هل ستضع النماذج اللغة الكبيرة نهاية للبرمجة؟

marked أسبوع الماضي علامة فارقة لشركة OpenAI، حيث كشفت النقاب عن GPT-4 Turbo في حدث OpenAI DevDay. واحدة من الميزات البارزة في GPT-4 Turbo هي نافذة السياق الموسعة البالغة 128000، وهي قفزة كبيرة من 8000 في GPT-4. تمكن هذا التحسين من معالجة النص 16 مرة أكبر من سابقه، ما يعادل حوالي 300 صفحة من النص.

ترتبط هذه التقدمة بتقدم آخر مهم في مجال تأثير النماذج اللغة الكبيرة على مشهد الشركات الناشئة في مجال البرمجيات كخدمة.

ت представляет تحديًا للعديد من الشركات الناشئة في مجال البرمجيات كخدمة، حيث تقدم خدمات ومنتجات حول ChatGPT أو واجهات برمجة التطبيقات الخاصة بها، و现在 تواجه منافسة من أداة ذات قدرات على مستوى المؤسسات. تتداخل عروض ChatGPT Enterprise، مثل التحقق من النطاق والتحقق المتوازي ورسومات الاستخدام، مباشرة مع العديد من الخدمات التجارية إلى التجارية الحالية، مما قد يهدد بقاء هذه الشركات الناشئة.

في كلمته الرئيسية، كشف الرئيس التنفيذي لشركة OpenAI سام ألتمان عن تطور آخر كبير: تمديد نقطة قطع المعرفة لشركة GPT-4 Turbo. على عكس GPT-4، الذي كان يحتوي على معلومات حتى عام 2021 فقط، يتم تحديث GPT-4 Turbo بمعلومات حتى أبريل 2023، مما ي标ء خطوة كبيرة إلى الأمام في صحة وملاءمة الذكاء الاصطناعي.

يبرز ChatGPT Enterprise بميزات مثل الأمان المحسّن والخصوصية والوصول السريع إلى GPT-4 ونافذة سياق موسعة لمدخلات أطول. تزيد قدراته المتقدمة في تحليل البيانات وخيارات التخصيص وإزالة حدود الاستخدام من جاذبيته، خاصة بين الشركات التي كانت مترددة في السابق بسبب مخاوف أمن البيانات.

تتغير حقبة كتابة الشيفرة يدويا إلى أنظمة مدفوعة بالذكاء الاصطناعي، حيث يتم تدريبها بدلاً من برمجتها، مما يشير إلى تغيير جوهري في تطوير البرمجيات.

الانتقال من البرمجة منخفضة الرمز إلى التطوير المدفوع بالذكاء الاصطناعي

أدوات منخفضة الرمز وبدون رمز بسطت عملية البرمجة، حيث قامت بآليّة إنشاء كتل برمجة أساسية وتحرير المطورين للتركيز على الجوانب الإبداعية لمشاريعهم. لكننا مع دخولنا هذه الموجة الجديدة من الذكاء الاصطناعي، يتغير المشهد أكثر. تتمثل بساطة واجهات المستخدم وقدرة إنشاء الشيفرة من خلال أوامر مباشرة مثل “ابني لي موقعًا لتنفيذ X” في ثورة العملية.

تأثير الذكاء الاصطناعي في البرمجة كبير بالفعل. مشابهة لما قام به علماء الحاسوب في الماضي بالانتقال من التركيز على الهندسة الكهربائية إلى مفاهيم أكثر مجردة، قد يرى المبرمجون في المستقبل التفاصيل الدقيقة للبرمجة عفا عليها الزمن. لا تقتصر التطورات السريعة في الذكاء الاصطناعي على توليد النص/الشيفرة. في مجالات مثل توليد الصور، يظهر نموذج انتشار مثل Runway ML، DALL-E 3، تحسينات كبيرة.

https://twitter.com/runwayml/status/1723033256067489937

يتجاوز تأثير الذكاء الاصطناعي البرمجة ليتجه إلى الصناعات الإبداعية، حيث يتوقع جيف كاتزنبرغ، عملاق في صناعة السينما والرئيس السابق لاستوديوهات والت ديزني، أن يقلل الذكاء الاصطناعي من تكلفة إنتاج الأفلام المتحركة بنسبة 90%. وفقًا لمقال حديث في بلومبرغ، يرى كاتزنبرغ أن هذا يمكن أن يشمل آليّة المهام الشاقة مثل بينينج في الرسوم المتحركة التقليدية وتصيير المشاهد والمساعدة في العمليات الإبداعية مثل تصميم الشخصيات وكتابة القصص.

