Γιατί το Μέλλον της Γενικής Νοημοσύνης Κώδικα είναι η Προσωποποίηση

Σύμφωνα με τη McKinsey, η οικονομική επίδραση της GenAI είναι η μεγαλύτερη στον τομέα της ανάπτυξης προϊόντων και αυτοματοποίησης κώδικα, με αποτέλεσμα την επίδραση των 900 δισεκατομμυρίων δολαρίων.

Ας εμβαθύνουμε περισσότερο στην κατάσταση της αυτοματοποίησης κώδικα, της προσωποποίησης κώδικα και του δυναμικού της.

Κατάσταση της GenAI και Αυτοματοποίησης Κώδικα το 2024

Το 2023, το ChatGPT και το βοηθό κωδικοποίησης της Github, CoPilot, εξελίχθηκαν σε mainstream μεταξύ των προγραμματιστών. Τα μοντέλα GPT και παρόμοια έχουν δείξει ότι τα μεγάλα μοντέλα γλωσσών μπορούν να παράγουν, να ολοκληρώσουν, να αναμορφώσουν και να μεταμορφώσουν κώδικα πολύ καλά.

Σήμερα, υπάρχουν πολλά βοηθά κωδικοποίησης. Ενώ το CoPilot θεωρείται ο ηγέτης της κατηγορίας, υπάρχουν βοηθοί κωδικοποίησης GenAI με διαφορετικές ειδικότητες. Για να αναφέρω quelques:

• Η Anima ειδικεύεται στο front-end, μετατρέποντας σχέδια σε κώδικα (π.χ. Figma σε React)

• Η Codium έχει εξειδίκευση στη σύνθεση тестών και τη διαχείριση αιτημάτων pull

• Η Replit προσφέρει ένα διαδικτυακό, συνεργατικό IDE με einen αφιερωμένο βοηθό AI

• Η Tab9 προσφέρει μια λύση on-prem, υψηλά ασφαλή για την Επιχείρηση

Οι ανταγωνιστές του CoPilot ανακοινώνονται συχνά, για παράδειγμα, magic.dev και Poolside, υποσχόμενοι καλύτερη απόδοση και καλύτερη εμπειρία. Τα μοντέλα συνεχίζουν να εξελίσσονται – το GPT5 αναμένεται να ανακοινωθεί σύντομα, και το LlamaCode προσφέρει ένα υψηλής ποιότητας ανοιχτό μοντέλο, με fine-tuned εκδόσεις που εμφανίζονται στο HuggingFace [κατάλογος μοντέλων κώδικα]. Είναι μόνο η αρχή της αυτοματοποίησης κώδικα με τα LLMs.

Σύμφωνα με τη Github, το CoPilot επιταχύνει την ανάπτυξη κατά 55% [έρευνα]. Οι χρήστες της Anima αναφέρουν ότι εξοικονομούν μέχρι και 50% του χρόνου κωδικοποίησης front-end [μελέτη περίπτωσης], καθιστώντας τους 2x ταχύτερους ενώ τελειώνουν με καλύτερη ποιότητα προϊόντος σε σχέση με την UX—και λιγότερο ping-pong μεταξύ σχεδιαστών και προγραμματιστών.

Προσωποποίηση Κώδικα AI

Η JavaScript είναι η #1 πιο δημοφιλής γλώσσα κώδικα (Github 2023), και το React είναι το πιο δημοφιλές web framework JavaScript, χρησιμοποιούμενο από πάνω από 40% των προγραμματιστών (Stackoverflow 2023).

Τώρα, αν πάρεις 100 διαφορετικές ομάδες μηχανικών που κατασκευάζουν πάνω στο React, θα βρεις 100 διαφορετικά στυλ κωδικοποίησης.

Κάθε ομάδα έχει το δικό της τεχνολογικό στάκο (το σύνολο των τεχνολογιών που χρησιμοποιούνται στην αρχιτεκτονική λογισμικού). Ορισμένες ομάδες χρησιμοποιούν ανοιχτές βιβλιοθήκες όπως το Next.js, επιτρέποντας τους να βελτιστοποιούν την απόδοση. Ορισμένες χρησιμοποιούν UI frameworks όπως το Radix, MUI, ή Ant. Οι ομάδες που χρησιμοποιούν React πρέπει να προσθέσουν πακέτα διαχείρισης καταστάσεων, όπως το React query, Redux, Mobx, κ.λπ. ΚΑΙ υπάρχουν χιλιάδες άλλες δημοφιλείς ανοιχτές βιβλιοθήκες JavaScript.

