時下火熱的AIGC與低代碼開發(fā)，是否能碰撞出新的火花？
日前，作者從多位獨立信源處獲悉，企業(yè)數(shù)字化服務商奧哲旗下的低代碼平臺“氚云”已融入AI相關產(chǎn)品，或?qū)⑾掳肽暾缴暇€發(fā)布。
根據(jù)相關人士提供的Demo視頻，融入AI的氚云平臺已經(jīng)可以通過對話實現(xiàn)一個完整的場景應用。
用戶通過喚醒氚云界面?zhèn)冗厵趦?nèi)命名“Authine AI”的助手，通過對話框，以自然語言的形式向平臺下達指令。AI 在判斷用戶需要新建應用指令后，自動從工作臺（應用態(tài)）跳轉(zhuǎn)至表單設計器（設計態(tài)），進行新建表單、創(chuàng)建字段等操作。這在傳統(tǒng)軟件或SaaS中屬于尚不能實現(xiàn)的場景，意味著一個業(yè)務人員可以隨時根據(jù)業(yè)務需求，變更、新增應用，只需幾句話、30秒就能上線一個新應用。
作者第一時間向奧哲相關負責人求證，對方表示目前該產(chǎn)品正處于“客戶共創(chuàng)”階段，以確保產(chǎn)品性能及穩(wěn)定性，具體信息不便透露。“產(chǎn)品相關細節(jié)或?qū)⒃诮衲晗掳肽暾桨l(fā)布后予以披露”。奧哲的回應相當于坐實外界傳言——奧哲正在將AI引入到其低代碼平臺中。
據(jù)公開資料顯示，奧哲成立于2010年，其低代碼產(chǎn)品和解決方案已經(jīng)服務了超過20萬企業(yè)用戶，其中包括60%的中國500強企業(yè)及眾多行業(yè)標桿企業(yè)；旗下低代碼開發(fā)平臺氚云，定位中小企業(yè)組織數(shù)字化的一站式平臺，已吸引超過533萬用戶付費使用。
圖源：氚云官網(wǎng)截圖
目前生成式AI在B端落地場景，主要還是圍繞客服機器人（chatbot）、文本生成（text-to-text）、圖像生成（text-to-image）這幾類對容錯率要求不那么嚴格的場景，而軟件工程至少要達到<0.01%的容錯率要求，這也是目前AI大模型在企業(yè)軟件領域落地難點，控制概率模型輸出精確結(jié)果，需要進行復雜的Prompt Engineering和輸出約束設計，還要提供垂直領域的高質(zhì)量知識。奧哲或許是國內(nèi)最先成功將用戶自然語言描述轉(zhuǎn)換成低代碼的系統(tǒng)指令，完成真實業(yè)務應用搭建的廠商。
不止奧哲。近期，在AIGC浪潮的席卷之下，無論是傳統(tǒng)的代碼開發(fā)，還是低/零代碼開發(fā)，開發(fā)者們似乎都開始關注AI對于軟件開發(fā)的影響。一系列AI開發(fā)工具由此誕生。同時，AI在帶來“取代程序員”的焦慮之外，也給我們帶來了更多值得思考的議題。
AI開發(fā)，老問題的新解法
事實上，在計算機科學的發(fā)展史上，AI輔助開發(fā)并不是新的話題，而人類對于編程工具簡化的追求也從未停止。
從打孔紙帶時代的機器語言，到匯編語言及高級語言，編程語言的門檻逐漸降低。近年來，低/零代碼開發(fā)平臺的出現(xiàn)，進一步拉低了程序開發(fā)門檻，以至于有人直言，全民開發(fā)（Citizen Development）時代已經(jīng)到來。
而計算機科學對于編程工具簡化的終極目標，則是“自然語言編程”（Natural Language Programming）——即讓開發(fā)者可以直接用人類語言（如漢語、英語等）進行程序開發(fā)。
自然語言編程是一個已經(jīng)存在了數(shù)十年的古老概念。早年，計算機學界對于自然語言編程進行了諸多嘗試，例如，1959年誕生的“商用編程語言”COBOL，就試圖通過類似自然語言的語法，讓金融機構、大型企業(yè)及政府的非專業(yè)開發(fā)人員掌握編程能力。
