化的。这都是创新的一部分。
顺便说一句，平庸的开发人员无法执行功能工程，甚至Chatgpt也无法做到这一点，包括GPT4。
当平庸的开发人员被替换时，高水平的开发人员将使他们的工作变得更加容易，而无需任何中介机构，从而提高了他们的生产率。 AI模型不了解油画的笔触。取而代之的是，它仅仅了解带有油画标签的图像以特定的图案设计。它根据这些模式生成结果。
甚至Shazam都使用AI技术来检测音乐。 Shazam没有听整个曲目，而是抓住了一首高潮和一首歌的高潮来得出结论。 Shazam首先分析数百万歌曲，将数据保留在某个地方，然后将其与用户的输入匹配。它只了解一组模式。
互联网和开源限制
目前，AI取决于Internet，Uber之类的应用程序的代码库不是开源的，因此Uber中开发人员的解决方案仍然对Chatgpt隐藏。除非拥有GitHub并在OpenAI中拥有的Microsoft充当中介机构，否则它只能访问GitHub的代码样本，除非Microsoft（Microsoft）将造成巨大的隐私问题和Github的放弃。
。如果您要求它构建像Uber之类的东西，它将首先做到这一点，但是它将尝试从Internet上手头的资源创建一些东西，这需要您的直觉和知识才能微调它，甚至首先开发它。如果您期望与GPT构建大型应用程序和算法，那么您的头可能会在沙滩上，但我愿意接受意见。
自从讨论设计以来，让我讨论可以根据UIUX设计生成代码的DEV模式功能。另外，人们怀疑开发人员何时也出现了，并且重要的是要指出。
无花果引入开发模式
Figma中的开发模式最近推出了，许多人再次抨击了开发人员的存在。 Figma试图通过合并UI/UX设计和前端开发工作来使工程师更容易开发。您仍然需要开发人员使用Figma建议的代码来使应用程序适当运行。
不仅如此，而且如果您正在制作像Uber之类的东西或任何需要后端工作的应用程序，Figma会跌落。作为前端开发人员，Figma在新功能方面提供了一些帮助。但是，大多数情况下，这些元素作为片段生成的代码是通用的，并且没有优化以有效地实现。
因此，它要求我作为开发人员自己修复建议的代码并自己实施。我倾向于避免出于相同的原因使用该功能。
此外，它不会为整个应用程序或网站生成代码。相反，它为设计中的不同元素提供代码段，并具有通用功能，属性和结构。您仍然需要有人将所有内容放在一起并进行演出。但是正如我之前所说，这些功能有帮助开发人员。我们超出了24/7的编写代码。
Figma试图下注并利用当前围绕代码生成器的宣传，以使设计人员和开发人员聚集在一起。即使他们想长时间将开发人员靠近，他们还是以最佳时间发布了该功能，以进行更多的曝光。我感谢他们在他们的尽头。
真正的问题仍然存在：“公司会拥抱AI吗？”
公司会拥抱AI吗？
工程师在大型公司工作时，大多数代码仍然对公众隐藏。当这些公司试图接受AI时，他们可能会将代码揭露给投资这些AI模型的竞争对手。否则，公司可能会对自动化AI模型产生重大影响。该模型可以使代码开源，泄漏凭证，以有害的方式影响用户，因为它没有问责技巧，依此类推。小说和实用性之间存在差异。
让我们看一些可能影响公司决策将AI实施到其系统的因素，是否承担以价格代替某些工程师的成本和后果。有时，似乎理性永远不会变得实用。
实用性>理性
实际上说，软件公司不会根据或转移到AI技术来处理其核心功能，同时发射软件工程师。参见，人工智能在许多领域都缺乏责任。 AI尚不在乎其行动的后果，并且公司不会使用其软件开发代码库冒险直觉技术。
AI也非常昂贵且耗时。考虑到公司遵循“使用直到破裂”规则，这可能是难以实施的解决方案。公司将通过消除对普通系统贡献的人员来减少员工员工，因为AI可以完成工作，但不确定是多少。科技公司以削减AI的削减成本而闻名，但是AI给了他们另一个去除重复性人员的理由。
AI缺乏理解和推理其行为。它根据训练有素的数据和通常的战略模式执行和流程请求。它可能会对您的提示产生回应，但会缺乏逻辑和推理。因此，它不会保持实用。 AI依赖于人类撰写的代码。
AI模型中使用的算法是统计数据驱动的，AI提供的解决方案仅在用于训练它的数据时才最新。但是，由于互联网上的大量信息是垃圾，这些数据可能会偏向或不完整。在这种情况下，AI可能会产生不合格的代码或犯错误。公司仍将花费足够的时间在其系统中实施这些模型。以三星和微软问题为例。
展示代码和NAND
将今年4月的事件与韩国三星办公室的员工一起发生。工程师将其私人NDA数据或代码程序暴露于OpenAI的API，以从半导体DB中进行代码生成和调试。
有些公司无法将工作直接委派给AI研究公司，他们需要一位可以理解代码，将所有内容放在一起并使其工作的中间人主管或工程师。出于同样的原因，三星正在建立其自定义AI模型，以避免这些情况，像您这样的工程师和我会提供帮助。最终，每个公司都会创建自己的AI模型，但不会委派巨大的任务。
有趣的是，三星向OpenAI透露了他们的非开放源代码，并仅使三星弄乱了Microsoft免费访问其代码。更不用说，微软是OpenAI的投资者，因此可以访问数据。即使有Microsoft避免查看三星代码的隐私政策，三星仍然自愿将其代码提供给竞争对手。在这种情况下，公司不会直接信任其他公司。他们可以建立各自的AI模型，但这对他们来说是不可行的，保持员工重量比采用AI的好处。
