Copilot 创始工程师：大多数 AI 编码“就像开着法拉利去买牛奶一样” 文章

GitHub Copilot 创始工程师 Neel Sundaresan 正在构建 IBM Bob——一款智能编码工具，目前已有 8 万名 IBM 开发者在使用。 Neel Sundaresan 回避了三个问题，其中一个是 “IBM Bob 为什么取名叫 Bob”。 这种回避本身就耐人寻味。Sundaresan 现任 IBM 软件部自动化与 AI 总经理，也是微软 GitHub Copilot 创始工程师，早年还曾担任 IBM 研究员，并不是一个擅长做产品营销的人。他是研究员出身，后来成为产品构建者，再后来成为高管，贯穿这三个角色的始终都是同一个执念：究竟是什么在阻碍软件开发者提高效率，又该如何消除这些障碍？ 他从 2000 年就开始研究这个问题，远早于 Transformer 架构和大语言模型的问世，也远早于 AI 与开发者工具被主流技术圈关联在一起。从那时候起，到已在 IBM 内部为 8 万用户提供服务的 IBM Bob 正式发布，这条探索之路远比发布会新闻稿所呈现的要漫长得多。 在无人关注的时候开始 Sundaresan 为提升开发者效率所搭建的第一个系统和如今我们熟知的 AI 编码工具截然不同。那是一个 API 调用推荐系统。 “开发者有 30% 的代码都是 API 调用，”他在接受《The New Stack》深度访谈时表示。“当你在一个类名后面按下点号，就会弹出一长串可供调用的函数，你得从中挑选一个。这本身就是一个效率损耗点。” 目标并不是生成代码，而是在恰当的时机给出正确的函数调用，本质上是开发者代码自动补全场景的搜索排序问题。 当时的模型不是 Transformer，甚至从现在的定义来看，也不是深度学习模型。但他表示，开发者们很喜欢这个工具。这个早期的启示——在开发流程里某个细微的环节降低使用阻力就能收获超乎预期的用户满意度——直到如今，仍在影响着 Sundaresan 对这类问题的思考逻辑。 “编码是一项分析性工作，和网购不一样，”他说。“如果系统给出了错误的推荐，或是给出会干扰我思路的推荐，那就有问题了。” 他认为，用户体验和底层 AI 的实现逻辑是两个相互独立、互不干扰的问题。