โมเดลภาษาขนาดใหญ่จะเข้ามาแทนที่โปรแกรมเมอร์มนุษย์หรือไม่
ในบทสรุป
โมเดลภาษาขนาดใหญ่ (ปริญญามหาบัณฑิต) ชอบ GPT-4 ได้นำความก้าวหน้าที่สำคัญมาสู่การสร้างโค้ด เนื่องจากความสามารถในการเข้าใจภาษาการเขียนโปรแกรมเป็นหลัก
Bindu Reddy ซีอีโอของ Abacus.ai คาดการณ์การเปลี่ยนแปลงภายใน 3 ถึง 5 ปีข้างหน้า ซึ่ง LLM อาจมีบทบาทสำคัญในการเขียนโปรแกรม
อย่างไรก็ตาม ผู้เชี่ยวชาญคนอื่นๆ แย้งว่า LLM ให้อำนาจแก่โปรแกรมเมอร์ ทำให้พวกเขามีประสิทธิภาพมากขึ้น แต่ความเชี่ยวชาญที่เหมาะสมยิ่งและความสามารถในการแก้ปัญหาของมนุษย์ยังคงขาดไม่ได้ในภูมิทัศน์ที่เปลี่ยนแปลงไปของ AI และการเขียนโปรแกรม
เนื่องจากโมเดลภาษาขนาดใหญ่ (LLM) มีอิทธิพลเหนือขอบเขตของการสร้างโค้ดมากขึ้น จึงเกิดคำถามเกี่ยวกับศักยภาพของโมเดลภาษาดังกล่าวในการแทนที่โปรแกรมเมอร์ที่เป็นมนุษย์ LLM เก่งในการทำความเข้าใจภาษาการเขียนโปรแกรม เช่น Python และ Java เนื่องจากมีโครงสร้างโดยธรรมชาติของโค้ดและลดความกำกวมเมื่อเทียบกับภาษามนุษย์
คำตอบว่า LLM จะมาแทนที่โปรแกรมเมอร์หรือไม่นั้นเป็นคำตอบที่ซับซ้อน โดยขึ้นอยู่กับปัจจัยต่างๆ เช่น บริบท ความคิดสร้างสรรค์ และความสามารถในการพัฒนาของระบบ AI เหล่านี้ Bindu Reddy ซีอีโอของ Abacus.ai คาดการณ์ว่า Large Language Models (LLM) จะเข้ามาแทนที่โปรแกรมเมอร์ที่เป็นมนุษย์ภายใน 3 ถึง 5 ปีข้างหน้า
LLM ได้ปฏิวัติการสร้างโค้ด โดยแสดงให้เห็นถึงความสามารถในการทำความเข้าใจภาษาการเขียนโปรแกรม เช่น Python และ Java ความโดดเด่นนี้เกิดจากการที่โค้ดเต็มไปด้วยรูปแบบที่ทำซ้ำได้ โดยให้ข้อมูลการฝึกอบรมที่เพียงพอสำหรับ LLM และความสามารถโดยธรรมชาติในการเข้าใจบริบท โค้ดต่างจากภาษามนุษย์ตรงที่ยึดตามกระบวนทัศน์การออกแบบเฉพาะ กฎที่มีโครงสร้าง และความคลุมเครือเพียงเล็กน้อย ทำให้ LLM สร้างโค้ดที่ถูกต้องตามหลักไวยากรณ์ได้ง่ายขึ้น
นอกจากนี้ Reddy อธิบายว่าภาษาการเขียนโปรแกรมมีคำศัพท์ที่จำกัด ทำให้ไม่จำเป็นต้องใช้พจนานุกรมและพจนานุกรมใหม่อย่างต่อเนื่อง แม้ว่า LLM จะเก่งในเรื่องความเข้าใจตามบริบท แต่โค้ดต้องการความเข้าใจตามบริบทน้อยกว่ามากเมื่อเทียบกับเนื้อหาที่เป็นข้อความที่ซับซ้อน ตัวอย่างเช่น อัลกอริธึมการเรียงลำดับจำเป็นต้องใช้ข้อมูลตามบริบทเพียงเล็กน้อย ซึ่งแตกต่างจากการเล่าเรื่องด้วยข้อความที่ซับซ้อน
