Хиймэл оюун
Том хэлний загварууд програмчлалыг зогсоох уу?
Өнгөрсөн долоо хоногт тэд GPT-4 Turbo-г танилцуулснаар OpenAI-ийн хувьд чухал үйл явдал болсон OpenAI DevDay. GPT-4 Turbo-ийн нэг онцлог шинж чанар нь түүний өргөтгөсөн контекст цонх нь 128,000 бөгөөд GPT-4-ийн 8,000-аас мэдэгдэхүйц үсрэлт юм. Энэхүү сайжруулалт нь өмнөх хувилбараасаа 16 дахин их буюу 300 орчим хуудас тексттэй тэнцэх хэмжээний текст боловсруулах боломжийг олгодог.
Энэхүү дэвшил нь SaaS стартапуудын ландшафтад үзүүлэх нөлөөлөл болох өөр нэг чухал бүтээн байгуулалттай холбоотой юм.
OpenAI-ийн ChatGPT Enterprise нь дэвшилтэт боломжуудаараа олон SaaS стартапуудад бэрхшээл учруулдаг. ChatGPT эсвэл түүний API-ийн эргэн тойронд бүтээгдэхүүн, үйлчилгээг санал болгож байсан эдгээр компаниуд одоо аж ахуйн нэгжийн түвшний чадавхи бүхий хэрэгслээр өрсөлдөөнтэй тулгарч байна. ChatGPT Enterprise-ийн санал болгож буй домэйн баталгаажуулалт, SSO болон ашиглалтын талаарх ойлголтууд нь одоо байгаа олон B2B үйлчилгээнүүдтэй шууд давхцаж, эдгээр стартапуудын оршин тогтноход аюул учруулж болзошгүй юм.
OpenAI-ийн Гүйцэтгэх захирал Сэм Алтман үндсэн илтгэлдээ GPT-4 Turbo-ийн мэдлэгийг хязгаарлах хугацааг сунгах өөр нэг томоохон бүтээн байгуулалтыг илчилсэн. Зөвхөн 4 он хүртэл мэдээлэлтэй байсан GPT-2021-ээс ялгаатай нь GPT-4 Turbo нь 2023 оны XNUMX-р сар хүртэл шинэчлэгдсэн бөгөөд энэ нь хиймэл оюун ухааны хамаарал, хэрэглэгдэхүүнд чухал алхам хийсэн юм.
ChatGPT Enterprise нь сайжруулсан аюулгүй байдал, нууцлал, GPT-4-д өндөр хурдны хандалт, урт оролтод зориулсан өргөтгөсөн контекст цонх зэрэг онцлог шинж чанараараа ялгардаг. Өгөгдлийн шинжилгээний дэвшилтэт боломжууд, тохируулах сонголтууд, ашиглалтын хязгаарыг арилгах зэрэг нь түүнийг өмнөх үеийнхээс илүү сайн сонголт болгодог. Энэ нь урт оролт, файлуудыг боловсруулах чадвартай бөгөөд өмнө нь мэдэгдэж байсан мэдээллийн шинжилгээний дэвшилтэт хэрэгслүүдэд хязгааргүй ханддаг. Код орчуулагч, ялангуяа өгөгдлийн аюулгүй байдлын асуудлаас болж өмнө нь эргэлзэж байсан бизнес эрхлэгчдийн дунд сонирхол татахуйц байдлыг улам бэхжүүлж байна.
Гараар код боловсруулах эрин үе нь программчлагдсан бус сургасан хиймэл оюун ухаанд суурилсан системд шилжиж байгаа нь програм хангамжийн хөгжилд үндсэн өөрчлөлтийг харуулж байна.
Удахгүй програмчлалын энгийн ажлууд нь хиймэл оюун ухаанд бууж магадгүй бөгөөд энэ нь кодчиллын гүнзгий мэдлэг шаардлагыг бууруулна. гэх мэт хэрэгслүүд GitHub-ийн туслах нисгэгч болон Replit's Ghostwriter, кодлоход тусалдаг нь хиймэл оюун ухаан нь програмчлалын үйл ажиллагаа өргөжин хөгжиж байгаагийн эхний үзүүлэлтүүд бөгөөд хиймэл оюун ухаан нь програмчлалын үйл явцыг бүрэн удирдахад туслахаас цаашгүй ирээдүйг харуулж байна. Програмист тодорхой хэл дээрх жагсаалтыг буцаах синтаксийг мартдаг нийтлэг хувилбарыг төсөөлөөд үз дээ. Онлайн форум, нийтлэлээс хайхын оронд CoPilot нь програмистыг зорилгодоо төвлөрүүлэхэд яаралтай тусламж үзүүлдэг.
