AI發展到後期，可能真的可以不需要程式設計師來進行編寫程式了，技術上可以全部交給AI來自動程式設計，自動最佳化。但我覺得不會發展成那樣，因為我們自己是人類，而不是機器人，雖然技術上可行，但是有些事情是要有底線的，不能去做的，就像克隆人的研究，全力放開，投入巨資，估計花不了多少時間，也會得到突破的。到時讓克隆人以各種方式融入人類社會，加速人類社會的進步好不好，答案是No,因為那樣太危險，沒人能預料那樣會發生什麼，一旦出現致命的問題，是不可控和不可逆的，很可能帶來人類種族的毀滅。人類的倫理道德也能允許我們這麼做，用西方的普世觀點來說，我們不是上帝，不能已非自然的形式來創造生命，特別是和我們一樣的生命，那是上帝的權利。

隨著AI技術的深入發展，它可能會自行設計製造越來越多的東西，說不定各種人形和非人形的機器人都會由AI裝置自行建造，如果再讓AI完全取代程式設計師，自行設計、編寫和測試驗證各種程式程式碼，應用於機器人本身，達到一定程度後，AI機器人可能就能自我複製了，再花些時間，碰到些偶然或非偶然因素，AI機器人說不定就會擁有情感和自我意識，這是人類不願意看到的。

所以的我觀點是程式設計師的崗位需求AI發展的後期不會減少，反而會增加，而且是大量增加，是人類社會以後的主要職業之一，AI可以設計、編寫各種程式程式碼，可測試驗證工作必須要由人類程式設計師來完成，把好最後一道關口，這將由各國政府以立法的形式來保證實行。但人類的工作效率最後肯定比不過AI裝置的，故培養大量的人類程式設計師一定是AI發展到後期必然趨勢。

隨著人工智慧的不斷髮展，未來將會有大量的工作崗位被智慧體所取代，這其中當然也包括程式設計師崗位，但是這並不意味著會出現大面積的失業問題，因為人工智慧的發展也一定會帶來新的工作崗位，已有的工作崗位也會在智慧化時代實現升級和轉型。從科技發展的歷史規律來看，新的技術通常會帶來更多的就業崗位。

隨著大資料的發展，人工智慧相關技術將迎來新的發展機遇，目前已經有一些智慧體開始陸續部署到生產環境中了。雖然當前的智慧體對於應用場景有較為嚴格的要求，但是相信隨著人工智慧相關技術的不斷髮展，場景限制將逐步被打破。

在人工智慧發展的過程中，對於程式設計師來說，應該做好以下幾個方面的準備：

第一：積極投身到人工智慧的相關研發領域。當前人工智慧的相關領域是科技行業的熱點，相關技術體系也包括物聯網、大資料、雲計算等技術，從事這些領域的研發工作一方面會獲得能力上的提升，另一方面也會獲得人工智慧技術發展所帶來的“紅利”。

第二：不斷升級崗位。人工智慧的發展是一個漫長的過程，雖然人工智慧經過了60多年的發展，但是目前依然處在行業的初級階段，人工智慧開始全面取代人力崗位還需要較長一段時間，在這段時間內，大部分職場人有充足的準備時間。人工智慧替代人類崗位需要一個循序漸進的過程，這個過程也是推動人力崗位升級的過程。目前人工智慧所替代的工作崗位大都是重複率比較高，技術含量比較低且崗位附加值也比較低的崗位，這些崗位目前本身就存在招聘難的問題。

第三：注重創新能力的培養。未來程式設計師崗位的更多工作要求是對於創新能力的要求，這就要求程式設計師要注重基礎學科的學習，而透過讀研來培養自己的創新能力是個不錯的選擇。隨著人才結構的升級，讀研能夠明顯提升自身的崗位競爭力。

個人觀點，現在人工智慧還無法取代程式設計師，但將來可能AI無限接近於人類。

1.因為人和機器不一樣，人是有智慧的有思考的，任何創新的東西還是需要人去完成的，而機器只能去模仿人的思維能力，讓計算機自動編寫這些重複的程式碼或者基礎的演算法，減輕成本，提高效率，是可以實現的。

