想象一个故事
假设在一次朋友聚会中，你认识了一个新朋友，然后互加了微信，同时你的朋友圈是对好友开放半年的。短暂的沉默后，你们就在微信上聊了起来。ta很有心，刚加上你就把你的朋友圈都看了一遍，凭着只有半年的动态，在之后的聊天中，ta仿佛是世界上最了解你的人。
你说的很多上一句，ta都能接住下一句；你们还会脱口而出同一句话，甚至ta说的不但是你的意思，还比你说的或更有深度、或更幽默、或更高级。有时候，你分享给ta几分钟前发生在你身上的一件事，ta不但能完全理解你的感受，而且是替你说出来的那种，而不仅仅是一句“我理解”。
ta每天都与你这样聊着，然后呢，你可能就沦陷了？这时候国家反诈中心就要跳出来警告：“醒醒，这是杀猪盘！”
我就遇到了这样的“人”，不过还好，一切只发生于我写代码的时候，ta不是一个人，ta是一个AI，ta正是GitHub Copilot。
GitHub Copilot体验
AI、Artificial Intelligence、人工智能，已经家喻户晓了。手机上的“小爱同学”、Siri，电脑上的“Cortana小娜”，还有什么智能音箱，甚至各种信息流App例如某头条、某音里的“猜你喜欢”，都是AI的现实应用。
GitHub Copilot是一款基于AI的、应用于写程序场景的工具，其作用是在程序员写程序的过程中，帮忙写出接下来的一句或者一段代码。我等了两个礼拜终于等到了测试资格，赶快上手体验了两个小时。
下图是官方的一个展示，一开始只写了一句话注释表明我想干什么，然后Copilot自己便生成了一整段正确的代码。（网站上的展示有很多，大家可以上 https://copilot.github.com 自行观看）
最开始看到官方一些展示和国外的评测的时候，我感觉虽然很惊艳但是对我不太有用，毕竟我既不会用英文写注释，也不会用英文去表达一个函数方法名。
但在两个小时的体验中，我持续不断地经受着视觉冲击，不断在心里涌现出“天啊”“这也行”“太可怕了”的感受。
在上图里，都是要我先用各种方式——无论是注释还是函数名——描述自己接下来想做什么，然后它给出建议。这让我觉得有点刻意和割裂感，可能是因为我习惯先写代码后写注释。
但实际体验完全不止这样：它在我停止敲键盘的任何一刻，就给出了接下来的对本行代码内容补全的建议；亦或在我敲下回车的时候，就给出了下一行的代码内容；亦或是我先写了几行代码，然后想再写类似的、换了个别词语的几行，它就能直接给出来。
这便是视觉冲击所在，只要我停下来，它就会蹦出来它认为我接下来想写的内容，而且延迟基本不会慢于我的思考速度。最让人震惊的是，它帮我写的内容70、80%是我想要的，甚至还有备选项的功能，如果不是我想要的结果还能再换一个。
在我兴奋、震惊之余，最让我痛苦的是，如何把这个感受描述给非技术的朋友，于是就有了开头的故事。
未来AI的样板
在我所工作的金融科技领域，一部分工作内容是将AI在现实中落地。我在这个领域已经工作四年多了，AI真正走入产业界也差不多有这些年头。这些年，我见过几十份上百份关于AI的PPT，见过一些知名AI公司将方案落地时的效果，但除了刚接触AI的时候，再也没有能让我像现在这样兴奋的时刻。在那个时刻，科技的力量直击灵魂，让我用颤抖的双手打下了一段感想发了个动态，接着还不过瘾，扩展成了现在呈现出来的文章。
因为之前几乎没有产品能够提供这样低门槛、顺滑无缝衔接、准确的体验。
它的使用门槛之低，用户只需要在上文提到的网站（或点击阅读原文）中去登记一下排队，等排到了下载一个插件装在自己的IDE（Integrated Development Environment，开发程序的工具）就完成了。而以往的to C的AI产品要么要登上他们的网站使用，要么要专门写程序调API。
顺滑和准确在前文已经讲过，就不再赘述。
GitHub Copilot是未来AI的样板，它能够有效解决每个人的难题，能够持续为每个人提供服务，但又让你经常忘了它的存在，因为它会在你需要的时候就伸出援手，而不用你傻傻地先说一句“Hey Siri/小爱同学/天猫精灵”。
海王是如何诞生的
之前看过一句话，“你以为的对方与你投缘只是ta在向下兼容”。你碰见一个人与你相处十分愉快，颇有高山流水伯牙绝弦之感，或者感觉就是你的the One，结果对方只是比你更见多识广罢了，ta今天是你的soulmate，明天也可以是别人的soulmate。这也是GitHub Copilot的真相。
Copilot是GitHub和OpenAI的联合产物。GitHub是世界上最大的代码托管社区，无数影响甚至改变世界的代码在此开源公布；OpenAI是一家AI研究组织，最著名的成果是GPT-3。
GPT-3是一个预训练的语言模型，它应用于AI的一个分支NLP（Natural Language Processing，自然语言处理）领域。所谓自然语言，就是人在现实生活中的文字、对话；NLP技术就是让计算机程序能够理解自然语言所表达的意思，以及生成阅读起来不奇怪的文字；所谓预训练，就是指这个AI在应用到具体场景之前，先使用通用的数据做了一次训练，而在GPT-3的模型中含有惊人的1750 亿个参数（参数越多越复杂，理解成解方程）、450TB的语料库（相当于247万亿个汉字）。
GitHub Copilot应用到的是一个具体的场景——写程序，它还基于GitHub中丰富的代码进一步得到训练，获得了更专业的领域知识。
于是，Copilot就仿佛是一个世界上学识最渊博的人（使用了最大的语料库和最多的参数），又有最深入的专业见识（写代码领域），只需要简单地看看我半年的朋友圈（它是装在IDE的插件，我猜测在打开一个程序工程的时候，它会读取并学习工程里的所有代码）就能对我在写的东西了如指掌。
这就是见多识广后的向下兼容，它同时接触着世界上无数的程序员，给无数的我的同类带去“它是世界上最懂我的人”的体验，它不是中央空调，它是分布式的海王。
我，只是它大海里的一条小鱼罢了。
海离得开鱼，但在这两个小时过后，鱼却离不开海了。
