本文目录
- 低代码真的会替代程序员吗
- 人类的思想是程序吗基因是代码吗
- 上古卷轴5如何更改NPC种族
- Nature：从FortranAlexNet代码改变了科学界
- “写代码也是一份人命关天的工作”，有哪些代码改变了世界
- 比尔盖茨宣布大事件，将使用代码彻底解决癌症，你觉得可能吗
- 未来，人类会因为程序员写不出代码而失业吗
低代码真的会替代程序员吗
ChatGPT是一个非常强大的语言模型，但它并不是万能的，在生成代码的场景下还需要人工编程和检查，所以一定程度上ChatGPT的使用是需要依赖程序员的护航，才能确保完成应用。说替代程序员的，着实是过度解读了。
ChatGPT的爆火，让我想起，同样会提高程序员开发效率的低代码平台，它的出现也同样被人类污名化，职业威胁程序员。通过低代码平台，只需要通过拖拽的方式，或者是几行基础代码，就能快速的开发出各类应用系统。最关键的是低代码改变了传统开发对专业技能的要求，现在只要掌握一些基础的代码知识，甚至不需要任何基础，就可以进行应用系统的开发！作为国内主流的JNPF低代码平台服务商，JNPF低代码平台负责人认为：低代码的本质是解放开发者的双手，让他们从重复的代码工作中解放出来，低代码在这个过程中扮演的是“辅助者”角色，而并非“替代者”。因为永远有一些容易被忽略的边缘性技术问题，需要程序员去解决，这是低代码不能替代的。
而且低代码并不意味着完全就抛弃代码，相反在平台无法满足一些复杂的业务场景时，就需要代码的辅助，当然这个过程的代码量要可控，否则就违背了低代码开发的本质。
而像市场上一些无代码平台，确实做到了看不见任何代码，但是当平台需要去应对复杂业务逻辑系统的开发时，便会显得力不从心，JNPF保留了这种灵活的开发机制，当需要更深层次的处理业务逻辑时，如果平台开发不能完全匹配，就需要程序员通过代码开发实现相关能力与服务。而这种二次开发的需求已经超过了应用创建者的能力范围，这就需要专业的程序员基于平台去开发。所以，与其无深究低代码是否会让程序员失业，不如去想如何通过低代码技术的加持，让程序员变得更有含金量，让低代码成为程序员工作的润滑剂。
最后，普通人如何不被OpenAI 取代。在某些方面强于普通人的，特别是对于重复性智力劳动，如重复性写套话、写代码、画图，那么怎么不被取代？还是需要多学习、多主动思考、多实践、看更多书，做更多有挑战的事情，在认知上避免被取代的关键是不断学习和提高自己的能力，并努力适应新的环境和挑战。
人类的思想是程序吗基因是代码吗
世界是一个很奇妙的存在，我们即便发展了这么久，但是世界上依旧有很多没得到答案的事，而且越发展越觉得有些事让我们惊讶，就比如很多人讨论着人类的思想是程序吗？基因是代码吗？人类的思想不会是程序，但是基因有可能真的就是代码，我们来简单分析一下吧。
首先我们现在的科技肯定是很高级的，就比如我们只需要有一个手机就可以实现不出门了解外面发生的事，还可以网上购物等等，大大方便了我们的日常生活，而这里满其实其实就是程序与代码了，代码就是语言，只不过和我们所说的语言并不一样，它属于计算机语言，学过计算机知识的人肯定就知道，就比如c语言，java语言等等，而它们组件起来可以形成无数种可能，这一点就非常像人的基因，这么来理解吧，很可能人类的基因就是一个代码语言，不同的组合使得有不同的结果。
这一点是有可能的，毕竟世界的奇妙永远超过了我们的想象，而人类的思想不是程序，很简单的一个说法，人类的思想是可以改变的，没有任何预定的值，就比如想做就做不想做就去做其他的，但是对于程序老说一切都是被安排好的，如果不选a就选b，c，d等等，一切都是有一个预定的，但是人的思想就不是，所以人类的思想不是程序。
其实我们所发现的很多科技都是有很多不解之谜的，就比如牛顿因为被苹果砸中，发明了万有引力，但是后面好奇了为什么万有引力是这样的，其实很可能一些都是被设定好的，只不过我们看不出来而已，自然的秘密超过我们非常多的想象，大家怎么看呢。
上古卷轴5如何更改NPC种族
方法：先控制台，然后选中npc，最后setrace XXX（XXX为你想要改变的种族名 如 setrace nordrace）。
以下是上古卷轴的相关介绍：
《上古卷轴》（The Elder Scrolls，简称 TES）是由Bethesda Softworks开发的一款角色扮演游戏（RPG）系列。系列首部作品是1994年3月在DOS平台上推出的《上古卷轴：竞技场》。