顺便说一句，三星工程师投降给OpenAI的代码可能会被利用，以改善各自聊天机器人的未来响应，因为这些模型可以检测到模式，并通过特定的提示从向他们提供的答案中学习。 OpenAI的用户指南指出，用户不应传输机密数据，该数据将存储并提交给其培训系统。但是，三星的员工试图在公司实施禁令之前三次搞砸。
好吧，我还有另一个问题要指出有关Github Copilot的问题。它可以生成代码，但不一定以最有希望的方式生成。
Github副副总裁问题
github副驾驶无法替换程序员，因为它没有能力思考，执行代码，解决复杂问题或生成新想法。 Copilot引导开发人员冒着版权法事务的危险。这是一个不同的争议。
显然，Github＆Openai被指控从开发人员那里重新制作开源代码，这些代码许可了它不要进一步使用。毫不奇怪，微软通过其在Openai的投资中拥有巨大的位置，此外，Microsoft拥有Github，众所周知，该公司拥有许多开源存储库。您可以在这里看到问题。
尽管如此，公司将不得不支付巨额资金以将AI实施到其系统中，这无法为他们带来额外的利益。那些可以在AI技术上投资的人将继续这样做，但大多数人会将其整合到地面上。
另一方面，有些人认为AI可以解决leetcode和访谈软件工程访谈的问题，所以工程师有帮助吗？好吧，请允许我解释。
面试和leetcode准备
AI已经非常擅长解决leetcode问题或项目，尤其是对于ChatGpt 4.0，但实际上，一旦工程师开始工作，面试问题与工程师无关。问一个工程师，他们会说同样的话。
面试问题是为了测试您像JEE或NEET入学考试一样，具有困难的数学和科学MCQ概念，以检查您的思维过程和在短时间内学习的能力，这意味着AI毫不费力地通过了面试，但无法执行与其他成员合作以找到解决方案的实际编程过程。
例如，以大学学位为例。公司只是要求获得学位和百分比，以在短时间内短时间内检查您的能力，以及如何在压力下履行。它与您的智力无关。雇主倾向于与毕业生有一种直觉的感觉，他们已经具有协作技能，解决问题的技能，持续的学习态度等。
。即使AI可以解决leetcode问题，该论点也不容纳水。 AI可以生成LeetCode解决方案，因为这些问题的答案可用于互联网。这些模型是根据Internet的数据进行培训的，我认为它仍然没有适应新问题的系统。
因此，基于单词是否匹配节奏，而不是逻辑，AI简单地将现有的LeetCode解决方案粘贴到了一个源到另一个源的一些修改。即使您从GPT复制代码来回答面试问题，您也无法回答向您提出的自发问题。
llm（大型语言模型）记住一切或最终充当死记硬背的学习者，正如我们对人类所知道的那样，学习的人最终会陷入困境。解决问题者可以适应新的挑战，而AI缺乏这种能力。它仍然仅限于互联网的墙壁。
解决问题时的经验具有更多的价值。甚至克里斯·拉特纳（Chris Lattner）也表示，尽管解决问题或建筑应用程序涉及编码，编程也需要并同样重要地与与人一起工作，这意味着协作。这是为了共同努力，以了解产品，需求，用于唤起客户购买产品（构建策略）等的情绪。
您必须发放其他开发人员可以从事的产品。它必须可靠且可维护。否则，从事同一项目的开发人员将面临困难，主要目标是努力进行协作。当开发人员的生产力更高时，在所有不同领域都会创造更多的工作，因为开发人员构成了解决问题的解决方案，而参与该解决方案的管理人员会雇用其他员工来保持一切进展。 AI无法生成可靠或可维护的代码，我将尽快解释为什么。
leetcode问题的答案通常在GPT模型的培训数据中。它不是在解决这个问题，而是仅仅是记住（重复），而是从训练阶段早期检测到的模式中吐出答案。技术访谈与leetcode问题无关，而是在那里检查您的解决问题的技能。更不用说，通常包含错误。
带错误和错误的代码
AI研究人员正在取得微妙的进步和演示，以使人们吓坏了人们，并迫使人们痴迷直到下一件大事，但这似乎是Web 3.0泡沫。回来，人们认为网络开发人员会被网站建设者和无代码工具所淘汰，但是我继续与这些建筑商一起赚取六个数字。
AI模型从Internet进行了培训，培训了越野车，效率低下和无用的代码。我们，人类，多次编写效率低下的代码。所有不正确的数据都被丢弃在Internet上，这些模型用来为我们提供答案。
AI向其用户传播这些错误，用户面临试图解决错误的问题，因为大多数人甚至都不知道如何在JavaScript中编写“ Hello World”，但他们希望创建一个聊天机器人。
除非您对生成的代码或程序的知识或意识，否则代码AI生成的代码对您不直接实用。在我的书中，我试图促进同样的意识形态。即使您尝试使用AI作为工具，也必须知道使用代码AI生成并解决这些问题的基本原理。
现在我们讨论了公司问题，代码和文本生成问题等。现在是时候看看它对工程薪水带来的影响了。
对工资和工作机会的影响
程序员的工作需要许多核心知识来构建解决方案。解决问题者的作用仍然要求，高级高级工程师是那些由于广泛的建筑应用经验而难以更换的问题解决者。经验为甚至在互联网上不存在的问题带来了解决方案。
如果您知道互联网上不存在的东西，那么您是金矿。但是，如果互联网知道您在做什么，那么AI模型也是如此。
开发人员启动或计划进入该空间的薪水将根据他们的经验构建应用程序以及对字段或语言的当前知识的薪水较少。
一旦解决了问题，就可以构建复杂的应用程序和软件来学习解决问题，在团队中工作并获得创业公司的经验的不同方法。
公司向无法想象的数百万美元来创建应用程序，使用JavaScript为该星球上现有的所有内容或用于数据科学或自动化的Python。您可以用我之前引用的其他观点来学习这些语言之一，并且一些工作可能会转移到特定国家，这可能会影响整体工资。
当AI进步时，初学者（L1至L2）将无法解决低级问题。相反，AI会为他们做。他们将专注于解决巨大问题或管理负责管理整个项目的L4＆L5诸如L3，L2S和L1S的AI模型。
。此外，L1S和L2S（初学者或实习生）现在不像当今那样存在。人们将不得不直接通过构建项目并私下获得经验来快速学习并达到L3的水平，但是正如我一点点解释的那样，以正确的方式。
。工作空缺预计到2031年下降了10.2％，这意味着，如果您没有获得丰富的经验和知识，以建立复杂问题并在竞争中脱颖而出以创建您的独特类别，那么您将拥有一个艰难的时光与人群作斗争。
您可以像我脱颖而出一样将诸如企业家精神与软件开发和UIUX设计之类的技能相结合，即使有几年的时间，例如2022年，开发人员无法填补足够的工作 -
除了自动化之外，人们认为政府将介入以控制AI和人类之间的工作机会，我同意这一点。蛋糕不会稳定地变大，而不是AI取一片蛋糕，而新的工作将在稀薄的空气中发生。当工作被别人取代时，历史表明新的工作机会就会出现，并且在技术行业本身中出现的其他领域或新领域的工作数量增加。
。例如，以WEF提供的数据为例。他们预测某些职位将被流离失所，而其他职位将获得更多的需求，这可以帮助您了解机会的比率或机会。
如果说实话，大多数工程师是公司的实习生和低级员工，因此对高级人员的需求应增加。
如果开发人员提高生产力，需求应该增加，因为服务将变得更加实惠，更快地交付，甚至为较小的品牌和公司为客户开发高级软件。如果情况变得更加负担得起，我们可能会看到总薪水下降。尽管如此，由于最近存在的VC资助问题，我们预计津贴会大幅下降，但我们会稍微解决这个问题。
在工作机会方面，平庸的开发人员再有机会找到工作，这意味着每个人都需要迅速提高自己。平庸是指开发人员的责任仅限于实施与常规任务结合的基本功能。
只有具有丰富经验和知识知识的人才能与AI合作。如果您是学生或没有足够的经验的人，那么该是时候搭扣并创建许多项目来获得经验了。您可以构建复杂的解决方案来获得经验。您在独立创建项目时学习或采用大量技能，这些技能在您的面试，公司中的客户项目或创建业务的过程中获得了回报。
那些以最低限度的经验而被雇用并进入科技行业的人将被解雇，并且只会被带入公司以解决平庸，小或平凡的问题时，当时VCS（风险投资家）是将大量资金倒入科技公司。
但是，船沉没了，这些裁员是货币枯竭的指标。实际上，政府将很快介入，以规范AI的使用或创建或帮助流离失所者的工人获得激励/计划，以掩盖经济收益的就业损失。
虽然AI的进步出现，但我们将目睹更多的PMS（项目经理），设计师和管理员，而不是低级开发人员，因为大多数经验丰富的和经验丰富的开发人员倾向于成为传统探险中的L5到L7的PMS和员工工程师。低级工程师将被替换，而高级工程师将被晋升为相当复杂的解决问题的工作，就像现在这样做的速度更快。
如果有人想在其余的开发人员类别中为自己担任职位，那应该是您。即使AI试图取代开发人员，我们也需要人类来监督AI的工作。如果AI取代大众的工作，我们将很快见证这种行政的机会。因此，如果公司决定采用这些监督工作，我们可以看到这些监督工作的上升。
2022年裁员对不同开发商的薪水产生了重大影响。但是，一份名为“ 2023年雇用的软件工程师状态”的报告指出，旧金山湾区（SFBA）远程工作的工资增加。但是，如果您仅用于金钱或远程工作的软件开发，那么如果您没有解决问题的愿望，就会遇到具有挑战性的情况。
裁员将公司和现实世界公司的注意力转移到了经验丰富的开发人员中，他们可以为劳动力做出贡献而不是执行平凡的任务。到2022年12月，有72％的面试请求向候选人提供了六年或以上的经验。在谈论工资时，我们还应该理解为什么最近的裁员是通过财务角度实际进行的，包括媒体为什么决定威胁工程师。
媒体和财务视角
媒体利用了这个热门话题来发挥自己的优势，并炒作了这项新技术或进步的每个细节，包括裁员等副作用。但是他们忘了列举这些员工是平庸的低级工程师的部分，由于工作的舒适性，他们中的大多数被取代了。甚至机器人也可以执行重复的任务，计算机擅长。
此外，由于我从财务的角度看待情况，因此大多数裁员是因为在投资术语中的时代称为投资冬季，当时公司或初创公司（尤其是技术人员）耗尽了VC资金，并决定解雇软件工程师削减支出并省钱。
他们之所以这样做，是因为他们过度雇用的工程师并在投资者投入资金时过度充满了薪水，但这一切都倒闭了。