2.機器始終都需要有人來維護，程式的設定更需要程式設計師來維護，無論人工智慧發展到什麼程度都無法自我修復bug，所以說底層的程式設計師也是無法取代的，只能是減少。

如果說AI扯淡，你問得這個問題比AI還要扯淡，AI可以替代重複性工作，雖然許多程式猿都在寫重複性程式碼，但是想讓AI代替程式猿寫程式碼，這是難上加難，目前基本不可能，再過10年，20年我覺得都很困難，10年，20年後你應該是專案經理了，底層程式猿何去何從這就與你無關了。

你好，我是AI領域程式設計師，我們這些演算法工程師的終極目標就是幹掉自己。經過幾代人的努力，直到今天，可惜還沒有實現。所以就不用杞人憂天了。

智慧AI雖然號稱智慧，但不是真正有智慧，更不是萬能。舉個最近有火的例子，微信的NLP團隊，對“you are so caixukun”翻譯的結果是: “你真是個傻蛋”。這個應用場景，就是人工智慧自然語言處理領域最典型的應用，機器翻譯，號稱是NLP領域的CROWN。騰訊這樣的明星技術公司，深度學習這樣優秀的演算法，基於這麼廣泛的海量大資料，訓練出如此弱智的智慧。你（還有我，我們）的祖先，經歷過戰爭機器的冷血，體驗過大自然的殘酷無情，歷經幾千年，一代又一代，才到了我們這麼優秀的這一代。想想你身上這麼優秀非凡的基因，你還害怕AI麼？你需要擔心人工智慧麼？你還要追究這個問題麼？

智慧AI的未來或者發展，說實話，我不知道，也預測不了，不敢像某些媒體那樣亂吹。但我知道的是我們這些技術人員的未來，到了後期肯定精力有限了，拼不過熱血的年輕人。到時上有老，下有小，那時我們何去何從？我們該思考的或許應該是諸如此類的問題，而不是和所謂的AI槓上。AI最不擅長的就是思考和創新，相反，我們人類，最擅長的就是這個。我覺得我的未來，比AI光明。你覺得呢？

最後，作為程式設計師，友情提醒給為同行，也提醒自己，記得堅持鍛鍊身體，有了健康的身體，才有未來。

小編工作以後寫了五年C++程式碼，最近正好也在學習AI。 小編是2013年研究生畢業，研究生方向是識別方向，就是模式識別領域。當年畢業的時候也是差一點從事了NLP（自然語言處理）。從AI爆發的時候，就感覺當年讀研究生的時候怎麼沒想到用人工神經網路能流行起來。雖然當時實驗室也有用人工神經網路做研究的，無奈當時缺乏探究精神。 小編認為，底層程式設計師何去何從的問題，得從以下幾個方面考慮：

1.有沒有必要轉AI

AI現在看來已經是大勢所趨，現在的人工智慧持續發展，AI到落地還有很長的發展期，AI需要完善的地方也有很多。到後期AI到底能智慧到什麼程度，這個還很難說，但AI的出現將會代替一大部分人工是確定的。現在歐美許多國家都將AI上升到國家戰略，中國也將人工智慧寫入白皮書。人工智慧在未來科技中的地位是毋庸置疑的，包括現在人工智慧在各個領域的應用也已經如火如荼。小編認為錯過了之前的網際網路的發展期，現在不能再錯過AI。

2.學習AI的代價

AI涉及到的知識還是很多的，涉及線性代數，高數，機率論，模式識別，數理統計，數字影象理論等。AI小編只接觸到了演算法和應用兩個方面。就說說小編2018年對AI的學習，當小編AI看到有關AI的應屆生崗位薪資年薪達到30W+的時候，心裡就蠢蠢欲動了。從2018年9月開始，就著手學習有關AI的知識。小編重新學習了線性代數，高數，機率論，斯坦福的公開課，下載了一兩百篇英文論文，看了一個臺灣老師的公開課，基本明白卷積神經網路基本原理，起初研究了一下CNN，LeNet，ResNet，R-CNN，AlexNet，GoogleNet等模型，寫了一些小demo。一直到2018年年底，工作忙起來花的時間少了。一共花了3-4個月的時間，公司一般9點半才開始上班，小編每天8點到公司，晚上8點半下班，一天基本有3個小時的時間。但最後因為工作原因，到現在也沒繼續更深入的學習。現在也算是虎頭蛇尾了。這個過程挺難熬的，查各種演算法，理論，看各種論文，需要付出的時間是巨大的。

