关于前端:ChatGpt的出现前端真的已死

42次阅读

共计 4878 个字符,预计需要花费 13 分钟才能阅读完成。

本文首发于微信公众号:大迁世界, 我的微信:qq449245884,我会第一工夫和你分享前端行业趋势,学习路径等等。
更多开源作品请看 GitHub https://github.com/qq449245884/xiaozhi,蕴含一线大厂面试残缺考点、材料以及我的系列文章。

在过来的几个月里,我与许多职业初期的开发者交谈,他们对人工智能越来越感到焦虑。他们看到了像 GPT- 4 这样的工具越来越令人印象粗浅的演示,并放心当他们熟练掌握 HTML/CSS/JS 时,就没有工作机会了。

这种情绪当初充斥在 Twitter 上:

我齐全不批准这种观点。我认为 web 开发者的工作不会隐没。而且,我对网上流传的恐慌、不安和狐疑感到十分腻烦。

所以,在这篇博客文章中,我将分享我的假如,事件会发生变化,但并不像人们所说的那么可怕。

再来一次

CSS 语言首次公布于 1996 年,在 Internet Explorer 3 中问世。在两年内,第一个“无代码”网站构建器 Homestead 上线了。

Homestead 让人们能够在不编写一行代码的状况下构建自定义网页:

自从一开始,就有人放心 Web 开发人员会被某种新技术取代。在 2000 年代,这种担心指向了 WordPress。在 2010 年代,是 Webflow。在 2020 年代初,是“无代码”工具。

从某种程度上说,Web 开发人员曾经被取代了!现在,如果一家当地的面包店、牙医或艺术家须要一个网站,他们可能不会雇佣开发人员,破费数万美元从头开始建设一个网站。他们会抉择应用 SquareSpace,找到喜爱的模板,并每月破费 20 美元。

然而,Web 开发人员仍然存在。

上周,OpenAI 展现了 GPT-4。这个展现中有一个相当令人印象粗浅的演示:GPT-4 能够将手绘的网站草图转换为功能完善的网站,甚至包含一点 JS 来连贯“Reveal Punchline”的按钮。

这是十分了不起的,我认为这对于原型设计具备很大的后劲……但咱们要明确的是:几十年来,咱们并不需要 Web 开发人员来构建这类页面。这个 HTML 文档与现今前端开发人员编写的代码之间存在着微小的差别。

展望未来

到目前为止,我所看到的大部分演示都相当无限:一个简略的 HTML 页面或一个繁多的 JavaScript 函数。这些是单个开发人员在一个下午就能实现的事件。

但这些只是初期阶段!如果事物以雷同的速度持续减速,那么它将可能在几年内构建整个应用程序,对吧?

我在 LLM(GPT-4)方面远非专家,但我的确在高层次上理解它们是如何运作的。

从根本上讲,LLM 是超弱小的文本预测器。给定一个提醒,它们会应用机器学习尝试找出跟在提醒后最可能的一组字符。

像 OpenAI 这样的公司破费大量工夫和精力调整模型以改善输入。一大批人类标注者对模型的输入进行“评分”,模型随之学习和演进。

LLM 无奈验证其假如或测验其假说。它们无奈确认本人说的话是对还是错。它们在玩概率游戏,并预计这个字符序列仿佛与提醒中的字符序列相容。

有时,答复中的局部内容是荒诞的。OpenAI 团队将这些称为“幻觉”。

随着技术的改良,咱们能够期待一些毛糙的边缘失去打磨,但从根本上讲,总会存在肯定水平的不准确性。这些工具基本没有任何主观验证其答复的机制。

因而,准确性会进步,但永远不会完满。如果咱们议论让 Web 开发者就业,这是个问题。如果你不是程序员,你将无奈判断哪些局部是精确的,无奈发现幻觉。

但等等,在 GPT- 4 演示中,咱们看到 AI 是如何纠正本人的谬误的!复制 / 粘贴错误信息,它将找到并修复问题。

然而,不是所有的幻觉都会导致异样。例如,我最近应用 GPT- 4 生成一个 React 的 <Modal> 组件,尽管输入的品质令人诧异地好,但它在可拜访性方面依然犯了一些谬误。创立利用的人可能不会留神到这些问题,但最终用户必定会留神到!

那么代码中的安全漏洞呢?当事件呈现严重错误时,谁应该负责?

