Vil store sprogmodeller erstatte menneskelige programmører?
Kort sagt
Store sprogmodeller (LLM'er) synes godt om GPT-4 har bragt betydelige fremskridt inden for kodegenerering, primært på grund af deres færdigheder i at forstå programmeringssprog.
Bindu Reddy, administrerende direktør for Abacus.ai, forudser en overgang inden for de næste 3 til 5 år, hvor LLM'er kan påtage sig en fremtrædende rolle i programmering.
Andre eksperter hævder dog, at LLM'er styrker programmører, hvilket gør dem mere effektive, men menneskers nuancerede ekspertise og problemløsningsevner forbliver uundværlige i det udviklende landskab af AI og programmering.
Da store sprogmodeller (LLM'er) i stigende grad dominerer inden for kodegenerering, opstår der spørgsmål om deres potentiale til at erstatte menneskelige programmører. LLM'er udmærker sig ved at forstå programmeringssprog som Python og Java takket være kodens iboende struktur og reducerede tvetydighed sammenlignet med menneskeligt sprog.
Svaret på, om LLM'er vil erstatte programmører, er et komplekst svar, der afhænger af faktorer som kontekst, kreativitet og de udviklende muligheder i disse AI-systemer. Bindu Reddy, administrerende direktør for Abacus.ai, forudser, at store sprogmodeller (LLM'er) vil tage over fra menneskelige programmører inden for de næste 3 til 5 år.
LLM'er har revolutioneret kodegenerering og viser deres dygtighed til at forstå programmeringssprog som Python og Java. Denne dominans stammer fra det faktum, at kode er fyldt med repeterbare mønstre, hvilket giver rigelig træningsdata for LLM'er og deres medfødte evne til at forstå konteksten. I modsætning til menneskeligt sprog overholder kode specifikke designparadigmer, strukturerede regler og minimal tvetydighed, hvilket gør det lettere for LLM'er at generere syntaktisk korrekt kode.
Desuden forklarede Reddy, at programmeringssprog har begrænsede ordforråd, hvilket sparer behovet for konstante neologismer og ordbøger. Mens LLM'er udmærker sig i kontekstuel forståelse, kræver kode langt mindre kontekstuel forståelse sammenlignet med komplekst tekstindhold. For eksempel kræver en sorteringsalgoritme minimal kontekstuel information i modsætning til indviklede tekstfortællinger.
Kodens iboende logik, funktionalitet og reducerede kreativitet forenkler genereringen af præcis kode yderligere med den ekstra fordel af nem validering gennem udførelse og fejlanalyse.
"Alt dette betyder, at LLM'er kickass ved kodegenerering. Betyder det, at de snart vil erstatte programmører? Det korte svar er NEJ inden for de næste 1-3 år og JA efter 3-5 år."
sagde Reddy.
Når man ser fremad, efterhånden som LLM'er fortsætter med at udvikle sig, kan de blive smartere, hvilket gør det muligt at sammenkæde flere AI-bots til at tackle vigtigere opgaver. I sidste ende kan en programmørs rolle i at oversætte modeller og produktkravsdokumenter (PRD'er) til fungerende systemer mindskes, hvilket varsler et potentielt skift i landskabet for softwareudvikling, hævder Reddy.
Forskellig mening: LLM'er er styrkende og erstatter ikke programmører
Linda Hoeberigs, leder af AI hos i-Genie.ai, argumenteret at mens LLM'er tilbyder et enormt potentiale, er de klar til at øge, snarere end at erstatte, ekspertisen hos dem med programmeringsbaggrund.
Hun argumenterer for, at overlegne tilskyndelsesteknikker har udviklet sig, hvilket kræver en dyb forståelse af LLM-principperne. Teknikker som tankekæde, graffremkaldelse og reaktionsfremkaldelse forbedrer outputkvaliteten og kontekstforståelsen, men deres effektive brug kræver ekspertise, der typisk findes hos datavidenskabsmænd og AI-programmører.
Desuden bliver udnyttelse af API'er til effektivitet, som tilbyder højere gennemløb og workflow-integration, mere tilgængelig for dem med programmeringsviden. Firmaer, der anvender API'er, har oplevet en bemærkelsesværdig vækst i markedsværdi, hvilket understreger deres betydning.
Den tredje Hoeberigs pointe er, at kompleks logisk design forbliver et område, hvor menneskelige programmører udmærker sig. Mens LLM'er kan generere menneskelignende tekst, at lave indviklet, pålidelig og funktionel kode er en særskilt færdighed, som programmører besidder. LLM'er tjener som værdifulde værktøjer i denne proces.
LLM'er, når de kombineres med teknologier som Langchain og Picecone, letter forespørgslen om proprietære data - en opgave, der typisk kræver færdigheder i datastrukturering, indeksering, API-design og LLM-interaktion, færdigheder, der ofte findes hos datavidenskabsfolk og programmører.
Endelig er debugging og modeljustering altafgørende, da LLM'er kan producere fejlbehæftede eller partiske output. Denne proces kræver en dyb forståelse af modellens indre virkemåde, problemidentifikation og kreativ problemløsning, færdigheder, der almindeligvis findes hos erfarne dataforskere og programmører.
"Den tekniske kompleksitet, subtilitet og dybde af forståelse, der er nødvendig for at udnytte disse værktøjer effektivt, forbliver en barriere for den brede offentlighed. Det ser ud til, at LLM'er i det mindste for øjeblikket er klar til at blive endnu et stærkt værktøj i arsenalet af data forskere og programmører, snarere end deres erstatning."
skrev Hoeberigs.
Alligevel gør AI det lettere for ikke-teknologikyndige mennesker at programmere. For eksempel, GPT-4 integreret kodeudførelseskapaciteter ind i sit system, hvilket markerer en potentielt transformerende udvikling. Innovationen har potentialet til at bygge bro over kløften for ikke-programmører, hvilket giver dem mulighed for at engagere sig i udvikling uden at kræve tekniske kodningsfærdigheder. Derudover genererer modellen eksekverbar kode, hvilket eliminerer behovet for manuel kodning og letter en ubesværet implementering. Der er dog behov for yderligere forbedringer i dataforståelsen for at forbedre modellens overordnede ydeevne, især ved strømlining af databehandling til kodegenerering og grafplotning.
Læs mere:
- 10 bedste kunstig intelligens job
- 8 ting du bør vide om store sprogmodeller
- Microsoft afslører Learn AI Skills Challenge for at udstyre deltagerne med efterspurgt AI-ekspertise
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Agne er en journalist, der dækker de seneste trends og udviklinger inden for metaverset, AI og Web3 industrier for Metaverse Post. Hendes passion for historiefortælling har fået hende til at gennemføre adskillige interviews med eksperter inden for disse områder, hvor hun altid søger at afdække spændende og engagerende historier. Agne er uddannet bachelor i litteratur og har en omfattende baggrund i at skrive om en bred vifte af emner, herunder rejser, kunst og kultur. Hun har også været frivillig som redaktør for dyrerettighedsorganisationen, hvor hun var med til at skabe opmærksomhed omkring dyrevelfærdsspørgsmål. Kontakt hende på [e-mail beskyttet].
Flere artikler
Agne er en journalist, der dækker de seneste trends og udviklinger inden for metaverset, AI og Web3 industrier for Metaverse Post. Hendes passion for historiefortælling har fået hende til at gennemføre adskillige interviews med eksperter inden for disse områder, hvor hun altid søger at afdække spændende og engagerende historier. Agne er uddannet bachelor i litteratur og har en omfattende baggrund i at skrive om en bred vifte af emner, herunder rejser, kunst og kultur. Hun har også været frivillig som redaktør for dyrerettighedsorganisationen, hvor hun var med til at skabe opmærksomhed omkring dyrevelfærdsspørgsmål. Kontakt hende på [e-mail beskyttet].
