Ali bodo veliki jezikovni modeli nadomestili človeške programerje?
Na kratko
Veliki jezikovni modeli (LLM) všeč GPT-4 so prinesli pomemben napredek pri ustvarjanju kode, predvsem zaradi svojega znanja v razumevanju programskih jezikov.
Bindu Reddy, izvršni direktor Abacus.ai, napoveduje prehod v naslednjih 3 do 5 letih, kjer bi LLM lahko prevzeli pomembno vlogo pri programiranju.
Vendar pa drugi strokovnjaki trdijo, da magistrski študiji opolnomočijo programerje, zaradi česar so bolj učinkoviti, vendar niansirano strokovno znanje in sposobnosti ljudi za reševanje problemov ostajajo nepogrešljive v razvijajočem se okolju umetne inteligence in programiranja.
Ker veliki jezikovni modeli (LLM) vedno bolj prevladujejo na področju generiranja kode, se pojavljajo vprašanja o njihovem potencialu, da nadomestijo človeške programerje. LLM-ji so odlični pri razumevanju programskih jezikov, kot sta Python in Java, zahvaljujoč inherentni strukturi kode in zmanjšani dvoumnosti v primerjavi s človeškim jezikom.
Odgovor na to, ali bodo LLM nadomestili programerje, je zapleten in odvisen od dejavnikov, kot so kontekst, ustvarjalnost in razvijajoče se zmogljivosti teh sistemov umetne inteligence. Bindu Reddy, izvršni direktor Abacus.ai, napoveduje, da bodo Large Language Models (LLM) prevzeli človeški programerji v naslednjih 3 do 5 letih.
LLM-ji so revolucionirali ustvarjanje kode in pokazali svojo moč pri razumevanju programskih jezikov, kot sta Python in Java. Ta prevlada izhaja iz dejstva, da je koda polna ponovljivih vzorcev, ki zagotavljajo dovolj podatkov o usposabljanju za LLM in njihovo prirojeno sposobnost razumevanja konteksta. Za razliko od človeškega jezika se koda drži posebnih oblikovalskih paradigem, strukturiranih pravil in minimalne dvoumnosti, kar LLM-jem olajša ustvarjanje sintaktično pravilne kode.
Poleg tega je Reddy pojasnil, da imajo programski jeziki omejen besednjak, prihranijo potrebo po stalnih neologizmih in slovarjih. Medtem ko LLM blesti v kontekstualnem razumevanju, koda zahteva veliko manj kontekstualnega razumevanja v primerjavi s kompleksno besedilno vsebino. Na primer, algoritem za razvrščanje zahteva minimalne kontekstualne informacije, za razliko od zapletenih besedilnih pripovedi.
Inherentna logika, funkcionalnost in zmanjšana ustvarjalnost kode dodatno poenostavljajo ustvarjanje natančne kode z dodatno prednostjo enostavnega preverjanja veljavnosti z izvajanjem in analizo napak.
»Vse to pomeni, da bodo LLM-ji udarili pri ustvarjanju kode. Ali to pomeni, da bodo kmalu zamenjali programerje? Kratek odgovor je NE v naslednjih 1-3 letih in DA čez 3-5 let,«
je rekel Reddy.
Če pogledamo naprej, lahko LLM-ji z nadaljnjim razvojem postanejo pametnejši in omogočijo veriženje več robotov AI za reševanje pomembnejših nalog. Sčasoma bi se lahko vloga programerja pri prevajanju modelov in dokumentov z zahtevami za izdelke (PRD) v delujoče sisteme zmanjšala, kar bi napovedovalo potencialni premik v krajini razvoja programske opreme, trdi Reddy.
Drugačno mnenje: LLM programerje krepijo, ne nadomeščajo
Linda Hoeberigs, vodja AI pri i-Genie.ai, trdili da študiji LLM ponujajo ogromen potencial, vendar so pripravljeni povečati, namesto nadomestiti, strokovno znanje tistih s programerskim ozadjem.
Trdi, da so se razvile vrhunske tehnike spodbujanja, ki zahtevajo poglobljeno razumevanje načel LLM. Tehnike, kot so veriga misli, grafični pozivi in odzivni pozivi, izboljšajo kakovost izhoda in razumevanje konteksta, vendar njihova učinkovita uporaba zahteva strokovno znanje, ki ga običajno najdemo pri podatkovnih znanstvenikih in programerji AI.
Poleg tega izkoriščanje API-jev za učinkovitost, ki ponujajo višjo prepustnost in integracijo poteka dela, postane bolj dostopno tistim z znanjem programiranja. Podjetja, ki uporabljajo API-je, so doživela opazno rast tržne kapitalizacije, kar poudarja njihov pomen.
