AI 时代，学习编程还有用吗？编程发展史和顶尖AI编程公司CEO给出了答案

时间来到 2027 年。你刚刚独自一人，仅用一周时间，为客户搭建了一个复杂的全新网站。

十年前，这样规模的项目，可能需要一个软件工程师团队耗费数月才能完成。但现在，借助最新的 AI 编程工具，你得以快速独立完成。

学习编程

"去学习编程。"几十年来，这几乎是所有进入职场或寻求职业转型的人的首选建议。

软件工程师的起薪高于平均水平，随着数字世界的爆炸式增长，对他们技能的需求似乎永无止境。关键在于，编程被宣传为，任何人都可以通过在线训练营在短短几个月内学会的技能。

现实却有些不同——并非所有人都适合编程所需的线性思维——但即便如此，在 21 世纪初，软件工程似乎仍是一个稳妥的职业选择，特别是对于那些有能力和冲劲，能在竞争中脱颖而出，获得梦寐以求的入门级职位的人来说。

然而，现在几乎任何人都可以编程：他们只需告诉 AI 想要构建什么——比如 Freethink 网站的新版本，AI 就会在几分钟内，将他们的指令转化为可运行的软件。

根据美国劳工统计局的数据，2023 年至 2033 年间，计算机程序员的就业预计将萎缩 10%，这意味着将减少超过 13,000 个工作岗位，而计算机科学专业应届毕业生的失业率已经开始上升。

那么，现在学习编程还有意义吗？

为了寻找这些问题的答案，本文回顾了编程的历史，并与全球最受欢迎的 AI 编程助手创世纪人进行了对话，以了解他是否认为"学习编程"仍然是值得采纳的建议。

编程发展历史

像许多变革性技术一样，计算机编程的根源可以追溯到美国军方。

炮兵在瞄准武器时需要考虑许多因素，包括距离、炮弹重量和风速。

为了节省他们在战场上的时间，美国陆军资助开发了电子数字积分计算机 (ENIAC)，这是一种旨在生成图表的机器，士兵可以利用这些图表快速确定目标。

让 ENIAC 执行创建这些图表所需的计算是一个繁琐的过程。

数学家们首先必须在纸上计算出 ENIAC 的数百个开关和电缆需要如何配置才能运行所需的计算。

手动完成这些更改后，他们会使用穿孔卡片（带有精确孔洞的硬纸片），将数据输入 ENIAC。然后，它会执行计算并将结果作为新的穿孔卡片交付，供数学家分析。

整个过程可能需要数周时间，并且每次计算都必须重复，但在 1948 年，ENIAC 经过修改，可以在内部存储一个简单的程序，从而消除了每次计算都需要重新布线的麻烦。

这加快了过程，但仍然需要人工校准机器并处理穿孔卡片的输入和输出。

1946 年，数学家 Marlyn Wescoff（左）和 Ruth Lichterman（右）正在重新编程 ENIAC。

到 20 世纪 50 年代末，第一批高级计算机编程语言问世。现在，人们不再使用穿孔卡片与计算机通信，而是可以通过电传打字机输入命令。

计算机的结果几乎可以立即打印出来，但一个错误可能意味着需要重新输入整行代码——这仍然是一个耗时的过程。

随后，70 年代视频显示器兴起。这是一个巨大的转折点，它意味着程序员可以直接在屏幕上编辑代码，移动光标修复错误，而无需重新输入程序的整个部分。

80 年代个人电脑的出现使计算机编程变得大众化。

它不再仅仅是大学、政府机构和其他大型机构相关人员才能接触到的技术，任何拥有个人电脑的人都可以在家中舒适地进行编程。

这催生了对新编程工具的需求，例如集成开发环境 (IDE)——将编辑、调试和编译整合到一个界面中的平台，帮助程序员更高效地工作。

Turbo Pascal 软件开发系统在 20 世纪 80 年代和 90 年代初深受程序员欢迎。

互联网随后让所有这些新程序员，能够接触到一个由其他程序员组成的完整网络，以便学习和协作。

它还催生了大量新的编程需求：人们想要网站、游戏、电子商务平台和新的通信系统。

许多新的编程语言也在 20 世纪末诞生。有些专门用于特定应用，如网页开发，而另一些则旨在让编程对初学者更易于上手。

在世纪之交之前，许多编程工具已经提供了基本的自动编码功能，为程序员建议代码行。

到 2010 年代，其中一些自动完成系统已经足够先进，它们可以利用上下文（代码周围的代码）来提出更智能的建议。

我们将走向何方（也许）

我们现在正进入编程的新时代：通过在庞大的代码数据库上，训练生成式 AI 模型，开发人员已经创建了"AI编程助手"，它们可以根据用户的提示编写整个代码块。

微软子公司 GitHub，一个拥有超过 1.5 亿开发人员和 400 万组织使用的平台，一直走在发现生成式 AI 在软件工程中变革潜力的前沿。

"我们从 2020 年年中开始探索这个话题，"GitHub 首席执行官 Thomas Dohmke 告诉 Freethink。

"OpenAI 当时最先进的模型 GPT-3 刚刚进入早期预览阶段。我们获得了访问权限并开始使用该模型，在一次像这样的 Zoom 通话中，我们要求它用不同的编程语言，编写小的代码片段、方法或函数。"

