自然语言处理AI可以成为程式开发工作的强力辅助。事实上，从自动生成程式码、提供修改建议，到撰写程式码注解、生成程式说明文件，软体开发公司多奇数位创意已经用ChatGPT和同样使用GPT-3模型的Copilot，来简化这些环节的许多工作。这些工具对开发工作带来的改变，让语言逻辑能力成为工程师重要能力之一，「甚至以後文组的人，即使程式能力不是很强，也可以把开发做得很好。」多奇数位创意总经理黄保翕(Will保哥)直言。
自动化高重复性开发及解释性文书工作
黄保翕他以自家一位Java工程师首次尝试体验Copilot的故事，来说明AI如何应用於程式开发。
这位工程师当时正在与黄保翕讨论专案程式码重复性高，是否要建立一些设计模式（Design pattern）来优化开发流程。「这种事情用Copilot其实一下就搞定了。」黄保翕说。
起初这位工程师还半信半疑，加上当时Copilot免费试用已经结束了，因此工程师不太情愿。黄保翕只好直接掏出300块，并当场教这位工程师如何使用Copilot。
「结果他在IDE刚打了一个@，後面100%正确的程式码就自动完成了。」黄保翕解释，Copilot可以自动将专案所有的原始码进行建模跟分析。当工程师输入提示文字，它便会考虑专案的设计模式跟架构，并预测一个最适合的回答。这意味着，许多重复性的程式码，例如增删查改（CRUD）指令，都能用AI又快又好的完成，省下开发人员撰写重复程式码的时间和精力。黄保翕并表示，由於AI生成的程式码是依照提示指令及开发中专案既有程式码，动态生成的产物，因此这些程式码没有抄袭的疑虑。
多奇还会利用Copilot及ChatGPT，来生产程式码注解及程式码说明书。黄保翕说，工程师通常不喜欢写程式码说明文件，而AI生成的说明书，不只条理清晰，几乎不用修改，还可以文情并茂，容易阅读。现在多奇PM或SA只要把程式码输入ChatGPT里面，再把生成的说明文字贴到Word里，程式说明书就接近完成了。由於程式码是逻辑性很强的文字内容，因此NLP可以轻易生成说明文件，且错误率很低，「如果ChatGPT看不懂你的程式码，那你写的东西也是够烂的。」他笑道。
ChatGPT还能用来优化或检查程式码，多奇甚至为此开发了辅助工具，进一步加速工程师用ChatGPT做这件事。他们开发了一个Google Chrome扩充功能，能自动填入Web版ChatGPT的提示文字，再写了一个Teams机器人，可以将输入的程式码抛转到这个扩充功能上。这样一来，工程师只要在自家Teams频道上贴入程式码，就能直接抛转到Web版ChatGPT，让AI帮忙检查，并提出建议。黄保翕补充，这样不只能简化程式码检查工作，而且每个工程师一天至少会使用ChatGPT 10至20次，透过这个工具来利用免费的Web版ChatGPT，还能省下呼叫ChatGPT API的使用费用。
颠覆开发工作流程，语言逻辑能力更加重要
Copilot和ChatGPT自动化了许多开发环节，不过黄保翕强调，这并不代表工程师会被取代，因为AI没有自主发想能力，因此人类工程师发起新专案、新功能的角色，难以由AI替代。尽管如此，工程师的工作内容和流程，以及被重视的能力，还是会因为这些AI工具的问世而改变。要用提示文字来操作AI写程式、写文件，工程师必须具备两种能力，其一是语言逻辑能力，其二是对开发技术及框架的理解。
给你一个情境，如果你要对ChatGPT描述它，你会怎麽说？黄保翕拿这个问题考过许多人，「很多人会词穷，对工程师来说，这是一个警讯。」他指出，重复性高、有明显设计模式的程式码，工程师可以轻易命令AI生成。但如果要AI生成的内容，涉及较为复杂的业务逻辑或程式逻辑，就需要工程师用更精准的语言提示AI。此时，比起写程式的能力，工程师的语言逻辑能力就显得更加重要。「以後甚至可以找文组生来生成程式码，因为他们更能对AI清楚描述需求。」他说。
要清楚描述需求，除了理解业务逻辑，工程师还得对开发框架及技术足够熟悉。若工程师对技术理解有限，就无法准确告诉AI怎麽写程式。黄保翕说，目前Copilot和ChatGPT约省下了工程师20%的工作时间，这些时间，工程师应该用来深化自己对技术的了解，以利未来能命令AI写出更多、更复杂的程式码。研究开发技术的方向，也会从记忆特定程式码怎麽写，转向理解这个开发框架或技术的强弱项及运作逻辑，因为有许多程式码已经不再是由工程师亲手敲出来，而是由AI工具代为生成。
更多相关报导