Бага кодчилолоос хиймэл оюун ухаанд суурилсан хөгжил рүү шилжих
Бага кодтой, кодгүй хэрэгслүүд нь програмчлалын процессыг хялбаршуулж, үндсэн кодчилол блокуудыг үүсгэхийг автоматжуулж, хөгжүүлэгчид өөрсдийн төслийн бүтээлч тал дээр анхаарлаа төвлөрүүлэх боломжийг олгосон. Гэхдээ бид энэхүү шинэ хиймэл оюуны долгион руу орох тусам ландшафт улам өөрчлөгдөнө. Хэрэглэгчийн интерфэйсийн энгийн байдал, "Надад X хийх вэб сайт бүтээгээрэй" гэх мэт шууд тушаалаар код үүсгэх чадвар нь үйл явцыг өөрчилж байна.
Програмчлалд хиймэл оюун ухааны нөлөө аль хэдийн асар их болсон. Анхны компьютерийн эрдэмтэд цахилгааны инженерчлэлээс хийсвэр ойлголт руу шилжсэнтэй адил ирээдүйн программистууд нарийвчилсан кодчилолыг хуучирсан гэж үзэж магадгүй юм. AI дахь хурдацтай дэвшил нь зөвхөн текст/код үүсгэхэд хязгаарлагдахгүй. Зураг үүсгэх тархалтын загвар гэх мэт газруудад ХБЗ ML, DALL-E3, асар их сайжруулалтыг харуулж байна. Runway-ийн хамгийн сүүлийн үеийн онцлогийг харуулсан доорх жиргээг харна уу.
Motion Brush-ийг танилцуулж байна.
Таны үеийнхэнд хяналттай хөдөлгөөн нэмэх шинэ арга.
Удахгүй Gen-2 дээр гарна. pic.twitter.com/htyjf1gstz
- ХБЗ (@runwayml) Арваннэгдүгээр 10, 2023
Програмчлалаас гадна хиймэл оюун ухааны бүтээлч үйлдвэрлэлд үзүүлэх нөлөө нь мөн адил өөрчлөгдөнө. Кино үйлдвэрийн титан, Уолт Дисней студийн дарга асан Жефф Катзенберг хиймэл оюун ухаан хүүхэлдэйн кино бүтээх зардлыг эрс бууруулна гэж таамаглаж байсан. -аас саяхан гарсан нийтлэлийн дагуу Bloomberg Катценберг зардлаа 90%-иар эрс бууруулна гэж үзэж байна. Үүнд уламжлалт хүүхэлдэйн киноны хооронд хийх, үзэгдлүүдийг үзүүлэх, дүрийн дизайн, өгүүллэгийн самбар зэрэг бүтээлч үйл явцад туслах зэрэг хөдөлмөр их шаарддаг ажлуудыг автоматжуулах зэрэг багтаж болно.
Кодчилол дахь хиймэл оюун ухааны өртөг-үр ашиг
Програм хангамжийн инженер ажиллуулах зардлын шинжилгээ:
- Нийт нөхөн төлбөр: Цахиурын хөндий эсвэл Сиэтл зэрэг технологийн төвүүдэд нэмэлт ашиг тусыг багтаасан програм хангамжийн инженерийн дундаж цалин жилд ойролцоогоор 312,000 доллар байдаг.
Өдөр тутмын зардлын шинжилгээ:
- Жилийн ажлын өдрүүд: Жилд ойролцоогоор 260 ажлын өдөр байдгийг тооцвол программ хангамжийн инженер ажиллуулах өдрийн зардал ойролцоогоор 1,200 доллар болдог.
- Кодын гаралт: Өдөрт эцэслэн боловсруулсан, шалгасан, хянуулсан, батлагдсан кодын 100 мөрийг өгөөмөр тооцоолсон гэж үзвэл, энэхүү өдөр тутмын гаралт нь харьцуулах үндэс болно.
Код үүсгэхэд GPT-3 ашиглах зардлын шинжилгээ:
- Токен үнэ: Видео бичлэг хийх үед GPT-3-ийг ашиглах зардал 0.02 жетон тутамд ойролцоогоор 1,000 доллар байсан.
- Кодын мөр бүрийн токенууд: Дунджаар нэг кодын мөрөнд 10 орчим жетон агуулна гэж тооцоолж болно.
- 100 мөр кодын зардал: Тиймээс GPT-100 ашиглан 1,000 мөр код (эсвэл 3 жетон) үүсгэх зардал ойролцоогоор $0.12 байх болно.
Харьцуулсан дүн шинжилгээ:
- Нэг мөр кодын зардал (Хүн ба хиймэл оюун ухаан): Зардлыг харьцуулж үзвэл, өдөрт 100 мөр код үүсгэх нь GPT-1,200 ашиглан ердөө 0.12 долларын үнэтэй программ хангамжийн инженерээр хийхэд 3 долларын үнэтэй байдаг.
