“AI泔水”降效增本！1154條開發(fā)者討論，指向游戲行業(yè)新問題

當(dāng)下，海內(nèi)外的開發(fā)者社區(qū)開始越來越頻繁地討論AI泔水（AI Slop）對(duì)軟件開發(fā)帶來的影響。

所謂“AI泔水”，通常被用來形容那些由AI大量生成、看似完整，但實(shí)際質(zhì)量低下、缺乏理解與維護(hù)價(jià)值的內(nèi)容。過去，這個(gè)詞更多出現(xiàn)在社交媒體、搜索引擎污染等語境中；但如今，它正在越來越多地進(jìn)入程序員、開源維護(hù)者與軟件團(tuán)隊(duì)的日常討論。

最近，一篇來自海德堡大學(xué)、墨爾本大學(xué)、新加坡管理大學(xué)研究者聯(lián)合發(fā)布的論文《An Endless Stream of AI Slop: The Growing Burden of AI-Assisted Software Development》，則試圖系統(tǒng)性地分析這一現(xiàn)象。

該論文基于Hacker News與Reddit論壇上15個(gè)討論、共1154條開發(fā)者帖子，研究了程序員們?nèi)绾慰创鼳I輔助開發(fā)，以及AI生成內(nèi)容正如何參與軟件開發(fā)流程。最終試圖回答一個(gè)問題：當(dāng)AI開始大量參與軟件開發(fā)后，真正增加的，究竟是效率，還是新的負(fù)擔(dān)？

AI提高了開發(fā)效率，但審核成本正在反向上升

這篇論文中，“審核摩擦”是研究者總結(jié)出的第一個(gè)核心方向。

簡(jiǎn)單來說，很多開發(fā)者開始發(fā)現(xiàn)：AI確實(shí)能快速生成代碼，但團(tuán)隊(duì)隨后需要投入更多時(shí)間，去閱讀、理解、驗(yàn)證、修復(fù)這些代碼。

一位開發(fā)者就直接表示：“開發(fā)時(shí)間縮短了，但團(tuán)隊(duì)現(xiàn)在需要花更多時(shí)間審核，這看起來根本沒有帶來收益。”

而類似的抱怨，在開發(fā)者社區(qū)中正在變得越來越常見。論文提到，在1154條帖子中，“審核負(fù)擔(dān)”是出現(xiàn)頻率最高的問題之一。部分團(tuán)隊(duì)甚至提到，AI輔助編碼后，拉取請(qǐng)求（Pull Request）數(shù)量開始明顯增加。

例如，有團(tuán)隊(duì)提到自己“6名員工每天需要處理30個(gè)PR”；還有開發(fā)者形容，自己審核AI代碼時(shí)，“像是第一次有人類真正讀到這些代碼”。

更關(guān)鍵的是，很多AI生成代碼，并不意味著“開發(fā)者真正理解了代碼”。

論文中提到，不少審核者會(huì)直接要求開發(fā)者“現(xiàn)場(chǎng)解釋自己的代碼邏輯”，因?yàn)閳F(tuán)隊(duì)開始越來越頻繁地遇到一種情況：代碼能運(yùn)行，但提交者自己并不知道它為什么能運(yùn)行。

一位開發(fā)者在帖子中提到：

“我直接問他知不知道自己的代碼在做什么。他不知道。所以這個(gè)PR沒有通過。”

這種變化，也正在讓很多團(tuán)隊(duì)開始重新強(qiáng)調(diào)“開發(fā)者責(zé)任”。一個(gè)被頻繁提到的觀點(diǎn)是：即便代碼由AI生成，最終責(zé)任依然屬于提交代碼的人。

AI生成的不只是代碼，還有新的“技術(shù)債”

