Kommer stora språkmodeller att ersätta mänskliga programmerare?
I korthet
Stora språkmodeller (LLM) tycka om GPT-4 har medfört betydande framsteg för kodgenerering, främst på grund av deras kunskaper i att förstå programmeringsspråk.
Bindu Reddy, VD för Abacus.ai, förutspår en övergång inom de kommande 3 till 5 åren, där LLM:er kan ta en framträdande roll i programmering.
Andra experter hävdar dock att LLM:er ger programmerare möjlighet att göra dem mer effektiva, men människors nyanserade expertis och problemlösningsförmåga förblir oumbärlig i det utvecklande landskapet för AI och programmering.
Eftersom stora språkmodeller (LLM) alltmer dominerar området för kodgenerering, uppstår frågor om deras potential att ersätta mänskliga programmerare. LLM:er utmärker sig på att förstå programmeringsspråk som Python och Java, tack vare kodens inneboende struktur och minskade tvetydighet jämfört med mänskligt språk.
Svaret på huruvida LLMs kommer att ersätta programmerare är komplext, beroende på faktorer som sammanhang, kreativitet och de utvecklande kapaciteterna hos dessa AI-system. Bindu Reddy, VD för Abacus.ai, förutspår att stora språkmodeller (LLM) kommer att ta över från mänskliga programmerare inom de närmaste 3 till 5 åren.
LLM:er har revolutionerat kodgenereringen och visar upp sin skicklighet i att förstå programmeringsspråk som Python och Java. Denna dominans härrör från det faktum att koden är full av repeterbara mönster, vilket ger riklig träningsdata för LLM:er och deras medfödda förmåga att förstå sammanhang. Till skillnad från mänskligt språk följer kod specifika designparadigm, strukturerade regler och minimal otydlighet, vilket gör det lättare för LLM:er att generera syntaktisk korrekt kod.
Dessutom förklarade Reddy att programmeringsspråk har begränsade vokabulärer, vilket besparar behovet av ständiga neologismer och ordböcker. Medan LLM:er utmärker sig i kontextuell förståelse, kräver kod mycket mindre kontextuell förståelse jämfört med komplext textinnehåll. Till exempel kräver en sorteringsalgoritm minimal kontextuell information, till skillnad från invecklade textberättelser.
Kodens inneboende logik, funktionalitet och minskade kreativitet förenklar genereringen av exakt kod ytterligare, med den extra fördelen av enkel validering genom exekvering och felanalys.
"Allt detta betyder att LLM:er kickass vid kodgenerering. Betyder detta att de snart kommer att ersätta programmerare? Det korta svaret är NEJ under de kommande 1-3 åren och JA efter 3-5 år."
sa Reddy.
När man ser framåt, eftersom LLM:er fortsätter att utvecklas, kan de bli smartare, vilket gör det möjligt att koppla ihop flera AI-bots för att ta itu med mer betydande uppgifter. Så småningom kan en programmerares roll i att översätta modeller och produktkravsdokument (PRD) till fungerande system minska, vilket förebådar en potentiell förändring i landskapet för mjukvaruutveckling, hävdar Reddy.
Olika åsikter: LLM:er är stärkande och ersätter inte programmerare
Linda Hoeberigs, chef för AI på i-Genie.ai, argued att även om LLM erbjuder enorm potential, är de redo att utöka, snarare än att ersätta, expertis hos dem med programmeringsbakgrund.
Hon hävdar att överlägsna prompttekniker har utvecklats, vilket kräver en djupgående förståelse av LLM-principerna. Tekniker som tankekedja, grafuppmaning och reaktionsuppmaning förbättrar utdatakvaliteten och kontextförståelsen, men deras effektiva användning kräver expertis som vanligtvis finns hos datavetare och AI-programmerare.
Att utnyttja API:er för effektivitet, som erbjuder högre genomströmning och arbetsflödesintegration, blir dessutom mer tillgängligt för dem med programmeringskunskaper. Företag som använder API:er har upplevt en anmärkningsvärd tillväxt i börsvärde, vilket betonar deras betydelse.
Den tredje Hoeberigs poäng är att komplex logikdesign förblir ett område där mänskliga programmerare utmärker sig. Medan LLM kan generera människoliknande text, att skapa intrikat, pålitlig och funktionell kod är en distinkt färdighet som programmerare besitter. LLM:er fungerar som värdefulla verktyg i denna process.
LLM:er, i kombination med teknologier som Langchain och Picecone, underlättar sökningen av proprietära data - en uppgift som vanligtvis kräver färdigheter i datastrukturering, indexering, API-design och LLM-interaktion, färdigheter som ofta finns hos datavetare och programmerare.
Slutligen är felsökning och modelljustering av största vikt, med tanke på att LLM:er kan producera felaktiga eller partiska utdata. Denna process kräver en djup förståelse av modellens inre funktion, problemidentifiering och kreativ problemlösning, färdigheter som vanligtvis finns hos erfarna datavetare och programmerare.
"Den tekniska komplexiteten, subtiliteten och djupet av förståelse som krävs för att utnyttja dessa verktyg effektivt förblir ett hinder för allmänheten. Det verkar som om LLM för närvarande åtminstone är redo att bli ytterligare ett kraftfullt verktyg i arsenalen av datavetare och programmerare, snarare än deras ersättare.”
skrev Hoeberigs.
Ändå gör AI det lättare för icke-teknikkunniga personer att programmera. Till exempel, GPT-4 integrerade kodexekveringsmöjligheter i sitt system, vilket markerar en potentiellt transformerande utveckling. Innovationen har potential att överbrygga klyftan för icke-programmerare, vilket gör att de kan engagera sig i utveckling utan att kräva tekniska kodningsfärdigheter. Dessutom genererar modellen körbar kod, vilket eliminerar behovet av manuell kodning och underlättar enkel implementering. Ytterligare förbättringar behövs dock i dataförståelsen för att förbättra modellens övergripande prestanda, särskilt för att effektivisera databehandlingen för kodgenerering och grafplottning.
Läs mer:
- De 10 bästa jobben för artificiell intelligens
- 8 saker du bör veta om stora språkmodeller
- Microsoft presenterar Learn AI Skills Challenge för att utrusta deltagarna med efterfrågad AI-expertis
Villkor
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Agne är en journalist som täcker de senaste trenderna och utvecklingen inom metaversen, AI och Web3 industrier för Metaverse Post. Hennes passion för berättande har lett till att hon har genomfört ett flertal intervjuer med experter inom dessa områden och alltid försökt avslöja spännande och engagerande berättelser. Agne har en kandidatexamen i litteratur och har en omfattande bakgrund i att skriva om ett brett spektrum av ämnen, inklusive resor, konst och kultur. Hon har också varit volontär som redaktör för djurrättsorganisationen, där hon hjälpt till att öka medvetenheten om djurskyddsfrågor. Kontakta henne på [e-postskyddad].
fler artiklar
Agne är en journalist som täcker de senaste trenderna och utvecklingen inom metaversen, AI och Web3 industrier för Metaverse Post. Hennes passion för berättande har lett till att hon har genomfört ett flertal intervjuer med experter inom dessa områden och alltid försökt avslöja spännande och engagerande berättelser. Agne har en kandidatexamen i litteratur och har en omfattande bakgrund i att skriva om ett brett spektrum av ämnen, inklusive resor, konst och kultur. Hon har också varit volontär som redaktör för djurrättsorganisationen, där hon hjälpt till att öka medvetenheten om djurskyddsfrågor. Kontakta henne på [e-postskyddad].
