Adakah Model Bahasa Besar Menggantikan Pengaturcara Manusia?
Secara ringkas
Model Bahasa Besar (LLM) suka GPT-4 telah membawa kemajuan yang ketara kepada penjanaan kod, terutamanya disebabkan oleh kecekapan mereka dalam memahami bahasa pengaturcaraan.
Bindu Reddy, Ketua Pegawai Eksekutif Abacus.ai, meramalkan peralihan dalam tempoh 3 hingga 5 tahun akan datang, di mana LLM mungkin memainkan peranan penting dalam pengaturcaraan.
Walau bagaimanapun, pakar lain berpendapat bahawa LLM memperkasakan pengaturcara, menjadikannya lebih cekap, tetapi kepakaran bernuansa dan kebolehan menyelesaikan masalah manusia kekal sangat diperlukan dalam landskap AI dan pengaturcaraan yang berkembang.
Memandangkan model bahasa besar (LLM) semakin mendominasi bidang penjanaan kod, persoalan timbul tentang potensi mereka untuk menggantikan pengaturcara manusia. LLM cemerlang dalam memahami bahasa pengaturcaraan seperti Python dan Java, terima kasih kepada struktur bawaan kod dan mengurangkan kekaburan berbanding bahasa manusia.
Jawapan kepada sama ada LLM akan menggantikan pengaturcara adalah sesuatu yang kompleks, bergantung pada faktor seperti konteks, kreativiti dan keupayaan berkembang sistem AI ini. Bindu Reddy, Ketua Pegawai Eksekutif Abacus.ai, meramalkan bahawa Model Bahasa Besar (LLM) akan mengambil alih daripada pengaturcara manusia dalam tempoh 3 hingga 5 tahun akan datang.
LLM telah merevolusikan penjanaan kod, mempamerkan kehebatan mereka dalam memahami bahasa pengaturcaraan seperti Python dan Java. Penguasaan ini berpunca daripada fakta bahawa kod penuh dengan corak yang boleh diulang, menyediakan data latihan yang mencukupi untuk LLM dan keupayaan semula jadi mereka untuk memahami konteks. Tidak seperti bahasa manusia, kod mematuhi paradigma reka bentuk tertentu, peraturan berstruktur dan kekaburan minimum, menjadikannya lebih mudah untuk LLM menjana kod yang betul dari segi sintaksis.
Lebih-lebih lagi, Reddy menjelaskan bahawa bahasa pengaturcaraan mempunyai perbendaharaan kata yang terhad, tanpa memerlukan neologisme dan kamus yang berterusan. Walaupun LLM cemerlang dalam pemahaman kontekstual, kod memerlukan pemahaman konteks yang jauh lebih rendah berbanding kandungan tekstual yang kompleks. Sebagai contoh, algoritma pengisihan memerlukan maklumat kontekstual yang minimum, tidak seperti naratif teks yang rumit.
Logik yang wujud, kefungsian dan kreativiti yang dikurangkan memudahkan lagi penjanaan kod yang tepat, dengan kelebihan tambahan iaitu pengesahan mudah melalui pelaksanaan dan analisis ralat.
"Semua ini bermakna bahawa LLMs kickass pada penjanaan kod. Adakah ini bermakna mereka akan menggantikan pengaturcara tidak lama lagi? Jawapan ringkasnya ialah TIDAK dalam 1-3 tahun akan datang dan YA selepas 3-5 tahun,”
Reddy berkata.
Memandang ke hadapan, apabila LLM terus berkembang, mereka mungkin menjadi lebih pintar, membolehkan rantaian berbilang bot AI untuk menangani tugas yang lebih penting. Akhirnya, peranan seorang pengaturcara dalam menterjemahkan mock-up dan dokumen keperluan produk (PRD) ke dalam sistem yang berfungsi boleh berkurangan, menandakan potensi perubahan dalam landskap pembangunan perisian, Reddy berpendapat.
Pendapat Berbeza: LLM Memperkasa, Bukan Menggantikan Pengaturcara
Linda Hoeberigs, Ketua AI di i-Genie.ai, berhujah walaupun LLM menawarkan potensi yang besar, mereka bersedia untuk menambah, bukannya menggantikan, kepakaran mereka yang mempunyai latar belakang pengaturcaraan.
Beliau berpendapat bahawa teknik dorongan yang unggul telah berkembang, memerlukan pemahaman yang mendalam tentang prinsip LLM. Teknik seperti rantaian pemikiran, gesaan graf dan gesaan tindak balas meningkatkan kualiti output dan pemahaman konteks, tetapi penggunaan berkesannya memerlukan kepakaran yang biasanya ditemui dalam saintis data dan pengaturcara AI.
Lebih-lebih lagi, memanfaatkan API untuk kecekapan, yang menawarkan daya pemprosesan yang lebih tinggi dan integrasi aliran kerja, menjadi lebih mudah diakses oleh mereka yang mempunyai pengetahuan pengaturcaraan. Firma yang mengguna pakai API telah mengalami pertumbuhan yang ketara dalam permodalan pasaran, menekankan kepentingannya.
