GitHub Copilot Workspace、Amazon Q 与 Sam Altman 谈 AI 下一步

在这期 2024 年 5 月的新闻回顾中，我考察 GitHub Copilot Workspace 和 Amazon Q 这两种 AI 辅助开发方案，还会讨论 Rabbit R1、Sam Altman 的发言、一支 Sora 音乐视频和 OpenVoice V2。视频说明推广了 Pinecone；视频中没有口播赞助环节。

GitHub Copilot 最初是一款编辑器助手，能在开发者输入时建议代码。Workspace 将工作流扩展到整个任务：从问题或功能描述出发，提出规格、计划和代码变更。GitHub 将其作为技术预览推出，并未保证所有任务都能自主完成。

GitHub 引用早期研究中最高 55% 的生产率提升。该数字针对特定受控编程任务，不应推广至所有开发者或项目。我还担心，不经检查就接受生成代码可能传播漏洞或较低质量的模式；这是担忧，并非模型训练已经造成这一结果的证据。

我使用 Copilot Chat 的体验不如自动补全令人印象深刻。Workspace 更吸引我，因为它将规划和实现连接起来，同时允许开发者编辑步骤并审查输出。

在 GitHub 的例子中，一条问题要求为游戏创建 AI 玩家。用户在 Workspace 中打开问题，审查并编辑生成的规格，要求生成计划，然后开始实现。建议的变更以差异视图呈现，用户可以检查和修改。

演示还展示了创建拉取请求前的实时预览。我认为这个工具能增强开发者，而不是取代他们：人仍需判断规格是否合理，以及生成的代码是否安全、正确。

GitHub 演示了从问题和代码库上下文生成可编辑规格的流程。计划可以添加、修改或删除文件，并描述每一步的预期工作，因此开发者可以在生成代码之前修改计划。

Workspace 将变更逐步显示在差异视图中，并提供编辑器和集成终端运行测试。开发者可以打开 Codespace 进行更多调试，再创建附有生成描述和 Workspace 链接的拉取请求；正常检查和审查仍然适用。

该界面还设计为可在移动设备上使用。能够通过手机审查项目并作出贡献的想法令人惊叹，但工作流演示不能证明每一项生成变更的质量。

Amazon Q 采用更广泛的企业和开发者路线。AWS 于 2024 年 4 月宣布 Q Developer 和 Q Business 正式推出，但各项功能的开放状态不同；Q Apps 当时处于预览阶段，并非已经正式推出。

Amazon 将 Q Developer 描述为可帮助编程、测试、排障、安全扫描和执行 AWS 相关任务的助手。这些是产品功能，而 AWS 对性能的说法并不能独立证明生成代码总是准确的。我自己当时还没有测试该产品。

演示包含一个代码转换流程。画面明确显示将 Java 8 或 11 项目升级至 Java 17，而不是将项目转换为 Java 8；AWS 的 [2024 年公告](https://aws.amazon.com/blogs/aws/amazon-q-developer-now-generally-available-includes-new-capabilities-to-reimagine-developer-experience/)也描述了这一升级方向。

QuickSight 中的 Amazon Q 将自然语言用于商业智能。演示中，用户要求生成关于盈利趋势的分析，系统返回带图表和建议指标的报告。这个例子展示了一种可能的工作流，不能取代对数据和分析的检查。

Amazon Q Apps 让员工描述一个基于公司数据的小型生成式 AI 应用。例子是一个入职计划工具：输入职位及按周、60 天或 90 天的结构，生成指导内容；生成的应用可以反复使用。AWS 后来于 2024 年 7 月正式推出 Q Apps。

我也一直在使用 Rabbit R1。它最初的电池消耗很快，但更新后，我自己的设备似乎有明显改善：我观察到两小时约消耗 5% 的电量。这只是个人观察，并非受控的续航测试，也不能保证其他设备有同样表现。

一篇报道展示了 Rabbit 界面作为 Android 应用在手机上运行。该设备使用 Android 开源项目，一位研究者让提取出的应用在 Pixel 手机上运行；这本身不能证明每项硬件功能或后台服务都能在手机上独立工作。

Rabbit 表示知道非官方模拟器的存在，并不打算支持第三方客户端。我喜欢 R1 的外观设计，也疑惑公司为什么不同时提供应用；约 200 美元的价格和我的正面印象都属于这次 2024 年的讨论。

在斯坦福的一场活动上，OpenAI 首席执行官 Sam Altman 讨论如何建造规模大得多的计算机。他将 AI 基础设施视为一个相互关联的系统，涉及能源、数据中心、芯片、芯片设计和网络，而不是单一的半导体项目。

Altman 说，如果 AI 系统达到他所称的博士级及更高智能，OpenAI 仍需弄清如何最好地将其包装成产品并造福社会。这是面向未来的愿景和尚待解决的产品问题，并非这种通用智能已经实现的证据。

Altman 称当时的 ChatGPT 有些令人尴尬，并预测后续系统会大幅超越 GPT-4。我怀疑他可能见过更强的内部技术，但这只是猜测，并非对未发布模型的确证描述。

他主张迭代部署：发布不完美的系统，从反馈中学习，并让个人和机构随着能力变化作出调整。他说，早期使用可以揭示模型在哪些方面表现良好、在哪些方面失败，以及人们希望从中获得什么。

Altman 补充说，人们需要时间把这些工具融入生活，并影响其发展。他认为渐进式部署是当时最好的方法，同时承认未来的情况可能改变这一判断。

被问到更担心灾难性还是隐蔽的 AI 风险时，Altman 说两者都很严重，但他尤其担心人们可能忽视不那么明显的影响。采访者关于社交媒体和注意力的例子是一个类比，并非诊断或已经证明的因果结论。

他还担忧，随着技术变化，社会是否能足够快地适应并形成新的社会契约。他认为人们可能高估短期变化、低估长期变化；这是一种预测，而非已经确立的结果。

接下来节目展示 Washed Out 的《The Hardest Part》片段，该作品由 Paul Trillo 使用 OpenAI 当时尚未发布的 Sora 执导并剪辑。艺术家将其称为首支用 Sora 制作的官方音乐视频；人类导演的创作和剪辑仍是制作的一部分。

最后，MyShell 的 OpenVoice V2 演示展示了声音克隆，以及多语言、多风格语音。该项目支持声音迁移和多语言生成，但宣传中“任何声音或语言”的说法不应被理解为已证明所有情况下性能都一样。

示例播放了不同声音和短句，我认为演示令人印象深刻。我询问观众是否希望将来看到安装和使用教程。