程序员研发出智能办案系统

‘壹’ 软件是如何开发出来的

软件开发流程

先上一个软件开发的整体流程图，这就是大名鼎鼎的“瀑布模型（Waterfall Model）”。据说由温斯顿·罗伊斯（Winston Royce）在1970年提出。

1、环境部署

准备服务器，部署操作系统、软件环境、安全软件、FTP服务器等。数据库和应用可分开布置在多个服务器，也可布置在同一服务器。

准备网络，分为内网和外网。外网需要购买公网IP和域名。

负责人：网络管理员

2、软件开发

包括开发语言选择、架构设计、数据库设计等工作，并进行编码、编译、测试、打包。

负责人：程序员

3、软件部署

将程序文件上传到服务器，进行部署、配置，成功后即可通过客户端访问项目。

负责人：软件实施

软件开发阶段

下面以java语言开发为例，简单讲讲程序员是如何进行软件开发的。

（本部分参考了“软帝在线”公众号、博客园“架构与我”的文章）。

1、新建java文件（或工程）

java源代码本质上就是普通的文本文件，可以用txt等工具编辑java代码（程序员一般采用源代码编辑工具，如：Notepad++；或集成开发工具IDE，如：Eclipse）。txt编写后需将文件扩展名改成java。

2、编写代码

以“Hello World”举例编写代码：

public class HelloWorld {
public static void main(String[] args) {
System.out.println("Hello World");
}
}

该程序表示的意思是输出Hello World这样一段话。

3、编译程序

Java程序之所以能做到跨平台运行，是因为Java程序运行在JVM中的，然而JVM只能够识别字节码文件，而不能直接识别Java文件。所以需要先将Java文件编译成字节码文件，即class文件，然后字节码文件才能够在JVM中运行。

编译文件，可以通过手动执行Dos命令javac，或直接用编译器如Eclipse完成。

4、运行程序

可在Dos命令窗口中输入java命令，按回车，输出Hello World；

或在编译器的控制台中看到输出结果。

5、单元测试

单元测试（模块测试）是开发者对编写的一小段代码，检验一个很小的、很明确的功能是否正确。

通常采用JUnit框架（多数java开发环境已集成）进行测试，即所谓白盒测试，叫“白盒”是因为程序员知道被测试的软件如何（How）完成功能和完成什么样（What）的功能。

测试通过后，就完成了软件开发阶段，可以打包部署了。（IT售前圈）

‘贰’ chat- cgt是什么

ChatGPT（对话生成技术）是一种机器学习技术，可以根据输入的文本，自动生成高质量的文本输出，它能够模仿人类的塌掘对话行为，使机器能够与人类进行自然的对话。
ChatGPT技术的出现，确实会对底层程序员的就业有一定的影响。
由于它可以自动生成高质量的文本输出，传统的底层程序员慧御，尤其是一些编写文本信息的底层程序员，将会受到一定程度的影响。
同时，ChatGPT技术也可以用来自动生成文本，这将会对某些文本编辑和撰写的底层程序员造成影响。

然而，ChatGPT技术也不是完全取代底层程序员的技术。
它可以模仿人类的对话行为，但也有很多不足之处，尤其是它在输出质量上的不足。因此，底层程前衫岩序员仍然有必要进行校对、修改、编写等工作，以保证文本的高质量。但不会导致底层程序员全面失业。
自动化技术，包括人工智能，一直以来都在改变劳动力市场，导致一些工作被自动化，而另一些工作需要更高级别的技能。

因此， ChatGPT 的出现可能导致一些具体的程序员工作需求减少，但同时也会带来新的工作机会，例如人工智能开发、数据科学、以及相关的领域。
此外，人工智能需要大量的高质量数据、高级算法以及深入的人工智能知识才能构建和实施。因此，即使在自动化技术的影响下，仍然需要高级程序员来开发、部署和维护人工智能系统。

因此， ChatGPT 的出现不会导致底层程序员全面失业，但可能对一些具体的工作造成影响，需要程序员通过不断学习和提高自己的技能来应对这些变化。此外，ChatGPT技术并不能完全取代底层程序员的所有工作，而只能取代其中的一部分，因此它不会导致底层程序员的大规模失业。
总而言之，ChatGPT技术确实会对底层程序员的就业有一定的影响，但是不会导致底层程序员大规模失业。

