人工智能編碼工作變化很快，而且上升空間並不均勻。
發表在的一項研究 科學 表明人工智能輔助編碼現在已融入 GitHub 上的日常軟件創建中。作者隨著時間的推移跟踪了 Python 的開發，並使用定制的爬蟲來標記可能來自 ChatGPT 或 GitHub Copilot 等構建助手的代碼。
對於剛開始職業生涯的開發人員來說，信號是混亂的。新的開發人員更依賴這些工具，但最明顯的性能提升是在老手中看到的。換句話說，人工智能傾向於獎勵那些已經知道如何指導它的人。
研究如何追踪AI代碼
該分析沒有依賴調查，而是重點關注 GitHub 上發布的 Python 函數，並跟踪各個開發人員隨時間的變化。該方法側重於經過訓練的模型，旨在識別與人工智能生成的代碼相關的模式。
這使得研究人員能夠比較不同國家/地區的採用情況和經驗水平，然後將使用情況與參與活動和開發人員所使用的庫的廣度等結果聯繫起來。它跟踪實際回購中出現的內容，而不是人們所說的內容。
因為經驗改變表現
這是棘手的部分。編碼工具的行為不像通用推送。經驗不足的開發人員似乎更頻繁地使用它們，但可衡量的收益集中在高級開發人員身上，包括更高的性能和更廣泛的庫使用。
一種可能的解釋是危機。經驗豐富的開發人員往往會提出更尖銳的問題，更快地發現錯誤，並知道何時忽略合理的答案。在這種背景下，人工智能編碼工作增強了決策能力，而不僅僅是速度。
接下來你應該做什麼？
如果你正處於職業生涯的早期階段，請將副駕駛視為計算器，而不是捷徑。用它來設計樣板文件，探索不熟悉的庫和旋轉測試，然後強迫自己解釋你所持有的每一行。持續這樣做，你會比自我提示學得更快。查看最佳的人工智能編碼工具。
如果您正在尋找工作，請證明您可以評估代碼，而不僅僅是構建代碼。隨著人工智能輔助編碼成為常態，乾淨的自述文件、嚴格的提交和仔細的代碼審查將變得更加重要。留意那些強調調試和驗證而不是記憶語法的面試。