即使这些工程师很方便，大多数是助手，而且公司不需要依靠他们就可以毫不费力地奔跑。尽管在此期间，大多数员工裁定包括物流和管理人员，而不是工程师，但即使这些工程师也被标记为由于AI而被标记为那些人AI，这形成了很多误解，换句话说，媒体的宣传。
由于投资冬季，绝对裁员发生了。但是，如果工程师在这些情况或事件中被解雇，他们是平凡或中级工程师。如果没有这些工人，公司就可以生存，但是我努力使我们在主导联盟中占上风，在那里公司无法解雇我们。
我相信影响者已经炒作了整个AI的发布。在基本真理之下，它仍然是一种工具，仍然是一种工具，就像数学家的计算器一样。但是我们还没有在媒体上完成。学生和工程师主要是通过查看AI创建网站和软件的演示和视频而受到威胁，因为有影响力的人和非工程人员试图使用AI工具构建应用程序。
但是，让我们以它们的真正意图来找出这些视频背后的现实。
示威和主张的问题
在Twitter，Tiktok和YT短裤等平台上，大多数有关AI的推文和视频试图执行工程师的工作。
由于埃隆（Elon）将Twitter更改为2000年代他最喜欢的旧名称，因此我认为Tweet现在可以用来代表标准视频和250个字符的帖子。尽管如此，以下面的推文为例。
https://twitter.com/ammaar/status/1679939953956929538?s=20
基本上，这是一项平凡的任务，适用于他们早期工程阶段的某人。新手学习HTML＆CSS（ORâ.NET）可以在网络上执行此操作。我不熟练移动开发，所以我不能说这对他们很容易。此示例显示了AI模型的潜力，例如BARD，但是声称AI可以替代工程师是不够的。
Ammar并未声称AI将取代开发人员，但我以他的演示为示例，以这些平凡的任务视频来吓开发人员。 Bard可以使用图像使我惊讶的事实理解和处理要求。但是，在此阶段，我鄙视来自非工程背景的人们声称这些模型可以取代开发人员。
作者Ammar在移动开发方面有经验，尤其是在iPhone应用程序方面经验了很多年。因此，他能够解决自己出现的任何错误。请注意（迅速）他如何解决这些错误？根据我的研究，他以前在该领域有知识。
这就是为什么我强调我们要求某人操作或监督这些模型以解决这些错误，最好是具有足够基本知识的人。这些是吟游诗人的当前功能，这代表了吟游诗人不幻觉的罕见情况。
在这一点上，我们尚未达到更换工程师的阶段。 Ammar显示的任务将由AI自动化。我们不需要需要初学者级别的开发人员即可执行这些任务，因为AI很快就会替换它们。
AI模型，尤其是chatgpt，是重复的。即使是AI产生的网站也会重复。毕竟，他们被创建以替换重复的平凡任务。您可以以无代码工具或网站构建器为例，因为大多数看起来都一样。
我有一个可能的理论，但是当我测试了这篇文章的chatgpt时，我注意到了一种模式。我注意到它不断重复结果，单词或短语，证明它不像人类那样创造力或对其后果负责。
我看到像亚当·休斯（Adam Hughes）这样的人认为AI将取代程序员，Adam提供了另一个创建者的YT视频，该视频使用AI。
现在，演示非常简单，但是亚当牵强它是因为他对进步的兴奋，但最终会吓到开发人员，并且至关重要的是展示另一侧。
您可以看到此示例与Ammar上一个示例的相似之处。 AI可以提供大型应用程序的骨骼，但不能构建成熟或可用的应用程序。
在接下来的几年中，我们可能会看到AI可能会从这些骨架转变为孩子们会玩的中层游戏，但是视频游戏，尤其是在台式机上玩过的视频游戏将需要十多年的时间。查看创建这些视频游戏所需的复杂性。
即使是一年级文凭学生也可以为亚当·休斯（Adam Hughes）在.net中引用的游戏中编写代码，并在几分钟内使用几行代码，笑话。
关于用这些样本完全替换开发人员的声明表明，即使亚当声称拥有这些人，这些人的行业还没有足够长的时间。在同时声称可以取代开发人员的同时，显示AI的当前进展和成就似乎是矛盾的。您仍然需要开发人员使用这些工具并制作这些应用程序。
尽管如此，在此过程中，我阅读了很多文章，其中一篇主要出版商的文章中的一篇文章使用了将近十年前的来源和头条新闻，以告知或吓到人们，因为新的AI技术，人们就裁员了。
具有讽刺意味的是，当我深入研究这些指控时，事实证明，员工并没有首先被解雇，而要解雇的员工是负责平凡的“软件维护活动”的员工，如上所述由他们的新闻来源。这些任务包括软件测试，批准和授予贷款，以及其他可以轻松替换的其他任务。
该文章的作者使用“可能”一词来指示他们对裁员的预测，并大胆地引用了2016年的来源。如果CS领域的学生读取不仔细逐字字的学生，与我不同， ，这件作品已经变得误导了。尽管如此，我还是要求您对这些主张保持谨慎，因为大多数人只是希望读者留在他们的文章上。
这些消息来源通常不会明确提及员工被解雇，而是根据匿名潜在客户进行预测。顺便说一句，如果有人想在任何时候纠正我，我的消息来源总是在我的文章结尾处。
在阅读这些博客或作品时，您应该仔细检查提到的高管还是山姆·奥特曼（Sam Altman）的名字，实际上在其中所述。在我的研究期间，许多作家都使用著名的名字来提出观点，而且大多数人甚至都没有做出这些陈述。