底层程序员仍然需要运用其他技能，进行校对、一方面，ChatGPT可以帮助底层程序员完成重复性的任务，减少他们花在这些任务上的时间，使他们有更多的时间和精力去完成更加复杂、更有挑战性的任务。

另一方面，ChatGPT也可以为底层程序员提供支持，帮助他们快速解决问题，使得项目的开发效率大大提升，为企业的发展做出积极贡献。
此外，借助ChatGPT，底层程序员可以更加容易地接触到新技术，从而更好地掌握专业知识，提高职业技能水平，为企业带来更多的利益。
总之，ChatGPT的出现不会导致底层程序员失业，反而会给他们带来更丰富的工作内容。

‘叁’ 18年后，无人幸免

1

AI，真的觉醒了？

人工智能，会苏醒吗？

这是一个古老而又新奇的话题。

“ 深度学习 ”天生的 不可预测 ，加深了这种忧虑。

“ 神经网络 ”的 生物性类比 ，让“AI黑匣子”更让人担心。

最近，一个谷歌工程师再次引爆该话题：AI觉醒了？

2022年6月 ，谷歌工程师 Lemoine 表示，自己在与AI“ LaMDA ”聊天中，发现了后者的回答已经 高度人格化 ，认为该AI已经“ 觉醒 ”。

为此，Lemoine写了一篇长达 21页的调查报告 ，试图让高层认可AI的人格。

不过，谷歌高层暂未表态，希望获得更清晰的认定。

但Lemoine仿佛化身科幻电影主角，他没有放弃，将自己和AI的 聊天记录 公布于众，引发轩然大波。《 华盛顿邮报 》跟进报道后，更是在全球炸圈。

AI真的觉醒了吗？ 争议不断。

不管真相如何，有一点可以肯定：

因为 深度学习 和 神经网络 的加持，人工智能已经越来越“ 不可捉摸 ”。

2

那一夜，人类安然睡去

关于AI觉醒，让人想起了6年前的另一件事。

2016年3月13日 ，人类和AI在围棋上进行一场 智力的终极较量 。

在此之前，AI与人类较量屡屡得手。

但人类认为， 围棋是AI不可突破的天花板 。

因为可测宇宙原子总数约为 10^80 ，而围棋走法有 2.08*10^170 ，AlphaGo不可能依靠 计算量 和 算力枚举 来获胜，那么，拥有创造力的人类，怎么可能败给AI。如果围棋上败给了AI，那么说明它已经完成了“ 图灵测试 ”。

然而，前三局，李世石 一败再败 ，全世界震惊了。

第四局，李世石判断黑空中有棋，下出白 78挖 。李世石这史诗级的“ 神之一手 ”，体现了人类巅峰的 直觉、算力和创造力 。这也是人类 最后的尊严之战。

当年一个作者写下上段内容（有修改），并提到“ 23年后，无人幸免 ”，科学家建立了一个数学模型，判断 2040年 人工智能可能会达到普通人的智能水平，并引发 智力爆炸 。