Perkara ketiga Hoeberigs ialah reka bentuk logik yang kompleks kekal sebagai kawasan di mana pengaturcara manusia cemerlang. Manakala LLM boleh menjana teks seperti manusia, mencipta kod yang rumit, boleh dipercayai dan berfungsi ialah kemahiran tersendiri yang dimiliki oleh pengaturcara. LLM berfungsi sebagai alat yang berharga dalam proses ini.
LLM, apabila digabungkan dengan teknologi seperti Langchain dan Picecone, memudahkan penyoalan data proprietari—tugas yang biasanya menuntut kemahiran dalam penstrukturan data, pengindeksan, reka bentuk API dan interaksi LLM, kemahiran yang sering ditemui dalam saintis data dan pengaturcara.
Akhir sekali, penyahpepijatan dan penalaan model adalah yang terpenting, memandangkan LLM boleh menghasilkan output yang cacat atau berat sebelah. Proses ini memerlukan pemahaman yang mendalam tentang kerja dalaman model, pengenalpastian masalah, dan penyelesaian masalah kreatif, kemahiran yang biasa ditemui dalam saintis data dan pengaturcaraan yang berpengalaman.
“Kerumitan teknikal, kehalusan dan kedalaman pemahaman yang diperlukan untuk memanfaatkan alat ini dengan berkesan kekal sebagai penghalang bagi orang awam. Nampaknya, buat masa ini sekurang-kurangnya, LLM bersedia untuk menjadi satu lagi alat yang berkuasa dalam senjata saintis data dan pengaturcara, bukannya pengganti mereka,”
Hoeberigs menulis.
Namun, AI memudahkan mereka yang bukan celik teknologi membuat program. Sebagai contoh, GPT-4 bersepadu keupayaan pelaksanaan kod ke dalam sistemnya, menandakan pembangunan yang berpotensi transformatif. Inovasi ini berpotensi untuk merapatkan jurang bagi bukan pengaturcara, membolehkan mereka terlibat dalam pembangunan tanpa memerlukan kemahiran pengekodan teknikal. Selain itu, model menjana kod boleh laku, menghapuskan keperluan untuk pengekodan manual dan memudahkan pelaksanaan yang mudah. Walau bagaimanapun, penambahbaikan selanjutnya diperlukan dalam pemahaman data untuk meningkatkan prestasi keseluruhan model, terutamanya dalam memperkemas pemprosesan data untuk penjanaan kod dan pemplotan graf.
Baca lebih lanjut:
- 10 Pekerjaan Kecerdasan Buatan Terbaik
- 8 Perkara Yang Anda Perlu Tahu Mengenai Model Bahasa Besar
- Microsoft Memperkenalkan Learn AI Skills Challenge untuk Melengkapkan Peserta dengan Kepakaran AI Dalam Permintaan
Penafian
Selaras dengan Garis panduan Projek Amanah, sila ambil perhatian bahawa maklumat yang diberikan pada halaman ini tidak bertujuan untuk menjadi dan tidak seharusnya ditafsirkan sebagai nasihat undang-undang, cukai, pelaburan, kewangan atau sebarang bentuk nasihat lain. Adalah penting untuk hanya melabur apa yang anda mampu kehilangan dan mendapatkan nasihat kewangan bebas jika anda mempunyai sebarang keraguan. Untuk maklumat lanjut, kami mencadangkan merujuk kepada terma dan syarat serta halaman bantuan dan sokongan yang disediakan oleh pengeluar atau pengiklan. MetaversePost komited kepada laporan yang tepat dan tidak berat sebelah, tetapi keadaan pasaran tertakluk kepada perubahan tanpa notis.
Tentang Pengarang
Agne ialah seorang wartawan yang membuat liputan tentang trend dan perkembangan terkini dalam metaverse, AI, dan Web3 industri untuk Metaverse Post. Keghairahannya untuk bercerita telah menyebabkan dia menjalankan banyak temu bual dengan pakar dalam bidang ini, sentiasa berusaha untuk mendedahkan cerita yang menarik dan menarik. Agne memegang ijazah Sarjana Muda dalam kesusasteraan dan mempunyai latar belakang yang luas dalam penulisan tentang pelbagai topik termasuk perjalanan, seni dan budaya. Dia juga menawarkan diri sebagai editor untuk organisasi hak haiwan, di mana dia membantu meningkatkan kesedaran tentang isu kebajikan haiwan. Hubungi dia [e-mel dilindungi].
lebih banyak artikel
Agne ialah seorang wartawan yang membuat liputan tentang trend dan perkembangan terkini dalam metaverse, AI, dan Web3 industri untuk Metaverse Post. Keghairahannya untuk bercerita telah menyebabkan dia menjalankan banyak temu bual dengan pakar dalam bidang ini, sentiasa berusaha untuk mendedahkan cerita yang menarik dan menarik. Agne memegang ijazah Sarjana Muda dalam kesusasteraan dan mempunyai latar belakang yang luas dalam penulisan tentang pelbagai topik termasuk perjalanan, seni dan budaya. Dia juga menawarkan diri sebagai editor untuk organisasi hak haiwan, di mana dia membantu meningkatkan kesedaran tentang isu kebajikan haiwan. Hubungi dia [e-mel dilindungi].