ตรรกะ ฟังก์ชันการทำงาน และความคิดสร้างสรรค์ที่ลดลงของโค้ดช่วยลดความยุ่งยากในการสร้างโค้ดที่แม่นยำยิ่งขึ้น พร้อมข้อดีเพิ่มเติมของการตรวจสอบความถูกต้องที่ง่ายดายผ่านการดำเนินการและการวิเคราะห์ข้อผิดพลาด
“ทั้งหมดนี้หมายความว่า LLM เตะเก่งในการสร้างโค้ด นี่หมายความว่าพวกเขาจะเข้ามาแทนที่โปรแกรมเมอร์ในไม่ช้าใช่หรือไม่? คำตอบสั้นๆ คือ ไม่ ในอีก 1-3 ปีข้างหน้า และใช่ ในอีก 3-5 ปีข้างหน้า”
เรดดี้กล่าวว่า
เมื่อมองไปข้างหน้า เนื่องจาก LLM ยังคงพัฒนาต่อไป พวกเขาอาจฉลาดขึ้น ซึ่งช่วยให้การเชื่อมโยงบอท AI หลายตัวสามารถจัดการกับงานที่สำคัญยิ่งขึ้นได้ ในที่สุด บทบาทของโปรแกรมเมอร์ในการแปลเอกสารจำลองและเอกสารข้อกำหนดผลิตภัณฑ์ (PRD) เป็นระบบการทำงานอาจลดน้อยลง ซึ่งเป็นการประกาศถึงการเปลี่ยนแปลงที่อาจเกิดขึ้นในภาพรวมของการพัฒนาซอฟต์แวร์ Reddy ให้เหตุผล
ความคิดเห็นที่แตกต่าง: LLM กำลังเสริมศักยภาพ ไม่ใช่แทนที่โปรแกรมเมอร์
Linda Hoeberigs หัวหน้าฝ่าย AI ของ i-Genie.ai ที่ถกเถียงกันอยู่ แม้ว่า LLM จะมีศักยภาพอันมหาศาล แต่พวกเขาก็พร้อมที่จะเพิ่มพูน แทนที่จะแทนที่ความเชี่ยวชาญของผู้ที่มีพื้นฐานด้านการเขียนโปรแกรม
เธอให้เหตุผลว่ามีการพัฒนาเทคนิคการกระตุ้นเตือนที่เหนือกว่า โดยต้องมีความเข้าใจอย่างลึกซึ้งเกี่ยวกับหลักการ LLM เทคนิคต่างๆ เช่น ห่วงโซ่ความคิด การกระตุ้นด้วยกราฟ และการกระตุ้นปฏิกิริยา ช่วยเพิ่มคุณภาพเอาต์พุตและความเข้าใจบริบท แต่การใช้งานที่มีประสิทธิภาพนั้นต้องการความเชี่ยวชาญซึ่งมักพบในนักวิทยาศาสตร์ข้อมูลและโปรแกรมเมอร์ AI
นอกจากนี้ การควบคุม API เพื่อประสิทธิภาพซึ่งมีปริมาณงานและการรวมเวิร์กโฟลว์ที่สูงขึ้น จะเข้าถึงได้ง่ายขึ้นสำหรับผู้ที่มีความรู้ด้านการเขียนโปรแกรม บริษัทที่ใช้ API พบว่ามูลค่าหลักทรัพย์ตามราคาตลาดมีการเติบโตอย่างเห็นได้ชัด โดยเน้นย้ำถึงความสำคัญของบริษัทเหล่านั้น
