支持文字和语音指令，AI实时自动编程，OpenAI升级版Codex终于面世了

来源：机器之心

前段时间，OpenAI与GitHub联合发布的AI代码补全工具GitHub Copilot吸引了广大程序员的关注，其背后的技术支撑OpenAI Codex也浮出了水面。今日，OpenAI正式发布了基于自身API的改进版Codex，不仅可以根据用户输入的文字指令执行相应任务，更能够输入语音命令。

6 月 30 日，OpenAI 和 GitHub 联合发布了新的 AI 代码补全工具 GitHub Copilot，并展示了技术预览版。该工具可以在 VS Code 编辑器中自动完成代码片段，也是 OpenAI 接受微软 10 亿美元投资以来的首个重大成果。

从技术角度来看，GitHub Copilot 由 OpenAI 开发的全新 AI 系统 OpenAI Codex 提供支持，该系统可以将自然语言转换成代码。OpenAI 的联合创始人兼首席技术官 Greg Brockman 表示：「Codex 是 GPT-3 的后代。」由于 Codex 系统是在包含大量公开源代码的数据集上训练的，因此在代码生成领域显著优于 GPT-3。

不过当时，Codex 的具体细节并没有过多透露，也没有太多的效果展示。今日OpenAI 终于推出了改进版本的 Codex，并发布了基于自身 API 的私测版。OpenAI 表示在初期会免费提供 Codex，并希望更多的企业和开发者可以通过它的 API 在 Codex 上构建自己的应用。

相较之前的版本，改进版 Codex 更为先进和灵活，不仅可以补全代码，更能够创建代码。

Codex 不仅可以解读简单的自然语言命令，而且能够按照用户的指令执行这些命令，从而有可能为现有应用程序构建自然语言接口。比如，在 OpenAI 创建的太空游戏（space game）中，用户输入自然语言命令「Make it be smallish」，Codex 系统会自动编程，这样图中飞船的尺寸就变小了。

又比如，输入「Crop it circularly」，图中方形的飞船变成了圆形。

再比如，输入「Make it be vertically centered; put on the left side of the page」，图中的飞船就跑到了页面的左中方位。

目前，Codex 最擅长 Python 语言，并且精通 JavaScript、Go、Perl、PHP、Ruby、Swift 、TypeScript 和 Shell 等其他十数种编程语言。作为一种通用编程模型，Codex 可以应用于任何编程任务。OpenAI 已经成功地将其用于翻译、解释代码和重构代码等多个任务，但这些只是牛刀初试。

就数据源来说，作为 GPT-3 的一种变体，Codex 的训练数据包含自然语言和来自公共数据源中的数十亿行源代码，其中包括 GitHub 库中的公开代码。Codex 拥有 14KB 的 Python 代码内存，而 GPT-3 只有 4KB，这就使得它在执行任务的过程中可以涵盖三倍于 GPT-3 的上下文信息。

根据 OpenAI 发表在 arXiv 上的 Codex 论文信息，当前 Codex 的最大版本拥有 120 亿参数。

论文地址：https://arxiv.org/pdf/2107.03374.pdf

此外，为了进一步在开发者中推广 Codex，OpenAI 还组织了一项 Codex 挑战赛，旨在测试在 Codex 的帮助下解决一系列 Python 编程难题。

挑战赛网址：https://challenge.openai.com/

Codex 的更多效果展示

OpenAI 的联合创始人兼 CTO Greg Brockman 和 Codex 负责人 Wojciech Zaremba 在线演示了 Codex 的更多用途，揭开了它神秘的面纱。

Codex当前的界面如下图所示，简约但功能强大。

在演示中，Brockman 创建了一个游戏。首先 Brockman 在谷歌图片上找到了一个人形剪影，然后输入命令：「add this image of a person from the page」等命令，即在游戏界面中添加该人形剪影图像。然后人形剪影就出现在了界面中。