《上古卷轴：竞技场》是《上古卷轴》系列的第一部作品。发行于1994年。2004年，作为上古卷轴系列十周年纪念的一部分，官方免费放出了Windows平台上可用的下载版本。故事围绕皇帝尤里尔·赛普丁七世被帝国的战斗法师杰卡·萨恩背叛并被囚禁在另一个位面。你要孤身一人到广阔的泰姆瑞尔大陆上旅行并寻找传奇的混沌之杖来救出真正的皇帝并使帝国重建和平。
在上古卷轴的世界中有着众多的种族。其中有一些能在游戏中被选择，有一些则存在于背景资料之中，极个别的种族已经灭绝了。
按照分类来看，上古卷轴世界的种族可以分为人类（Men）、精灵（Mer）、兽族（Beast）、龙族（Akaviri）、原灵（Et’Ada）等。其中属于原灵的迪德拉（Daedra）之下还有数个种族，包括魔人（Dremora）等；艾尔诺菲（Ehlnofey）是属于原灵的伊德拉(Aedra)的后裔。
以上资料参考百度百科——上古卷轴
Nature：从FortranAlexNet代码改变了科学界
选自Nature
作者：Jeffrey M. Perkel
机器之心编译
机器之心部
2019 年，「事件视界望远镜」团队拍下了第一张黑洞照片。这张照片并非传统意义上的照片，而是计算得来的——将美国、墨西哥、智利、西班牙和南极多台射电望远镜捕捉到的数据进行数学转换。该团队公开了所用代码，使科学社区可以看到，并基于此做进一步的 探索 。
而这逐渐成为一种普遍模式。从天文学到动物学，每一个伟大的现代科学发现背后都有计算机的身影。斯坦福大学计算生物学家、2013 年诺贝尔化学奖获得主 Michael Levitt 表示，现在的笔记本电脑在内存和时钟速度方面是 1967 年其实验室计算机的一万倍。「今天，我们拥有大量算力。但问题是，这仍然需要人类的思考。」
如果没有能够处理研究问题的软件以及知道如何编写和使用软件的研究人员，计算机再强大也是无用。「现在的研究与软件紧密相关，软件已经渗透到科研的方方面面。」软件可持续性研究所（Software Sustainability Institute）负责人 Neil Chue Hong 如是说。
最近，Nature 上的一篇文章试图揭示科学发现背后的重要代码，正是它们在过去几十年中改变了科研领域。这篇文章介绍了对科学界带来重大影响的十个软件工具，其中就包括与人工智能领域密切相关的 Fortran 编译器、arXiv、IPython Notebook、AlexNet 等。
语言先驱：Fortran 编译器（1957）
首批出现的现代计算机对用户并不友好。编程实际上是由手工完成的，通过电线连接一排排电路。后来的机器语言和汇编语言允许用户使用代码进行计算机编程，但这两种语言依然要求使用者对计算机架构有深入了解，导致很多科学家无法使用它们。
20 世纪 50 年代，随着符号语言的发展，尤其是「公式翻译」语言 Fortran 的出现，上述境况发生了改变。Fortran 语言由 IBM 的约翰 · 巴科斯（John Backus）团队开发。借助 Fortran，用户可以使用 x = 3 + 5 等人类可读的指令进行计算机编程，之后编译器将这类指令转化为快速高效的机器码。
这台使用 Fortran 编译器编程的 CDC 3600 计算机于 1963 年移送至美国国家大气研究中心。（图源：美国大气科学研究大学联盟 / 科学图片库。）
在早期，编程人员使用穿孔卡片（punch card）输入代码，复杂的模拟可能需要数万张穿孔卡片。不过，Fortran 使得并非计算机科学家的研究者也能够进行编程。普林斯顿大学气候学家 Syukuro Manabe 表示：「我们第一次靠自己进行编程。」他和同事使用 Fortran 语言开发了首批成功的气候模型之一。
60 多年过去了，Fortran 依然广泛应用于气候建模、流体动力学、计算机化学，以及其他涉及复杂线性代数并需要强大计算机快速处理数字的学科。Fortran 代码运行速度很快，仍然有很多编程人员知道如何写 Fortran。古老的 Fortran 代码库依然活跃在世界各地的实验室和超级计算机上。
信号处理器：快速傅里叶变换（1965）
当天文学家扫描天空时，他们捕捉到了随时间变化的复杂信号的杂音。为了理解这些无线电波的性质，他们需要观察这些信号作为频率函数的样子。一种被称为傅里叶变换（Fourier transform）的数学过程允许科学家实现这一点。但问题在于傅里叶变换并不高效，对大小为 N 的数据集它需要进行 N 次运算。
