GPT-4 炸裂成那样,前端真的还有机会吗?我是这么看的~

语言: CN / TW / HK

theme: v-green

本文正在参加「金石计划」

flag:每月至少产出三篇高质量文章~

1、为什么说 “xx si了” ?

年后的这段时间,MM 上最火的的话题莫过于 “XX已死” 了吧,今天这个岗位si,明天又轮到下一个,周而复始.....我觉得主要有以下的几个原因吧:

  1. 后YQ时代的大环境(监管走严以及政策的脱虚向实),导致整个行业的用工需求萎缩;
  2. 仍在高位的毕业生数量,导致的僧多粥少的格局;
  3. chatGPT 为代表的人工智能的突然爆发,导致被机器取代的焦虑在逐渐蔓延;
  4. 前端生态已趋于完善,三大框架鼎足而立,开发范式已基本稳定。而且也已多年未出现真正具有挑战三大框架地位的新玩意了,大家也卷不起来了,无非就是去卷工具了,各种 GoRust 重写的前端工具;

特别是在前几天 GPT-4 那个令人印象很深刻的demo:GPT-4 可以将网站的手绘草图变成功能齐全的网站,包括用一些 JS 来写 “Reveal Punchline” 按钮。

image.png

我想大多人看了之后的第一感觉都是:WTF!!?这么NB的吗,这样都可以,那还要我一个切图仔作甚??不止国内,国外也是一片哀嚎:

image.png

问题是大家平时都是开发这种“高级”页面?这种事情早在十几年前就有工具干过了,还记得吗?就是曾经的网页开发神器 —— Dreamweaver,只不过,它现在加了一个图像识别的玩意又吓了你一次。实际上,几乎从很早开始,就有人担心 Web 开发人员会被某些新技术淘汰。在 2000 年代,它是 WordPress。在 2010 年代,它是 Webflow。在 2020 年代初期,它是“无代码”、“低代码”工具。

2、为什么说 "xx 不会si" ?

先来看看最近两天很火的:

IMG_6265.JPG

IMG_6262.JPG

就这,恐怕连设计师都还取代不了!

难怪有人说,文心一言和chatGPT最大的区别是,文心一言是人工,chatGPT是智能。我真是笑不活了!

PS:哈哈,开个玩笑哈!虽然不完美,但人家 BD 有勇气扛起这面旗帜,起码架子已经搭起来了,点赞!

如果说永远不会si,绝对了点,那至少可以肯定的是短期内还si不了。为什么这么说呢?我的思考主要有以下几点:

2.1 数据的准确性

至少到目前为止,我们看到的大多数 demo 所演示的范围都很有限:一个简单的 HTML 页面,或者一个 JavaScript 函数,这些我们本来就可以通过搜索引擎去干的事情,只不过效率上比 chatGPT 慢一点而已。但实际上,如果你真的有经常使用 chatGPT,你会发现,它其实并不是每次都能给到你想要的答案,而且偶尔还是错误的答案。所以,它本身就有一个致命的问题:准确率!

ChatGPT 是一个大规模的语言模型,不断地训练以提高响应的准确性。然而,由于这是一项全新的技术,该模型尚未经过充分的训练。因此,人工智能聊天机器人可能会提供错误的答案。正因为如此,StackOverflow 禁止了 ChatGPT,并表示:“总的来说,由于从 ChatGPT 获得正确答案的平均比率太低,发布由 ChatGPT 生成的答案对我们的网站以及询问或搜索正确答案的用户来说是非常有害的。”

其实这背后的逻辑并不难理解,chatGPT 所训练的数据来源于互联网,它目前还具备自我生成、左右手互博的能力,也就意味着,答案的最终来源仍然是网页背后千千万万的开发者。如果他们被一瞬间干掉了,chatGPT 的数据从哪来?答案的保真度、新鲜度从何而来?你敢说 2 年、3年、5年后的React写法、功能和现在一样?还有那千千万万不断迭代的 npm 包!

更有甚的可能会是一些严重的社会民生问题,比如,你司的医疗APP接入 chatGPT,作为24小时人工智能客服机器人给病人问诊开药,你能保证机器人不会将感冒错误地诊断为XinGuan?你能保证机器人不会给病人开错药?

因此,准确性可能会逐渐提高,但永远不会完美,因为互联网上的数据本身准确性就非常有问题。在庞大的用户群面前,哪怕一两个典型的事件就足可能杀死一家公司,更别说几十上百件。

2.2 代码调试

准确率的问题必然就带来另一个更重要的问题:调试~ 没几个人敢说他的代码是不需要经过调试、测试、联调,一把搜哈就可以直接上生产的。

在你充分给足问题上下文的前提下,你让 chatGPT 生成一个几十行的代码 snippet,它大多数情况下会给你一个不需要太多修改的答案。但是,这和吐出一个可以直接上生产的 Web 应用程序之间还是存在比较大的差异的。

特别是当我们的工程比较复杂,变得比较大之后,各种问题就来了,哪怕你 chatGPT 的准确率高达98%,在巨大的代码量和文件相互之间复杂引用关系的情况下,问题代码的数量不可小觑,依然需要经验丰富的工程师来调试。

2.3 新需求

大家日常开发中,大多数的需求应该还是可以闭着眼就能完成的,毕竟谁还不会 CV 大法呢,你说是吧?找个类似的页面,扣过来一顿魔改,run 出去,done!

但是!某一天,产品说,市场那边反馈了,我们需要做一个新功能:做一个会根据手机壳颜色而改变主题颜色的APP!

image.png

于是,你把这一句话需求输入到 chatGPT,满心欢喜地等待答案:

image.png

代码: ```html

Change Theme Color Based on Phone Case