11 月 24 日，TGO TALKS 的舞臺迎來了 6 位經歷過嚴格培訓的 CEO、CTO、Team Leader 進行演講。TGO TALKS 由 TGO 鯤鵬會組織，職業中、英文演講培訓師親臨現場，與參與者一起學習演講的關鍵技巧，配合充分的練習和反饋，使大家在短時間內迅速提升了演講功力，最後更有精彩的 TGO TALKS SHOW 。每位分享者按照演講思維方法論，精心準備了 18 分鐘的主題演講，將從技術人的個人成長以及在時代變革中的定位、團隊建設管理方法、創業技巧等方面，講述當代技術人的知與識。
本文根據洛凱科技 Aladdin 項目負責人 & TGO 鯤鵬會北京分會會員王泰在 TGO TALKS 上帶來的《未來的程序員 = 人工智能 + 軟件工程》的演講整理。王泰針對軟件開發中 70% 的時間是在 debug 的問題，提出了通過人工智能和產品化方式解決問題的方法。以下爲王泰現場分享內容，Enjoy：
大家好，我是王泰，來自於洛凱科技，目前是洛凱北京辦公室的一名技術管理者，也是我司 Aladdin 項目的項目負責人。
今天，我的演講會分成三個部分：
在開始之前，我們先來思考三個問題：
- 今天的軟件工程，大家滿意嗎？
- 我們能不能用人工智能的手段解決現在軟件工程的問題，並且這樣做會對我們自己的生活、工作產生多少影響？
- 這也是我的一些個人的觀點：面對未來不斷變化的挑戰，我們應該如何做出選擇？
當前，軟件已經深入到我們的工作和生活當中，大多數人都已經無法離開軟件，可見當今軟件普及程度有多高。那麼請大家想想，我們的軟件工程足夠成熟了嗎？
我相信，當我用反問的形式向大家提問時，大家的心中肯定有些許不安，開始思考當下軟件工程是不是還沒有那麼成熟。可見大部分人的心中都沒有明確的答案，都明白我們的軟件工程還有許多可以改進的地方。
那請大家再設想一下，一份代碼，從我們開發到交付需要經過 Coding、Testing、Debugging 的過程。我們每個寫過代碼的人都知道，一般來說，Testing 加 Debugging 的時間遠遠大於我們 Coding 的時間。
可是你們知道它們的時間分配比例是什麼樣的嗎？
在《單元測試的藝術（第二版）》中，作者統計分析了 200 個研發 Case，得到如下結論：
總體來看，我們 Testing 和 Debugging 的時間，是 Coding 時間的 3 倍，甚至更多。
當你們看到這份數據時，是不是也回憶起自己坐在電腦前，痛苦 debug 的經歷了呢？
就像上圖這幅漫畫展示一樣，我們程序員的生活就是在不斷地寫 Bug 與修 Bug 中度過。
因爲即使是優秀的工程師，他們也會面臨着同樣的問題——Testing 和 Debugging 的時間太長。而 Testing 和 Debugging 往往是最無聊、最令人討厭的事情。
因爲在做 Debugging 的大部分時間中，我們只是反覆地點擊鼠標、跟蹤斷點、定位問題。這些工作日復一日的折磨工程師，一點點扼殺工程師們的創造力。
可是工程師應該是當今最富創造力的一羣人，怎麼能把時間耗費在重複性如此之高的工作中呢？
在場的大部分人都做過工程師，而且你們一定都是非常優秀的工程師，所以我猜測你們都嘗試過解決這個問題。也許通過“過程控制”，也許通過“軟件架構”。這些做法都沒有問題，方法的確可以保障“過程”和“結果”更加可控。
但是我們花費在 Debug 的時間，似乎並沒有明顯的減少。
現在，我再問一下，我們現在的軟件工程足夠成熟了嗎？
顯然沒有。
我們需要更多更有效的手段來減少 Debug 的時間，減少代碼缺陷，提高我們的工作效率，以及拯救程序員們日漸稀少的頭髮。
如果我們用人工智能，那麼 Debugging 能更加智能嗎？能讓 Debugging 更自動化嗎？能讓我們寫出效率更高、缺陷更少的代碼嗎？
我們可以先將 Debug 的過程分成兩部分：
- 第一部分是錯誤定位；
- 第二部分是錯誤修復。
首先，我們主要聊聊錯誤定位的問題。
實際上，在很早之前就有人開始研究自動化錯誤定位。在沒有使用人工智能之前，自動化錯誤定位的手段包括基於頻譜的錯誤定位方式——SBFL、基於變異的錯誤定方式——MBFL 等等。
這些方法都是基於統計概率獲得的結果，它們的效果和原理各不相同，有些方法原理簡單執行速度快，但效果有限；有些方法相對準確率更高，可定位時間太長。
而且使用他們還需要一個前提——必須依賴單元測試的執行結果，因此這些方法還沒有廣泛應用。
當前，我們 Aladdin 項目團隊希望能讓所有的程序員都能體驗上自動化錯誤定位的好處，使用上高效的錯誤定位手段，爲此我們嘗試去利用人工智能的方式改進錯誤定位的過程。
目前，我們結合了 Android 工程師工作的流程，在工程師調試時，實時給出代碼的修改建議。