再多说一点:生成一个 50 行的 HTML 文档和生成一个生产就绪的 Web 利用之间有着微小的差距。像这个博客这样的小型 JS 利用有大概 65,000 行代码,散布在 900 多个文件中。这还不包含书面内容,仅包含 JavaScript 和 TypeScript。

即便准确率达到 95%,这也将难以调试。这就像开发人员花几个月工夫构建一个宏大的我的项目,但从未理论尝试运行任何代码,直到它 100% 实现。这几乎是噩梦。

AI 并不神奇。它仅仅和其训练数据一样好。代码片段遍布互联网,通常是通用的。相比之下,每个代码库都是举世无双的。很少有大型开源代码库。AI 如何学会构建大型理论我的项目?

咱们十分快地靠近一个非开发者能够坐下来与聊天机器人一起疾速实现一个小型独立我的项目的时代,这是当初人们应用像 Webflow 这样的工具来构建的。这太棒了!

然而我认为咱们离次要科技公司辞退开发人员并用提醒工程师代替他们还有很长的路要走。在我看来,有几个潜在的难以解决的问题妨碍了这一愿景成为事实。

加强,而非取代

从这篇文章中,你可能不晓得我实际上对 AI 十分乐观。😅

我认为最有可能的状况是,像 GPT- 4 这样的工具会整合到开发者工具中,用来加强有技能的开发者所能做的事件。

木匠没有被电动工具取代,会计师没有被电子表格取代,摄影师没有被数码相机 / 智能手机 * 取代,我认为开发者也不会被 LLM 取代。

我已经想过,兴许开发者工作的总量会缩小;毕竟,如果每个开发者的效率都大大提高,咱们不是须要更少的开发者吗?

并非必然。目前,软件开发者的需要远远大于供给。在我已经工作的每家公司,咱们都有很多想做的事件,但受到了开发者数量的限度。

如果开发者忽然变得效率进步两倍会产生什么?更多的谬误将被修复,更多的性能将被实现,更多的利润将被发明。有很多事件要做,所以咱们不会让开发者就业。

我实际上认为这可能会减少开发者工作的总量。

明天,有很多公司基本不雇佣软件开发者。我曾在一家名为 Konrad Group 的公司工作,这家公司为其余公司(其中许多是妇孺皆知的品牌)开发网络应用。因为开发成本很高,所以他们将开发需要外包,而不是外部雇佣开发者。

这些财产 500 强公司是依据以后软件开发老本来进行计算的。让咱们假如一些数字:假如他们须要 4 个开发者,每个人年薪 15 万美元,总共 60 万美元 / 年。对他们来说,领取 50 万美元让代理商来治理这个我的项目会更有意义。然而,如果 LLM 真的能进步开发者的生产力,他们兴许只须要雇佣 2 个年薪 15 万美元的开发者来实现同样的工作。忽然之间,这个计算变得更具吸引力了!

让我明确一点:我不是经济学家,这些都是猜想。我并不是说我晓得事实会如何倒退。我想说的是,这不是一个既定的论断,这对咱们来说是不利的。没有人晓得这会如何倒退,我曾经厌倦了那些认为最蹩脚的状况曾经成为定局的人。

咱们并非惟一在进行这种探讨的人

艾伦·布莱斯(Aaron Blaise)是一位资深动画师和插画师。他在迪士尼工作了近 20 年,为《美女与野兽》(1991 年)、《阿拉丁》(1992 年)、《风中奇缘》(1995 年)等经典迪士尼电影做出了奉献。

几周前,他在 YouTube 上公布了一段视频:迪士尼动画师对 AI 动画的反馈。在浏览了这篇博客文章之后,他的观点对你来说可能会很相熟:他并不认为这些工具是威逼,而是认为它们会进步动画师的生产力,并带来更多的动画师工作。

当初,数十个行业的艺术家和常识工作者都在进行同样的探讨。人们放心他们的工作行将被像 GPT-4、DALL-E 2 和 Midjourney 这样的 AI 所取代。

GPT- 4 能在模仿律师资格考试中获得前 10% 的问题。许多律师也在进行这些雷同的探讨。

我集体的信奉是,大多数退职专业人士会找到办法将这项技术整合到他们的工作流程中,进步他们的生产力和价值。某些工作可能会交给 AI 来实现,但很少有工作会被取代。

然而,如果我错了,LLM 真的能够齐全取代软件开发者呢?如果是这样的话,我狐疑 LLM 将取代绝大多数常识工作者。

这不是一种能够通过转行防止的微小影响。没有一个更高的畛域能够防止。因而,与其试图押注将来会带来什么,为什么不关注你热衷的事物,你感兴趣的事物,以及你善于的事物呢?

