生成式AI及其对API和软件开发的影响

生成式AI已经激发了全世界的想象力。过去，计算机在许多方面都超越了人类，但大多数情况下，它们擅长的是重复性和确定性的任务。程序员编写的算法旨在反复且准确地执行任务，除非出现“bug”。当出现问题时，技术熟练的人类会修正计算机程序中的bug。然而，随着ChatGPT等生成式AI工具的出现，这种范式正在发生转变，因为计算机似乎已经实现了从确定性能力到创造性思维的飞跃。

生成式AI以文本API、语音API 或图像API 形式产生的输出可以取悦人类并增强我们的思考，但如果被滥用，它也可能造成破坏。我们目前还不知道这方面的极限在哪里。然而，我们已经深入思考了生成式AI对人类-计算机交互、软件开发和API的深远影响。

AI机器人将有助于推动人机交互的发展。与我们目前广泛使用的Alexa和Siri等工具相比，当前的大型语言模型（LLMs）所能实现的功能显得相形见绌。《纽约时报》概述了人们正在利用这些功能的一些非常有趣的方式。随着这些机器人的不断进步，我们可以想象会出现更多复杂的应用场景。这些新的应用场景将催生新的习惯，从而推动新一轮的技术进步。

在我看来，这些与计算机互动的新方式将从根本上改变我们与软件的关系。就像在个人计算、互联网浏览器和我们可以随身携带的移动设备方面，图形用户界面（GUI）的飞跃一样，由生成式AI驱动的交互将使我们重新思考未来软件的开发方式。

生成式AI不仅将改变我们与技术的交互方式，还将促使我们重新构想软件的构建和设计原则，以适应更加智能、灵活和个性化的需求。这将是一个持续演进的过程，随着技术的不断进步，我们将看到更多创新性的应用场景和解决方案不断涌现。

展望未来，所有的软件界面都将配备具有创造性的助手，它们将为我们获取信息和数据、执行操作，并辅助我们完成各种任务。然而，这些机器人并不仅限于聊天界面。我相信它们将深度嵌入人类已经与计算机进行交互的现有工作流程中。例如，机器人将开始协助完成繁重的用户界面和数据任务，通过语音进行交互，当然也包括通过聊天机制进行交互。

聊天机器人示例：聊天机器人服务-Chatbase 、AI 聊天机器人-sendbird 、AI聊天机器人-Chatling 等

我认为具有巨大潜力的一个领域是简化复杂的图形用户界面（GUI）。对于复杂的任务，图形用户界面往往变得难以使用，各种操作隐藏在成排的按钮、菜单、快捷键和程序后面。人们需要多年的训练才能熟练掌握这些界面，即便如此，大多数人仍在使用时感到困难重重。而基于领域理解训练的生成式AI则有可能简化这些体验。生成式AI能够理解用户的意图和上下文，从而提供更加直观、简洁和高效的交互方式，使用户能够更轻松地完成复杂的任务。

然而，这些机器人只能通过API执行“操作”。API是驱动AI“思考”的手和脚。API将这些机器人与数据以及动词和名词连接起来，以便在现实世界中完成任务。其中一些机器人可能是完全自主的。Auto-GPT是一个最近越来越受欢迎的实验项目，它可以将一系列操作串联起来，以实现人类设定的目标。如果这些机器人继续受到欢迎，那么确保它们调用的API经过验证和测试以产生正确的结果将变得至关重要。到目前为止，我们主要设计的是供人类使用的应用程序的API，但为机器设计API将成为一个日益重要的领域。

如果你是某个组织的领导者，那么这对你意味着什么呢？如果你的组织没有API或API设计得很差，那么你在这些机器人眼中就是隐形的。这意味着你的组织将无法利用这些新兴技术来提高效率、自动化任务或创新产品和服务。因此，你需要考虑投资于API的设计和开发，以确保你的组织能够跟上技术发展的步伐，并与这些机器人进行交互。这可能涉及到重新评估你的业务流程、数据架构和软件开发实践，以确保它们能够支持API的集成和使用。

我们认为，为了参与软件世界中的价值交换，公司需要加倍努力实施其以API为首的战略。公司已经利用多种渠道与消费者进行互动；这是他们利用已建立的能力的另一种方式。

到目前为止，供消费者使用的免费大型语言模型（LLM）都是基于公开可用的数据源进行训练的，这意味着大多数LLM将很快被商品化。能够创建、收集或验证高价值数据的组织和个人在这一等式的数据端占据有利地位（例如，彭博社最近开发了一个利用其专有金融数据的生成式AI模型）。

