האם מודלים של שפה גדולים יחליפו מתכנתים אנושיים?
בקיצור
דגמי שפה גדולים (לימודי תואר שני) כמו GPT-4 הביאו התקדמות משמעותית ליצירת קוד, בעיקר בשל מיומנותם בהבנת שפות תכנות.
Bindu Reddy, מנכ"ל Abacus.ai, צופה מעבר בתוך 3 עד 5 השנים הבאות, שבו LLMs עשויים לקחת תפקיד בולט בתכנות.
עם זאת, מומחים אחרים טוענים ש-LLMs מעצימים מתכנתים, מה שהופך אותם ליעילים יותר, אך המומחיות הניואנסית ויכולות פתרון הבעיות של בני אדם נותרו הכרחיות בנוף המתפתח של AI ותכנות.
כאשר מודלים של שפה גדולים (LLMs) שולטים יותר ויותר בתחום יצירת הקוד, עולות שאלות לגבי הפוטנציאל שלהם להחליף מתכנתים אנושיים. לימודי תואר שני מצטיינים בהבנת שפות תכנות כמו Python ו-Java, הודות למבנה המובנה של הקוד והאי-בהירות המופחתת בהשוואה לשפה אנושית.
התשובה לשאלה האם לימודי LLM יחליפו מתכנתים היא אחת מורכבת, תלויה בגורמים כמו הקשר, יצירתיות והיכולות המתפתחות של מערכות AI אלו. Bindu Reddy, מנכ"ל Abacus.ai, צופה כי מודלים של שפה גדולה (LLMs) ישתלטו על מתכנתים אנושיים בתוך 3 עד 5 שנים.
LLMs חוללו מהפכה ביצירת קוד, כשהם מציגים את יכולתם בהבנת שפות תכנות כגון Python ו-Java. הדומיננטיות הזו נובעת מהעובדה שקוד גדוש בתבניות שניתנות לחזרה, ומספק נתוני אימון בשפע עבור LLMs והיכולת המולדת שלהם לתפוס הקשר. בניגוד לשפה אנושית, קוד דבק בפרדיגמות עיצוב ספציפיות, כללים מובנים ואי בהירות מינימלית, מה שמקל על LLMs ליצור קוד תקין מבחינה תחבירית.
יתר על כן, רדי הסביר שלשפות תכנות יש אוצר מילים מוגבל, מה שחוסך את הצורך בניאולוגיזם ומילונים מתמידים. בעוד ש-LLM מצטיינים בהבנת הקשר, קוד דורש הרבה פחות הבנה הקשרית בהשוואה לתוכן טקסטואלי מורכב. לדוגמה, אלגוריתם מיון מחייב מידע הקשרי מינימלי, בניגוד לנרטיבים טקסטואליים מורכבים.
ההיגיון, הפונקציונליות והיצירתיות המופחתת של הקוד מפשטים עוד יותר את יצירת הקוד המדויק, עם היתרון הנוסף של אימות קל באמצעות ביצוע וניתוח שגיאות.
"כל זה אומר שלימודי תואר ראשון בועטים ביצירת קוד. האם זה אומר שהם יחליפו בקרוב מתכנתים? התשובה הקצרה היא לא ב-1-3 שנים הקרובות וכן מעבר ל-3-5 שנים."
אמר רדי.
במבט קדימה, ככל ש-LLMs ממשיכים להתפתח, הם עשויים להיות חכמים יותר, מה שיאפשר שרשור של בוטים של AI מרובים להתמודד עם משימות משמעותיות יותר. בסופו של דבר, תפקידו של מתכנת בתרגום דגמי דגמים ומסמכי דרישות מוצר (PRDs) למערכות מתפקדות עשוי להצטמצם, מה שמבשר על שינוי פוטנציאלי בנוף של פיתוח תוכנה, טוען רדי.
דעות שונות: לימודי תואר שני מעצימים, לא מחליפים מתכנתים
לינדה הובריגס, ראש מחלקת בינה מלאכותית ב-i-Genie.ai, טען שאמנם לימודי LLM מציעים פוטנציאל עצום, אך הם מוכנים להגדיל, במקום להחליף, את המומחיות של בעלי רקע תכנות.
היא טוענת כי טכניקות הנחיה מעולות התפתחו, הדורשות הבנה מעמיקה של עקרונות LLM. טכניקות כמו שרשרת מחשבה, הנחיית גרפים והנחות תגובה משפרות את איכות הפלט ואת הבנת ההקשר, אך השימוש היעיל בהן דורש מומחיות שנמצאת בדרך כלל אצל מדעני נתונים ומתכנתי בינה מלאכותית.
יתרה מכך, רתימת ממשקי API ליעילות, המציעים תפוקה ושילוב זרימת עבודה גבוהים יותר, הופכת נגישה יותר לבעלי ידע בתכנות. חברות המאמצות ממשקי API חוו צמיחה בולטת בשווי השוק, המדגישה את חשיבותן.