应用 LLM 来帮忙你学习

我从一些人那里据说,ChatGPT 在学习技术技能方面十分有帮忙。如果你在教程中对某个内容感到困惑,你能够请 AI 为你解释!

对我来说,这是一个十分乏味的用例。从实质上讲,ChatGPT 就像一个编程搭档,能够帮忙你了解你不懂的货色。你能够向它提出具体问题并失去具体答案。

但我认为你须要小心。应用这种工具来帮忙你学习有正确和谬误的办法。

谬误的办法是把它当作 GPS 导航。当我须要开车去某个中央时,我会把地址输出 GPS,而后无条件地遵循它的批示。尽管我通常会达到目的地,但这并不需要我付出任何心智致力。后果,我的方向感齐全隐没了。当初,如果没有合成的声音通知我该怎么做,我就无奈去任何中央。

与其把它当作 GPS,我倡议你把它当作你是陪审团的成员,而 LLM 是原告,站在证人席上。

你会听他们说什么,但不会把它当作事实。你会放弃狐疑,并对每个字都进行批判性思考。

与其自觉地复制 / 粘贴 ChatGPT 生成的代码,不如逐行浏览,确保你理解其中的含意。向它求教。对于看似可疑的事件,请应用权威起源(如官网文档)进行核实。请记住,LLM 具备 100% 的自信,但并非 100% 精确。

如果你遵循这种策略,我认为 LLM 会提供很多价值。

渴望成为开发者的人的一条信息

我想写这篇博客文章的起因,是特地针对那些正在学习 web 开发的人,他们感到焦虑和丧气,感觉在整个畛域行将被淘汰的状况下,破费所有的工夫 / 精力学习这些技能是没有意义的。

我不能保障事件会始终放弃不变。我的确狐疑 AI 会对咱们的工作形式产生影响。我从 2007 年开始尝试应用 HTML/CSS/JS,从那时起,事件产生了很大变动。开发者始终须要适应,与技术独特进化。

但到目前为止,我看到的所有都没有表明咱们的工作奄奄一息。我尝试设想,如果非开发者可能在不理解网络技术的状况下构建整个 Web 应用程序,状况会是什么样子?即便将来的 GPT 版本不再产生那么多的幻觉,我也想出了很多为什么这样做行不通的起因。

我可能是错的。我没有水晶球🔮。就我所知,太阳今天可能会爆炸。但我真的不认为咱们正处在 web 开发人员被取代的边缘。我放心很多潜在的开发者因为这个起因而加快了脚步。

我不心愿你在 5 年后回顾,如果软件开发人员的需要更加旺盛,悔恨你进行谋求幻想。

总结

这篇文章的作者 Josh W Comeau 探讨了人工智能,尤其是相似 GPT- 4 的大型语言模型(LLM)对前端开发的影响。作者认为,只管这些模型具备弱小的生成代码能力,但它们无奈齐全取代前端开发人员。他提到了几个关键点:

LLMs 不能验证它们的假如或测试假如,无奈确认生成的代码是否完全正确。
LLMs 可能产生“幻觉”或谬误,须要开发人员进行修复和调整。
当生成大型项目时,这些模型的准确性可能会降落,导致难以调试的问题。
安全性和责任问题依然须要开发人员的专业知识。
作者置信,LLMs 最终将成为开发人员的辅助工具,进步他们的生产力,而不是取代他们。这些工具能够被视为一种合作搭档,帮忙开发人员解决问题和学习新技能。然而,他倡议审慎应用这些工具,并始终以批判性思维来评估其输入。

只管 AI 技术正在一直倒退,但作者认为前端开发者的工作并不处于被取代的危险之中。他激励那些正在学习 Web 开发的人持续致力,不要因为担心将来而放弃谋求幻想。

代码部署后可能存在的 BUG 没法实时晓得,预先为了解决这些 BUG,花了大量的工夫进行 log 调试,这边顺便给大家举荐一个好用的 BUG 监控工具 Fundebug。

原文:https://www.joshwcomeau.com/blog/the-end-of-frontend-developm…

交换

有幻想,有干货,微信搜寻 【大迁世界】 关注这个在凌晨还在刷碗的刷碗智。

本文 GitHub https://github.com/qq449245884/xiaozhi 已收录,有一线大厂面试残缺考点、材料以及我的系列文章。

正文完
 0