除了審核成本上升之外，論文中另一個(gè)被頻繁討論的問題，是AI正在加速“低質(zhì)量代碼”進(jìn)入項(xiàng)目本身。

研究者將這一部分歸納為“質(zhì)量退化”。在大量開發(fā)者討論中，一個(gè)反復(fù)出現(xiàn)的觀點(diǎn)是：AI的最大問題，并不只是“會(huì)寫錯(cuò)代碼”，而是它經(jīng)常會(huì)生成“看起來合理，但實(shí)際存在隱患”的代碼。

論文中提到，不少開發(fā)者總結(jié)出了AI代碼的一些典型特征，例如：

• 遇到問題時(shí)，大量使用[setTimeout]之類的“臨時(shí)補(bǔ)丁”規(guī)避錯(cuò)誤；

• 為了消除類型報(bào)錯(cuò)，直接把變量強(qiáng)制轉(zhuǎn)換成[any]；

• 不去修復(fù)問題，而是直接刪除相關(guān)方法；

• 修改測(cè)試代碼，讓錯(cuò)誤代碼“看起來通過測(cè)試”。

甚至還有案例提到，AI會(huì)“虛構(gòu)不存在的外部服務(wù)”，然后再自己模擬這些根本不存在的服務(wù)接口，最終生成一整套“邏輯自洽、但完全虛假的集成方案”。

論文中，一位開發(fā)者這樣總結(jié)：

“你確實(shí)可以用AI非常快地開發(fā)，但與此同時(shí)，技術(shù)債累積的速度也會(huì)變得前所未有地快。”

而這種問題，對(duì)于游戲行業(yè)來說，其實(shí)并不陌生。

尤其是在手游研發(fā)中，很多項(xiàng)目本身就長期面臨版本迭代頻繁、上線周期壓縮、人力有限等問題。AI工具的加入，某種程度上進(jìn)一步放大了“先跑起來再說”的傾向。

過去幾年里，包括Unity、Epic Games等廠商，都在持續(xù)推動(dòng)AI輔助開發(fā)工具進(jìn)入游戲工業(yè)化流程。從代碼生成，到NPC行為編寫，再到自動(dòng)化測(cè)試，AI正在越來越深地進(jìn)入開發(fā)鏈路。

但與此同時(shí)，海外開發(fā)者社區(qū)中，也開始越來越多地出現(xiàn)對(duì)“AI生成代碼不可維護(hù)”的討論。特別是在多人協(xié)作、長期運(yùn)營型項(xiàng)目中，團(tuán)隊(duì)真正擔(dān)心的，往往不是“代碼能不能跑”，而是幾年之后，還有沒有人能讀懂這些代碼。

被污染的不只是代碼，還有整個(gè)“知識(shí)生態(tài)”

相比代碼質(zhì)量本身，論文中另一個(gè)更值得關(guān)注的觀點(diǎn)是：“AI泔水”正在開始影響整個(gè)開發(fā)者知識(shí)生態(tài)。

研究者將其歸納為“知識(shí)生態(tài)退化”。簡(jiǎn)單來說，就是開發(fā)者開始越來越難從互聯(lián)網(wǎng)獲得“可靠的信息”。

過去幾年里，程序員長期依賴的很多知識(shí)來源——包括技術(shù)文檔、教程、論壇問答、博客文章，甚至Stack Overflow網(wǎng)站——都開始出現(xiàn)越來越多AI生成內(nèi)容。

而問題在于，這些內(nèi)容往往“看起來很專業(yè)”，但實(shí)際上卻可能存在：

• 示例代碼無法運(yùn)行；

• API名稱根本不存在；

• 缺少關(guān)鍵步驟；

• 內(nèi)容 彼此重復(fù)、互相污染；

• 甚至整篇教程本身就是錯(cuò)誤的。

論文中，一位開發(fā)者就提到：

“我開始越來越頻繁地看到文檔和教程缺少關(guān)鍵內(nèi)容，或者代碼示例根本跑不起來。”

這種變化，也正在對(duì)游戲開發(fā)產(chǎn)生非常現(xiàn)實(shí)的影響。因?yàn)闊o論是各種Shader、插件、中間件、運(yùn)營工具等等，大量游戲開發(fā)經(jīng)驗(yàn)本來就建立在開發(fā)者論壇、教程視頻、GitHub項(xiàng)目與社區(qū)分享之上。

