OpenAI直播大秀语音指挥AI自动编程，也就比老罗TNT强亿点点

刚刚，OpenAI又玩出了一个新高度。

只输入自然语句，AI就自动做了个小游戏！

划重点：不！用！你！编！程！

来，感受一下这个feel。

第一步，ldquo;小人儿rdquo;搞里头，输入一句话就能让它按照方向键左右移动：

Now make it controllable with the left and right arrow keys.

AI在理解了需求之后，自动编程，然后小人儿就真的可以左右移动了。

第二步，ldquo;石头rdquo;搞里头，同样输入一句话，让它ldquo;从天而降rdquo;：

Now have it fall from the sky, and wrap around.

第三步，用自然语言简单再制定些规则，若小人儿被石头砸中则终止游戏。

Constantly check if the person and the boulder overlap at all, and if so, you lose.

最后还让AI生成结束提示，其中要包括一句鼓励人的话。

AI挑中的是ldquo;Try Again！rdquo;

当然，还有规则更复杂的小游戏(例如增加计分等功能)，也可以用同样的方式，分分钟生成：

这是魔法吧！现在开发小游戏都靠ldquo;打字rdquo;了？！

围观直播的观众们，也是发出了同样的感慨，瞧瞧这满屏止不住的弹幕：

有网友甚至直呼道：

编程，已经变成AI自己的游戏了。

这就是OpenAI重磅发布的新品mdash;mdash;Codex，一个能自己编程的AI。

AI编程这事并不新鲜了，像GitHub前不久闹得风风火火的Copilot，就是其中一个。

但它背后的技术，其实还是来自于OpenAI。

然而这一次，OpenAI给自己的能力升了个级，来了个新版本。

不仅如此，搞一个小游戏，仅仅是Codex能力的冰山一角罢了。

一起感受一下它更多惊艳的表现吧。

不用打字，直接语音命令它！

给AI打字ldquo;提需求rdquo;，还是略显麻烦了一些。

能不能直接说话下达命令呢？

这个还真可以有！

OpenAI这次与微软合作出了一个Word插件，便带了这种语音控制的功能。

直接对着AI下命令ldquo;把每行开头的空格去掉rdquo;，AI通过微软给的接口一顿操作，成功执行：

啪的一下，全文就左对齐了有木有。

而且AI还精准地理解了命令的含义，那些段与段之间的空行并没有改动。

来再复杂一点的。

给AI下达ldquo;每数到五行就加粗rdquo;命令，也是能轻松hold得住：

这种把任务吩咐下去，就有ldquo;人rdquo;给你完成的感觉，是不是很像老员工指挥实习生？

总之呢，是比罗永浩前几年发布的TNT系统语音办公要强上那么ldquo;亿rdquo;点点了。

除了官方的演示，这次内测用户aniakubow，还让AI表演了通过152字描述生成一个网页。

可以看出这里Codex是用Javascript操作Document对象来生成网页，可能是训练集里没有直接的HTML代码的缘故吧。

最后，除了现场演示外，OpenAI还在Arxiv上发布了Codex的论文预印版。

论文中，Codex要面对的挑战甚至有刷IOI和ACM难度的竞赛题！

Codex用对每道题生成1000种答案这种暴力方法，能做出600多道竞赛题测试集中的3.23%，并且通过全部的测试用例。

这个编程题目测试集是UC伯克利研究人员在5月份刚刚做好的。

当时测试的GPT-2、GPT-3和开源的GPT-Neo可是在竞赛难度上全军覆没，一道都没做出来。

没想到短短两个多月，专为代码而生的Codex就为前辈们洗刷了耻辱。

Codex的ldquo;魔法rdquo;，是如何实现的？

这么炫酷的能力，莫非还是像GPT-3一样堆数据，大力出奇迹吗？

不全是，这次Codex最大的一个版本是120亿参数，比起GPT-3的1750亿还是小了很多。

要了解具体情况，还要从它的开发历程说起。

最早，OpenAI研究人员拿GPT-3做各种试验，发现GPT-3能从Python注释中生成一些简单的代码。

这可把他们高兴坏了，因为GPT-3根本没特意拿代码训练过，只是看过一些博客和帖子中零星的代码片段。

想想GPT-3在自然语言上的出色表现，要是专门训练一个代码版的GPT-3，那肯定也能再次震惊业界。

于是，他们找到了GitHub，这个拥有最多开源代码的ldquo;小伙伴rdquo;来合作。

一开始是拿到了179G的Python代码，但其中不乏存在一些篇幅太长的，以及明显是自动生成的那种。

在剔除掉这些ldquo;不达标rdquo;的代码后，最后留下的代码大小为159G。

接下来当然是做预训练，把这些代码都喂给AI(Codex)。

不过这里有一个问题：

GitHub上的开源代码难免会有Bug，AI学了一堆有问题的代码可咋办？

其实这倒也好说，预训练之后不是还要微调嘛。

微调的时候，全用编程竞赛里的正确答案，以及PyPI里的靠谱开源代码就可以了。

最后，120亿参数版的Codex，能对28.81%的问题给出正确答案。

这个准确率超过之前的开源代码预训练模型GPT-Neo和GPT-J，还有基于GPT-2的代码补全工具TabNine。

这个成绩虽然不错，不过离能实际应用还是有点远了。

不过，这也难不住OpenAI的研究团队。

他们很快便想到了ldquo;突破口rdquo;：

人类编程的时候，不也经常先出一个版本，然后反复修改bug嘛~

那就让AI像人一样反复修改，改出100个版本来，从中总能挑出几个正确的来。

用上这种拿ldquo;量rdquo;堆出来的方法，Codex的最终成绩是：

77.5%！

强，但不完全强

Codex令人惊艳的表现，一度让网友们大呼：

要失业了要失业了！

有人直接在公屏上打出：再见了，计算机专业的学子们。

不过大家也不必如此担心，因为在演示过程中，其实就出现了翻车的情况。

在输入ldquo;Say Hello World with empathyrdquo;后，Codex给出的结果居然还是ldquo;Hello World with empathyrdquo;。

这也侧面说明了Codex现在还不是完美的。

OpenAI就表示：

即便是参数达到120亿的Codex 12B，它的能力可能也还不如一位编程刚刚入门的学生。

虽然Codex学习上亿行代码，但它更大程度是ldquo;记住了rdquo;这些代码，并不是真正意义上的懂编程语言。

而且Codex对长字符串的理解也比较困难。

并且随着字符数量的增加，Codex的性能表现下降得非常明显。

要不是合作方微软Azure云买了足够多的碳排放限度，Codex可能还不能和我们见面呢(手动狗头)。

此外，在理解变量和运算较多的注释时，Codex也会犯错：

在这个例子中，120亿参数版的Codex，忘记了对变量w做减法，也没有返回所有数字的乘积。

这些对于还在学习编程的新手程序员而言，非常不友好。

而且由于生成的代码准确性和正确性都还不能保证，因此在安全问题上也存在一定风险。

不仅如此，OpenAI还表示，Codex会生成带有种族歧视的内容。

在社会层面上，OpenAI还提出Codex的出现或许会冲击程序员的就业；如果被滥用，还有网络犯罪方面的隐患。

最后还有一点，就是环境方面的问题。

毕竟它作为大模型，参数量的规模不容小觑。

要不是合作方微软Azure云买了足够多的碳排放限度，Codex可能还不能和我们见面呢(手动狗头)。

如果想要试玩的话，OpenAI还准备了一个Python编程大赛，在这场比赛中Codex会作为你的搭档和你一同解题。

比赛将于北京时间8月13日凌晨一点开始，就是这时间对国内不太友好。