本质上，您可以开始看到AI模型用来训练自己的互联网上获得的错误信息。想象一下，如果AI使用此不准确的信息为其用户提供答案，则它在一定程度上就可以了。我要求您避免此类文章，并自己进行事实检查或小型研究，以远离此类主张，并以后避免任何问题。
GPT4更好吗？
对于人们大喊GPT4可以做得更好的人们，但不能。它比以前的版本（GPT 3.5）更可靠，但是在大多数情况下，它并没有执行我们要求的操作，并且像标准AI模型一样保持幻觉。
除了增加AI模型的优势所采取的小步骤外，GPT4只能创建通用网站，游戏等。此外，代码来自Internet本身，因此尚未编写其代码。虽然，这取决于用户的提示。
chatgpt4在给出答案时随机停止，我在研究中发现的另一个问题 - GPT4代码程序通常将所有内容组合到一个文件中。基本上，它将JS＆CSS与Inline JS结合到HTML文件中，这有助于对我们网站的安全和效率威胁，以及 style 标签标签的缺点。
。最终，它消除了可读性。除非您要求GPT将它们分开，否则它将不会。而且，除非我是开发人员，否则知道将所有内容都放在一个文件中的后果，它可能会给我带来一些问题。 GPT4切断了代码，并继续重写整个代码，但这可能是我仔细选择其错误。
除了所有事物之外，GPT，吟游诗人或任何其他模型的功能的当前证明都被夸大了。从逻辑上讲，没有先验知识的人无法在最大程度上使用它，而不会冒险，因为我引用了这些问题。
如果我不是熟练的开发人员，我不知道GPT4提供的这种环境可能会产生安全问题。新手将在这里面临困难，AI模型继续向用户丢掉错误。即使是GPT4也会产生故障游戏。如果您无法解决这些问题，那么您将处于危险之中。
这些工具似乎是一种为基础生成代码的一种方法，并进一步提高了其能力，以使工程师比非工程人员更快地开始启动。
如果您观看了Dave Lee展示GPT4的视频，您将了解我在说的平凡和基本任务。我在Putting GPT-4 to the Test - Can it code a complete game from scratch?的11:00创建了类似的功能，例如文本阅读器
历史重演（历史优先）
每当我们遇到这种进步时，有些工作就消失了，而另一些工作则出现。您可能已经听说过“及时工程”，对吗？这是一个新的概念或工作职位。
例如，2000年代初期的互联网气泡破裂。它使人们认为这一事件标志着快速发展的互联网领域的终结。但是，尽管存在崩溃，但爆发仍导致了包括前端发展在内的新专业，这是我作为连续企业家的职业。
对于我对裁员的财务视角，以2008年的金融危机（大萧条）的例子。由于一些人决定与房地产市场失败的几率和不正确的债券评级有关，因此导致大量员工被解雇，公司破产了。
，但它帮助企业重新考虑了他们的策略，做出更多的战略决策并刺激了新工作的创造。如果您希望更多的证据，请考虑2010年代早期移动设备进入开发空间。
许多提出的担忧是，由于启动移动设备，基于台式机的工程师会变得较少相关。但是今天，我们同时使用设备并优化应用程序在每个设备上适当工作，对移动应用程序的重要性略有重要。
这些移动设备为开发人员和设计师创建了新的作业和新领域。另一个例子可能是最近的Covid-19。
**当我们继续替换作业时，我们会创建新的作业。我们没有意识到，随着这些新工具的出现，用户开始汇集更高的标准和要求，而这些新工具会得到创新。 **创新永远不会停止，因为几年前不可能的事情变成了现实。当这样的不可能的挑战成为现实时，出现了新的挑战，特别是巨大的挑战。
根据WEF（世界经济形式）的2020年报告，名为“ Future of Jobs Report 2020”，他们预测，有8500万个工作岗位将因人类和机器之间的劳动力转移或替代而流离失所。但是，此外，它将在同一各方之间的新部门中创建9700万个新角色。
让我们以一个更换所有开发人员的场景。每个人都有AI工具，或者只有AI正在编码程序，工程师处于整个情况的后座。那会发生什么？两个AIS会一起竞争吗？这个问题的答案是在以下概念页面中。我意识到这将使所有研究信息都使这件作品太长。
所以，我将其分开了，因为有兴趣阅读有关该文章的人们以及两个AI在扑克，国际象棋和更多的https://crackjs.com/will-ai-will-replace-engineers-part2中相互对抗的含义。在同一文档中，我添加了两种方法，即重新启动学习和模仿学习，AI模型在收集反馈时使用这些模型从数据中学习并检测模式。您也可以检查一下。
生存风险和AI安全介绍
几个月前，我与世界冠军扑克玩家Liv Boeree一起观看了Ali Abdaal的播客。她谈到了人类的存在风险，我想在这里引用这一点。我不会深入研究，因为我的书将包含有关AI安全性的密集详细信息，但这是该播客中的部分片段，可以解释存在风险或机会。
她说，我们在AI上取得了重大进展，但我们并没有追踪他人的安全。在AI上花费的钱与刺激的钱更安全的钱的比率为500：1。 Liv仍然认为AI不安全。甚至LIV都同意我们需要稳定，因为AI正在破坏多个行业。
当每个人都在优化速度以将其AGI软件发布到另一家公司之前时，将负面外部性保持在最低限度。
