点上方计算机视觉联盟获取更多干货

仅作学术分享，不代表本公众号立场，侵权联系删除

转载于：量子位

AI博士笔记系列推荐

周志华《机器学习》手推笔记正式开源！可打印版本附pdf下载链接

描述出你想要执行的命令，就能生成相应的代码。

现在，GitHub官方和openAI联合为程序员们送上编程神器——GitHub Copilot。

AI来给你打工当秘书，从此写代码不用再去Stack Overflow上疯狂搜索了，效率立刻翻倍！

这个系统可以像有高手指点一样，配合程序员写代码。

甚至程序员只要写下一段注释，Github Copilot就可以补全剩下的代码、提出改进的建议，为程序员省去大量查找的时间，而且可以保持更高的专注力。

官网介绍，它已经接受了数十亿行公共代码的训练，并且还在不断学习中。

在一次根据函数头补全代码的测试中，Copilot首次测试的正确率可达43%；

重复10次测试后，正确率就能提升至57%。

有网友就表示，GitHub Copilot能达到的效果令他大吃一惊！

使用了两周，Copilot给出的代码和我想写的代码大约有十分之一的重合。

这真的很像结对编程，而且可以优化我的代码。Copilot使我成为了更好的程序员！

那就话不多说，让我们来看看如何使用GitHub Copilot~

AI变成好搭档

目前，Github Copilot作为Visual Studio Code插件，支持在本地或GitHub Codespaces上使用。

它适用于多种框架和语言，在Python、JavaScript、TypeScript、Rudy、Go几种语言上的表现格外突出。

GitHub Copilot的强大之处就是能充当你的“小秘书”。

它能够把注释转化成代码，只需描述出你想要执行的命令，GitHub Copilot就能自动为你组装代码。

重复的代码打起来太费事了？

GitHub Copilot也能帮你做。它能根据你给出的例子，快速生成模板和重复的代码。

对于让程序员头疼的测试，它也能提供贴心的服务。

只需导入单元测试包，GitHub Copilot就能给出与代码匹配的测试。

“能不能多给几种方案？”

这话现在也能对Copilot说了，它可以罗列出不同方案任君挑选。

甚至，它还能辅导你写代码。

遇到不熟悉的语言或者还在学习编程，GitHub Copilot也可以帮助你找出错误、学习新框架，省去了大量查资料的时间。

数十亿行代码训练

所以，GitHub Copilot是如何做到这样强大的呢？

GitHub Copilot由OpenAI Codex提供支持，可以理解为GPT-3的改进版。

它由公开源代码和自然语言的训练，因此它可以很好理解编程语言以及人类语言，从而能够把人类语言转化成代码。

具体情况中，GitHub Copilot会把程序员给出的命令或代码发送到服务器，然后服务器使用OpenAI Codex来给出代码或建议。

据官网介绍，它是用数十亿行的代码训练后，才达到了现在的效果。

主要利用了上传到GitHub以及其他网站的源代码，依靠许多编程语言的大量代码和庞大的Azure云计算能力。

而且它还会根据程序员在使用过程中的反馈，进一步学习。

目前，已经有部分人在测试使用GitHub Copilot；之后，它可能将作为付费产品正式上线。

网友：会取代人类吗？

u1s1（有一说一），GitHub Copilot能达到的效果还是十分可观的，许多用过的程序员都说好。

Copilot在处理React组件时效果格外好，它能做出非常精准的判断。GitHub Copilot会成为程序员不可缺少的一部分，就像很多人用IDE一样。

AI写代码如此强悍？那程序员岂不是要危了。

有人就调侃道：

程序员们写了一个项目来取代程序员。

难道有一天，AI写代码真的会超越人类吗？

有人就举了一个生动的例子，表达了自己不认同的观点：

当电子鼓问世时，音乐界认为鼓手的末日到了。但鼓手才是能在电子鼓上编写绝妙节拍的人啊！

也就是说，与人们担心的相反，GitHub Copilot会提高程序员的生产力，可能帮助他们得到更多的报酬。

毕竟，程序员总是要把大量时间花在编程以外的事情上……

一本书中提到，程序员花费了50%的时间在非编程任务上。

所以，GitHub Copilot的效果还是非常值得期待的~

现在，它已经可以免费安装了，只需注册账号通过审核，就能体验“AI编程助手”，你要不要来试一下呢？

安装地址：
https://marketplace.visualstudio.com/items?itemName=GitHub.copilot

参考链接：
[1]https://copilot.github.com/
[2]https://visualstudiomagazine.com/articles/2021/06/29/github-copilot.aspx
[3]https://news.ycombinator.com/item?id=27676266
[4]https://twitter.com/hashtag/GitHubCopilot

-------------------

END

--------------------

我是王博Kings，985AI博士，华为云专家、CSDN博客专家（人工智能领域优质作者）。单个AI开源项目现在已经获得了2100+标星。现在在做AI相关内容，欢迎一起交流学习、生活各方面的问题，一起加油进步！

我们微信交流群涵盖以下方向（但并不局限于以下内容）：人工智能，计算机视觉，自然语言处理，目标检测，语义分割，自动驾驶，GAN，强化学习，SLAM，人脸检测，最新算法，最新论文，OpenCV，TensorFlow，PyTorch，开源框架，学习方法...

这是我的私人微信，位置有限，一起进步！

王博的公众号，欢迎关注，干货多多

王博Kings的系列手推笔记（附高清PDF下载）：

博士笔记 | 周志华《机器学习》手推笔记第一章思维导图

博士笔记 | 周志华《机器学习》手推笔记第二章“模型评估与选择”

博士笔记 | 周志华《机器学习》手推笔记第三章“线性模型”

博士笔记 | 周志华《机器学习》手推笔记第四章“决策树”

博士笔记 | 周志华《机器学习》手推笔记第五章“神经网络”

博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（上）

博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机（下）

博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（上）

博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类（下）

博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（上）

博士笔记 | 周志华《机器学习》手推笔记第八章集成学习（下）

博士笔记 | 周志华《机器学习》手推笔记第九章聚类

博士笔记 | 周志华《机器学习》手推笔记第十章降维与度量学习

博士笔记 | 周志华《机器学习》手推笔记第十一章稀疏学习

博士笔记 | 周志华《机器学习》手推笔记第十二章计算学习理论

博士笔记 | 周志华《机器学习》手推笔记第十三章半监督学习

博士笔记 | 周志华《机器学习》手推笔记第十四章概率图模型

点分享

点收藏

点点赞

点在看