הנקודה השלישית של הובריגס היא שעיצוב לוגי מורכב נותר תחום שבו מתכנתים אנושיים מצטיינים. בעוד LLMs יכול ליצור טקסט דמוי אדם, יצירת קוד מורכב, אמין ופונקציונלי היא מיומנות ייחודית שיש למתכנתים. לימודי LLM משמשים ככלים חשובים בתהליך זה.
LLMs, בשילוב עם טכנולוגיות כמו Langchain ו-Picecone, מקלים על השאילתה של נתונים קנייניים - משימה הדורשת בדרך כלל מיומנויות בבניית נתונים, אינדקס, עיצוב API ואינטראקציה של LLM, מיומנויות שנמצאות לרוב אצל מדעני נתונים ומתכנתים.
לבסוף, איתור באגים וכוונון דגמים הם בעלי חשיבות עליונה, בהתחשב בכך ש-LLMs יכולים לייצר פלט פגום או מוטה. תהליך זה מחייב הבנה עמוקה של פעולתו הפנימית של המודל, זיהוי בעיות ופתרון בעיות יצירתי, כישורים הנפוצים אצל מדעני נתונים ומתכנתים מנוסים.
"המורכבות הטכנית, העדינות ועומק ההבנה הדרושים למינוף הכלים הללו ביעילות נותרו מחסום עבור הציבור הרחב. נראה שלפחות לעת עתה, לימודי LLM עומדים להיות עוד כלי רב עוצמה בארסנל של מדעני נתונים ומתכנתים, במקום החלפתם",
כתב הובריגס.
ובכל זאת, AI מקל על אנשים שאינם מבינים בטכנולוגיה לתכנת. לדוגמה, GPT-4 משולב יכולות ביצוע קוד למערכת שלה, המסמנות התפתחות שעלולה לשנות. לחדשנות יש פוטנציאל לגשר על הפער עבור מי שאינם מתכנתים, ולאפשר להם לעסוק בפיתוח מבלי לדרוש כישורי קידוד טכניים. בנוסף, המודל מייצר קוד בר הפעלה, מבטל את הצורך בקידוד ידני ומקל על יישום ללא מאמץ. עם זאת, דרושים שיפורים נוספים בהבנת הנתונים כדי לשפר את הביצועים הכוללים של המודל, במיוחד בייעול עיבוד הנתונים להפקת קוד ותווית גרפים.
קרא עוד:
- 10 המשרות הטובות ביותר בבינה מלאכותית
- 8 דברים שכדאי לדעת על דגמי שפה גדולים
- מיקרוסופט חושפת את אתגר Learn AI Skills כדי לצייד את המשתתפים במומחיות AI מבוקשת
כתב ויתור
בקנה אחד עם הנחיות פרויקט אמון, אנא שים לב שהמידע המסופק בדף זה אינו מיועד ואין לפרש אותו כייעוץ משפטי, מס, השקעות, פיננסי או כל צורה אחרת של ייעוץ. חשוב להשקיע רק את מה שאתה יכול להרשות לעצמך להפסיד ולפנות לייעוץ פיננסי עצמאי אם יש לך ספק. למידע נוסף, אנו מציעים להתייחס לתנאים ולהגבלות וכן לדפי העזרה והתמיכה שסופקו על ידי המנפיק או המפרסם. MetaversePost מחויבת לדיווח מדויק וחסר פניות, אך תנאי השוק עשויים להשתנות ללא הודעה מוקדמת.
על המחבר
אגנה היא עיתונאית שמסקרת את המגמות וההתפתחויות האחרונות ב-metaverse, AI, ו Web3 תעשיות עבור Metaverse Post. התשוקה שלה לספר סיפורים הובילה אותה לערוך ראיונות רבים עם מומחים בתחומים אלה, כשהם מחפשים תמיד לחשוף סיפורים מרגשים ומרתקים. אגנה היא בעלת תואר ראשון בספרות ובעלת רקע נרחב בכתיבה על מגוון רחב של נושאים לרבות נסיעות, אמנות ותרבות. היא גם התנדבה כעורכת בארגון לזכויות בעלי חיים, שם סייעה להעלות את המודעות לנושאים של רווחת בעלי חיים. צור איתה קשר [מוגן בדוא"ל].
מאמרים נוספים
אגנה היא עיתונאית שמסקרת את המגמות וההתפתחויות האחרונות ב-metaverse, AI, ו Web3 תעשיות עבור Metaverse Post. התשוקה שלה לספר סיפורים הובילה אותה לערוך ראיונות רבים עם מומחים בתחומים אלה, כשהם מחפשים תמיד לחשוף סיפורים מרגשים ומרתקים. אגנה היא בעלת תואר ראשון בספרות ובעלת רקע נרחב בכתיבה על מגוון רחב של נושאים לרבות נסיעות, אמנות ותרבות. היא גם התנדבה כעורכת בארגון לזכויות בעלי חיים, שם סייעה להעלות את המודעות לנושאים של רווחת בעלי חיים. צור איתה קשר [מוגן בדוא"ל].