3.是否能接受轉AI帶來的不穩定性

對小編來說，通過幾個月的學習應該試著出去找一些面試機會，但是正趕上經濟寒冬，網際網路企業到處裁員，要養家還房貸的小編放棄了冒險的嘗試。到現在依舊還在原崗位上繼續工作。從另一個角度說，如果沒有相關的背景，比如原先從事大資料，要跳槽到AI行業，待遇剛開始不知道會不會一定比原崗位高，這也是一個必須考慮的因素。

4.在原先的崗位上結合AI橫向發展

我雖然不是底層，但也是寫C++程式碼，跟你多少有點類似，其實貿然從底層轉到AI，從業領域，工作背景將會有很大的轉變，這並不十分明智。我曾經對是否直接跳到AI公司也思考過很多久。後來我給自己的目標是在現在的崗位上結合公司的AI機會（前提是公司有AI類的產品線），以現有工作為基礎，多積累AI技術，爭取公司內結合AI進行轉型。

未來AI確實是一個發展趨勢，隨著中國網際網路的高速發展，這個趨勢是必然的。

雖然未來趨勢發展如此，很多底層程式設計師會面臨失業，但是隨著AI的發展，還是會帶來很多的工作崗位和各種機遇，所以我建議底層的程式設計師努力學習技術，爭取技術升級和技術升級。以防止被淘汰。

程式設計師本來就是一個終身不斷學習的職業，技術更新太快，如果不自己努力自學的話，很難在工作中與人競爭！

現在人工智慧發展很快，目前至十年內將持續處在弱人工智慧時代，離強人工智慧還相差甚遠。話說是弱人工智慧時代，還是取待了部分人的一些重複性單調性的工作（取代了銀行得部分引導員，點鈔員，存取款工作者；取代了工廠裡的大部分流水線工作者；取代了部分外語翻譯者；取代了部分政府職能工作者。），不過達到能自主透過系統化學習形成可以自主決策的階段還很遙遠。小編覺得在計算機領域，軟體領悟人工智慧的產品目前更多的是服務於高階工程師，硬體領悟的智慧產品也是演算法工程師植入一些靜態的指令來實現以一種固化思維形態存在的擬人智慧產品，比如前段時間很火爆的科大訊飛出品的擬人智慧主播，他可以做到邊識字幕邊以模仿其他真人主播的聲音，然後聲形兼零差別的形式表現出來，看起來就很真實。即使這樣，最最最重要的透過調查，採訪，感觸事實編寫新聞稿的工作還是得必須由人來做，機器人目前還沒有理性決策能力，機器學習還只是處在資料思維的被動植入階段，所謂被動植入階段，就好比機器是個軀體，資料是個血液，血液有血型，機器是不能甄別自己需要什麼型別的血液的，一旦輸入了錯誤的血液機器就發揮不了本身的作用，適當其反。

小編也想轉AI，也在學習高等數學相關知識，也在弱學習階段，希望在有生之年能趕上人工智慧的中班車。小編覺得人工智慧核心還是演算法，計算機的學習能力肯定慢慢會超過我們的，計算能力也會比現在的計算能力強很多很多，儲存能力和記憶能力也早早超越了我們，可我們有創造能力啊，我們有情感啊，演算法沒有，演算法驅動的機器當然不會有。

AI對程式設計師產生了怎樣的影響？

我的回答是沒影響！人工智慧技術的核心是深度學習與機器學習，這些技術就死掌握在計算機行業的手裡，程式設計師應該為AI技術感到興奮才對！因為自己的時代就要來臨了！沒錯，AI會讓很多計算機程式設計師失業，但是你知道嗎，從計算機誕生以來，這種失業每天都在發生，因為新技術每天都在產生，擁有新技術的人，就一定會更踢掉老技術的掌握者！AI也不過是新技術的一種而已！最好的辦法，就是掌握這種新技術！自己主動迎合時代，而不要想著讓時代可憐自己！

