先說結論
基於類神經網路算法的數學模型必然沒有自主意識，其所表現的行為也只能停留在弱人工智慧的範疇。人類可以增加計算的複雜度及多種功能的複合，然而這只是使它盡量接近所謂的通用型人工智慧。亦即，只要未來所有的人工智能仍然採取現有的數學模型和資料搜索方式，那這些建構在程式碼框架上的機體將永遠沒有真正的自主意識。此外，不同於擁有多種複雜功能的人類軀體，當前的人工智能多停留在電子技術層面，與現實世界的互動不足以使它在不需要人類提供資訊的狀況下產出能使人類滿意的結果。綜上所述，在當前技術與研究方向仍是未來主流的前提下，人工智慧永遠不會取代程序員。
什麼是類神經網路?
如果你正好研究過這個題目、又或者願意上網查詢相關的論述，那這個問題其實可以很複雜、很多樣。但同時，我們可以用創造這些算法之目的性做一個更為淺顯的解釋: 將觀測結果輸入一個數學模型而能取得與人類判讀有著同等結論且具有意義的資訊。由於定義及所需功能，人工智能不必然需要用到類神經網路，但它確實被廣泛應用於許多科研領域。由於類神經網路本質上是數學算式，因此不論使用的算法有多複雜、參考的資料數有多海量，它就只是在計算，而非在思考。
什麼是弱人工智慧?
我們可以用是否能執行思考這種認知能力去劃分弱人工智慧與強人工智慧。弱人工智慧無法思考，但可以透過資料搜索及學習，搭配足夠類似人類的回應模式而被設計成看似會思考。強人工智慧則具有完整的人類認知能力，能在接收外部資訊後自行思考並取得答案、擬定解決問題的方法。
有無自主意識的影響
程序員所撰寫的程式必然有其用途，並且還要不斷檢視實際展現的效果以進行修改。這件事看起來也能用機器實現，但實際上存在很大的困難。在一個專案的實踐過程中，程序員通常需要與協作者、上司、客戶進行討論，讓專案符合人的需求、成為人們想要的樣子。這個過程中，新的想法、功能也不斷地被加入，程式也會一再地修改。此時，程式的撰寫未必遵循最佳方案，反而更像是為了配合人的因素而導向最適方案。從這點來看，無法自行思考而僅能遵循既定規則的人工智慧在方案擬定及專案協作上並不具備人類的靈活度，而偏偏寫程式的目的又是要解決人所面對的問題。
再來就是更加現實的議題了，全世界需要撰寫程式的企業、組織、個人都有自己的程序，用以實現各自不同的功能，而實作方式更是因人而異。所以弱人工智慧僅能處理單純的問題，因為當步驟越複雜，需要設置的條件與功能就越多。要開發出一套能自動取用資源並調整、設計、除錯，從而符合上級或客戶需要的系統是十分困難的。也就是說，除非使用能和人一樣自行思考的強人工智慧，不然光是要打造出一個能幫忙解決某個專案的弱人工智慧都是極為困難且消耗資源的，倒不如請一個程序員直接接手專案來得有效。
電子技術層面的侷限性
當前的人工智慧通常被限縮在功能不足的機體中，要完善其機能還有很長的路要走，這裡用一個案例解釋目前人類程序員無法被當前的人工智慧取代的原因:
某程序員需要在軟體畫面中顯示客戶要求的圖案，他把該圖案用繪圖軟體調成客戶要的大小後卻發現部分的圖案會超出畫面而被截斷。於是他打了通電話與客戶進行確認，客戶也重新寄來了一個修正過的規格。
這個看上去很簡單的事件如果要用具有足夠機能的人工智慧去實現，那它必須要能搜索資料夾中的圖案、使用繪圖軟體、讀取客戶給的規格書、撰寫程式以在對的位置與時機呈現該圖案、用機器視覺發現圖案超出畫面、撥打客戶電話並討論解決方式、下載客戶提供的資料而後從頭開始進行上述動作。
對於一般的組織或個人而言，上述的人工智慧是難以製造的。
結語
人類思考與執行的優勢是當前的人工智慧機體無可比擬的，只要人工智慧技術的發展方向仍建立在現今的數學模型與電子技術層面，那可以確定人工智慧永遠無法取代程序員。