1965 年，美国数学家 James Cooley 和 John Tukey 开发了一种加速傅里叶变换过程的方法。借助递归（recursion）这种「分而治之」的编程方法（其中算法可以实现重复地再运用），快速傅里叶变换（fast Fourier transform, FFT）将计算傅里叶变换问题简化为 N log_2(N) 个步骤。速度也随着 N 的增加而提升。对于 1000 个点，速度提升约 100 倍；对于 100 万个点，速度提升约 5 万倍。
牛津大学数学家 Nick Trefethen 表示，FFT 的发现实际上是一种「再发现」，因为德国数学家卡尔 · 弗里德里希 · 高斯在 1805 年就完成了该发现，不过从未发表。但是，James Cooley 和 John Tukey 开启了 FFT 在数字信号处理、图像分析和结构生物学等领域中的应用。Trefethen 认为 FFT「是应用数学与工程领域伟大的发现之一。」FFT 已经在代码中实现了很多次，其中一种流行的变体是 FFTW（「西方最快的傅里叶变换」）。
默奇森天文望远镜，使用快速傅里叶变换来收集数据。
劳伦斯伯克利国家实验室（Lawrence Berkeley National Laboratory）分子生物物理学和综合生物成像部门主任 Paul Adams 回忆称，当他在 1995 年改进细菌蛋白 GroEL 的结构时，即使使用 FFT 和一台超级计算机，也需要「很多很多个小时，甚至是几天」的计算。但要没有 FFT，很难想象这件事要怎么做，花的时间将难以估量。
线性代数运算标准接口：BLAS（1979）
科学计算通常涉及使用向量和矩阵的数学运算，这些运算相对简单，但计算量大。20 世纪 70 年代，学界并没有出现一套普遍认可的执行此类运算的工具。因此，科研工作者不得不花费时间设计高效的代码来做基础的数学运算，导致无法专注于科学问题本身。
编程世界需要一个标准。1979 年，基础线性代数子程序库（Basic Linear Algebra Subprograms, BLAS）应运而生。直到 1990 年，该标准仍然在发展变化，定义了数十条涵盖向量和矩阵运算的基本程序。
田纳西州大学计算机科学家、BLAS 开发团队成员之一 Jack Dongarra 表示，BLAS 实际上将矩阵和向量运算简化成了像加减法一样的基础计算单元。
Cray-1 超级计算机。（图源：科学 历史 图像 / Alamy）
德州大学奥斯汀分校计算机科学家 Robert van de Geijn 表示：「BLAS 可能是为科学计算而定义的最重要接口。」除了为常用函数提供标准名称之外，研究者可以确保基于 BLAS 的代码能够以相同的方式在任何计算机上运行。该标准也使得计算机制造商能够优化 BLAS 实现，以实现硬件上的快速运行。
40 多年来，BLAS 代表了科学计算堆栈的核心，使得科学软件持续发展。乔治华盛顿大学机械与航空航天工程师 Lorena Barba 将 BLAS 称为「五层代码内的核心机制」。
预印本平台：arXiv.org（1991）
20 世纪 80 年代末，高能物理领域的研究者往往会把自己提交的论文邮寄给同行审阅，这是一种礼仪，但只邮寄给少数几个人。「那些处于食物链底端的人依赖于顶端人的施舍，这往往会把非精英机构中有抱负的研究者完全排除在特权圈之外，」物理学家 Paul Ginsparg 曾在 2011 年的一篇文章中写道。
1991 年，洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）的 Ginsparg 写了一个电子邮件自动回复器，以建立公平的竞争环境。邮件订阅者每天都会收到一份预印本列表，每份论文都带有标识符。如此一来，世界各地的用户都可以通过一封电子邮件提交或检索来自上述实验室计算机系统的论文。
Ginsparg 原本计划将文章保留三个月，将范围限制在高能物理社区，但他的同事劝他去掉了这些限制。「就是在那一刻，它从布告栏转变成了档案库，」Ginsparg 表示。在这之后，大批论文开始涌入，其学科之广远远超出了 Ginsparg 的预期。1993 年，Ginsparg 把这个系统移植到互联网上。1998 年，他正式将该系统命名为 arXiv.org。