كفاءة التكلفة للذكاء الاصطناعي في البرمجة

تحليل التكلفة لتوظيف مهندس برمجيات:

1. المكافأة الإجمالية: يبلغ متوسط الراتب لمهندس برمجيات، بما في ذلك المزايا الإضافية في مراكز التكنولوجيا مثل وادي السيليكون أو سياتل، حوالي 312000 دولار في السنة.

تحليل التكلفة اليومية:

1. أيام العمل في السنة: مع الأخذ في الاعتبار أن هناك حوالي 260 يومًا عملًا في السنة، تبلغ التكلفة اليومية لتوظيف مهندس برمجيات حوالي 1200 دولار.
2. إخراج الشيفرة: افتراضًا بمقدار سخي من 100 سطر من الشيفرة النهائية والمختبرة والمراجعة والموافقة عليها في اليوم، يُستخدم هذا الإخراج اليومي كأساس للمقارنة.

تحليل التكلفة لاستخدام GPT-3 لتوليد الشيفرة:

1. تكلفة الرمز: كانت تكلفة استخدام GPT-3، في وقت الفيديو، حوالي 0.02 دولار لكل 1000 رمز.
2. رموز لكل سطر من الشيفرة: يمكن تقدير سطر من الشيفرة بمتوسط 10 رموز.
3. تكلفة 100 سطر من الشيفرة: لذلك، تبلغ التكلفة لتوليد 100 سطر من الشيفرة (أو 1000 رمز) باستخدام GPT-3 حوالي 0.12 دولار.

التحليل المقارن:

• التكلفة لكل سطر من الشيفرة (بشر مقابل الذكاء الاصطناعي): عند مقارنة التكاليف، تبلغ تكلفة توليد 100 سطر من الشيفرة في اليوم 1200 دولار عندما يتم بواسطة مهندس برمجيات بشري، مقابل 0.12 دولار فقط باستخدام GPT-3.
• عامل التكلفة: يمثل هذا فرقًا في عامل التكلفة يبلغ حوالي 10000 مرة، مع كون الذكاء الاصطناعي أرخص بشكل كبير.

يشير هذا التحليل إلى الإمكانات الاقتصادية للذكاء الاصطناعي في مجال البرمجة. تظهر التكلفة المنخفضة للشيفرة التي يولدها الذكاء الاصطناعي مقارنة بالتكلفة العالية للمطورين البشر أن الذكاء الاصطناعي قد يصبح الطريقة المفضلة لتوليد الشيفرة، خاصة للأعمال القياسية أو المتكررة. قد يؤدي هذا التحول إلى توفيرات كبيرة في التكاليف للشركات وإعادة تقييم دور المبرمجين البشر، مع التركيز المحتمل على المهارات الأكثر تعقيدًا أو الإبداعية أو الإشرافية التي لا يمكن للذكاء الاصطناعي التعامل معها بعد.

تمتد مرونة ChatGPT إلى مجموعة متنوعة من سياقات البرمجة، بما في ذلك التفاعلات المعقدة مع إطارات تطوير الويب. ضع في الاعتبار سيناريو حيث يعمل المطور مع React، وهو مكتبة جافا سكريبت الشهيرة لإنشاء واجهات المستخدم.

مع ChatGPT، يصبح هذا العملية أكثر بساطة. يمكن للمطور وصف الوظيفة التي يهدف إلى تنفيذها في React، ويقدم ChatGPT شفرة جاهزة للاستخدام. يمكن أن تتراوح هذه الشفرة من إعداد هيكل مكون أساسي إلى ميزات أكثر تقدمًا مثل إدارة الحالة مع Hooks أو التكامل مع واجهات برمجة التطبيقات الخارجية. من خلال تقليل الوقت المستغرق في البحث والتحقق من الصحة، يعزز ChatGPT الكفاءة ويسرع من تطوير المشروع في سياقات تطوير الويب.

التحديات في البرمجة المدفوعة بالذكاء الاصطناعي

مع استمرار الذكاء الاصطناعي في تغيير مشهد البرمجة، من المهم الاعتراف بالlimitations والتحديات التي ت伴ي الاعتماد حصريًا على الذكاء الاصطناعي لمهام البرمجة. تؤكد هذه التحديات على الحاجة إلى نهج متوازن ي tận dụng قوة الذكاء الاصطناعي مع الاعتراف بقيوده.