Tretja Hoeberigsova točka je, da kompleksna logična zasnova ostaja področje, kjer se človeški programerji odlikujejo. Medtem ko LLM lahko ustvarjajo človeško podobno besedilo, je izdelava zapletene, zanesljive in funkcionalne kode posebna veščina, ki jo imajo programerji. LLM-ji služijo kot dragoceno orodje v tem procesu.
LLM-ji v kombinaciji s tehnologijami, kot sta Langchain in Picecone, olajšajo poizvedovanje po lastniških podatkih – naloga, ki običajno zahteva veščine strukturiranja podatkov, indeksiranja, oblikovanja API-ja in interakcije LLM-ja, spretnosti, ki jih pogosto najdemo pri podatkovnih znanstvenikih in programerji.
Nazadnje sta najpomembnejša odpravljanje napak in prilagajanje modela, glede na to, da lahko LLM ustvarijo pomanjkljive ali pristranske rezultate. Ta proces zahteva globoko razumevanje notranjega delovanja modela, identifikacijo problemov in kreativno reševanje problemov, spretnosti, ki jih običajno najdemo pri izkušenih podatkovnih znanstvenikih in programerjih.
»Tehnična zapletenost, subtilnost in globina razumevanja, potrebnih za učinkovito uporabo teh orodij, ostajajo ovira za splošno javnost. Zdi se, da so vsaj zaenkrat LLM pripravljeni postati še eno močno orodje v arzenalu podatkovni znanstveniki in programerji, ne pa njihova zamenjava,«
je zapisal Hoeberigs.
Kljub temu umetna inteligenca ljudem, ki niso tehnološko vešči, olajša programiranje. Na primer, GPT-4 integrirana zmožnosti izvajanja kode v svoj sistem, kar označuje potencialno transformativen razvoj. Inovacija ima potencial za premostitev vrzeli za neprogramerje in jim omogoča, da se vključijo v razvoj, ne da bi potrebovali tehnično znanje kodiranja. Poleg tega model generira izvršljivo kodo, s čimer odpravi potrebo po ročnem kodiranju in olajša implementacijo brez truda. Vendar pa so potrebne nadaljnje izboljšave pri razumevanju podatkov, da se izboljša splošno delovanje modela, zlasti pri racionalizaciji obdelave podatkov za ustvarjanje kode in risanje grafov.
Preberite več:
- 10 najboljših delovnih mest na področju umetne inteligence
- 8 stvari, ki bi jih morali vedeti o velikih jezikovnih modelih
- Microsoft razkriva izziv Learn AI Skills Challenge, da bi udeležence opremil z zahtevanim strokovnim znanjem in znanjem AI
Zavrnitev odgovornosti
V skladu z Smernice projekta Trust, upoštevajte, da informacije na tej strani niso namenjene in se jih ne sme razlagati kot pravni, davčni, naložbeni, finančni ali kakršen koli drug nasvet. Pomembno je, da vlagate samo tisto, kar si lahko privoščite izgubiti, in da poiščete neodvisen finančni nasvet, če imate kakršne koli dvome. Za dodatne informacije predlagamo, da si ogledate določila in pogoje ter strani s pomočjo in podporo, ki jih nudi izdajatelj ali oglaševalec. MetaversePost se zavzema za natančno in nepristransko poročanje, vendar se tržni pogoji lahko spremenijo brez predhodnega obvestila.
O avtorju
Agne je novinarka, ki pokriva najnovejše trende in razvoj v metaverzumu, AI in Web3 industrije za Metaverse Post. Njena strast do pripovedovanja zgodb jo je pripeljala do številnih intervjujev s strokovnjaki s teh področij, pri čemer si je vedno prizadevala odkriti vznemirljive in privlačne zgodbe. Agne je diplomirala iz književnosti in ima obsežno znanje pisanja o številnih temah, vključno s potovanji, umetnostjo in kulturo. Bila je tudi prostovoljka urednica organizacije za pravice živali, kjer je pomagala ozaveščati o vprašanjih dobrega počutja živali. Kontaktirajte jo na [e-pošta zaščitena].
več člankov
Agne je novinarka, ki pokriva najnovejše trende in razvoj v metaverzumu, AI in Web3 industrije za Metaverse Post. Njena strast do pripovedovanja zgodb jo je pripeljala do številnih intervjujev s strokovnjaki s teh področij, pri čemer si je vedno prizadevala odkriti vznemirljive in privlačne zgodbe. Agne je diplomirala iz književnosti in ima obsežno znanje pisanja o številnih temah, vključno s potovanji, umetnostjo in kulturo. Bila je tudi prostovoljka urednica organizacije za pravice živali, kjer je pomagala ozaveščati o vprašanjih dobrega počutja živali. Kontaktirajte jo na [e-pošta zaščitena].
