Ar dideli kalbų modeliai pakeis žmonių programuotojus?
Trumpai
Didelės kalbos modeliai (LLM) Kaip GPT-4 padarė didelę pažangą kuriant kodą, visų pirma dėl jų mokėjimo suprasti programavimo kalbas.
Bindu Reddy, „Abacus.ai“ generalinis direktorius, prognozuoja perėjimą per ateinančius 3–5 metus, kai LLM gali prisiimti svarbų vaidmenį programuojant.
Tačiau kiti ekspertai teigia, kad LLM įgalina programuotojus, todėl jie tampa veiksmingesni, tačiau niuansuota žmonių patirtis ir problemų sprendimo gebėjimai išlieka būtini besivystančiame AI ir programavimo aplinkoje.
Kadangi kodų generavimo srityje vis labiau dominuoja dideli kalbų modeliai (LLM), kyla klausimų dėl jų galimybių pakeisti programuotojus. LLM puikiai supranta programavimo kalbas, tokias kaip Python ir Java, dėka kodui būdingos struktūros ir mažesnio dviprasmiškumo, palyginti su žmogaus kalba.
Atsakymas į tai, ar LLM pakeis programuotojus, yra sudėtingas ir priklauso nuo tokių veiksnių kaip kontekstas, kūrybiškumas ir besivystančios šių AI sistemų galimybės. Bindu Reddy, „Abacus.ai“ generalinis direktorius, prognozuoja, kad per ateinančius 3–5 metus didelių kalbų modeliai (LLM) perims žmonių programuotojų valdžią.
LLM padarė revoliuciją kodų generavime, parodydami savo sugebėjimus suprasti programavimo kalbas, tokias kaip Python ir Java. Šis dominavimas kyla dėl to, kad kode gausu pasikartojančių modelių, suteikiančių daug mokymo duomenų LLM ir jų įgimtą gebėjimą suvokti kontekstą. Skirtingai nei žmonių kalba, kodas laikosi specifinių projektavimo paradigmų, struktūrinių taisyklių ir minimalaus dviprasmiškumo, todėl LLM lengviau generuoti sintaksiškai teisingą kodą.
Be to, Reddy paaiškino, kad programavimo kalbos turi ribotą žodyną, todėl nereikia nuolatinių neologizmų ir žodynų. Nors LLM puikiai supranta kontekstą, kodui reikia daug mažiau konteksto supratimo, palyginti su sudėtingu tekstiniu turiniu. Pavyzdžiui, rūšiavimo algoritmas reikalauja minimalios kontekstinės informacijos, skirtingai nei sudėtingi tekstiniai pasakojimai.
Kodui būdinga logika, funkcionalumas ir sumažėjęs kūrybiškumas dar labiau supaprastina tikslaus kodo generavimą, o papildomas pranašumas – lengvas patvirtinimas vykdant ir analizuojant klaidas.
„Visa tai reiškia, kad LLM generuoja kodą. Ar tai reiškia, kad jie greitai pakeis programuotojus? Trumpas atsakymas yra NE per ateinančius 1–3 metus ir TAIP po 3–5 metų.
Reddy pasakė.
Žvelgiant į ateitį, LLM ir toliau tobulėjant, jie gali tapti išmanesni ir sudaryti sąlygas sujungti kelis AI robotus, kad būtų galima atlikti svarbesnes užduotis. Galiausiai programuotojo vaidmuo verčiant maketus ir gaminių reikalavimų dokumentus (PRD) į veikiančias sistemas gali sumažėti, o tai reikštų galimą programinės įrangos kūrimo kraštovaizdžio pokytį, teigia Reddy.
Skirtinga nuomonė: LLM suteikia galių, o ne pakeičia programuotojus
Linda Hoeberigs, i-Genie.ai AI vadovė, ginčijo kad nors LLM siūlo didžiulį potencialą, jie yra pasirengę padidinti, o ne pakeisti programavimo išsilavinimą turinčių asmenų patirtį.
Ji teigia, kad išsivystė geresni raginimo būdai, reikalaujantys gilaus LLM principų supratimo. Tokios technikos kaip minčių grandinė, grafiko raginimas ir reagavimo raginimas pagerina išvesties kokybę ir konteksto supratimą, tačiau jų veiksmingam naudojimui reikia patirties, kurią paprastai turi duomenų mokslininkai ir AI programuotojai.
Be to, naudojant API efektyvumui, kurios siūlo didesnį pralaidumą ir darbo eigos integravimą, tampa lengviau prieinamas tiems, kurie turi programavimo žinių. Įmonės, taikančios API, pastebimai išaugo rinkos kapitalizacija, pabrėždamos jų svarbą.