她谈到了 Longview慈善事业，其中主要重点是生存风险，这意味着通过AI等新兴技术来减少和管理这些新的增长威胁，例如气候变化和环境损害。
。她指出有很多不确定性。对于那些高呼的人来说，“我们至少有20年了”，Liv说他们的头在沙子里。另一方面，那些人过度自信的人说：“我们将在5到10年内死亡”。她说我们需要管理这些威胁并为它们做好准备。
不论是在实验室计划，注射还是在实验室中注射或制造，该病毒还是泄漏了。由于实验室提出了越来越多的解决方案，因此我们需要为这种大流行病做准备，如果其中任何一个被释放给普通人，这将是一个问题。他们中的大多数人泄漏，结果可能会对人们造成负面影响。对于那些情况，我们必须使用Longview哲学来准备自己。
您可以将病毒泄漏与公众泄漏的情况与失控的AI模型联系起来，这将比大流行的几年造成的危害更大。尽管如此，我相信我谈论了很多问题。现在，该是解决方案的时候了。
在AI时代的这一时期，什么是解决方案，以及如何维持自己？
Wiktor最近对163人进行的一项调查表明，其中40％的人认为AI不会取代当代开发人员，34％的人认为这可能需要时间（本质上是2031年之后），有21％的人投票赞成需要五到十年从现在开始，其他4％的人表示要花不到五年。但这是准确的事实吗？
解决问题>编码
让我保持透明。工程师对公司的贡献不足或相当大，并执行重复性任务，将被AI取代。您不必担心您是否会被替换，而是应该专注于控制中的内容并开始尽可能地贡献。
在这些情况下，拥有丰富经验的开发人员在1000年代的开发人员人群中脱颖而出，因为AI可以提供知识。但是，它不能通过经验提供未共享的教训。
目前，AI工具（例如ChatGpt）只能通过Internet从数据中学习。它本身就无法学习，它是一个薄弱的人工智能。您仍然有机会证明自己的价值。
正如我在书中所说的那样，编程或软件开发领域仅仅是编码应用程序，而且大多数支持AI的人都倾向于忘记这一点，因为他们从来没有亲身体验过它，但这很好，因为我们'在这里是有原因的。
我相信，死记硬背或记住编码解决方案的人在AI变得更先进时会首先被替换，因为他们不是解决问题的人。他们是编码员。
更不用说，人工智能竭尽全力学习一切，然后提供解决方案。它本身不是编码。如果您考虑一下，当Chatgpt最初于2021年发布时，死记硬背的学习者已经被替换，因为它可以比他们更好。
使用诸如生成AI之类的工具解决问题的人们将获得竞争优势并带领世界。
您必须了解软件开发不仅与编写代码有关。它是关于解决问题，了解业务需求并制定策略，同时确定用户的优先级。
出于同样的原因，AI缺乏责任，并且仅执行给定的任务来获得我们要求的结果，而不是我们想要什么。
开发人员可以与用户互动，了解他们的要求，适应不断变化的欲望并解决问题。但是这些AI系统尚无法做到这一点，AGI尚未设定理由。
AI将帮助我们快速解决问题，调试问题，并继续解决其他大规模问题。通过减少每个任务所需的时间，它将提高我们的生产率。只要有问题要解决，就需要使用创新解决方案解决问题。
媒体声称AI将取代人类，但是ML工程师不确定文本生成机器人是否首先是“ AI”的进步。我已经与AI领域的大量数据科学家和工程师进行了交谈，他们说AI只是所有这些进步的奇特词。我们不太接近，必须有很长的路要走。
相反，他们说，世界仍然需要创造力和解决问题的技能来解决复杂的问题，而不是基于Internet的数据生成或记住文本的模型。
任何人都可以生成代码。您要么这样做，要么ML模型生成它。这类似于那种情况，无论是用锤子还是指甲枪撞到钉子。
取而代之的是，指甲枪节省了更多的时间，例如软件开发中的AI。途中，指甲枪无法建造房屋，ML模型无法创建成熟的复杂解决方案或软件。
即使无代码工具试图替换开发人员，另一端的某人也必须充当开发人员，并以一种或另一种方式编写代码。每个无代码网站都仅将抽象层放在代码编写阶段的顶部，并具有友好的用户界面，供新手制作网站并将其称为一天。但是最终，工程师致力于使该站点成为可能。
软件工程需要谈判和说服技巧，以创建大满贯的报价，发展或维持同理心，并说服股东和经理。人工智能无法采用这些技能。除非人类教导如何做，并且模型仍然像副本一样。
如果您不是一个问题解决者，那么您不适合编码。
对我们来说更容易
编程对我们一直很轻松。对于今天的程序员来说，除了工程师的设计工作外，只有逻辑和编写实际代码似乎是开箱即用的。但是，我们从1800年代的打孔卡开始，汇编语言（这是一种真正的痛苦，相信我），c，然后是逐步跳到现代技术，例如JS或AI。
。现代编程的重点是隐藏它的困难部分，即设计体系结构，开发复杂的算法等。这是因为开发人员所做的不只是编写代码。
大多数人认为编写代码比其他任何内容都更有趣。提交该功能的公司考虑获得或实施该功能，例如如今的所有新手和无代码人。
但是，程序员决定如何使用一组系统，算法，与当前代码空间集成，重构，将可扩展性作为因素等。
超越编码
大多数时候，即使客户也不知道他们想要什么，这是AI系统失败的地方。人类更擅长理解这些情感或人类目标，而一台机器不明白这一点。可以，但是为了误解的任务而采取的行动可能导致灾难。
