编程自动化之Copilot

最近，除了AlphaCode（介绍可以见我之前的推文： 编程自动化之AlphaCode）火出圈之外，另一个常常被认为可能取代人工编程的由微软与OpenAI共同推出的插件Copilot也开始商业化应用了。GitHub Copilot基于 GitHub 及其他网站的源代码，可根据上文提示为程序员自动编写下文代码。目前，这一插件的价格为每月 10 美元（约 66.9 元人民币）或每年 100 美元（约 669 元人民币），学生用户和流行开源项目的维护者（流行这个词很难界定）免费使用。对于高阶的程序员而言，每个月仅需花费一小时的薪资（10美元）就可以带来生产力突破，的确是一件可喜可贺的事情。但是，对于部分通过copy，modify来撰写程序的程序员而言，这一技术的突破可能会带来更多的竞争压力（毕竟，只需要稍微懂一些语法就可以完成基础的编码工作）。Copilot在降低程序员入门门槛的同时，也会带来生产力的提升，这对于社会的全面数字化其实是有很大帮助的。但是，大家目前也不应该对这一插件的期待过高。毕竟，一个新技术从应用到成熟，还是有很长很长的路要走的。下面，笔者将通过举例与个人使用感悟，帮助大家更快理解这一插件的使用。

一 Copilot使用

1. 比如说编写一个函数parse_expenses，用于按行解析给定的字符串

2. 通常来说，我们需要考虑到调用的包，编写的逻辑，变量的定义。虽说这些东西都很简单，但是不同的重复类似的操作还是枯燥的。但是当我们有了Copilot插件后，代码编辑器如VScode就会弹出选项，接收、拒绝或者下一个。比如针对上述这个问题，如果我们接受插件给予的选择之后，我们就会得到如下的已经写好的函数。

二 Copilot优缺点

对于Copilot的优点，可能对于不同阶段的程序员会有不一样的体验，如对系统架构级别的程序员，该插件能够替代许多枯燥的常规函数的撰写，对于入门的程序员，该插件能够帮助初学者快速入门程序撰写和逻辑思路整理。只是除了有点之外，该插件也有不小的缺点。首先，无法提供系统的代码方案。这一插件更多的是提供了代码补全的高级选项，而不是完完整整的提供端到端的代码。他并不像alphacode那样，能够针对一个问题提供完整的解决方案。其次，各代码块的衔接仍需人工辅助。因为不是端到端，那么必然会带来各个代码块之间的衔接问题，而这则需要一个程序员对系统的整体框架进行掌控。除此之外，第三，提示的代码无编译结果提示。最重要的是，这一代码的运行目前仍需要人类从旁协助找出bug，因为插件提示的并不是经过检验的能够正常运行的代码。第四，正确的代码方案的提出需要规则化的注释方案。这点也往往是别人所忽视的，即插件的正确提示需要的是我们能提供正确的注释，而目前NLP（自然语言处理）还有许多的不足，这意味着我们或许不需要学习编程，但是需要的是另一门经过训练的注释提供方案，这样才能确保插件的正常使用。这一点也是日后alphacode使用需要面临的问题。第五，对于非程序员而言，该插件基本没有提升或者说使用起来仍存在极大的风险（以我自己使用的角度来看）。

三 惯例小结

其实与alphacode一样，笔者也一直认为在不远的将来，或许我们需要做的就不是码代码，更多的是一种代码审核的工作（毕竟有些代码还是非常重要的，比如医学类的代码）。毕竟，随着人工智能的进一步发展，我们可以从重复枯燥的工作中解放出来，从事更具创造性的工作，这也是目前来看，我们或许比机器更善长的方面（用‘或许’而不是其他词是因为创造性也不一定是碳基生命的专属）。

本公众号开发的相关软件，Multi-omics Hammer软件和Multi-omics Visual软件欢迎大家使用。文末是本公众号在其他平台的账户，也欢迎大家关注并多提意见。

简书：WJ的生信小院

公众号：生信小院

博客园：生信小院

最后，也欢迎各位大佬能够在本平台上：1传播和讲解自己发表的论文；2：发表对某一科研领域的看法；3：想要达成的合作或者相应的招聘信息；4：展示自己以寻找博后工作或者博士就读的机会;5:博导提供博后工作或者博士攻读机会，都可以后台给笔者留言。希望本平台在进行生信知识分享的同时，能够成为生信分析者的交流平台，能够实现相应的利益互补和双赢（不一定能实现，但是梦想总得是有的吧）。

另外，怎么说呢，投币也可，不强求，但奢求。