面对越来越普遍的AI， 机器即将代替人类，AI正在迅速扩张 。

五年过去了，人类朝着“黑客帝国”大步迈进。

那么 18年 后，真的 无人幸免 ？

3

AI的另一面：不够稳定

以上两件事，本质上都是对 AI觉醒 的担忧。

一个拥有 自由意志 的AI不可信，最终会威胁到人类。

霍金 警告人类要正视人工智能带来的威胁。

比尔·盖茨 认为人工智能是“召唤恶魔”。

《 2001太空漫游 》中，超级电脑 HAL9000 在宇宙中将人类无情抹杀。

《 黑客帝国 》中，人类被AI禁锢在 矩阵 之中。

不过，实事求是地讲，对AI觉醒的不可信，仍然只是人类臆测。

虽然科幻电影里描写得残酷冰冷，也还没有得到普遍证实。

但AI的另一个“不可信”，却是真实存在的。

它不是太聪明太智慧或者产生意识，而是不够稳定 。

这种不稳定，产生的后果才真的“瘆人”。

关于人工智能“ 失灵 ”的例子还有很多很多，这是AI 不够沉稳 的一面。

这才是实实在在“ 不可信 ”的地方，也是AI对人类真正的威胁。

我们不愿意看到 AI 的 “觉醒”， 但更不能接受 人工智能 的 “轻率” 。

4

人类需要的是一个可信的AI

所以，人类需要一个“ 可信AI ”。

AI是聪明还是愚蠢，也许并不重要。

AI是进化还是退化，可能暂时只是一个伪命题。

人类需要的是一个可靠的助手，一个值得信任的机器助理 。

我是你的创造者，你得听我的吧，不能瞎捣乱。

阿西莫夫在七十年前就提出了“ 机器人学三大定律 ”：

这是人类在 AI伦理 思考中的方向。

可以把它称为是 人工智能 社会 的道德准则 。

对于人类来说，可信，才是我们对AI最重要的需求。

如果从“ 贝叶斯-拉普拉斯 ”定理开始溯源人工智能，目标是解决“ 逆向概率 ”问题，其实本质就是解决AI的 可信赖度 。

如果不能做到可信，AI就有可能反噬人类。

最起码AI与我们相伴要保证人类两点： 生命安全 与 财产安全 。

以 自动驾驶 为例，如果人工智能以准确率为 99.99% 概率推算， 0.01% 的失误率依旧会让人心惊胆战。如果未来城市有 一百万辆 自动驾驶 汽车 ，即便是 0.01% 的失误率，对人类生命安全造成威胁的隐患车辆仍有 一百辆 。

如果我们不能拥有可信AI，我们自然无法确定，人工智能给我们带来的到底是技术的进步，还是无数潜在的威胁。

但实际上 它才是人工智能领域最有价值的航灯，也是现在 科技 公司追求的方向 。

5

什么是可信AI，

这16个技术小哥在做什么？

所以，什么是可信AI？

可能很多人还不知道，先得把这个定义弄清楚。

我们可以先看一档节目《 燃烧吧，天才程序员2·可信AI 》。

这款综艺节目第一季在 豆瓣评分8.0 ，让人脑洞大开。

在第二季中，1 6个AI技术小伙 分为四个团队待在“小黑屋”中 四天三夜 ，完成 60个小时 任务挑战。

比赛中，他们需要与“ 黑产 ”进行无数次较量，培养出与帮助人类的“可信AI”，打败“黑产”，最终决出 最强团队 。

关于程序技术的综艺节目，在中国乃至世界都非常稀缺 。

一方面程序与代码本身过于硬核，普通人难以理解。

另一方面则是节目脚本设置冲突相比其他综艺要更难一些。

但《燃烧吧，天才程序员2·可信AI》通过“ 反诈骗 ”这一实际场景需要，以此构建起节目的比赛逻辑。

16个AI技术小伙需要直面欺诈交易识别、联合反诈等关卡的挑战 。

通过AI与攻防互相协作，覆盖反诈全链路。

比赛之中，程序员们通过创造“可信AI”，完成“ 科技 反诈”。

哪一个团队产出的 算法和模型 在数据的 识别准确率 和 覆盖率 更好，就能赢得比赛胜利。

虽然不如《 黑客帝国 》那般深刻宏大，也不如《 人工智能 》那样发人深省。

但《燃烧吧，天才程序员》却通过 真实的应用场景 ，解决现实生活存在的实际问题。

当你看完整个节目时就会明白，原来这就是可信AI：依照 现有数据 构建 智能模型 ，非常稳定地解决 现实难题 。

可信AI的 技术应用范围 非常广泛， 反诈 是其中一个重要应用场景。

可信AI没有那么遥远，它近在咫尺。它也没有那么神秘，很多时候它就是你身边的小助理。

当前基于 神经网络 的AI技术非常酷，同时占据AI话题至高点，以创造力和神秘性提供太多想象空间，也是许多AI技术员仰视的圣殿。但它面临的问题也非常多： 具有不可解释、鲁棒性差、过于依赖数据等缺陷，隐藏着许多潜在危害 。

