为了能够达到这个目的，谷歌的研究职员网络了上千个开拓者的源代码，并用这些源代码构建了一个大型的编辑序列数据集，由此仿照出了一个模型，从而实现让AI写代码。
不足为奇，今年6月份，GitHub与Open AI一同互助，推出了一款名为“GitHub Copilot”的AI工具，Copilot可以根据高下文自动补全代码。
事实早在Copilot出身之前，OpenAI就推出1750亿参数的AI模型GPT-3，GPT-3耗费了千万美元对人类的诗歌、小说、新闻等海量自然措辞进行演习（紧张是英语），也因此GPT-3对自然措辞具备了一定程度的理解能力。神经网络之父Geoffrey Hinton在GPT-3涌现后，曾这样感慨：“生命、宇宙和万物的答案，实在只是4.398万亿个参数而已。”
在今年的“1024国际智能投研开拓者大会（IITDC 2021）”上，天云数据CEO雷涛就AI写软件也给我们做了清晰的阐释：从“业务中台”和“数据中台”谈到软件1.0时期与软件2.0时期的变革。
雷涛指出：“但技能的市场千变万化，首先在算法上摩尔定律失落效，大规模分布式大规模协同算力开始产生新的变革；其次，互联网带来数据实时性的需求，爆发第三波数据红利；末了，算法重构重构天下，在本日的数字经济中，很多基于我们履历规则流程的商业实践，乃至一些物理的公理定理，都开始让位于数据和算法所演习天生的新的知识。现在市场很盛行说‘业务中台’和‘数据中台’。大略理解业务中台是流程驱动，逻辑复用；数据中台是数据驱动，模型复用。”
流程驱动的业务就像“乐高玩具”，可以拼凑出来的一双运动鞋，就像Java代码可复用。IT时期构建好系统往后，输出数据和程序得到商业结果。比如办公软件，OA、ERP、BOSS、MIS、财务管理、计费 ……
乐高玩具
而数据驱动的业务更像是“3D打印”鞋的生产，3D扫描脚的形态往后打印出一双鞋，DataML面向目标ML。DT时期是输入输出一体化，将数据、程序和商业结果一起输入，通过智能化系统光降盆出程序，比如推举系统、打车系统、无人驾驶、金融定价……
3D打印
软件1.0时期
程序员的水平决定了软件的上限
众所周知，软件1.0时期，所有的软件都是由人编程实现。
软件由数据构造和算法构成。在软件1.0时期，数据构造包括栈、行列步队、二差堆、列表、链表、哈希表、二叉树、B+树、数组、矩阵等；算法包括排序、搜索、回溯、匹配、递归、方案、流等。可以概述为，程序员智力＋最佳实践＋复用封装=软件1.0时期。
代码表达的是一种程序规则和逻辑构造，打算机通过运行代码逻辑来实行程序指令，每一个产品功能都是有一系列的程序指令构成的。
代码是工程师对逻辑的理解和表达，同样功能的系统，两个工程师写出来的代码完备不一样的。可以说在软件1.0时期，程序员的水平决定了软件的上限。
软件2.0时期
将由数据编写代码，数据驱动模型生产
在软件2.0时期，数据构造开始根本举动步伐化，高精尖的算法学习流水线化。
首先，数据构造根本举动步伐化。数据机构变成了File system、 分布式文件系统、RelationDB、 关系型数据库、Search Engine、搜索引擎、NoSQL KV、GraphDB 图数据库、HTAP领悟数据库。
其次，高精尖的算法学习流水线化。在Data Modeling：ADG数据探查、FE 特色工程；在Algorithm Modeling：模型演习、模型评估、推理做事发布。
在软件2.0时期，软件工程逐步由程序员个体脑力劳动生产，转向数据驱动的算法运用自动生产，软件将进入AI规模化生产阶段。
数据AI “可阐明”的打破不在AI技能本身，在于它面向的问题能否打破传统认知参照系。第一次工业革命以机器代替手工劳动，是一次技能变革，也是对人类认知的打破。
2020年时，在某大型股份制商业银行项目实践中，天云数据普通员工就可写上千个数据流程知识包，开释捆绑在代码上机器脑力劳动的智力事情者。
该银行想智能解读各项政策，支持企业极简政策匹配与精准补贴测算。但企业运用APP原有更新流程，从功能定义至用户可下载更新版本，耗时以周计，运用更新速率难以匹配业务变革速率；当多种多样的政策补贴业务涌现时，难以及时通过电子渠道天生申请界面。
通过运用天云数据Gaea专家决策引擎，由业务职员通过决策引擎配置办法将最新的政策补贴场景需求转化为知识包，实现对企业符合政策的极简匹配或精准测算，并通过数据包推送的办法热发布至客户端，免去运用更新的繁琐审批流程，快速就绪新业务做事。通过OCR、NLP技能和深度学习算法抽取政策核心要素，利用智能模型将政策文本（5000+）转化为可实行策略，并形成知识包上线，当新政策入库时，业务职员就可操作，最快30min即可进行热发布，而且政策知识包可继续可复用。