大型语言模型API示例：360多模态大语言模型、百度文心一言大模型、金融语言模型ntropy 、Baichuan文本生成模型、腾讯混元大模型等

如果公司打算将数据变现，就需要为正确的用例和错误的用例制定明确的指导方针。这需要在新的世界中设计和开发适当的API来访问数据。监管指南也将发挥巨大作用，但需要一段时间才能跟上。与此同时，公司还需要迎头赶上，以保护其获取的数据。这意味着公司需要投资于数据安全和隐私保护，以确保其数据在传输、存储和处理过程中不被未经授权的访问、使用或泄露。此外，公司还需要确保其数据使用符合相关法规和行业标准，以避免潜在的法律风险和声誉损失。

LLM（大型语言模型）不能创造新的事实，但它们很擅长编造事实（即产生幻觉）。这就是人类将发挥关键作用的地方。无论是验证文本、验证代码，还是“挑选”正确的句子，人类的工作将继续是“调试”输出，而不是调试输入。输入仍然是输入到模型中的数据，尽管可能有办法编写更好的提示，但目前（据我所知）还没有办法知道为什么生成式AI的黑盒子会输出它所输出的内容。这是这些LLM的一个关键局限性。关于数据的来源、应该是什么正确的来源等问题，目前各个论坛都在进行热烈的讨论。

人类和人类社会定义了什么是有价值的。并非所有由生成式AI创作的诗歌和书籍都有价值。虽然看到计算机生成这些作品很迷人，但这些作品的价值最终将取决于它们所获得的关注度。不幸的是，这里存在大量滥用技术的可能性，因为这些工具有可能无意中生成与真实事实难以区分的虚假信息。

我相信，通过可信来源的验证和人类协作将在解决这些挑战中发挥关键作用。我们需要建立机制来验证生成式AI输出的真实性和准确性，同时也需要教育公众如何识别虚假信息，以避免技术被滥用。

AI生成检测API示例：抄袭检测器 API-Copyleaks 、Winston-AI探测器、GPTZero-AI探测器、深度伪造语音检测、AI内容检测服务-Content Detector

对开发者的影响

API调试和API测试将变得更加重要，以确保正确性。这些过程将通过生成式AI得到增强，从而减少开发人员获得生产力的时间。

API设计和架构仍然在很大程度上属于熟练的人类领域。编写代码将越来越商品化，但如何选择正确的组件来创建集成的体验将成为开发人员的一项关键区分技能。
与AI驱动的机器人结合使用的协作式API工作区将成为使用API的强大方式。静态文档体验和开发人员门户将感觉更加过时，而AI技术只会加速它们的消亡。
API集成将变得更加容易。基于代码的点到点集成或笨拙的集成将显得僵化。AI驱动的集成将能够集成新的API，并在它们出现故障时更快地恢复。
最后，生成式AI将降低非开发人员构建API的门槛。这意味着更多人将能够参与到API的开发和使用中来，促进创新和合作。然而，这也要求非开发人员需要掌握一定的技术和知识，以便能够有效地利用生成式AI来构建高质量的API。

对于公司的影响

公司将开始利用AI驱动的软件工具来提高生产效率。这些工具可以帮助公司自动化重复性任务，优化流程，并更快地响应市场变化，从而提高整体业务效率。
没有API的公司将在AI领域变得“隐形”，因此在API经济中将进一步落后。在数字化时代，API是连接不同系统和服务的桥梁，没有API的公司将无法与AI模型进行交互，也无法利用AI技术来优化业务流程和创造价值。
拥有不佳API的公司需要设计更好的API，以便AI模型能够正确地与其数据和操作进行交互。好的API应该具有清晰、简洁的接口设计，易于集成和使用，并且能够提供可靠的数据和功能。
公司需要对其已知和未知的API进行盘点。如果公司正在暴露其希望将来利用的数据，那么现在就需要采取行动。这包括评估现有API的性能和安全性，确定需要改进的领域，并制定计划来优化API设计和实现。
公司需要更加智能地处理其API的身份验证和验证机制。随着机器人和自动化工具的普及，公司需要确保他们已经采取了适当的治理和安全措施，以防止未经授权的访问和数据泄露。这包括实施强密码策略、多因素身份验证、API密钥管理等措施，以确保只有授权用户才能访问和使用公司的API。