如今，30 岁的 arXiv 收录了 180 万份预印本文章，且全部免费阅读，其每月论文提交量超过 15000 份，每月下载量高达 3000 万次。「不难看出 arXiv 为何如此受欢迎，」Nature Photonics 的曾表示，「该系统为研究者提供了一种快捷、方便的科研方式，可以告诉大家你在做什么、什么时间做的，省去了传统期刊同行评审的繁琐。」
该网站的成功还对生物学、医学、 社会 学等其他学科类似存储库的建立起到了助推作用，成千上万份新冠病毒相关研究预印本的发布就是一个例证。
数据 探索 器：IPython Notebook (2011)
Fernando Pérez 在 2001 年决定「探寻拖延症」，当时他是一名研究生，决定采用 Python 的核心组件。
Python 是一种解释型语言，意味着程序会一行一行地执行。编程人员可以使用一种被称为「读取 - 求值 - 输出循环（REPL）」的计算型调用和响应（call-and-response）工具，他们可以键入代码，然后由解释器执行代码。REPL 允许快速 探索 和迭代，但 Pérez 指出 Python 并不是为科学构建的。例如，它不允许用户轻松地预加载代码模块或保持数据可视化的打开状态。因此 Pérez 创建了自己的版本。
2001 年 12 月，Pérez 发布了交互式 Python 解释器 IPython，它共有 259 行代码。10 年后，Pérez 和物理学家 Brian Granger、数学家 Evan Patterson 合作，将该工具迁移到 Web 浏览器，创建了 IPython Notebook，掀起了一场数据科学的革命。
和其他计算型 notebook 一样，IPython Notebook 将代码、结果、图形和文本组合到了单个文档中。但与其他此类型项目不同的是，IPython Notebook 是开源的，欢迎广大社区开发者为其发展做出贡献，并且支持 Python 这种科学家常用的语言。2014 年，IPython 演变成 Project Jupyter，支持约 100 种语言，并允许用户像在自己计算机上一样轻松地在远程超级计算机上 探索 数据。
Nature 在 2018 年指出：「对数据科学家而言，Jupyter 已经成为一种实际标准」。那时，GitHub 上已经有 250 万个 Jupyter notebook，如今已有近一千万个，其中包括 2016 年发现引力波和 2019 年黑洞成像的记录。Pérez 表示：「我们能为这些项目做出一点贡献也是非常有意义的」。
快速学习器：AlexNet（2012）
人工智能（AI）可分为两类，一类使用编码规则，另一类让计算机通过模拟大脑的神经结构来「学习」。多伦多大学计算机科学家、图灵奖获得者 Geoffrey Hinton 表示：「几十年来，人工智能研究者一直将第二种研究方法视为『荒谬』」。2012 年，Hinton 的研究生 Alex Krizhevsky 和 Ilya Sutskever 证明了事实并非如此。
在当年的 ImageNet 的年度竞赛上，研究者们被要求在包含 100 万张日常物品图像的数据库上训练 AI，然后在另一个图像集上测试算法。Hinton 表示：「在当时，最佳算法会在 1/4 的图像上出现分类错误」。Krizhevsky 和 Sutskever 开发的 AlexNet 是一种基于神经网络的深度学习算法，该算法将误差率降至 16%。Hinton 表示：「我们几乎将误差率降低了一半」。
Hinton 认为，该团队在 2012 年的成功反映出足够大的训练数据集、出色的编程和图形处理单元（最初为了提高计算机视频性能的处理器）新力量的结合。他表示：「突然之间，我们就能够将该算法的速度提高 30 倍，或者说可以学习 30 倍的数据」。
Hinton 表示真正的算法突破实际上发生在 3 年前。当时他的实验室创建了一个比几十年来不断完善的传统 AI 更能准确识别语音的神经网络。虽然准确率只稍微提升了一点，但已值得被记住。
AlexNet 及相关研究的成功带来了实验室、临床等多个领域深度学习的兴起。它让手机能够理解语音查询，也让图像分析工具能够轻松地从显微照片中挑选出细胞。这就是 AlexNet 在改变科学、改变世界的工具中占有一席之地的原因。
“写代码也是一份人命关天的工作”，有哪些代码改变了世界
代码改变世界已经不是一件新鲜的事情了，它的诞生就是一件改变世界的事情，比如我们社交生活里最熟悉的点赞，就是代码带来的。