然后 Brockman 修改了它的大小并输入「使用左右箭头键控制它」的命令，然后人形剪影就能够左右移动了，行动自如：

‍

我们来看一下这部分Codex根据自然语言生成的代码，如下图右侧边栏所示：

除了左右，还能上下移动：

然后他们又在界面中添加了一个石头的图像，并通过输入自然语言命令让操纵人形和石头图像，例如当石头从上向下掉落时，人可以躲避开：

演示过程中他们遇到一个问题：当人形剪影移出屏幕边缘时，它就会消失，这显然是不符合常规游戏逻辑的。为了阻止这种情况，Brockman 给了计算机一条额外的指令：「不断检查这个人是否离开了界面，如果是，就把它放回界面上。」，这就阻止了它的移出：

另一位演示者好奇这些指令需要多么精确才能让 Codex 自动生成代码并成功执行。因此他们尝试不同的输入指令：「确保此人无法退出界面」，演示结果表明这也有效。不过 Brockman 表示：「有时 Codex 也并不完全能够理解人们在说什么」。

因此，Codex 目前仍然存在一些局限性，它不是一个可以读懂你的大脑、将每个命令变成完美代码的魔法精灵——OpenAI 也并没有声称它是。相反，它需要「深思熟虑」和一些反复试验才能使用。Codex 不会在一夜之间将非编码人员变成专家程序员，但它肯定比任何其他编程语言更容易使用。

此外，Codex 的内测用户 Ania Kubów 用 152 个口语命令就搭建了一个完整的网站，她在社交媒体上展示了创建过程：

Codex发展潜力巨大，但也饱受抱怨

Codex 建立在 OpenAI 的语言生成模型 GPT-3 之上，该模型在大规模的数据上进行训练，可以用来解析和生成文本等功能。GPT-3 的一个应用是生成代码，但是 Codex 改进了代码生成能力，它可以对从网上搜集的开源代码库进行训练。

但正是由于 Codex 训练数据来自开源代码库，这引来了许多程序员的抱怨，认为 OpenAI 从他们的工作中获利。例如，这项研究的整个知识基础最终都来自于开源工作，而这种开源工作是分享给个人的，而不是让公司获利。尽管 OpenAI 表示，其对这些数据的使用受到了法律保护，是在合理使用范围之内的。

当被问及程序员的抱怨时，Brockman 解释说：「新技术即将到来，我们确实需要这场辩论，我们会做一些对社区来说有很大意见的事情，但我们会接受反馈并以不同的方式做事。」不过，Brockman 认为，编程社区最终将受益于 OpenAI 的工作。「这会对生态系统有很大的价值，归根结底，这些技术可以重塑我们的经济，为所有人创造一个更美好的世界。」Brockman 解释道。

Codex 也肯定会为 OpenAI 及其投资者创造价值。尽管该公司在 2015 年开始作为一个非盈利实验室运营，但为了吸引外部资金，它在 2019 年转向了有限利润（capped-profit）模式，Codex 最初是作为免费 API 发布的，但 OpenAI 将在未来开始对访问收费。

OpenAI 看好 Codex 在改变编程和计算方面的潜力。Brockman 认为，这有助于解决美国程序员短缺的问题，而 Zaremba 认为这是编码历史演变的下一步。

在计算早期，编程是通过创建物理穿孔卡片来完成的，这些卡片必须被输入机器，然后人们发明了第一种编程语言，并开始改进这些语言。这些编程语言开始变得类似英语，出现了 print 或 exit 之类的词汇。目前，Codex 可以编程十几种语言。

Codex 还可以控制其他程序。在一个演示中，Brockman 展示了如何使用该软件为 MicrosoftWord 创建语音界面。因为 Word 有自己的 API，Codex 可以用用户的口头命令创建的代码向其提供指令。Brockman 将一首诗复制到 Word 文档中，然后告诉 Word（通过 Codex）首先删除所有缩进，然后对行进行编号，然后计算某些单词的频率，依此类推，展示效果非常流畅。

‍

如果成功，Codex 不仅可以帮助程序员，还可能成为用户和计算机之间的新界面。OpenAI 表示，他们测试了 Codex 不仅能控制 Word ，还能控制 Spotify 和 Google Calendar 等其他程序。Brockman 说，虽然 Word 演示只是概念验证，但微软显然已经对探索该软件的可能性产生了兴趣。

参考链接：

https://openai.com/blog/openai-codex/#py2rb

https://www.theverge.com/2021/8/10/22618128/openai-codex-natural-language-into-code-api-beta-access

https://www.youtube.com/watch?v=SGUCcjHTmGY