然而，COBOL在功能、性能等方面的短板，以及雖然簡單但仍需要大量學習才能上手的門檻，讓它未能獲得成功。
幾十年后，繼承COBOL精神的“低代碼開發(fā)”出現(xiàn)，則給出了另一條路徑——用拖拉拽的圖形界面，取代傳統(tǒng)的代碼開發(fā)，讓未受過專業(yè)編程訓練的業(yè)務人員也能開發(fā)簡單的應用。
低代碼平臺一經(jīng)出現(xiàn)，便迅速受到熱捧。Gartner預測，到2023年結(jié)束，全球低代碼市場規(guī)模預計將達到269億美元；到2025年，預計有70%的企業(yè)數(shù)字化應用，將都由低代碼平臺構造。
圖源：Gartner
不過，低代碼開發(fā)距離真正意義上的“自然語言編程”，仍存在一定距離。如今，即便極大地簡化了代碼開發(fā)流程，主流的低代碼開發(fā)平臺仍然需要用戶通過GUI設計程序。我們距離用自然語言直接生成程序，仍存在一步之遙。
“AI與低代碼”為何成為絕配？
不過，隨著AI的引入，我們有望在低代碼平臺上看到自然語言編程的新曙光。
在前文提及的氚云 Demo視頻中，AI似乎成為了用戶進行開發(fā)的“外掛”。AI改變了用戶進行應用開發(fā)的方式，在低代碼平臺，LUI（語言界面，language user interface）成為了GUI之外的另一種選擇。
今年5月，在接受投資方華創(chuàng)資本“創(chuàng)·問”采訪時，奧哲創(chuàng)始人兼CEO徐平俊曾公開表示，未來軟件交互會是GUI與LUI的混合交互模式——“大語言模型和 Copilot 模式結(jié)合，會改變今天軟件以「點擊/滑動」為主要的交互方式”。
具體而言，簡單、確定性的任務指令，可以由LUI（語言界面）完成交互，而以GUI為主的低代碼，則擅長相對復雜的流程配置、API任務的編排分發(fā)，以及用戶確認環(huán)節(jié)，二者結(jié)合，將極大提升軟件開發(fā)效率。
在AI的加持下，低代碼開發(fā)平臺正在進化出新的形態(tài)。AI與低代碼平臺之間的先天契合，也正在加速整個數(shù)字化市場的發(fā)展。
首先，讓我們回顧下AI在傳統(tǒng)代碼開發(fā)領域的助力。目前，ChatGPT以及Codex、AlphaCode等產(chǎn)品，都支持“Text to Code”的代碼生成能力，以及一定的代碼評審能力。也有相當一部分開發(fā)者利用此類工具對代碼進行Debug。
然而，在現(xiàn)階段，上述工具基本只能對代碼進行簡單的CRUD（增查改刪）。在軟件工程領域，這些工作大多由初級程序員完成。以至于常常有人調(diào)侃，AIGC會搶走初級程序員的飯碗。
這背后的本質(zhì)是，目前AI語言模型價值，更擅長創(chuàng)造沒有標準答案的工作（text-to-text），而軟件工程領域（text-to-task），系統(tǒng)code越復雜，生成準確率概率就會指數(shù)型下降，行業(yè)開發(fā)門檻極高，需要借助低代碼，完成各種必要人工配置流程，LLM才能更好在軟件工程領域落地。
因此，AI生成代碼當下難以對已經(jīng)高度成熟的低代碼平臺產(chǎn)生撼動。而低代碼平臺與AI的結(jié)合，卻可以顯著地提升應用開發(fā)的效率。