你問的是底層程式設計師，但是底層程式設計師在這個行業是呆不久的，計算機行業變化速度太快，只有掌握新技術的年輕人才會受歡迎，一個掌握著傳統技術的老年人，是不會有人要的，所以底層程式設計師一般會努力增長知識，儘快往上爬。不要一直停留在底層，你的生命、家庭、精力都在跟著不斷消耗著。所以，需要向上爬！掌握新技術！成為大牛！如果你累了，人到中年了，那還是帶著自己的錢回到老家十八線縣城裡，享受一下晚年的生活吧！畢竟人的一生，年輕就那麼幾年。一旦你在這個時期沒有成為大牛，也就決定了，你最後必須得離開這個行業。

其實人工智慧本身就不難，難的是底層的演算法實現，涉及大量的數理統計理論，一般人沒有足夠的耐心，你也學不會這些東西，但是這些東西都被封裝到框架裡之後，對於所有人來說，學習這個就是輕而易舉的事情了，當你熟練操作一個深度學習框架並用它做了很多有意思的事情之後，你就會發現，深度學習原來這麼有意思！

那麼這時，你可以憑藉著自己的興趣，去學習人工智慧的底層實現和數理邏輯，當你把這套理論學完之後，你就會發現你已經是個深度學習的大牛了！那麼這樣的兩個步驟需要多長時間呢？第一步學習深度學習框架使用，只需要一個月。第二步，學習底層演算法，需要2-5年。但是在計算機行業，任何一份工作都需要2-5年的積累啊！

就目前形勢來說，就算人工智慧不發展，底層程式設計師到了40歲，也是要被淘汰的。詳見去年某巨頭清除35歲以上的運維人員。

至此，我想表達的是，如果你認為自己是底層程式設計師，此時不應該是懼怕人工智慧，而是應該努力提高自己，成為中層甚至上層程式設計師，畢竟人工智慧就是學者與程式設計師開發出來的，他們不會讓自己沒飯吃的。

接下來，我們就聊聊什麼算底層程式設計師。

目前如果是BAT裡的程式設計師，就算是基礎的開發，有過幾年經驗之後，想要跳槽離開BAT也是非常有前景的，因為很多創業公司或者規模小一點的公司非常看重這類程式設計師帶來的BAT背景以及文化傳播，因此這類程式設計師暫時不算底層。

那什麼算底層呢。

只會重複造輪子，不會思考，不會主動學習引入新的技術來解決問題的程式設計師，我認為就是底層程式設計師。

何為程式設計師裡的重複造輪子？

進公司時候用的就是SSH框架+MySQL去寫平臺，待了兩年之後，還是隻會SSH框架和MySQL，聽說過SSM框架和Redis，但是從未打算了解使用過。在接手新的專案的時候，想的不是新專案哪裡最有挑戰性，而是如何改造新專案，才能套進現有框架。這就是重複造輪子。

計算機領域的迭代更新是非常快的，但是它的策略是小步快跑。老實說，如果你有足夠夯實的基礎，你會發現它的每一次前進對你來說需要付出的學習成本並不大，但是帶來的改進效果卻非常可觀。比如從SSH框架到Springboot，你會發現新的springboot完全拋棄了xml檔案，並且內建了Tomcat，幫你省了非常多的麻煩，節約的時間成本絕對高於學習成本。

這樣的例子可以說是不勝列舉，比如引入redis來最佳化系統查詢速度，引入ES來保證資料持久層的健壯性與可擴充套件性等等等等，如果你能夠多多擴充套件自己的知識面，在未來的工作上遲早用得到這些新知識。那麼在領導眼中，你不僅是一個能夠推陳出新，解決問題的人，還是總能帶領團隊跟上科技潮流的人。那麼，這樣的人不升職加薪，那什麼樣的人升職加薪呢？所以你還怕什麼作為底層程式設計師被淘汰呢？