Science新研究：AI編程正擴(kuò)大開(kāi)發(fā)者技能與收入差距，高頻使用的新手獲益最少
烏得勒支大學(xué)的研究團(tuán)隊(duì)借助機(jī)器學(xué)習(xí)方法，對(duì)GitHub上160097名開(kāi)發(fā)者提交的超3000萬(wàn)份Python代碼展開(kāi)了系統(tǒng)分析，首次大規(guī)模地揭示了AI編程的滲透現(xiàn)狀。
論文鏈接：https://www.science.org/doi/10.1126/science.adz9311
數(shù)據(jù)顯示，到2024年底，美國(guó)約29%的Python函數(shù)由AI輔助生成或直接生成，且在GitHub Copilot、ChatGPT等AI工具發(fā)布后，這一比例出現(xiàn)爆發(fā)式增長(zhǎng)。不過(guò)，AI的普及并不均衡，德國(guó)、法國(guó)的采用率約為23%-24%，印度快速追至20%，其他國(guó)家的采用率則明顯滯后。
需要注意的是，雖然AI大幅提升了資深開(kāi)發(fā)者的生產(chǎn)力與創(chuàng)新能力，但頻繁使用AI的早期職業(yè)開(kāi)發(fā)者并未獲得實(shí)質(zhì)的效率提升。這意味著，AI可能正在重塑軟件開(kāi)發(fā)領(lǐng)域的技能與職業(yè)發(fā)展階梯。
全球AI編程采納差異顯著
過(guò)去，了解生成式AI在實(shí)際工作中的使用情況，主要依靠開(kāi)發(fā)者的問(wèn)卷調(diào)查或短期受控實(shí)驗(yàn)。但這些方法存在明顯局限：受訪者可能因社會(huì)期許低報(bào)使用頻率，實(shí)驗(yàn)也難以捕捉長(zhǎng)期真實(shí)工作場(chǎng)景下的動(dòng)態(tài)變化。因此，要客觀、大規(guī)模衡量AI對(duì)生產(chǎn)力的真實(shí)影響，需要能直接觀察行為痕跡的新方法。
為此，研究團(tuán)隊(duì)創(chuàng)新性地訓(xùn)練了一個(gè)神經(jīng)分類(lèi)器。該分類(lèi)器通過(guò)GraphCodeBert模型深入理解代碼的數(shù)據(jù)流和結(jié)構(gòu)，并在包含純?nèi)祟?lèi)編寫(xiě)代碼與不同大語(yǔ)言模型生成的合成代碼的訓(xùn)練集上學(xué)習(xí)，能有效區(qū)分二者的細(xì)微差異。
圖｜將Python函數(shù)中的代碼分類(lèi)為人工生成或AI生成。
研究發(fā)現(xiàn)，截至2024年底，美國(guó)約29%的Python函數(shù)被標(biāo)記為AI生成或輔助完成。這一比例并非勻速上升，在GitHub Copilot預(yù)覽版推出、ChatGPT公開(kāi)上線及GPT-4發(fā)布等關(guān)鍵節(jié)點(diǎn)后，AI生成代碼占比均出現(xiàn)陡峭躍升。
圖｜美國(guó)GitHub用戶(hù)創(chuàng)建或大幅修改的Python函數(shù)占比，垂直線表示95%置信區(qū)間，揭示了AI關(guān)鍵事件與使用情況突變的對(duì)應(yīng)關(guān)系。
這表明，關(guān)鍵生成式AI工具的發(fā)布，會(huì)直接推動(dòng)AI生成代碼數(shù)量顯著增長(zhǎng)，印證了技術(shù)可用性提升能迅速激發(fā)開(kāi)發(fā)者實(shí)際應(yīng)用，并反映在代碼產(chǎn)出中。