而可信AI的存在，就是为了解决这些“ 信任危机 ”问题。

如果说基于 神经网络 的AI技术有着 强烈的理想主义 ，那么基于 大数据整理 的AI技术则是一个 脚踏实地的现实执行者。

6

可信AI的技术特点

要真正了解可信AI对人类的帮助，需要从技术底层入手。

可信AI有四大技术特点：鲁棒性、隐私保护、可解释性、公平性 。

01

鲁棒性

鲁棒性指 在异常和危险情况下系统生存的能力和算法稳定 。

1、前者指的是 系统抗打击的能力 ，如计算机软件在 输入错误 、磁盘故障、 网络过载 或恶意攻击情况下，能否 不死机 、 不崩溃 。打个比方，如果把一个 AI模型 比喻成 万里长城 ，那么其鲁棒性便是长城在面对恶劣天气（如台风）、自然灾害（如地震）时，人工轰炸时仍然可以做到 不轻易倒塌 。

2、后者指的是 AI模型中算法本身的稳定性 ，如果添加扰动的熊猫照片，轻易就绕开了AI模型的“眼睛”，则说明其鲁棒性比较差；比如在 欺诈交易 中，由于 作案手法 不断升级，可能导致基于既往数据训练的模型，面临着新风险数据带来的 稳定性考验 ，需要 不断迭代 来保障模型的 分析和识别能力 。

以 支付宝 为例。支付宝每天都有 上亿笔交易 ，其 对抗的不是散户，而是专业的黑产团伙 。他们可能有两种攻击方式：

为了保障资金安全，蚂蚁集团引入“ 博弈智能攻防 ”技术，该技术具有对 风险知识 和 模型 的 提前模拟、提前训练、提前补防 的能力。应用该技术的AI模型鲁棒性有大幅提升，实现“ 左右互搏 ”，既能够更智能地“攻”，也能更安全地“防”。

02

隐私保护

传统的数据保护方法客观上形成了“ 数据孤岛 ”，影响了如医疗、金融等领域的协同作战，也制约 AI 技术以及行业发展。

所以， 拓展数据价值的隐私计算技术，对实现“数据不动价值动”显得尤为重要 。

在AI领域， 联邦学习 作为一种新的机器学习模型和算法，就是为解决数据孤岛问题而提出的。在保证每个参与方不泄露原始数据，即 数据不出域 的前提下，用多方的数据联合建模，实现数据 可用不可见 ，进而实现“数据不动价值动”。

03

可解释性

人类对一切未知的东西，始终都会有一种莫名的恐惧。

如果人工智能的行为无法进行解释，只有结果没有过程，那么它就像是一个盲盒，你永远不知道放出来的是“阿拉丁”，还是“潘多拉”。

AI 模型是许多重要决策的重要依据，在很多应用里它的思考过程不能是黑盒 。

人类希望知道模型 背后的逻辑 、收获新的知识，并在它出现问题时踩好刹车，确保 AI 思考的过程和结果 合规合法 。

这背后需要 数据驱动 与 模型推理能力 结合起来，产生 可解释的结果 。

04

公平性

AI公平性是可信AI的重要组成部分。

只有实现“ 公平性 ”，才能真正推动技术 造福 于整个 社会 。

一方面，公平性需要重视 弱势人群 、兼顾 落后地区发展 ，在重视 社会 伦理原则下进行 AI 调优 ，通过 AI 技术，让老年人、残障人士、欠发达地区用户，享受到 数字经济时代 的价值。

另一方面，公平性要思考如何从技术上思考如何减少算法、数据等因素可能带来的 AI 决策偏见 。

鲁棒性、隐私保护、可解释性、公平性 。

这是可信AI的 四大基本原则 。

今天，发展可信AI，已经成为 全球共识 。

特别是对于领先的 科技 公司来讲，他们是要服务用户且不能犯错误的。

微软 、谷歌、 蚂蚁 、京东、 腾讯 、旷世等 科技 企业，都在积极开展可信AI的研究和 探索 。

其中，蚂蚁在可信AI上已有很多 技术优势 ，自 2015年 开始投入研究起，已经完成了 长达7年 的 可信AI技术积累之路 。

据 2021年 权威专利机构 IPR daily 发布的《 人工智能安全可信关键技术专利报告 》显示，蚂蚁集团旗下的 支付宝 在该领域的 专利申请数 和 授权数 ，均位列全 球第一 。