只有可靠且经验丰富的开发人员才有机会与客户互动，制定策略并与环境进行测试和进行更正。因此，您的目标应该是成为这些开发人员之一，以避免轻松更换。
您需要从客户中挖掘信息并开箱即用。客户很难直接向基于AI的软件或试图采用AI替代的科技公司解释。
尽管人类可以创造性地和批判性地思考重大责任，同时了解为新升级删除重要DB的后果，但这个时代的AI仍然缺乏该领域的AI。
它缺乏适当地理解问题并分析问题。 AI限制了自己，因为它是根据人类最重要的工作来运作的。我们可以通过各种方法进行协作，分享想法和集思广益，但是AI不能这样做。
ai不能复制人类的创造力，想象力以及理解人类行为或人/消费者心理学的细微差别的能力。
编程的本质
编码是具有连续合并自动化的性质的字段。考虑一下我们可以自动化程序的某些部分的库和框架。您无需编写数学方程来在您的网站上托管唯一的组件。您已经有一个解决方案或一切。
LLMS帮助编写代码，但它们可以帮助开发人员，而不是直接的企业主或消费者。
例如，无代码平台已经存在了一段时间，试图为特定解决方案进行优化，并且客户仍然更喜欢与软件工程师联系以获得完美的定制解决方案。技能永远不会消失。相反，它具有自动化的特定部分。
经验丰富的开发人员往往比初中最初的编码要少。我们加入管理，软件设计，体系结构或其他大型角色。这是因为我们在过程中获得了经验，要求我们做出明智或紧张的决定来解决特定问题。
随着技术每天的进步，程序员的作用可能会转移，但它们将仍然是技术未来的关键部分。这取决于新的进步在哪个程度上可以更换。
毕竟，谁将赢得这种情况？谁会登顶？好吧，持续学习者。
谁将赢得这场战争？
张开双臂拥抱人工智能的人们仍然处于这场战争的最前沿（某种战斗）。当行业中的这种进步发生时，我们期望各自的领域增长，而偏离这种变化的人将被最初取代。
我并不是说您应该拥抱它并自己成为机器人，而是开始使用它并理解此目的的实际目的。
生成AI提供了提高生产率的有价值的工具，但它不会影响软件开发作为职业的长期生存能力。从技术上讲，如果让AI活着，则L6，L7和L8+工程师或公司的人们将生存。
在此期间，人们可以学习机器学习并为未来做准备。经验和技能是区分平凡工人的两个关键因素，这些因素将在持久的知识工作者和将经历工资徒步的人之间解雇。您学到的越多，您必须越过AI领先的机会就越多。
通信是软件工程项目的重要组成部分。没有它，我们只不过是傻瓜。这是一个复杂的领域，需要持续或持续的学习，方法推理以及思考或解决问题的技能。
其中AI没有这些技能。随着沟通，与客户合作，了解他们的POV，旅程和理性，以及与其他软件工程师合作以集思广益，解决问题，进行评论等的乐趣。
。程序员或优秀的开发人员继续学习新技能，与其他领域的专业人员不同。只有很多字段连续进行升级是一项技能。这是我们掌握并继续学习的技能。
如果AI系统毁了我们的职业生涯，我们将切换，学习如何加入AI，并最终为我们自己任命。只有具有闪亮技巧和不加态度的开发人员才能赢得这场比赛。以计算器为物理产品中这种自动化的主要例子。
，如果您不适应并为此哭泣，您可能会处于危险之中，因为AI不断以惊人的速度发展。关于AI接管我们的这种担忧，我面临很长时间的压力。但是，我对研究的次数越多，我意识到其中一半的说法就像是带有子弹杂志的枪支。
一旦AI演变成完成更复杂的任务，它就会消除大量的工程师，这迫使高级工程师更多地考虑其他复杂问题，并且此循环继续进行。
您需要开始尝试它，并变得更有创造力，以解决比我为公司建立静态网站更高的问题，因为我接受了AI会比我尽快做得更好。
因此，我适应了这些更改。我在软件开发中输入新的空间，就像我自己制作AI模型一样涉足，并且通过某些方式高档。
如果您可以迅速学习一些新的东西，这些新东西可以付账单，同时让您开心，那么您会从事伟大的职业。不要害怕改变。取而代之的是，接受这种变化，并始终寻找可以更好地利用这种变化的方式。但是，在得出结论之前，我必须涉及另一个关键主题。
跳过经验
即使我说只有经验丰富的开发人员才能在这个时代谋生，但您不能跳过软件工程的阶段来建立职业。
初学者无法跳入高级概念，因为高级概念站在基本概念上。尽管您没有义务，但我不建议跳跃，因为跌倒时会砸向地面并且无法实施复杂的解决方案。
每个复杂的解决方案，即使是由AI产生的解决方案，都需要对基础知识有深入的了解。
另一种解决方案是学习语言或领域的基础。如果您可以掌握基础知识，则可以在任何地方获胜。如果您不能遵循故意的学习曲线，您将惨败。相反，您可以掌握基础知识，根据这些基本概念学习复杂的概念，并轻松创建复杂的解决方案。
如果AI理解了它正在吐出的代码，则不会犯错。甚至软件工程师都写了错误的代码，因为大多数人都不知道代码的作用或算法背后的逻辑。
通常，当您的基础知识不强，例如数学上，试图证明算法，您倾向于犯愚蠢的错误。
您必须从底部开始，并以最有效的方式体验从初学者到软件工程师的旅程，以使AI成为高级工程师。
您只能通过执行初学者的任务来获得经验和直觉，并从低级工程师开始的项目开始，以成为更好的工程师。 推动自己 。