ประเด็นที่สามของ Hoeberigs คือการออกแบบลอจิกที่ซับซ้อนยังคงเป็นส่วนที่โปรแกรมเมอร์ที่เป็นมนุษย์มีความเป็นเลิศ ในขณะที่ LLM สามารถสร้างได้ ข้อความที่เหมือนมนุษย์การสร้างโค้ดที่ซับซ้อน เชื่อถือได้ และใช้งานได้เป็นทักษะเฉพาะของโปรแกรมเมอร์ LLM ทำหน้าที่เป็นเครื่องมืออันมีค่าในกระบวนการนี้
LLM เมื่อรวมกับเทคโนโลยีอย่าง Langchain และ Picecone จะอำนวยความสะดวกในการสืบค้นข้อมูลที่เป็นกรรมสิทธิ์ ซึ่งเป็นงานที่โดยทั่วไปต้องใช้ทักษะในการจัดโครงสร้างข้อมูล การทำดัชนี การออกแบบ API และการโต้ตอบ LLM ซึ่งเป็นทักษะที่มักพบในนักวิทยาศาสตร์ข้อมูลและโปรแกรมเมอร์
สุดท้ายนี้ การดีบักและการปรับแต่งโมเดลเป็นสิ่งสำคัญยิ่ง เนื่องจาก LLM สามารถสร้างเอาต์พุตที่มีข้อบกพร่องหรือเอนเอียงได้ กระบวนการนี้จำเป็นต้องมีความเข้าใจอย่างลึกซึ้งเกี่ยวกับการทำงานภายในของโมเดล การระบุปัญหา และการแก้ปัญหาอย่างสร้างสรรค์ ซึ่งเป็นทักษะที่พบได้ทั่วไปในนักวิทยาศาสตร์ข้อมูลและโปรแกรมเมอร์ที่มีประสบการณ์
“ความซับซ้อนทางเทคนิค ความละเอียดอ่อน และความเข้าใจเชิงลึกที่จำเป็นต่อการใช้ประโยชน์จากเครื่องมือเหล่านี้อย่างมีประสิทธิภาพยังคงเป็นอุปสรรคสำหรับสาธารณชนทั่วไป ดูเหมือนว่าอย่างน้อยในขณะนี้ LLM ก็พร้อมที่จะเป็นอีกหนึ่งเครื่องมืออันทรงพลังในคลังแสงของ นักวิทยาศาสตร์ข้อมูล และโปรแกรมเมอร์ แทนที่จะเข้ามาแทนที่”
โฮเบริกส์ เขียน
อย่างไรก็ตาม AI ช่วยให้ผู้ที่ไม่เชี่ยวชาญด้านเทคโนโลยีเขียนโปรแกรมได้ง่ายขึ้น ตัวอย่างเช่น GPT-4 แบบบูรณาการ ความสามารถในการประมวลผลโค้ดเข้าสู่ระบบ ซึ่งถือเป็นการพัฒนาที่อาจเปลี่ยนแปลงได้ นวัตกรรมนี้มีศักยภาพในการลดช่องว่างสำหรับผู้ที่ไม่ใช่โปรแกรมเมอร์ ช่วยให้พวกเขามีส่วนร่วมในการพัฒนาโดยไม่ต้องใช้ทักษะการเขียนโค้ดทางเทคนิค นอกจากนี้ โมเดลยังสร้างโค้ดที่ปฏิบัติการได้ ซึ่งช่วยลดความจำเป็นในการเขียนโค้ดด้วยตนเอง และอำนวยความสะดวกในการใช้งานที่ง่ายดาย อย่างไรก็ตาม จำเป็นต้องมีการปรับปรุงเพิ่มเติมในการทำความเข้าใจข้อมูลเพื่อปรับปรุงประสิทธิภาพโดยรวมของโมเดล โดยเฉพาะอย่างยิ่งในการปรับปรุงการประมวลผลข้อมูลสำหรับการสร้างโค้ดและการลงจุดกราฟ
อ่านเพิ่มเติม:
- 10 งานด้านปัญญาประดิษฐ์ที่ดีที่สุด
- 8 สิ่งที่คุณควรรู้เกี่ยวกับโมเดลภาษาขนาดใหญ่
- Microsoft เปิดตัวความท้าทายการเรียนรู้ทักษะ AI เพื่อให้ผู้เข้าร่วมมีความเชี่ยวชาญด้าน AI ตามความต้องการ
ข้อจำกัดความรับผิดชอบ
สอดคล้องกับ แนวทางโครงการที่เชื่อถือได้โปรดทราบว่าข้อมูลที่ให้ไว้ในหน้านี้ไม่ได้มีจุดมุ่งหมายและไม่ควรตีความว่าเป็นคำแนะนำทางกฎหมาย ภาษี การลงทุน การเงิน หรือรูปแบบอื่นใด สิ่งสำคัญคือต้องลงทุนเฉพาะในสิ่งที่คุณสามารถที่จะสูญเสียได้ และขอคำแนะนำทางการเงินที่เป็นอิสระหากคุณมีข้อสงสัยใดๆ สำหรับข้อมูลเพิ่มเติม เราขอแนะนำให้อ้างอิงข้อกำหนดและเงื่อนไขตลอดจนหน้าช่วยเหลือและสนับสนุนที่ผู้ออกหรือผู้ลงโฆษณาให้ไว้ MetaversePost มุ่งมั่นที่จะรายงานที่ถูกต้องและเป็นกลาง แต่สภาวะตลาดอาจมีการเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบล่วงหน้า
เกี่ยวกับผู้เขียน
Agne เป็นนักข่าวที่รายงานข่าวเกี่ยวกับแนวโน้มล่าสุดและการพัฒนาใน metaverse, AI และ Web3 อุตสาหกรรมสำหรับ Metaverse Post. ความหลงใหลในการเล่าเรื่องของเธอทำให้เธอต้องสัมภาษณ์ผู้เชี่ยวชาญในสาขาเหล่านี้หลายครั้ง โดยพยายามค้นหาเรื่องราวที่น่าตื่นเต้นและมีส่วนร่วมอยู่เสมอ แอกเน่สำเร็จการศึกษาระดับปริญญาตรีสาขาวรรณคดีและมีพื้นฐานกว้างขวางในการเขียนเกี่ยวกับหัวข้อต่างๆ มากมาย รวมถึงการท่องเที่ยว ศิลปะ และวัฒนธรรม เธอยังได้อาสาเป็นบรรณาธิการให้กับองค์กรสิทธิสัตว์ ซึ่งเธอช่วยสร้างความตระหนักรู้เกี่ยวกับปัญหาสวัสดิภาพสัตว์ ติดต่อเธอได้ที่ [ป้องกันอีเมล].
บทความอื่น ๆAgne เป็นนักข่าวที่รายงานข่าวเกี่ยวกับแนวโน้มล่าสุดและการพัฒนาใน metaverse, AI และ Web3 อุตสาหกรรมสำหรับ Metaverse Post. ความหลงใหลในการเล่าเรื่องของเธอทำให้เธอต้องสัมภาษณ์ผู้เชี่ยวชาญในสาขาเหล่านี้หลายครั้ง โดยพยายามค้นหาเรื่องราวที่น่าตื่นเต้นและมีส่วนร่วมอยู่เสมอ แอกเน่สำเร็จการศึกษาระดับปริญญาตรีสาขาวรรณคดีและมีพื้นฐานกว้างขวางในการเขียนเกี่ยวกับหัวข้อต่างๆ มากมาย รวมถึงการท่องเที่ยว ศิลปะ และวัฒนธรรม เธอยังได้อาสาเป็นบรรณาธิการให้กับองค์กรสิทธิสัตว์ ซึ่งเธอช่วยสร้างความตระหนักรู้เกี่ยวกับปัญหาสวัสดิภาพสัตว์ ติดต่อเธอได้ที่ [ป้องกันอีเมล].