Trečias Hoeberigs punktas yra tas, kad sudėtingas loginis dizainas išlieka ta sritimi, kurioje žmonių programuotojai yra puikūs. Nors LLM gali generuoti į žmogų panašus tekstas, sudėtingo, patikimo ir funkcinio kodo kūrimas yra išskirtinis programuotojų įgūdis. LLM šiame procese yra vertingos priemonės.
LLM, kartu su technologijomis, tokiomis kaip „Langchain“ ir „Picecone“, palengvina patentuotų duomenų užklausą – užduotį, kuriai paprastai reikia duomenų struktūrizavimo, indeksavimo, API projektavimo ir LLM sąveikos įgūdžių – įgūdžių, kuriuos dažnai randa duomenų mokslininkai ir programuotojai.
Galiausiai, derinimas ir modelio derinimas yra svarbiausi, atsižvelgiant į tai, kad LLM gali sukurti klaidingą ar šališką išvestį. Šiam procesui būtinas gilus modelio veikimo, problemų identifikavimo ir kūrybiško problemų sprendimo supratimas – įgūdžiai, kuriuos dažniausiai randa patyrę duomenų mokslininkai ir programuotojai.
„Techninis sudėtingumas, subtilumas ir supratimo gylis, kurių reikia norint veiksmingai panaudoti šias priemones, išlieka kliūtimi plačiajai visuomenei. Atrodo, kad bent jau kol kas LLM yra pasirengusios tapti dar vienu galingu įrankiu arsenale. duomenų mokslininkai ir programuotojai, o ne jų pakeitimas“,
Hoeberigas rašė.
Vis dėlto dirbtinis intelektas leidžia lengviau programuoti techniką neišmanantiems žmonėms. Pavyzdžiui, GPT-4 integruota kodo vykdymo galimybes į savo sistemą, pažymėdamas potencialiai transformuojančią plėtrą. Naujovė gali užpildyti atotrūkį ne programuotojams, leisdama jiems užsiimti plėtra nereikalaujant techninių kodavimo įgūdžių. Be to, modelis generuoja vykdomąjį kodą, todėl nereikia koduoti rankiniu būdu ir palengvina diegimą be pastangų. Tačiau reikia toliau tobulinti duomenų supratimą, kad būtų pagerintas bendras modelio našumas, ypač supaprastinant duomenų apdorojimą kodo generavimui ir grafiko braižymui.
Plačiau paskaitykite čia:
- 10 geriausių dirbtinio intelekto darbų
- 8 dalykai, kuriuos turėtumėte žinoti apie didelių kalbų modelius
- „Microsoft“ pristato AI įgūdžių iššūkį, skirtą dalyviams suteikti reikiamų dirbtinio intelekto žinių
Atsakomybės neigimas
Remdamasi tuo, Pasitikėjimo projekto gairės, atkreipkite dėmesį, kad šiame puslapyje pateikta informacija nėra skirta ir neturėtų būti aiškinama kaip teisinė, mokesčių, investicinė, finansinė ar bet kokia kita konsultacija. Svarbu investuoti tik tai, ką galite sau leisti prarasti, ir, jei turite kokių nors abejonių, kreiptis į nepriklausomą finansinę konsultaciją. Norėdami gauti daugiau informacijos, siūlome peržiūrėti taisykles ir nuostatas bei pagalbos ir palaikymo puslapius, kuriuos pateikia išdavėjas arba reklamuotojas. MetaversePost yra įsipareigojusi teikti tikslias, nešališkas ataskaitas, tačiau rinkos sąlygos gali keistis be įspėjimo.
Apie autorių
Agnė yra žurnalistė, kuri pasakoja apie naujausias tendencijas ir pokyčius metaverse, AI ir Web3 pramonės šakoms Metaverse Post. Jos aistra pasakojimui paskatino ją vesti daugybę interviu su šių sričių ekspertais, visada siekdama atskleisti įdomių ir įtraukiančių istorijų. Agnė yra įgijusi literatūros bakalauro laipsnį ir daug rašo įvairiomis temomis, įskaitant keliones, meną ir kultūrą. Ji taip pat savanoriavo gyvūnų teisių organizacijos redaktore, kur padėjo didinti informuotumą apie gyvūnų gerovės problemas. Susisiekite su ja [apsaugotas el. paštu].
Daugiau straipsnių
Agnė yra žurnalistė, kuri pasakoja apie naujausias tendencijas ir pokyčius metaverse, AI ir Web3 pramonės šakoms Metaverse Post. Jos aistra pasakojimui paskatino ją vesti daugybę interviu su šių sričių ekspertais, visada siekdama atskleisti įdomių ir įtraukiančių istorijų. Agnė yra įgijusi literatūros bakalauro laipsnį ir daug rašo įvairiomis temomis, įskaitant keliones, meną ir kultūrą. Ji taip pat savanoriavo gyvūnų teisių organizacijos redaktore, kur padėjo didinti informuotumą apie gyvūnų gerovės problemas. Susisiekite su ja [apsaugotas el. paštu].