- Зардлын хүчин зүйл: Энэ нь зардлын хүчин зүйлийн зөрүүг 10,000 дахин харуулж байгаа бөгөөд хиймэл оюун ухаан нь хамаагүй хямд байна.
Энэхүү шинжилгээ нь програмчлалын салбарт хиймэл оюун ухааны эдийн засгийн чадамжийг харуулж байна. Хиймэл оюун ухаанаар бүтээгдсэн кодын өртөг нь хүний хөгжүүлэгчдийн өндөр зардалтай харьцуулахад хямд байгаа нь AI нь код үүсгэх, ялангуяа стандарт эсвэл давтагдах даалгаврын хувьд илүүд үздэг арга болох ирээдүйг харуулж байна. Энэхүү өөрчлөлт нь компаниудын зардлыг ихээхэн хэмнэж, хүний програмистуудын үүргийг дахин үнэлэхэд хүргэж, тэдний ур чадварыг хиймэл оюун ухаан хараахан шийдэж чадахгүй байгаа илүү төвөгтэй, бүтээлч эсвэл хяналтын даалгаварт төвлөрүүлж болзошгүй юм.
ChatGPT-ийн олон талт байдал нь вэб хөгжүүлэлтийн хүрээтэй нарийн төвөгтэй харилцан үйлчлэлийг багтаасан янз бүрийн програмчлалын контекстийг хамардаг. Хөгжүүлэгч нь хэрэглэгчийн интерфэйсийг бий болгох алдартай JavaScript номын сан болох React-тэй ажиллаж байгаа хувилбарыг авч үзье. Уламжлал ёсоор, энэ даалгавар нь өргөн хүрээтэй баримт бичиг, олон нийтээс өгсөн жишээнүүдийг судлах, ялангуяа нарийн төвөгтэй бүрэлдэхүүн хэсгүүд эсвэл төрийн менежменттэй ажиллахад хамаарна.
ChatGPT-ийн тусламжтайгаар энэ үйл явц илүү хялбар болсон. Хөгжүүлэгч нь React-д хэрэгжүүлэхээр зорьж буй функцээ энгийнээр тайлбарлаж болох бөгөөд ChatGPT нь холбогдох, ашиглахад бэлэн кодын хэсгүүдийг өгдөг. Энэ нь үндсэн бүрэлдэхүүн хэсгийн бүтцийг тохируулахаас эхлээд дэгээгээр төлөвийг удирдах эсвэл гадаад API-уудтай нэгтгэх гэх мэт илүү дэвшилтэт функцууд хүртэл байж болно. ChatGPT нь судалгаа, туршилт, алдаа гаргахад зарцуулдаг цагийг багасгаснаар үр ашгийг дээшлүүлж, вэб хөгжүүлэлтийн хүрээнд төслийн хөгжлийг хурдасгадаг.
Хиймэл оюун ухаанд суурилсан програмчлалын сорилтууд
Хиймэл оюун ухаан нь програмчлалын ландшафтыг үргэлжлүүлэн өөрчлөхийн хэрээр зөвхөн хиймэл оюун ухаанд тулгуурлан програмчлалын ажлуудад дагалддаг хязгаарлалт, бэрхшээлийг ойлгох нь чухал юм. Эдгээр сорилтууд нь хиймэл оюун ухааны давуу талыг ашиглахын зэрэгцээ түүний хязгаарлалтыг хүлээн зөвшөөрөх тэнцвэртэй хандлагын хэрэгцээг онцолж байна.
- Кодын чанар ба засвар үйлчилгээ: AI-ээр үүсгэгдсэн код нь заримдаа дэлгэрэнгүй эсвэл үр ашиггүй байж болох бөгөөд энэ нь засвар үйлчилгээний асуудалд хүргэж болзошгүй юм. AI нь функциональ код бичиж чаддаг ч энэ код нь унших боломжтой, үр ашигтай, засвар үйлчилгээ хийх шилдэг туршлагыг дагаж мөрддөг байх нь хүнээс удирддаг ажил хэвээр байна.
- Дибаг хийх, алдаа засах: AI системүүд кодыг хурдан үүсгэж чаддаг ч одоо байгаа кодын алдааг засах, ойлгоход тэр бүр онц байдаггүй. Дибаг хийх нарийн аргууд, ялангуяа том, нарийн төвөгтэй системүүд нь ихэвчлэн хүний нарийн ойлголт, туршлага шаарддаг.
