你是想問代替程式設計師來寫程式嗎，會造成很多程式設計師失業哦。[呲牙]說笑了、目前的人工智慧技術還遠達不到取代人的地步，更別說是程式設計師這種比較費腦的工種。但是不可否認AI近期的發展非常迅猛，Google 幾個月前釋出了AutoML，現在已經開始"自己"編寫機器學習程式，並且在測試中擊敗了編寫AutoML的研究人員。

但是實際上AutoML還是需要人類的經驗和智力，給AutoML設定規則。比如面對一個人臉識別問題，並不是所有的機器學習模型都適合這個問題，應該先從哪一些模型著手，還是要人來告訴機器。

所以AutoML實際上是替人類幹了一些苦力活，比如一個個地試驗模型、一點點地調整超引數等。

但不可否認，實現一個真正的智慧機器人是很多程式設計師的終極夢想，包括本人在內。不懼前路漫漫，但求未來可期！加油！

一個非常好的問題。近些年由於數字化和工業4.0對軟體開發人員的巨大需求，低程式碼無程式碼逐漸發展起來，AI寫程式也在試驗中。

一，什麼是LCNC？

低程式碼low-code，無程式碼no-code，合稱LCNC。很多公司和創業者有想法沒團隊，為了降低軟體開發門檻，LCNC自然被髮展了起來。將通用、可重複使用的程式碼形成元件化的模組，透過圖形化的介面來拖拽元件拼成應用，這是低程式碼平臺要解決的終極問題。

二，AI寫程式碼？

還有一個必然的可能性是隨著AI人工智慧的發展，AI協助分析業務，然後無程式碼配置業務系統，或者低程式碼開發。

近年來技術上不斷有所突破，融資市場也頻現大單，一批優秀公司慢慢發展起來。現在市場上已經有一些成熟的解決方案可用，比如國內的明道雲、清流、搭搭雲，國外的OutSystems等著名企業。

無程式碼低程式碼開發平臺成為軟體交付方式後，AI機器人協助開發將是必然，尤其是在常見的企業資訊管理系統開發中，比如辦公系統（OA）、企業資源計劃系統（ERP）、客戶關係管理系統（CRM）等，顯著提高開發效率，降低開發成本。

那麼，在沒有人類 程式設計師 干預的情況下，完全依賴 AI 技術進行程式程式碼生成，當前的研究進展情況如何呢？下面是近年來的幾項典型研究工作：

2016 年，Google Deep Mind 發表了論文「Neural Programmer-Interpreters」，提出了一種利用程式的輸入輸出結果生成簡單程式的深度神經網路模型，但它生成程式的規模具有較大限制，通常是由簡單指令組合而成的短小程式；

2017 年，Facebook 在論文「Unsupervised Program Induction with Hierarchical Generative Convolutional Neural Networks」中也提出了一種在包含 8 種基本指令的資料集上選擇指令，組合出程式的方法；

同年，微軟針對類似的問題發表論文「DeepCoder: Learning to Write Programs」提升了程式生成的速度，但在程式規模與生成效果上仍未能取得質的提升。

這些成果對程式自動生成的研究起到了重要的推動作用，但同時也可以看出，在完全不依賴程式設計師的場景下，進行工業級程式的編寫，仍需要進一步研究。

與上述研究思路不同，來自北京大學的研究團隊，正致力於「輔助人類程式設計師自動編寫程式程式碼」。「雖然在完全不依賴人類程式設計師的場景中自動生成程式仍需進一步研究，但我們可以利用人工智慧技術來輔助人類編寫程式。」北京大學高可信軟體技術教育部重點實驗室副教授李戈對雷鋒網表示，「我們已經在『利用 AI 輔助程式設計師程式設計，以提高程式編寫的效率和質量』方面取得了重要的研究進展。」

