来源：OpenAI
编辑：小匀Priscilla
刚刚，OpenAI发布Codex的改进版本，将把API以私有测试版的形式发布。Codex是可以将自然语言转换为代码的AI系统，也就是那个为GitHubCopilot提供「马达」的模型。口头命令令AI生成代码的时代到来了。
OpenAI再次惊艳这个圈儿！
只要你对这个AI发号施令，它就会将英语翻译成代码。
比如：
addthisimageofarocketship
随后，你的双手离开键盘，AI会自动编程，这张火箭照片就被添加进来了：
给它点难度：当火箭被点击时，它的速度会x4
这就是OpenAI发布的一种新机器学习工具——Codex，可以将英语翻译成代码。
哦对了，Codex也正是为GitHubCopilot提供动力的模型。
刚刚，OpenAI发布了Codex的改进版本，API以私有测试版的形式发布出来，可以将自然语言转换为代码的AI系统。
从GPT-3到DALL·E，不久前大热的Copilot（背后也依赖OpenAI的技术），OpenAI这是要彻底「砸了」程序员的饭碗吗？
然而，OpenAI的CTO和联合创始人GregBrockman则表示：「它消除了程序员繁琐的工作。」
看看它还有哪些惊人功能？
开发小游戏，准确率高达72%！
Codex不仅能够收到指令后自行编程，还能够开发个小游戏。
除了打字输入指令，Codex还能接受语音指令。
复制的文字有很多空格，手动删除太费时间怎么办？
问题不大，OpenAI和微软合作出了一个Word插件。
一声令下，AI就能完成任务。
「啪，每行开头的空格消失了！」
执行力不错，那准确率呢？
研究人员用APPS数据集来测量不同语言模型的编码挑战能力。
APPS含有次训练和次代码问题的测试。
测试结果显示，亿参数版的Codex能够对28.81%的问题给出正确答案。
准确率远远超过「前浪」GPT-Neo和GPT-J。
经过不断修正，最终Codex-12B的准确率提升到了72.31%！
GregBrockman表示，编程有两个部分：
一、认真思考一个问题并试图理解它
二、将这些小片段映射到现有的代码中，不管它是一个库、一个函数还是一个API。
Codex的目的是让编码员在第一部分上花费更多时间，而不是第二部分。
毕竟，大量的代码都是在重复或直接抄袭别人之前所做的事情。
当然，它可以是创造性的，但没有人会在做基本的事情时发挥他们的想象力，比如部署一个网络服务器来测试一点代码。
比如部署Web服务器来测试一些代码。布罗克曼用一条简单的线做到了这一点——「创建一个说明这一点的网页」。
利用Codex，一秒钟后，就有十几行JavaScript以完全标准的方式做了这件事。
优点很多，局限性也不少
上面说了Codex不少优点，可以帮助用户使用新的代码库，减少上下文切换。
还可以让非程序员编写规范的代码。
但OpenAI也承认，Codex还有许多不足之处。
首先，Codex的训练样本效率不高。
它的训练集上有数十亿行代码，包括来自GitHub的Python代码。
数十亿行代码。
多有经验的开发人员也不会遇到这么多代码啊！
但就算有这么多行代码的训练，计算机科学的学生可能比Codex-12B更能解决问题。
比如Codex演示人员下了一个指令：SayHelloWorldwithempathy
「读书。」「书。」
出来的结果把演示人员都给整笑了。
除此之外，OpenAI很实诚地在论文的预印本中指出Codex的其它缺点：
过度依赖生成的输出。
生成一些乍一看正确但其实是错误的代码。
因为互联网上的训练集或多或少带有种族歧视，经过训练后的Codex也会带有偏见。
Codex的出现会对程序员的就业市场产生冲击。
大规模参数量还会产生大量碳足迹。
目前OpenAICodex还处于私测阶段，后续会继续扩大规模。
希望Codex的到来能够让编程变得更加高效。
参考资料：