理論上是可行的，但目前機器學習尚未發展到這個階段。深入探討該問題涉及到“機器學習”的發展，機器學習是研究怎樣使用計算機模擬或實現人類學習活動的科學，是人工智慧前沿研究領域之一。目前，機器學習在自然語言理解，圖象識別（機器視覺），非單調推理等方面取得重大進展和廣泛應用。也就是說目前在解決機器人"聽”、"看”、"說”甚至進行簡單推理方面取得較大進展，但要實現"類人學習”還有很長一段路要走。

人工智慧機器人現在還不具備自動學習的能力。

智慧機器人牽扯到的學科很多，包括資訊科學、人體學、心理學和哲學等，需要這些學科緊密的結合。

現在的智慧機器人只會輸入固定的模式，讓機器去按照固定的模式去執行固定的工作。如果人工智慧機器人具備了智慧，那就是突破了倫理的限制，是被人類所不允許的。

而程式設計是需要開發性思維的，並沒有一個固定的模式，需要根據各種需求來進行程式設計。

所以智慧機器人是否能具備智慧和具備了智慧怎麼去限制它，這是一個難點。並不是那麼好解決的。如果人工智慧機器人具備了學習能力和智慧，那電影上的場景不是危言聳聽的。

這個就是目前最熱的人工智慧的一個分支，機器學習，從人工智慧的定義來說，這一點是可以達到的，機器學習本身就是人工智慧必備的技能之一。但是需要時間和發展，如果有一天達到了這個程度，也就達到了機器人控制機器人，甚至機器人控制人的地步。想一想是不是有點可怕呢。

1.目前的人工智慧還在初級階段，機器學習的能力還在人的操縱範圍之內，比如下圍棋的阿爾法狗可以戰勝世界圍棋冠軍，這就是機器人長期學習的結果，還有機器人醫生，在經過大量的統計學習以後，能結合最新研究為病人量身定製多種診療方案，供醫生參考，主要是統計學習的結果。

2.再來說一說機器學習，目前的人工智慧只能說是弱人工智慧，並沒有自主的意識，只是統計性學習的結果。而真正的人工智慧指的是強人工智慧，即機器的思考和推理就像人的思維一樣，這也就是機器能夠最終達到的自主學習自我進化。

3.機器學習的數學基礎是“統計學”、“資訊理論”和“控制論”。還包括其他非數學學科。這類“機器學習”對“經驗”的依賴性很強。計算機需要不斷從解決一類問題的經驗中獲取知識，學習策略，在遇到類似的問題時，運用經驗知識解決問題並積累新的經驗，就像普通人一樣。

4.但人類除了會從經驗中學習之外，還會創造，即“跳躍型學習”。這在某些情形下被稱為“靈感”或“頓悟”。機器學習就是能夠達到人類這種程度，程式設計自己控制自己或者控制其他機器是可以實現的。

人工智慧一定會迅速發展，併為人類做出積極的貢獻，同時人類也肯定能夠解決機器學習之後在擁有了類人的能力之後的不可控性。

從理論上將，AI將學會程式設計，也許就在不遠的未來。隨著AI強化學習和自學習能力提升，甚至具備了意識，那麼學會程式設計只是ta能做的其中一件事，水到渠成。

現實中已經有些嘗試，商用還要等一等。

近年來，低程式碼Low-Code，無程式碼No-Code，逐漸取得發展，期待解決數字化和工業4.0對軟體開發人員的巨大需求缺口。那麼一個必然的可能性就是，AI協助分析業務，然後配置業務系統，或者做低程式碼開發。

本人網際網路從業多年，就目前人工智慧來看，還不具備自我學習，自我編寫程式碼的能力；未來人工智慧更多的是承擔輔助開發的角色。

從目前來看，想要降低開發成本的話，最好的選擇是採取使用低程式碼/零程式碼開發平臺來實現 降低開發成本的目標。

低程式碼平臺是指一種能夠幫助企業快速交付業務應用的平臺。近些年來低程式碼平臺市場極速升溫，特別是這一兩年，很多低程式碼平臺都頻繁出現在網際網路行業應用，其最根本就是實現了企業的降本增效目標,同時也實現了企業快速開發，快速交付的目標。隨著今年疫情的發生，特別是中小型企業生存壓力越大越大，相信會有越來越多的企業選擇低程式碼開發平臺。

主流低程式碼平臺列表