這是一個非常好的問題，作為一名IT從業者，同時也是一名教育工作者，我來回答一下。

首先，在當前的程式開發領域，程式碼輔助生成系統一直是一個重要的研究方向，相關領域的很多技術也確實為程式設計師減輕了一定的開發負擔，隨著雲計算、大資料和人工智慧技術的發展，未來一些常規的程式完全可以採用智慧體來編寫，而這個過程也會促使程式設計師進行崗位升級，從而從事崗位附加值更高的創新型崗位。

程式碼輔助生成系統有很多種實現方式，比如“動態軟體體系結構”也可以看成是一種程式碼生成和擴充套件的方式，早期很多開發人員會透過採用OSGI技術來完成軟體架構的擴充套件，同時結合程式碼生成技術，能夠在一定程度上提升軟體系統的擴充套件性，很多關聯的使用者端程式碼也是可以自動生成的。從實際的應用情況來看，採用OSGI結合程式碼生成容器確實能夠解決一部分程式碼生成問題，但是這一技術與人工智慧還是存在一定差別的，或者說是不同的研發思路。

在雲計算、大資料和人工智慧時代，程式碼自動生成技術會面臨整體的重構，設計思路也許會更傾向於採用機器學習的方式來完成一些智慧化的決策，從而為程式設計師提供更強大的程式碼編寫支撐。在採用智慧體進行程式碼編寫的過程中，需要克服一系列複雜的環節，比如如何讓程式碼與場景相結合就是比較現實的問題，而在大資料技術體系的輔助下，智慧體的場景適應能力會更強。

當前雲計算平臺重要的發展趨勢就是全棧化和智慧化，Java程式設計師在藉助雲計算的幫助下，實現程式碼的自動編寫會是一個比較現實的解決方案，比如當前PaaS的應用就能夠促進這一趨勢。

首先，AI程式設計師機器人的出現必定來社會的巨大變革，此時社會已經發展到了空前的地步。

到那時，只需要人類說明一下需求，AI程式設計師機器人可以給你編寫程式，大量的程式設計師就會失業、轉行，只留一些開發AI機器人的程式設計師就可以。

在其他領域，AI機器人也是遍地都是，取代了大量的人工勞動。除了社交，吃穿，其他都可以交給機器人來處理。

就目前技術來說，在AI網路設計方面，透過人為的設計搜尋空間，經過梯度最佳化演算法，可以搜尋出新的網路結構，精度優於人為的設計，該技術叫AutoML。該技術具有極大的限制性，任何規則都需要人為設計好，例如：有幾種型別卷積操作，幾種啟用函式，神經元之間的如何連線，cell的大小等等。

最後，我非常期待能夠有更好的AI技術，幫助我們改善生活。

AI程式機器人，就是高階的程式碼自動生成器。這是一個很好的方向。

筆者之前曾經寫過一個簡單的。

有些頂尖的科研團隊也在研究這個問題

這個是一個很好的方向。

可以從自己身邊最基本的需求動手去逐步強化。

原來基本的前端頁面需要的增刪改查，基本互動介面，都是可以自動生成的。

如果能解決一個細分方向的需求就是一個成功的AI程式機器人。

想法很好，路可能會比較辛苦

開發AI程式機器人，跟我們普通的後臺程式開發沒有什麼區別。

針對自己要解決的問題，畫出系統框架，選擇一個開源或者免費框架。

畫出系統框架

按照正常的系統分析的方法，有了一個基本框架，要處理的事情，跟事情的難度，就一目瞭然了。

看看作者自己畫出的框架。

可以清楚的看到，人工智慧需要的技術模組：

深度學習，語義理解、影象處理。

選擇流行的AI框架，解決基本演算法問題

比如Tensorflow，或者Waston。

都能夠解決很多基礎的演算法問題。

要根據自己要解決的方向去進行篩選，根據技術框架。

看看互動層需要什麼，後臺處理需要幾個功能模組。

行動起來吧，有想法就去努力