Επιπλέον, η ίδια λειτουργικότητα μπορεί να επιτευχθεί με διαφορετικούς τρόπους. Ορισμένες ομάδες προτιμούν ένα layout CSS grid, ενώ άλλες προτιμούν ένα layout Flex και παίρνουν τα ίδια αποτελέσματα. Υπάρχουν συντακτικές προτιμήσεις. Ορισμένες ομάδες χρησιμοποιούν κλασικές συναρτήσεις JavaScript, ενώ άλλες χρησιμοποιούν συναρτήσεις βέλους. Υπάρχουν συμβάσεις ονοματοδοσίας όπως το camelCase, kebab-case, και διαφορετικοί τρόποι ονοματοδοσίας组件 και συναρτήσεων. Υπάρχουν άπειροι τρόποι οργάνωσης του κώδικα, όπως το πώς να περιτυλίξετε ανοιχτές βιβλιοθήκες με τρόπο που κάνει το.interface του κώδικα να φαίνεται το ίδιο για ανοιχτό ή ιδιωτικό κώδικα.

Όταν κωδικοποιείς σε ένα συγκεκριμένο έργο, κάθε προγραμματιστής ακολουθεί τους κανόνες και τις συμβάσεις της βάσης κώδικα.

Για να παίξει η AI ένα βασικό ρόλο στην κωδικοποίηση για μια ομάδα μηχανικών, πρέπει να κωδικοποιήσει όπως η ομάδα. Αυτό σημαίνει ότι η AI πρέπει να έχει πολλή πίστωση για να προσαρμόσει και να προσωποποιήσει τον κώδικά της.

Επίλογος: Το Δυναμικό της Γενικής Νοημοσύνης Κώδικα

Είμαστε ακόμη στην αρχή των ικανοτήτων της GenAI.

Όταν συζητάμε για μοντέλα GenAI, πρέπει να θεωρήσουμε την προσωποποίηση ως την απόδοση του μοντέλου με την καλύτερη πίστωση για την εργασία του. Να του δώσουμε μια μεγάλη πίστωση σχετικά με τον υπάρχοντα κώδικα, την UX και την εργασία που πρέπει να γίνει από τους χρήστες θα οδηγήσει σε καλύτερα αποτελέσματα. Για να χρησιμοποιήσουμε τα μοντέλα GenAI στο μέγιστο της δυνατότητας, τα συσκευάζουμε ως προϊόντα με υποστηρικτικά συστήματα που εργάζονται με “παλιές” αλγόριθμους και εύρητες. Αυτός είναι ο τρόπος με τον οποίο μεγιστοποιούμε την AI στο μέγιστο της δυνατότητας.

Το λογισμικό θα συνεχίσει να τρώει τον κόσμο γρηγορότερα και γρηγορότερα, αυξάνοντας την παραγωγικότητα, τα περιθώρια και το ΑΕΠ.

Οι διευθύνοντες σύμβουλοι, οι ηγέτες IT και οι ηγέτες PM που υιοθετούν την αυτοματοποίηση θα επιτρέψουν στις ομάδες τους να παραδώσουν 2x και vielleicht sogar 5x ταχύτερα, παίρνοντας ένα πλεονέκτημα έναντι της ανταγωνιστικής. Η παράδοση προϊόντων γρηγορότερα στην αγορά και με χαμηλότερο κόστος θα αυξήσει τα περιθώρια των εταιρειών και τελικά θα αυξήσει το ΑΕΠ που προέρχεται από την τεχνολογία.

Φθηνότερη ανάπτυξη λογισμικού σημαίνει ότι το λογισμικό θα μπορούσε να έρθει και να λύσει περισσότερα προβλήματα. Αυτό που ήταν αρνητικό ROI θα γίνει θετικό ROI. Το λογισμικό που λύνει προβλήματα νησιά θα ήταν αξιοπρεπές αν το κόστος ανάπτυξης ήταν xuống κατά 80%.

Περισσότεροι άνθρωποι θα κωδικοποιήσουν, και θα κωδικοποιήσουν γρηγορότερα. Τα GenAI agents θα παράγουν, θα δοκιμάσουν & θα αναπτύξουν κώδικα, και οι άνθρωποι θα κάνουν τα δημιουργικά μέρη, αναπτύσσοντας περισσότερη αρχιτεκτονική και UX από ότι θεωρείται σήμερα ως κωδικοποίηση. Βλέπω περισσότερες θέσεις προγραμματιστών στο μέλλον. Αυτό που είπα, η ανάπτυξη θα εξελιχθεί σε ένα υψηλότερο επίπεδο αφαίρεσης.