1. جودة الشيفرة وقابليتها للصيانة: يمكن أن تكون الشيفرة التي يولدها الذكاء الاصطناعي في بعض الأحيان冗وية أو غير فعالة، مما قد يؤدي إلى تحديات في الصيانة. بينما يمكن للذكاء الاصطناعي كتابة شيفرة وظيفية، يظل من مهمة الإنسان ضمان أن هذه الشيفرة تتبع أفضل الممارسات للقراءة والكفاءة وقابليتها للصيانة.
2. التصحيح والتعامل مع الأخطاء: يمكن لأنظمة الذكاء الاصطناعي توليد الشيفرة بسرعة، لكنها لا تتفوق دائمًا في التصحيح أو فهم الأخطاء الدقيقة في الشيفرة الحالية. تتطلب دقة التصحيح، خاصة في الأنظمة الكبيرة والمعقدة، فهمًا إنسانيًا دقيقًا وخبرة.
3. الاعتماد على بيانات التدريب: يعتمد فعالية الذكاء الاصطناعي في البرمجة إلى حد كبير على جودة ومدى بيانات التدريب. إذا كانت بيانات التدريب تفتقر إلى أمثلة لأخطاء أو أنماط أو سيناريوهات معينة، فإن قدرة الذكاء الاصطناعي على التعامل مع هذه الحالات تتأثر.
4. القلق الأخلاقي والأمني: مع أخذ الذكاء الاصطناعي دورًا أكثر بروزًا في البرمجة، ي出现 مخاوف أخلاقية وأمنية، خاصة حول خصوصية البيانات وفرصة وجود تحيزات في الشيفرة التي يولدها الذكاء الاصطناعي. من المهم ضمان الاستخدام الأخلاقي وتحديد هذه التحيزات من أجل تطوير أدوات البرمجة المدفوعة بالذكاء الاصطناعي بشكل مسؤول.

توازن بين مهارات الذكاء الاصطناعي التقليدية والبرمجة

في مستقبل فرق تطوير البرمجيات، قد يظهر نموذج هجين. يمكن للمديرين المنتجين ترجمة المتطلبات إلى توجيهات لأدوات توليد الشيفرة بالذكاء الاصطناعي. قد لا تزال الإشراف البشري ضروريًا لضمان الجودة، لكن التركيز سيتغير من كتابة الصيانة الشيفرة إلى التحقق من خرج الذكاء الاصطناعي وتعديله. يشير هذا التغيير إلى تقليل التركيز على مبادئ البرمجة التقليدية مثل التجزئة والتشفير، حيث لا تحتاج الشيفرة التي يولدها الذكاء الاصطناعي إلى الالتزام بمعايير الصيانة البشرية.

في هذا العصر الجديد، ستتغير دور المهندسين والعلماء الحاسوبيين بشكل كبير. سيتفاعلون مع نماذج اللغة الكبيرة، حيث يقدمون بيانات التدريب والأمثلة لتحقيق المهام، مما يغير التركيز من التفاصيل الدقيقة للبرمجة إلى العمل الاستراتيجي مع نماذج الذكاء الاصطناعي.

ستتغير وحدة الحوسبة الأساسية من المعالجات التقليدية إلى نماذج اللغة الكبيرة المسبقة التدريب، مما ي标ء انتقالًا من العمليات الثابتة والقابلة للتنبؤ إلى وكلاء ذكاء اصطناعي ديناميكيين ومتكيفين.

يتغير التركيز من إنشاء وفهم البرامج إلى توجيه الذكاء الذي سيدفع عالمنا التكنولوجي.

الحاجة المستمرة إلى الرؤية البشرية في الشيفرة التي يولدها الذكاء الاصطناعي

مستقبل البرمجة أقل حول الكتابة وأكثر حول توجيه الذكاء الذي سيدفع عالمنا التكنولوجي.

الاعتقاد بأن المعالجة اللغوية الطبيعية بواسطة الذكاء الاصطناعي يمكن أن تحل تمامًا محل دقة و複雑ية التدوين الرياضي والبرمجة التقليدية هو، في أحسن الأحوال، прежما. لا يزيل التوجه نحو الذكاء الاصطناعي في البرمجة الحاجة إلى الدقة والضبط الذي يمكن أن توفره البرمجة والرياضيات التقليدية فقط.

علاوة على ذلك، يظل تحدي اختبار الشيفرة التي يولدها الذكاء الاصطناعي لمشكلات لم تحل بعد مهمًا. تتطلب تقنيات مثل اختبار القيمية فهمًا عميقًا للبرمجة، وهي مهارات لا يمكن للذكاء الاصطناعي في حالته الحالية استبدالها أو إعادة إنشائها.

في الخلاصة، بينما يpromis الذكاء الاصطناعي آليّة 많은 جوانب من البرمجة، يظل العنصر البشري حاسمًا، خاصة في المجالات التي تتطلب الإبداع وحل المشكلات المعقدة والإشراف الأخلاقي.