不過(guò)，生成式AI在全球擴(kuò)散的同時(shí)，各國(guó)采納速度差異顯著：美國(guó)早期領(lǐng)先，但優(yōu)勢(shì)在收窄；德國(guó)、法國(guó)以23%-24%的采用率緊隨其后；印度采用率快速攀升至20%，展現(xiàn)出強(qiáng)大追趕勢(shì)頭；其他國(guó)家采用率則相對(duì)落后。這種差異可能源于本地化工具生態(tài)、全球主流模型訪問(wèn)限制及技術(shù)文化與應(yīng)用場(chǎng)景的不同。
AI編程的真正獲益者是誰(shuí)？
研究證實(shí)，生成式AI確實(shí)提升了整個(gè)行業(yè)的輸出效率。模型估計(jì)，當(dāng)AI生成代碼比例從0提升至29%（2024年底美國(guó)采用率）時(shí)，開(kāi)發(fā)者每季度代碼提交量平均增加3.6%。
圖｜基于用戶(hù)-季度面板回歸，結(jié)合用戶(hù)和季度固定效應(yīng)，估計(jì)生成式AI對(duì)用戶(hù)活動(dòng)的影響。
但深入個(gè)體層面分析發(fā)現(xiàn)，AI帶來(lái)的紅利并未被平等分享，呈現(xiàn)顯著分化。
對(duì)資深開(kāi)發(fā)者而言，AI不僅提高寫(xiě)代碼速度，更能放大其核心能力。將AI使用率提升至29%，資深開(kāi)發(fā)者代碼提交量增長(zhǎng)高達(dá)6.2%，遠(yuǎn)超行業(yè)平均。更重要的是，AI幫助他們輕松使用不熟悉的軟件庫(kù)和新技術(shù)組合，使其能更快進(jìn)入新領(lǐng)域、嘗試新方案，擴(kuò)展創(chuàng)新邊界。
圖｜相比有經(jīng)驗(yàn)的開(kāi)發(fā)者，缺乏經(jīng)驗(yàn)的開(kāi)發(fā)者生產(chǎn)力提升更少。
與直覺(jué)相反，盡管初級(jí)開(kāi)發(fā)者AI采用率更高（37%），但并未獲得可統(tǒng)計(jì)的顯著生產(chǎn)力提升。
圖｜按用戶(hù)GitHub使用年限劃分的生成式AI使用強(qiáng)度（2024年，美國(guó)）。
為何使用程度最高的人群獲益最少？研究指出，這可能源于工作性質(zhì)與使用方式的差異：資深開(kāi)發(fā)者善于在廣泛任務(wù)中利用AI，能高效審查調(diào)試復(fù)雜AI生成代碼；而新手可能更多用AI處理基礎(chǔ)、模板化任務(wù)，或因經(jīng)驗(yàn)不足難以有效利用和優(yōu)化AI產(chǎn)出。
早期職業(yè)開(kāi)發(fā)者雖使用AI頻率更高，但未像資深開(kāi)發(fā)者那樣獲得生產(chǎn)力或探索新領(lǐng)域的收益。這表明，AI可能替代了新手部分基礎(chǔ)編碼工作，卻未增強(qiáng)其解釋復(fù)雜代碼或系統(tǒng)性創(chuàng)新的能力，導(dǎo)致他們難以利用AI完成任務(wù)。
最終，AI顯著拉大了資深與初級(jí)開(kāi)發(fā)者的效率與創(chuàng)新差距。這不僅是當(dāng)前產(chǎn)出差異，更預(yù)示未來(lái)職業(yè)路徑分化：熟練駕馭AI的資深開(kāi)發(fā)者可能加速邁向更高價(jià)值工作，依賴(lài)AI卻未提升核心競(jìng)爭(zhēng)力的新手，可能面臨更激烈的同質(zhì)化競(jìng)爭(zhēng)。
本文來(lái)自微信公眾號(hào)“學(xué)術(shù)頭條”（ID：SciTouTiao），作者：王躍然，36氪經(jīng)授權(quán)發(fā)布。
本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。
免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com