AI 冲击程序员之后,下一个会是谁?关键在“可验证性”

一位有 25 年经验的软件工程师在 2026 年 11 月发文谈 AI 对编码的冲击,并提出“验证者法则”:任务越容易被检查,AI 越容易被训练去做;能否被验证,比工作看起来是否“像人干的”更能预测谁会被替代。

一句话看懂:一位有 25 年经验的软件工程师在 2026 年 11 月发文谈 AI 对编码的冲击,并提出“验证者法则”:任务越容易被检查,AI 越容易被训练去做;能否被验证,比工作看起来是否“像人干的”更能预测谁会被替代。

事件核心:发生了什么

作者 Robert Peake 是拥有约 25 年从业经验的软件工程师。他在文中指出,AI 正在让“亲手写代码”的信念松动。他做了一个具体演示:花几个小时、约 5 美元算力,用开源语音模型在自己的 MacBook 本地训练出语音克隆,录制了一段讲解视频。与他共同生活近 25 年、对声音敏感的音乐人妻子没能分辨出那不是他。

他引用 AI 研究者 Jason Wei 的“验证者法则”:任务越容易检查,越容易训练 AI 完成;Andrej Karpathy 则把传统软件概括为“你能指定什么”,新范式是“你能验证什么”。文章引用了 20 世纪 50 年代 IBM 的跳棋程序,用自我对弈提升水平。素材在这里有截断,完整论证以原文为准。

为什么重要

文章的核心判断是:AI 能力边界并不沿着“人类觉得难或易”划分,学界用“锯齿状前沿”形容这种不均衡。语音合成、图像生成甚至写代码,只要结果可被低成本核对,就可能被 AI 逼近甚至超越。这可能比“AI 只擅长重复劳动”更贴近现状,也让程序员之外大量脑力岗位重新评估自身风险。

对用户/开发者/创作者的影响

对开发者而言,关键问题从“我写得多好”转向“我的产出能否被自动验证”,测试、基准和可量化指标会变得更重要。对创作者而言,配音、写作、图像生成等可快速比对效果的工作面临更直接压力;需要长期关系、现场反馈或难以验证的判断,目前公开信息显示并不会同样迅速被自动化。企业选型时,可优先考察任务能否形成清晰反馈闭环,而不只看模型宣传。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是“验证者法则”能否从经验判断变成更细的行业评估框架;二是开源语音克隆等工具在本地低算力运行后,是否出现滥用与合规争议;三是软件工程招聘与技能要求是否随验证型工具普及而调整。

来源:Hacker News · 24h最热

celebrityanime
celebrityanime
文章: 36315

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注