王巍表示，人的自然语言（如法语）是一个由字和词组成的序列，通过统计模型分析，能够根据上文来预测下文出现的概率，可以将其理解为更高级的联想输入法或打字提示。而面向机器的编程语言，一方面是一个由代码组成的序列，另一方面也有其内在的代码组织结构，通过对这两者的建模，在程序员输入代码的过程中，可以利用人工智能技术识别其意图并预测其可能将要输入的代码，从而辅助程序员简化新写代码的工作量。另外，通过模式识别，在程序员修改一部分代码时，AI可以识别出现有代码中其他需要做类似修改的相关代码模块，甚至直接提供代码更新方案的选项，从而大大减少程序员修改代码的工作量。

在AI术语中，预测下文或代码属于序列的学习和预测，而递归神经网络则是实现序列建模的一种解决方法。长短期记忆网络（LSTM）是目前比较流行的一种递归神经网络，谷歌在论文利用LSTM来对已有的代码建模，从而识别和预测复杂、动态的代码编辑序列。

能协助程序员完成哪些工作

王巍介绍，目前程序员编程使用的开发工具IDE（集成开发环境）已初步具备一些简单的提示功能，比如参数的自动填充、构造函数的自动初始化等，在实际操作中一定程度上提高了程序员的效率。而谷歌的研究是面向更为复杂的编辑序列模型，其方案对大规模代码编辑数据有更强的适用性。

如果该研究能够实现工业化应用，无疑对于一线程序员和科技公司来说是重大福音。在AI的预测和识别辅助下，程序员新写代码和修改代码过程中高度重复性的工作将大幅简化，机器的加入将直接降低程序员的工作量和疲劳感。

程序员的解放之路还有多远

王巍表示，谷歌的研究目前仍在试验阶段，距离大规模工业化应用仍有一定距离。另外，部分媒体对此报道也有一定炒作成分，谷歌研究的定位目前仍限于辅助编程，还远远无法完全代替人类。在可预见的未来，机器创造程序仍是科学幻想，编程只能由人来完成。

从技术角度上看，人工智能还无法完全理解人的复杂意图，也没有办法形成有效的创造力，目前也看不到解决这一问题的技术路径。另外，编程的目的是要形成产品并实现社会价值，其中存在责任界定问题，从社会层面看，人工智能也不应代替人做出决策。

然而，技术总是在短期内被高估，但是在长期内又被低估。长期来看，在AI辅助下，程序员繁重的机械劳动有望大幅减少，但创新性工作仍需人类智慧去完成。“码农”将成为“园艺师”，在AI辅助下解放更多时间，并将更多精力投入到创作之中，枯燥的“画匠”工作会变得更加有趣，程序员“996”工作制或许也会成为历史。

相关报道: