آیا مدل های زبان بزرگ جایگزین برنامه نویسان انسانی خواهند شد؟
به طور خلاصه
مدل های زبان بزرگ (LLMs) پسندیدن GPT-4 پیشرفت های قابل توجهی را برای تولید کد به ارمغان آورده اند، در درجه اول به دلیل مهارت آنها در درک زبان های برنامه نویسی.
بیندو ردی، مدیر عامل Abacus.ai، انتقالی را طی 3 تا 5 سال آینده پیش‌بینی می‌کند که در آن LLMها ممکن است نقش برجسته‌ای در برنامه‌نویسی داشته باشند.
با این حال، کارشناسان دیگر استدلال می کنند که LLM برنامه نویسان را توانمند می کند و آنها را کارآمدتر می کند، اما مهارت های ظریف و توانایی های حل مسئله انسان ها در چشم انداز در حال تکامل هوش مصنوعی و برنامه نویسی ضروری است.
همانطور که مدل های زبان بزرگ (LLM) به طور فزاینده ای بر حوزه تولید کد تسلط دارند، سؤالاتی در مورد پتانسیل آنها برای جایگزینی برنامه نویسان انسانی مطرح می شود. LLM ها به دلیل ساختار ذاتی کد و کاهش ابهام در مقایسه با زبان انسانی، در درک زبان های برنامه نویسی مانند پایتون و جاوا عالی هستند.
پاسخ به اینکه آیا LLM ها جایگزین برنامه نویسان خواهند شد یا خیر، پاسخی پیچیده است که به عواملی مانند زمینه، خلاقیت و قابلیت های در حال تکامل این سیستم های هوش مصنوعی بستگی دارد. بیندو ردی، مدیر عامل Abacus.ai، پیش‌بینی می‌کند که مدل‌های زبان بزرگ (LLM) ظرف 3 تا 5 سال آینده از برنامه‌نویسان انسانی استفاده خواهند کرد.
LLM ها انقلابی در تولید کد ایجاد کرده اند و مهارت خود را در درک زبان های برنامه نویسی مانند پایتون و جاوا نشان می دهند. این تسلط از این واقعیت ناشی می شود که کد مملو از الگوهای تکرارپذیر است که داده های آموزشی فراوانی را برای LLMها و توانایی ذاتی آنها برای درک زمینه ارائه می دهد. برخلاف زبان انسان، کد به پارادایم‌های طراحی خاص، قوانین ساختاریافته و حداقل ابهام پایبند است، که تولید کد صحیح نحوی را برای LLM آسان‌تر می‌کند.
علاوه بر این، ردی توضیح داد که زبان‌های برنامه‌نویسی واژگان محدودی دارند و نیازی به نئولوژیزم‌ها و فرهنگ‌های لغت ثابت ندارند. در حالی که LLM ها در درک متنی برتر هستند، کد در مقایسه با محتوای متنی پیچیده به درک متنی بسیار کمتری نیاز دارد. برای مثال، یک الگوریتم مرتب‌سازی بر خلاف روایت‌های متنی پیچیده، به حداقل اطلاعات زمینه‌ای نیاز دارد.
منطق ذاتی کد، عملکرد و خلاقیت کاهش یافته، تولید کد دقیق را با مزیت افزوده اعتبارسنجی آسان از طریق اجرا و تجزیه و تحلیل خطا، ساده تر می کند.
"همه اینها به این معنی است که LLM ها در تولید کد ضربه می زنند. آیا این بدان معناست که آنها به زودی جایگزین برنامه نویسان خواهند شد؟ پاسخ کوتاه نه در 1-3 سال آینده و بله بعد از 3-5 سال است.
ردی گفت.
با نگاهی به آینده، همانطور که LLM ها همچنان به تکامل خود ادامه می دهند، ممکن است هوشمندتر شوند و زنجیره ای از ربات های هوش مصنوعی متعدد را قادر می سازد تا وظایف مهم تری را انجام دهند. ردی استدلال می‌کند که در نهایت، نقش یک برنامه‌نویس در ترجمه ماکت‌ها و اسناد مورد نیاز محصول (PRD) به سیستم‌های کارآمد می‌تواند کاهش یابد، که خبر از تغییر بالقوه در چشم‌انداز توسعه نرم‌افزار می‌دهد.
نظر متفاوت: LLM ها توانمند هستند، نه جایگزین برنامه نویسان
لیندا هوبریگز، رئیس هوش مصنوعی در i-Genie.ai، استدلال کرد که در حالی که LLM ها پتانسیل بسیار زیادی را ارائه می دهند، اما به جای جایگزینی، مهارت افراد با پیشینه برنامه نویسی را افزایش می دهند.
او استدلال می‌کند که تکنیک‌های پیش‌ران برتر تکامل یافته‌اند و به درک عمیق اصول LLM نیاز دارند. تکنیک‌هایی مانند زنجیره فکر، تحریک گراف، و تحریک واکنش، کیفیت خروجی و درک زمینه را افزایش می‌دهند، اما استفاده مؤثر از آنها نیازمند تخصص است که معمولاً در دانشمندان داده و برنامه‌نویسان هوش مصنوعی یافت می‌شود.
علاوه بر این، استفاده از APIها برای کارایی، که یکپارچه سازی بازده و گردش کار بالاتری را ارائه می دهند، برای کسانی که دانش برنامه نویسی دارند در دسترس تر می شود. شرکت‌هایی که API را اتخاذ می‌کنند، رشد قابل‌توجهی را در ارزش بازار تجربه کرده‌اند و بر اهمیت آنها تأکید می‌کنند.
سومین نکته هوبریگز این است که طراحی منطق پیچیده همچنان حوزه ای است که برنامه نویسان انسانی در آن برتری دارند. در حالی که LLM ها می توانند تولید کنند متنی شبیه انسان، ایجاد کدهای پیچیده، قابل اعتماد و کاربردی مهارت متمایز برنامه نویسان است. LLM ها به عنوان ابزار ارزشمندی در این فرآیند عمل می کنند.
LLM ها، هنگامی که با فناوری هایی مانند Langchain و Picecone ترکیب می شوند، جستجوی داده های اختصاصی را تسهیل می کنند - وظیفه ای که معمولاً به مهارت هایی در ساختار داده، نمایه سازی، طراحی API و تعامل LLM نیاز دارد، مهارت هایی که اغلب در دانشمندان داده و برنامه نویسان یافت می شود.
در نهایت، با توجه به اینکه LLM ها می توانند خروجی معیوب یا مغرضانه تولید کنند، اشکال زدایی و تنظیم مدل بسیار مهم هستند. این فرآیند مستلزم درک عمیق عملکرد درونی مدل، شناسایی مشکل و حل خلاقانه مسئله است، مهارت هایی که معمولاً در دانشمندان داده و برنامه نویسان با تجربه یافت می شود.
پیچیدگی فنی، ظرافت و عمق درک مورد نیاز برای استفاده موثر از این ابزارها همچنان مانعی برای عموم مردم است. به نظر می رسد که حداقل در حال حاضر، LLM ها آماده هستند تا ابزار قدرتمند دیگری در زرادخانه دانشمندان داده و برنامه نویسان، به جای جایگزین آنها،
هوبریگز نوشت.
با این حال، هوش مصنوعی برنامه‌نویسی را برای افراد غیرمسلط به فناوری آسان‌تر می‌کند. برای مثال، GPT-4 یکپارچه قابلیت‌های اجرای کد در سیستم خود، نشان‌دهنده یک توسعه بالقوه تحول‌آفرین است. این نوآوری این پتانسیل را دارد که شکاف را برای غیر برنامه نویسان پر کند و به آنها امکان می دهد بدون نیاز به مهارت های کدنویسی فنی در توسعه شرکت کنند. علاوه بر این، این مدل کدهای اجرایی تولید می‌کند و نیاز به کدگذاری دستی را از بین می‌برد و اجرای بدون زحمت را تسهیل می‌کند. با این حال، برای بهبود عملکرد کلی مدل، به‌ویژه در ساده‌سازی پردازش داده‌ها برای تولید کد و رسم نمودار، به بهبودهای بیشتری در درک داده‌ها نیاز است.
ادامه مطلب:
- 10 بهترین شغل هوش مصنوعی
- 8 نکته ای که باید در مورد مدل های زبان بزرگ بدانید
- مایکروسافت از چالش یادگیری مهارت‌های هوش مصنوعی برای تجهیز شرکت‌کنندگان به مهارت‌های هوش مصنوعی مورد تقاضا رونمایی کرد.
سلب مسئولیت
در خط با دستورالعمل های پروژه اعتماد، لطفاً توجه داشته باشید که اطلاعات ارائه شده در این صفحه به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا هر شکل دیگری در نظر گرفته نشده است و نباید تفسیر شود. مهم است که فقط در موردی سرمایه گذاری کنید که توانایی از دست دادن آن را دارید و در صورت شک و تردید به دنبال مشاوره مالی مستقل باشید. برای کسب اطلاعات بیشتر، پیشنهاد می کنیم به شرایط و ضوابط و همچنین صفحات راهنمایی و پشتیبانی ارائه شده توسط صادرکننده یا تبلیغ کننده مراجعه کنید. MetaversePost متعهد به گزارش دقیق و بی طرفانه است، اما شرایط بازار بدون اطلاع قبلی ممکن است تغییر کند.
درباره نویسنده
Agne روزنامه نگاری است که آخرین روندها و تحولات در متاورس، هوش مصنوعی و Web3 صنایع برای Metaverse Post. اشتیاق او به داستان نویسی باعث شده است که مصاحبه های متعددی با متخصصان این حوزه ها انجام دهد و همیشه به دنبال کشف داستان های هیجان انگیز و جذاب است. اگنه دارای مدرک لیسانس در ادبیات است و پیشینه گسترده ای در نوشتن در مورد طیف گسترده ای از موضوعات از جمله سفر، هنر و فرهنگ دارد. او همچنین به عنوان سردبیر برای سازمان حقوق حیوانات داوطلب شده است، جایی که به افزایش آگاهی در مورد مسائل رفاهی حیوانات کمک کرد. با او تماس بگیرید [ایمیل محافظت شده].
مقالات بیشتر
Agne روزنامه نگاری است که آخرین روندها و تحولات در متاورس، هوش مصنوعی و Web3 صنایع برای Metaverse Post. اشتیاق او به داستان نویسی باعث شده است که مصاحبه های متعددی با متخصصان این حوزه ها انجام دهد و همیشه به دنبال کشف داستان های هیجان انگیز و جذاب است. اگنه دارای مدرک لیسانس در ادبیات است و پیشینه گسترده ای در نوشتن در مورد طیف گسترده ای از موضوعات از جمله سفر، هنر و فرهنگ دارد. او همچنین به عنوان سردبیر برای سازمان حقوق حیوانات داوطلب شده است، جایی که به افزایش آگاهی در مورد مسائل رفاهی حیوانات کمک کرد. با او تماس بگیرید [ایمیل محافظت شده].