氚云相關負責人此前曾透露，低代碼模塊化能力，已經(jīng)將應用解耦成頁面、流程、邏輯、數(shù)據(jù)模型，這種模塊化、低耦合的屬性，自帶的規(guī)則算法天然適合被神經(jīng)網(wǎng)絡學習、快速生成應用，大語言模型和低代碼引擎將共同決定下一代軟件應用的實現(xiàn)程度和擴展性。
具體而言，在整個軟件工程的業(yè)務模型搭建階段，AI可以通過語義理解、推理等能力，幫助人類開發(fā)者將語義轉(zhuǎn)化為模型，并在低代碼平臺上進行業(yè)務建模與業(yè)務搭建。
從整體邏輯上，如果將軟件工程類比為建筑工程，傳統(tǒng)開發(fā)過程需要業(yè)主-建筑師-工程團隊三方參與，業(yè)主提供需求，建筑師負責建筑設計，而工程團隊負責最終的結(jié)構設計與施工。進入低代碼時代后，建筑師可以直接參與施工環(huán)節(jié)。而在未來，AI輔助下的低代碼開發(fā)，有可能讓需求直接轉(zhuǎn)化為建筑，極大地提升開發(fā)效率，降低整體成本。
距離終極目標，還有多遠？
1978年，圖靈獎得主Edsger W. Dijkstra曾撰文《論“自然語言編程”的愚蠢》，批判了自然語言編程的弊端。他認為，自然語言的“自然性”帶來了大量冗余的“廢話”，而數(shù)學符號、機器代碼則不存在冗余，數(shù)學與編程讓人們獲得了抽象思考的能力。
《論“自然語言編程”的愚蠢》
因此，Edsger悲觀地認為要想制造出一臺能夠?qū)⒆匀徽Z言轉(zhuǎn)換為程序的機器，也許要花費“數(shù)千年”的時間，而使用這些機器也許會和制造它們一樣困難。
不過，計算機科學40余年的發(fā)展速度，可能遠遠超過了Edsger在1978年的想象。如今，AIGC的神奇能力讓自然語言編程成為可能。有趣的是，Edsger在1978年將自然語言控制計算機稱為“黑魔法”（black art），現(xiàn)階段，人們也常常用“咒語”“魔法”等詞語形容AIGC領域的“提示詞”與“AI生成過程”。
前不久，CSDN創(chuàng)始人蔣濤以自動駕駛L1-L5的劃分標準為參考，對AI編程給出了C1-C5的分級標準：
C1級別，像輸入法一樣，打一行會自動補全提示；
C2級別，會在程序員打完一行代碼之后預測后面的代碼；
C3級別，可以生成完整的函數(shù)代碼，并且可以基于一段代碼之后生成代碼；
C4級別，能夠按程序員要求生成一個完整的模塊，完成不同編程語言的互譯；
C5級別，在程序員的有限提示下生成一個完整的項目。
如今，ChatGPT已經(jīng)實現(xiàn)了C3級別的“AI編程能力”。在低代碼開發(fā)領域，AI則可以跳過C1-C3的階段，直接從C4層面入手，將離散、抽象的業(yè)務需求，轉(zhuǎn)化為結(jié)構化、數(shù)學化的表達，從而輔助人類完成低代碼開發(fā)。因此，低代碼與AI的結(jié)合，能夠帶來更大的想象空間。
我們距離自然語言編程的終極目標，究竟還有多遠？顯然，如果將“自然語言下達需求，AI獨立完成開發(fā)”視為終極目標，我們還有很長的路要走。
但在低代碼開發(fā)領域，我們已經(jīng)可以看到，越來越多的低代碼開發(fā)工作都在轉(zhuǎn)化為“提示詞開發(fā)”（prompt engineering）。在低代碼平臺上，低代碼的比例正在逐步縮小，而無代碼的比例則在顯著增長。我們距離“動動嘴就能完成開發(fā)”的未來，已不再遙遠。
而與此同時，AI能力正在成為低代碼開發(fā)平臺下一個時代的競爭法寶。在這個產(chǎn)品、服務同質(zhì)化日趨嚴重的行業(yè)，AI的引入才剛剛起步。從現(xiàn)在開始，到AI成為低代碼平臺標配，低代碼廠商之間的AI戰(zhàn)事，將成為它們在下一個時代脫穎而出的關鍵。（文章來源36氪）