7

可信AI的应用 探索

基于可信AI的以上特点，应用场景多种多样。

AI在 医疗 、教育、 工业 、金融等多个领域的广泛应用，算法安全性、数据滥用、数据歧视等问题也层出不穷。当前AI技术的 主要矛盾， 已经转化为 人们对AI日益增长的应用范围需求和AI不可信不够稳的发展之间的矛盾 。

2018年，IBM开发了多个AI可信工具，以评估测试人工智能产品在研发过程中的公平性、鲁棒性、可解释性、可问责性、价值一致性。之后IBM将这些工具捐献给Linux Foundation并成为了开源项目，帮助开发人员和数据科学家构建可信、安全、可解释的人工智能系统。

作为可信AI领域的先行者之一，蚂蚁也做了不少 探索 。

蚂蚁的可信AI技术应用最好的实践结果是，自研了一套 智能风控解决方案 ，定名 IMAGE 。这套技术体系实现了用可信AI技术保障风控业务安全的问题，且达到了非常好的效果。

它能将支付宝 资损率 控制在 千万分之0.098， 解决了 风控场景 中的诸多 世界难题 。

还有一个例子，是支付宝的“ 叫醒热线 ”——从系统识别到用户遇到诈骗风险，到AI机器人向用户呼出“ 叫醒电话 ”，它能把整个过程控制在 0.1秒 内 。

蚂蚁集团基于可信AI的IMAGE风控体系

另外在可信AI的公平性方面，蚂蚁也有自己的实际应用。

目前业内广泛使用的“ 图形滑块验证码 ”一直是视障人群接入数字化服务的巨大障碍。但许多 APP 为了防范机器批量操作，又不得不保留验证码服务。

为此，蚂蚁开发了一套“ 空中手势 ”验证码方案，可以利用“ 行为识别 ”技术帮助视障群体通过“ 验证码 ”关卡。

可信AI的应用 探索 ，并不会让AI技术失去它的可能性。

它更像是一种伦理规范的约束条约，让AI在正确的轨道上前行 。

8

18年后，人类真的无人幸免？

让我们回到一开始的问题。

AI真的会觉醒吗？

一百年前的人类，很难想象我们如今生活的这个高度数字化世界 。

那么，一百年后，人工智能会发生什么变革，我们真的无法预测。

但AI对人类是福是祸，是一个攸关人类命运的重要课题。

按照现在AI发展的模式来看，未来的AI可能会分为两大派：

一派是自我独立的智能AI，一派是追随人类的可信AI 。

当然，还有人在问，AI真的会存在 独立意志 吗？

这要看从科学上如何去解释，一个AI系统是可以“坎陷”到具有“ 自我意识 ”的状态，差别只在于“坎陷”的深度和鲁棒性，这可以解释AlphaZero为什么能够自我“坎陷”到围棋大师，如果再 “ 坎陷 ”下去呢？ 这 一派AI，可能会对人类造成我们认定的“威胁” 。

另一派AI，即可信AI，它们会在 四大基本原则 的架构中不断完善自我 ，帮助人类解决更多实际问题，成为人类可靠的助手，并与人类共存共生 。那么，它们会一直帮助和保护人类吗？

但无论未来如何发展，不同的技术方向或许带来不同的悲剧或者喜剧，但有一点可以确定：

AI技术在四面突击，不论是可信AI还是智能AI，最终会落地深入到我们生活的方方面面 。它会渗透到世界的每一个角落，在很多方面取代“无用之人”。

不管我们如何担忧，AI只会变得越来越强大，而人类的进化又显得如此龟速，甚至退化堕落。

那么， 18年后，有多少人可以幸免？