代码改变世界的事情，数不胜数。比如我们最熟悉的，社交里的点赞按钮，还有大家喜欢使用的浏览器，都是代码带来的改变。
不过代码利用不当，也发生过很多不好的事情，比如当年失联的火星气候轨道飞行器、死难数百人的波音 737 Max 空难。
代码改变世界，我们每个人都熟悉的。应该就是点赞了。无论是微博，还是微信朋友圈，或者是我这条回答，下面都会有一个点赞的按键，它也代表着被认可的力量。
点赞按钮是产生于2009 年，著名的社交平台Facebook 推出的，一份改变世界的代码。当时大家只能进行评论，他们觉得这样太麻烦，于是就设计了点赞按钮。这个按钮不仅奏效了，甚至超乎想象。不到一年，这个按钮已经有了超过 1 万亿次的点击。
代码虽然好，但是有时候也会带来灾难。比如发生在1999 年的飞行器事件。当时NASA 的科学家耗资 1.25 亿美元的火星气候轨道飞行器竟然失联了。
后来查出了原因，就是因为代码出现了问题。出厂方和使用者的代码，发生了一次简单的通讯错误，导致这个昂贵的飞行棋轨道改变，带来了很大的损失。
比尔盖茨宣布大事件，将使用代码彻底解决癌症，你觉得可能吗
众所周知，我们人类就是地球上最高级的生物，我们掌握着非常厉害的科技，同时对于计算机的发展来说，也改变了我们人类的生活。这一点大家也是可以看到的。但是人类依旧有一些疾病是难以治愈的，比如说癌症，但是这一次人们会感到困惑比尔盖茨宣布大事件，将使用代码彻底解决癌症，你觉得可能吗？其实从我的角度来看，我觉得这是有可能的，因为我们会发现代码有一些成分非常相似于人类的基因，如果能够通过代码来控制人类的基因，说不定这种癌症是完全可以解决的。我们来具体分析一下吧。
1：代码就是一种语言，很相似与基因：
首先需要我们人类是地球上最高级的生物，但是我们人类对自己身体的研究或者说是控制并不是百分百的。我们身体最根本的因素所在就是基因，基因控制着我们的一切所谓的基因突变。大部分会导致坏的结果，但是也有一些可能会带来很多很好的效果。如果说我们能够控制基因的话，我觉得想要实现完整的解决癌症也是非常有可能性的。所以从这个角度来看，代码就是一种语言，它和基因是非常相似的。
2：代码控制基因：
其实基因也好像是一种语言，他自己的结合都有自己的规律，只不过这门语言难度实在是太大，包括现在科学家对于基因的研究其实也不是很多。所以我觉得如果未来代码如果可以成功控制基因的话，完全有可能控制基因的变化来实现完整解决癌症的问题。我们人体的基因强大程度可不是我们能想象到的。只不过这里面需要很长的过程，想要短时间实现这是不可能的事情。毕竟基因这么远，如果他真的是一门语言的话，研究起来的难度可比我们所了解的代码困难很多倍，甚至就不是一个等级的。
但是说实话，我觉得代码的出现帮助计算机得到了一个巨大的发展，包括我们现在所使用的软件，或者每天的扫码支付，还有所使用的电脑里面的程序，它都是有代码所写出来的。我们现在这个高速发展的网络化时代里面，其实代码发挥着巨大的作用。最近我觉得如果未来的科学家能够用代码来控制基因的话，人类的很多绝症都是可以得到彻底解决的。
未来，人类会因为程序员写不出代码而失业吗
我个人认为随着人工技能等ChatGPT技术的不断发展，还是很有可能是底层程序员失业，我之所以这样说，主要是基于以下几方面的理由。首先，随着ChatGPT等人工智能技术的不断发展已经使其具备了一定编写简单代码的能力，随着进一步的完善，那么很多底层的程序员很有可能因此而变。ChatGPT所取代，虽然我们过去认为人工智能所取代的行业更多是一些工业生产领域，但是在软件编程和设计方面已经出现了被ChatGPT取代的苗头，只是很多人对此毫无准备而已。而且很多人认为ChatGPT的重要意义在于标志着人工智能由分析师AI正式进入到生成式AI阶段，在此基础上基于自然语言模型的海量训练和快速迭代能够对代码生成代码提示故障诊断，自动测试等环节起到相应的作用，可以具有强大代码生成能力，实现简单任务的完成代码编程，自然会对于底层的程序员的就业形成很大的冲击。所以，对于大多数的底层程序员来说，如果将来有一天不想被ChatGPT所取代，不想失去自己的工作，那么就需要进一步的提升自己，不断提高自身的技术含金量和不可替代性，这样在ChatGPT等人工智能进一步发展的情况下，才不会被行业所淘汰，否则自己要么接受自己被淘汰的命运，要么就选择重新转换一个新的行业，但是这样对于自己来说也具有着很大的不确定性，毕竟ChatGPT的出现，使人们的就业空间和选择范围进一步的被压缩了。
