本文介绍了OpenAI发布的一种AI工具Codex的升级版本，它可以将英语翻译成代码，甚至支持语音录入。
OpenAI准备抢程序员的饭碗了！
编程从某种意义来说，是人类是将想法变为计算机可以理解和执行的指令的过程，这一过程需要程序员融入自己的算法思路，并且用固定的语法将程序写出来。
这一过程并不容易，门槛也并不低。但是OpenAI正在用AI简化这一过程，最近，OpenAI发布的一种AI工具Codex的升级版本，它可以将英语翻译成代码，甚至支持语音录入。
这意味着，你只要说出来你想要的效果，Codex可以直接帮你完成整个编程的过程。
比如下面这个示例，一个经典的‘接球’小游戏，就是Codex根据语言描述自己编程制作出来的，这个过程中人类没有输入一行代码。
这只是一个小项目，Codex究竟可以做到什么程度呢？文摘菌也很好奇，于是查询了一番，发现已经有人开始验证Codex的极限了——用Codex制作一个AI！
嗯，用自动编程AI创造AI，有点那味了！
数十亿行代码训练！
这个AI将解放程序员双手
在这里还是先要唠叨一下Codex的简单情况，熟悉的小伙伴可以直接跳过。
正如OpenAI的CTO和联合创始人GregBrockman所说，编程包括两步：
1、认真思考一个问题并试图理解它
2、将这些小片段映射到现有的代码中，不管它是一个库、一个函数还是一个API。
要让AI完成第二步，也需要两步，一是让AI能够理解程序员的想法，二是让AI能够将理解到的需求转化为可执行的代码。
因此，只要有足够的语料库数据，就可以运用类似的原理训练出可以自动写代码的Codex（事实上Codex就是GPT-3的后代），显然，存放了无数优秀代码的GitHub就是一个现成的语料库。
7月，OpenAI和GitHub合作开发了GitHubCopilot，这个功能可帮助程序员自动改进或更新软件，在这个基础上，借助GitHub上数十亿行代码，Codex最终获得了将英语翻译成代码的能力。
在对不同语言模型的编码挑战能力的专门测试APPS中，120亿参数版的Codex取得了远超GPT-Neo和GPT-J的能力，能够对28.81%的问题给出正确答案。
测试很完美，实用性也不错，缺点也存在
无论是演示一个‘接球’游戏，还是一个‘飞船’游戏，Codex都能完成很好。
比如官方演示的‘飞船’游戏，在调整火箭速度时，演示人员告诉Codex：
‘whentherocketisclicked，temporarilydisplaysometextsaying‘firethruster!'inwhiteonthecurrentlocation——andtemporarilyspeedupby4xfor0.25second’
（“当火箭被点击，暂时显示一些白色文字说“火焰推进器！”，并暂时加速4倍，持续0.25秒”)
那么Codex对于一些现实任务的解决能力如何呢？ThomasSmith在Codex推出一周后应邀进行了Beta测试，他测试了一些现实任务。
比如一个在加州非常接地气的项目：根据邮编获取空气质量指数（AirQualityIndex），判断是否存在山火。
他给Codex的任务描述是：
#UsetheairnowAPItotofindandprintthecurrentAQIforzipcode94549
Codex给出的代码是：
importurllib2
importjson
api_key="E722A2CA-9D39–4CDD-943B-8BAD9A298E0B"
request=urllib2.Request(url)
response=urllib2.urlopen(request)
data=json.load(response)
printdata[0]['AQI']
完成地非常好！Codex根据文本描述中提到的AirnowAPI，找出了API的URL，还提供了必要的参数，以获得输出。并且，还正确地判断出了AQI的含义，并编写了一个URL字符串，接受邮编94595作为输入，查找该邮编的当前情况，并返回AQI。
ThomasSmith还测试了另一个例子，指示Codex获取当前的比特币价格，然后格式化输出，任务描述是：
GetthecurrentpriceofBitcoinusingCoindesk’sAPIanddisplayitasgiantredlettersinthemiddleofawebpage.
Codex生成了相应的JavaScript代码，还还生成了一个简单的网站，精确地实现了要求的功能：
除此之外，Codex还能完成代码翻译、编写代码文档等其他枯燥但重要的编码工作，这些可以在将来帮助程序员做很多繁琐的事项。
那程序员是否需要担心Codex会抢走他们的工作呢？目前来看，这样的担忧是没有必要的，Thomas表示，Codex目前还不完美。
第一，根据OpenAI的说法，当前版本的Codex第一次就能编写完美代码的成功；率只有37%。要让该系统真正起作用，依然需要人类程序员去审查代码，评测其输出是否正常工作，并进行Codex做不到的微调和更新。
另外，OpenAI也指出Codex存在过度依赖生成的输出的问题，并且大规模参数量还会产生大量碳足迹。
用Codex自动写一个AI，效果如何？
最后，看看大佬用Codex怎么套娃吧！
YouTube博主@EdanMeyer用Codex创造了一个手写数字分类器，整个过程只是给Codex输入了四句话。
下载数据集
用Pytorch实现一个前馈神经网络
训练模型
测试模型
然后，提交‘Submit’，Codex就自动完成了所有代码的编写。