關於人工智慧未來的暢想，除了家庭服務機器人，快遞無人機，醫用機器人等等，Lucas Carlson 認為人工智慧在另外一個領域的可能帶來的變革，卻沒有引起公眾的足夠注意——這就是：讓計算機自己程式設計。
2016年11月末，Lucas Carlson 撰文：
目前，機器學習方面的專家傾向於把研究聚焦於具體領域內高度裁剪的 AI 應用——比如：面部識別、自動駕駛汽車、語音識別，甚至是網際網路搜尋結果等方面。但是，這些技術同樣可以應用到讓計算機理解其自身的程式碼架構上——當然這裡是指脫離人類的幫助、解釋和干涉的情況下進行的理解——其實這種對程式碼的“理解”和讓計算機理解自然語言，或是識別影象並沒有本質的區別。
如果程式碼能夠自我分析——做到比人類更快地修正錯誤並不斷優化——那麼技術革新將會發生得越來越快。其帶來的可能性幾乎是無窮無盡的：醫學上的進步，更智慧的機器人，更“智慧“的手機等等。
…… 而 AI 將會改變這種局面。
Lucas 的全文，請參見《讓程式碼寫程式碼，自主程式設計的 AI 離我們還有多遠？》。
2017年2月23日 NewScientist 報導，微軟和劍橋大學的研究員近日釋出了一篇論文，文中闡述了其科研成果 DeepCoder：一個會程式設計的機器學習系統。
論文：https://openreview.net/pdf?id=ByldLrqlx
微軟和劍橋大學研究人員聯合建立的機器學習系統 DeepCoder 學會了如何自己寫程式碼。它能讓人們在沒有掌握必要程式設計知識的情況下，更輕鬆的構建出簡單的應用程式。
未來，非程式設計師可以通過簡單的描述出一個程式的想法，然後讓機器學習系統將其構建出來。DeepCoder 使用了被稱為「程式合成」（Inductive Program Synthesis）的技術，將來自現有軟體的一行行原始碼拼接在一起。
給定每一個程式碼片段的輸入和輸出列表，DeepCoder 學會要實現預期結果需要使用到哪部分程式碼。它的一大優勢是速度，能在幾分之一秒內建立出一個可工作的程式。在瞭解了哪一部分原始碼能工作，哪一部分不能之後，DeepCoder 能改進每一次建立的新程式。
目前DeepCoder只能生成五行左右程式碼的程式。但如果採用了適當的程式語言，幾行程式碼也能抵上一段複雜的程式碼了。
沒有參與 DeepCoder 的麻省理工學院 Armando Solar-Lezama 認為，這類技術在自動化方面有很大潛能，將極大減少在開發程式碼方面的精力消耗。但想一下子生成一大段程式碼，有點不現實。不過一大段程式碼，是可以有很多的小段程式碼組合而成。
Solar-Lezama 同時認為，DeepCoder 並不會讓程式設計師失業下崗。因為「程式合成」是把程式設計階段枯燥部分自動化了，程式設計師能把更多精力放在更為複雜的任務上。
除了自動程式設計的，還有自動修 Bug 的程式
2015 年 6 月下旬，麻省理工學院的研究人員展示了一個新系統，可以通過從其他更加安全的應用中自動匯入相關功能，藉以修復原來軟體中的危險漏洞。
這個引人注目的系統叫做 CodePhage ，它借用其他程式時並不需要訪問借主應用的原始碼。相反，該系統分析這個應用的執行情況，並標記出其安全檢查類別的特性。因此，即使所編寫的語言與被修復應用的語言不同，該系統仍然可以從中匯出檢查功能用來修復應用。
CodePhage 將程式碼匯入易受攻擊的程式後，還會進行進一步分析以確保漏洞被修復。
MIT 電腦科學與人工智慧研究室（CSAIL）的研究員，CodePhage 的研發領導人員 Stelios Sidiroglou-Douskos 表示：
“我們在開源庫裡有大量程式碼可用，數百萬計專案，而且很多專案都有類似的實現了。這些專案總有一些可以與別的許多專案共享功能的子模組，即便那不一定是該程式的核心功能。”
有了 CodePhage，“你將逐漸建立一個集其他應用最優秀部分於一身的混合系統。”
會程式設計的 AI ，加上會修 Bug 的 AI，等於什麼 ？
大家一起來暢想一下，歡迎在評論中留言。
參考：
Solidot、伯樂線上、MIT News、VentureBeat、NewScientist