我們用人工智能的方法不僅縮短的錯誤定位的時間，而且也將準確率提高到 80%。同時，我們還正在嘗試，讓程序員們可以不寫單元測試，就可以做錯誤定位。
實際上，人工智能在提高工程研發效率上能做的事情遠不止這些。也許你們已經聽說過人工智能現在正在學習如何改 Bug，甚至學習如何寫代碼。
上圖是一段爐石傳說的 Python 代碼，這是北京大學軟件工程實驗室使用 CNN 的方式自動生成的代碼。他們把卡牌上的描述文字輸入到他們寫好的程序中，接下來程序就可以自動分析卡牌描述被髮動時的規則，並生成相應的 Python 代碼。
雖然這段代碼看上去像一個剛學編程的初學者寫的，也不能全部正確運行，但是這已經離我們曾經設想過能自動寫代碼的程序非常接近了。
以上都是一些實際的落地場景，如果未來能有更多瞭解人工智能和軟件工程的工程師一起加入進來，那麼我們就可以推進更多的場景實現。
但是，我們的工程師現在還是每天陷入在寫不完的 Bug 和 Debug 的困境中，並以爲這些都是理所當然的工作。
科技的進步不會停止，我相信遲早有一天能自動寫代碼的程序時代會真正來臨。那麼，到時候我們會面臨哪些挑戰呢？我們又該如何解決挑戰呢？
我想我們可以做 2 點：
- 擁抱變化；
- 終身學習。
過去，我們是傳統行業的挑戰者，經歷過互聯網對傳統行業的衝擊；我們曾經也是互聯網紅利的受益者，做過風口上的那隻豬。然而，眼下我們面臨的挑戰似乎是來自於行業內部程序員之間的競爭。
實際上，未來整個工程行業都將面臨來自於外部的挑戰，而這個挑戰這就是人工智能技術。當面對人工智能時，我們要轉換自己的思維，我們應該主動學習人工智能，至少要了解人工智能會對我們的行業產生什麼影響。
當前，雖然程序員之間的競爭也很明顯，但是隻要市場足夠大，那麼工作需求還是有很多的，這也是讓很多人現在不願意面對轉型的原因。
我們身邊有不少這樣的程序員——他們每天都在做重複的工作，安於現狀，沒有學習的激情。同時，隨着年齡的增長，他們開始產生焦慮，因爲他們的能力和體力已經比不上新人，所以如果他們不能順利轉型管理，那麼就會擔心公司裁員。
最近，我有個朋友在向我抱怨，他開始擔心自己未來缺少競爭力，不能負擔起北京的生活成本。他已經開始考慮，是否要在近兩年內換一個其他城市裏壓力小一點的工作。
當然，這只是個案。
可是，當人工智能真的可以寫代碼的那一天，那就是我們整個行業都要面臨的挑戰。
這就像是，互聯網改變了通信行業；QRCode 改變了金融行業；而現在人工智能不僅會改變行業，更會改變程序員的工作方式。
過去，變化只是生活的一部分；現在，變化已經成爲了生活的全部。
實際上，我的工作也一直在發生變化。最早，我是一名校內網的後端工程師，我在校內網寫了 4 年半的主站後端代碼。2012 年，我開始創業，被迫走向了管理崗位；後來，我接觸到了 TGO鯤鵬會，這是我第一次關鍵變化。
這次的變化讓我感受到“做好寫代碼之外的工作”和“寫一段優美的代碼”同樣重要。
2015 年，因爲企業的發展需求，我希望可以用機器學習給公司產品賦能。於是，我很快搭建起公司的推薦系統隊伍，同時我也開始重新學習數學、算法。雖然我們的產品由於市場需求轉型沒有成功，但是那段時間我們團隊積累了不少的技術方案，幫助公司在後續併購的過程中提高了估值。此時，是我第二次的關鍵變化。
在這次變化之後，我現在的工作已經離不開機器學習和人工智能。
今天，我想讓自己開始第三次的關鍵變化。過去，我在自己的舒適區裏做技術和科技管理者，不願走到臺前。因爲我是一個非常容易緊張的人，每次走到臺前都需要做巨大的心理建設。但是，現在的工作已經不太允許我一直躲在後面，所以我選擇讓變化驅動自己成長。
我想，我們每個人都應該擁抱變化，因爲變化會影響到我們工作和生活的點點滴滴。
我們可以暢想一下未來程序員的工作——未來可能會有兩種程序員，一種是寫一份讓機器讀懂產品文檔的程序員；另一種是開發和維護人工智能的程序員，他們既能懂得人工智能，又能懂得軟件工程。
或許現在的程序員有部分會被人工智能取代，但是我相信，只要我們擁抱變化，不斷地提高自己，那麼這種變化一定可以驅使你不斷進步！
現場精彩花絮
更多精彩照片請點擊詳情。
TGO鯤鵬會，是極客邦科技旗下高端技術人聚集和交流的組織，旨在組建全球最具影響力的科技領導者社交網絡，線上線下相結合，爲會員提供專享服務。目前，TGO鯤鵬會已在北京、上海、杭州、廣州、深圳、成都、硅谷、臺灣、南京、廈門、武漢、蘇州十二個城市設立分會。現在全球擁有在冊會員 800+ 名，60% 爲 CTO、技術 VP、技術合夥人。
會員覆蓋了 BATJ 等互聯網巨頭公司技術領導者，同時，阿里巴巴王堅博士、同程藝龍技術委員會主任張海龍、蘇寧易購 IT 總部執行副總裁喬新亮已經受邀，成爲 TGO 鯤鵬會榮譽導師。