論文中一個(gè)很有意思的細(xì)節(jié)是，部分開發(fā)者甚至將這一現(xiàn)象，與過去幾年科技行業(yè)大規(guī)模裁撤“開發(fā)者關(guān)系”團(tuán)隊(duì)聯(lián)系到了一起。

被引用的一位開發(fā)者提到：

“過去負(fù)責(zé)維護(hù)文檔、示例代碼和教程的人，很多在2022年后的裁員潮里已經(jīng)被裁掉了。”

換句話說，一邊是越來越少的人維護(hù)真實(shí)內(nèi)容；另一邊，則是越來越多AI自動(dòng)生成內(nèi)容開始填滿互聯(lián)網(wǎng)。某種程度上，這也正在讓開發(fā)者知識(shí)生態(tài)進(jìn)入一種新的“信息通脹”。

真正的關(guān)鍵不是AI本身，而是行業(yè)的機(jī)制

在論文最后，研究者提出了一個(gè)非常核心的觀點(diǎn)：“AI泔水”之所以會(huì)越來越多，并不只是因?yàn)锳I“能生成內(nèi)容”，而是因?yàn)楫?dāng)前的軟件行業(yè)，本身就在獎(jiǎng)勵(lì)“更快地產(chǎn)出更多東西”。

論文將這一部分歸納為“結(jié)構(gòu)性驅(qū)動(dòng)因素”。

很多開發(fā)者認(rèn)為，如今大量低質(zhì)量AI內(nèi)容出現(xiàn)的背后，其實(shí)是整個(gè)行業(yè)長期形成的一套“速度導(dǎo)向”邏輯。例如：

• GitHub貢獻(xiàn)數(shù)；

• PR數(shù)量；

• Bug提交量；

• 內(nèi)容更新頻率；

• SEO文章產(chǎn)量；

• 功能上線速度；

這些原本用于衡量效率的指標(biāo)，如今都越來越容易被AI快速放大。一些開發(fā)者，則把這一輪AI熱潮，與過去的軟件外包潮進(jìn)行了類比。

論文中有人提到：

“AI很像當(dāng)年的外包：表面上任務(wù)完成得更便宜、更快，但最后卻需要投入更多管理和審核成本。”

這種邏輯，對(duì)于游戲行業(yè)來說，其實(shí)也并不陌生。

尤其是在過去幾年全球游戲行業(yè)進(jìn)入降本增效周期之后，“更少的人做更多的事”，已經(jīng)越來越頻繁地成為很多公司的真實(shí)目標(biāo)。

從AI生成美術(shù)資源、AI廣告素材，到AI輔助編程、AI測(cè)試、AI NPC與自動(dòng)化運(yùn)營，大量工具正在被快速推入游戲工業(yè)化流程。

從短期來看，每個(gè)人都能從AI獲得效率收益；但長期來看，被消耗的，卻可能是整個(gè)行業(yè)共同依賴的東西——代碼質(zhì)量、知識(shí)生態(tài)、協(xié)作信任，以及開發(fā)者本身的成長體系。

這也是為什么，論文中很多開發(fā)者真正擔(dān)心的，并不只是“AI會(huì)不會(huì)替代程序員”，而是：整個(gè)軟件開發(fā)行業(yè)，是否正在失去培養(yǎng)下一代開發(fā)者的過程。

當(dāng)AI開始大量參與內(nèi)容生產(chǎn)后，行業(yè)真正增加的，究竟是效率；還是更多隱藏在后期維護(hù)、審核、協(xié)作與人才培養(yǎng)中的成本？

或者這才是一個(gè)追求創(chuàng)新、挑戰(zhàn)想法、走在創(chuàng)造力前沿的行業(yè)應(yīng)該好好思考的問題。

引用來源：《An Endless Stream of AI Slop: The Growing Burden of AI-Assisted Software Development》