开发人员不应该害怕它，而是应该适应它的好处，并使用它来学习编程中的新技能或概念。您可以向GPT索取答案或测试用例，而不是浏览互联网。使用AI测试不同情况的整个过程变得更加容易。它生成了“如果”问题的答案。
如果这件作品最终以摘要结束了怎么办？好吧，如果您愿意。
概括
充分理解基本面，并在新的进步时了解自己的技能，以立即提高自己的能力。您不想成为一直在哭泣的人，并避免自己提高自己有资格获得新工作。
AI不会取代高级L4+工程师，但这并不意味着您是否停止学习L4。您必须快速学习新技能并加快学习过程以追赶。即使是大学生也可以同时参加相关课程以学习新技能或在各自领域的高档。
您需要经验，知识的知识以及渴望学习新事物的事物。
让我们停止在每一个小步骤中质疑职业选择。创新经常发生。但是，如果我们一直怀疑我们是否可以更换而不是采取必要的行动，我们将成为第一个流离失所的人。
而不是问它是否会消除我们，问题应该是 - “ 我该如何使用这种不可思议的技术来提高自己？”
工程师不仅编写代码，还可以解决忽略复杂系统的现实世界中的问题。一组历史事件证明，这些创新阶段是技术行业的标准。 AI将自动化软件工程的某些部分以提高其效率。
但不会很快取代人类。它将补充程序员的工作，而不是独立进行。
您有机会自AI降低了新移民的编程空间的入口障碍。如果您的基础很强，则可以使用AI作为助手来创建复杂的解决方案。您必须利用该选项并学习新的AI技能，例如促使或在正确的方向促进AI以获取最佳解决方案。
互联网上有很多内容。您的工作是过滤它，找不到更多。
我们仍然要求工程师对代码进行微调，消除错误或错误，然后将最终结果运送到生产中。该软件不会在输送带上构建。它也不是手动数据输入。它需要创造力和不同的方法来测试算法或系统是否可以正常工作并创建最大程度地帮助客户的设计。
以Openai，Sam Altman的首席执行官的身份说。他说：“目前，类似GPT的模型远非能够取代参与出色编程的创意天才。虽然他们可以自动化许多其他编程任务，涉及创造力和解决问题的技能的编程工作将无法被GPT替代模型很快。”
您可以探索这些AI工具以充分利用它们。
需要自定义软件的客户，并且不是具有足够知识的软件工程师来为问题创建成熟解决方案的客户，将需要软件工程师。
他们可以使用AI，但他们不知道实现过程，而是从AI模型向其抛出的代码中创建软件。他们需要基本知识才能将代码块放在代码结构中。
AI可以指导他们进入解决方案，但是主要客户会花时间自己做或将其委派给其他人吗？那就是您进来的地方。您将使用AI等工具加快过程并节省比预期的时间来节省更多的时间。
。。编写代码将变得更加有趣，例如Google文档使撰写书籍，文章等变得更容易，如2023年4月所说的Sundar Pichai。
。我们必须平衡AI和人类编程功能，以获得两全其美的最佳状态，而不是战斗以检查哪一方将获胜。在强大的AI或AGI的发展之前，专注于复杂问题的顶级开发人员将无法取代。强烈的AI目前无法预测。
在此阶段，AI仅显示其潜力。这既不是完美的也不是愚蠢的。这只是表明可能性的证明。许多人会流离失所，但是人类不会停止工作，新工作将被创造，我们将找到一种创造新机会，在其他行业工作或监督高级系统的方法。
更少的人会积极地从事它，其他人则将以不同的间隔监督它。程序员的角色可能会发生变化，但是总是需要编码，测试和集成机器。
AI仍然是一个程序，无法以任何方式纠正自身。
当我们提出这样的主张时，我们会从创建和启动创新的潜在问题解决者，甚至学生在大学和大学中学习计算机科学（或类似的东西）。
AI肯定会取代死记硬背的学习者，或者已经拥有，但不能替代问题解决者（不是很快）。本质上，编码是一种以数字方式解决问题的方法。这不是解决问题过程中唯一涉及的步骤。没有计算机科学知识的创作者炒作了，但我们也不能怪他们。
最终，自动化系统需要人类输入。人类监督以避免不幸，尤其是那些有关AI安全和道德规范的人。我们必须更深入地研究AI的不道德能力。
请注意，AI不像科幻电影中的机器人。这些电影不代表现实世界的模型。安全是一个问题，但不是在电影中引用的程度。
第一个规则是学习成为一个连续学习者并适应新变化的技能。另外，每当您阅读文章时，都会尝试在做出关键决定或形成意见/结论之前对其进行事实检查。由于这些进步，我们无法振奋。
尽管如此，我希望这件作品能帮助您形成意见，了解当前情况并减轻焦虑。我也希望从您那里得到答案。无论您是程序员，医学生还是金融科技首席执行官，这都是https://afankhan.com/humans-and-ai的表格。
我给了您多种情况和角度来查看这种情况。其余的现在取决于您。 有了我的答案，您可以形成自己的。
顺便说一句，我正在写一本名为 CrackJS 的书，该书基于并涵盖了JavaScript的基础。如果您想了解有关JS的更多信息，请关注我的这本书，这些文章试图帮助全球开发人员。
如果您想贡献，请对您的意见发表评论以及我应该更改任何内容。我也可以通过电子邮件发送 hello@afankhan.com 。
包含用于编写草稿和额外部分的资源/资源的概念文件 - https://crackjs.com/will-ai-will-replace-engineers-archive。