他继续说道："它能够编写出正确的代码，将括号、冒号等放在正确的位置，并且可以区分不同的编程语言。当被要求用 Python 编写方法或用 JavaScript 编写函数时，它没有犯错。"

预览之后，GitHub 开始基于 OpenAI 专门为编程微调的 AI 模型 Codex 构建一个编程助手，现在被称为 Copilot。

"从 2020 年 6 月到 2021 年 6 月，我们发布了 Copilot 的第一个预览版，一年后，我们向超过一百万用户推出了正式版，"Dohmke 说。"到 2022 年 11 月，ChatGPT 问世并改变了人们对 AI 系统的看法，但 Copilot 已经上市了。"

次年，GitHub 为 Copilot 添加了聊天功能，使用户能够像与同事协作项目时一样，使用对话语言与 AI 进行交流。

随后，在 2025 年 2 月，它推出了 Copilot 代理模式。用户不再需要一次给 Copilot 分配一个任务，而是可以给它一个更广泛的目标。

Copilot 会将该目标分解为子任务，独立处理它们，并在无需逐步指导的情况下完成工作。

你可以将其想象成，告诉某人将鸡蛋打入碗中，与告诉他们烘焙蛋糕之间的区别。

在代理模式下，Copilot 甚至会检查自己的工作并解决发现的任何问题——这就像那个人品尝面糊，然后意识到需要添加更多香草。

这项能力，极大地增加了开发人员可以委托给 Copilot 的代码量。

"在早期预览版中，Copilot 编写了大约 25% 的代码——一年后，这一比例超过了 40%，"Dohmke 说。"今天，根据你使用 Copilot 和代理的方式，它可以在某些场景下编写所有代码。"

GitHub Copilot 迅速在编程社区中获得关注，上市第一年就以四倍的速度增长，并在 2025 年用户数量突破 1500 万。

加上所有其他可用的 AI 编程工具，现在有大量原本由人工编写的代码正在由 AI 生成——2024 年，谷歌CEO表示，该公司约 25% 的新代码是 AI 生成的。

许多专家预测这个数字会迅速上升。微软首席技术官凯文·斯科特在 4 月份告诉 20VC 播客主持人哈里·斯特宾斯，他预计到 2030 年微软将达到 95%。

AI 初创公司 Anthropic 的首席执行官 Dario Amodei 预计转型会更快。

"我们发现，距离 AI 编写 90% 的代码的世界只剩下三到六个月，而在 12 个月内，我们可能会进入一个 AI 基本上编写所有代码的世界，"Amodei 在 2025 年 3 月预测。

学编程是否过时了？

无论速度如何，趋势都很明确：越来越多的代码将由 AI 编写——那么，"学习编程"是否正式成为一个糟糕的职业建议呢？

"我们正朝着，专为个人定制的个性化应用程序迈进。"

Dohmke 认为，根本不是这样，我们只需要调整对专业水平上"懂编程"的理解。

八十年前，这意味着知道如何调整一台 30 吨机器上的电线和开关——这是一种只有少数人掌握的技能。

四十年后，程序员是那些知道如何在个人电脑上输入函数的人——成千上万的人以此为生，同时还有无数人进行业余编程。

现在，编程几乎只需要将你的软件想法输入或甚至说给 AI 即可。

这意味着数百万人现在拥有成为程序员的基本技能，Dohmke 预测他们将利用这些技能来创建各种问题的软件解决方案。

个人定制运用时代来临

"我们正朝着专为个人定制的个性化应用程序迈进，比如你可能会为这次面试或计划巴黎之旅而构建的应用程序，这些是公司永远不会为个人构建的东西，但 AI 使我们能够做到。"

本质上，"学习编程"将意味着"学习如何提示"，如果运用得当，Dohmke 认为我们应该从小学生开始就教授这项技能。

"孩子们已经很自然地通过提问来学习，他们会像 Z 世代伴随智能手机成长一样，伴随 Copilot 这样的 AI 代理成长。我从小通过书籍和杂志学习编程……提示将成为一种自然技能。"

"开发人员将承担更大、更复杂的挑战。"

Dohmke 表示，我们仍然需要专业的软件工程师，他们了解编写代码的来龙去脉，但就像软件工程的以往进步一样，他们的工作性质将会改变。

我们一直在抽象阶梯上不断攀升，从穿孔卡片到 BASIC，再到 Turbo Pascal，再到互联网协作和开源项目。

AI 是下一个层次：将自然语言转化为代码，将问题分解成更小的模块，并与现有代码库集成。

每次我们登上那个阶梯，较低层级的人都不得不适应。例如，穿孔卡片程序员要么学习更高级的计算机编程语言，要么寻找其他工作。

然而，在过去的转型中，程序员有几年甚至几十年的时间来重新学习技能——有些公司直到 20 世纪 80 年代仍在继续使用穿孔卡片。

向 AI 生成代码的过渡正在以更短的时间线发生，而且它也更加广泛，AI 不仅仅改变了我们编写代码的方式，它还在自动化整个软件开发流程，从生成到部署甚至维护。

最终，随着 AI 接管越来越多通常由初级程序员处理的工作，进入该领域将变得越来越具有挑战性。

但随着门槛的提高，单个开发人员所能达到的上限也会随之提高。

"用 AI 容易解决的问题将不具备商业价值，因为任何人都可以做到，但开发人员将承担更大、更复杂的挑战，"Dohmke 预测道。"我们不是在取代自己；我们正在进化。"