在旧金山举行的 AI 会议上，前 Google 研究主任、斯坦福高等教育学院杰出教育研究员皮特·诺维格（Peter Norvig）发表了开幕主题演讲。他围绕人工智能编码的现状与未来展开论述，指出尽管软件开发者对这一变革持保留态度，但行业正全面转向 AI 辅助编程。
诺维格梳理了人工智能发展的关键节点：2012 年 AlexNet 与 ImageNet 的里程碑式突破，2017 年 Transformer 架构在机器学习中的应用，2022 年 ChatGPT 的首次亮相，以及 2024 年推理模型和编码代理的出现。他还提到 AI 模型在数学能力上的显著提升，举例称两年前 GPT-4 甚至无法正确计算单词“strawberry”中字母“r”的数量。
针对业界态度的转变，诺维格引用了 Linux 内核创建者林纳斯·托瓦兹（Linus Torvalds）的经历：“六个月前他还是怀疑论者，随后成为谨慎的采用者，如今已转变为坚定的倡导者。”
诺维格认为，软件工程的核心流程亟需重构。从早期的硬件连线、汇编语言到高级编程语言，每一次技术迭代都要求开发者改变对软件工程的认知。“现在我们将不得不再次改变它，包括如何编写规范和处理文档。”他说。
为了说明当前实践中的问题，诺维格分享了一个近期案例。他在使用 Codex 时生成了一些看似有效的代码，却未注意到系统创建了 6000 个临时文件。当同事质疑为何要检查这些文件时，他意识到自己跳过了审查步骤，直接让 Codex 删除了这些文件而非提交注册。诺维格指出，理想情况下，AI 模型应具备上下文感知能力，知晓开发者不希望将大量临时文件纳入版本控制以减轻审查负担；但在存储和内存充足的情况下，保留这些文件或许有助于更全面地记录代码库变更。
“这意味着关于良好实践的定义以及随之而来的期望都将发生变化，”诺维格表示，“这只是开始。我们必须重新审视安全、隐私、数据管道以及供应链等环节，这些领域的互动方式都将不同。”
此外，随着持续整合和自我改进观念的普及，第三方网站遭受 AI 模型入侵的事件数量正在增加。诺维格强调，目前许多此类事件仅在人工仔细查看日志后才被发现，表明现有的监控机制存在不足，“确实还有大量工作要做。”