- Сургалтын өгөгдөлд найдах: Програмчлалд хиймэл оюун ухааны үр нөлөө нь сургалтын мэдээллийн чанар, өргөн цар хүрээнээс ихээхэн хамаардаг. Хэрэв сургалтын өгөгдөлд зарим алдаа, хэв маяг, хувилбаруудын жишээ байхгүй бол хиймэл оюун ухааны эдгээр нөхцөл байдлыг зохицуулах чадвар алдагдана.
- Ёс зүй ба аюулгүй байдлын асуудал: Хиймэл оюун ухаан нь кодчилолд илүү чухал үүрэг гүйцэтгэхийн хэрээр ёс зүй, аюулгүй байдлын асуудал, ялангуяа мэдээллийн нууцлал болон хиймэл оюунаар үүсгэгдсэн кодын гажуудал үүсэхтэй холбоотой асуудал үүсдэг. Ёс суртахууны хэрэглээг баталгаажуулж, эдгээр гажуудлыг арилгах нь хиймэл оюун ухаанд суурилсан програмчлалын хэрэгслийг хариуцлагатай хөгжүүлэхэд маш чухал юм.
AI болон уламжлалт програмчлалын ур чадварыг тэнцвэржүүлэх
Ирээдүйд програм хангамж хөгжүүлэх багууд эрлийз загвар гарч ирж магадгүй юм. Бүтээгдэхүүний менежерүүд шаардлагыг AI код үүсгэгчийн заавар болгон хөрвүүлж болно. Чанарын баталгаажуулалтад хүний хяналт зайлшгүй шаардлагатай байж болох ч гол анхаарал нь код бичих, засвар үйлчилгээ хийхээс эхлээд хиймэл оюун ухаанаар үүсгэсэн гаралтыг шалгах, нарийн тааруулахад шилжих болно. Энэхүү өөрчлөлт нь AI-аар үүсгэгдсэн код нь хүнд төвлөрсөн засвар үйлчилгээний стандартыг дагаж мөрдөх шаардлагагүй тул модульчлагдсан байдал, хийсвэрлэл зэрэг уламжлалт кодчиллын зарчмуудад анхаарал хандуулах нь буурч байгааг харуулж байна.
Энэ шинэ эринд инженер, компьютерийн эрдэмтдийн үүрэг ихээхэн өөрчлөгдөх болно. Тэд LLM-тэй харилцаж, даалгавраа биелүүлэхийн тулд сургалтын өгөгдөл, жишээгээр хангаж, нарийн төвөгтэй кодчилолоос AI загвартай стратегийн хувьд ажиллахад анхаарлаа хандуулна.
Тооцооллын үндсэн нэгж нь уламжлалт процессороос их хэмжээний, урьдчилан бэлтгэгдсэн LLM загварт шилжиж, урьдчилан таамаглах боломжтой, статик процессоос динамик, дасан зохицох хиймэл оюун ухааны агентууд руу шилжих болно.
Хөтөлбөрийг бий болгох, ойлгохоос эхлээд хиймэл оюун ухааны загваруудыг удирдан чиглүүлэх, компьютерийн эрдэмтэн, инженерүүдийн үүргийг дахин тодорхойлох, технологитой харилцах харилцаагаа өөрчлөхөд гол анхаарлаа хандуулж байна.
Хиймэл оюун ухаанаар үүсгэгдсэн код дахь хүний ойлголтын байнгын хэрэгцээ
Програмчлалын ирээдүй нь кодчилол биш, харин манай технологийн ертөнцийг жолоодох оюун ухааныг чиглүүлэхэд чиглэгддэг.
Хиймэл оюун ухаанаар байгалийн хэлээр боловсруулалт хийх нь албан ёсны математик тэмдэглэгээ, уламжлалт програмчлалын нарийвчлал, нарийн төвөгтэй байдлыг бүрэн орлож чадна гэсэн итгэл үнэмшил нь хамгийн сайндаа эрт байна. Програмчлалын хиймэл оюун ухаан руу шилжих нь зөвхөн албан ёсны програмчлал, математикийн ур чадвараар хангаж чадах хатуу, нарийвчлалын хэрэгцээг арилгадаггүй.
Түүгээр ч барахгүй өмнө нь шийдэгдээгүй асуудлуудыг AI-аар үүсгэсэн кодыг турших сорилт чухал хэвээр байна. Үл хөдлөх хөрөнгөд суурилсан тест гэх мэт арга техникүүд нь програмчлалын гүн гүнзгий ойлголт, ур чадвар шаарддаг бөгөөд энэ нь хиймэл оюун ухаан нь одоогийн байдлаар хуулбарлаж эсвэл сольж чадахгүй.
Дүгнэж хэлэхэд, хиймэл оюун ухаан нь програмчлалын олон талыг автоматжуулна гэж амлаж байгаа ч, ялангуяа бүтээлч байдал, асуудлыг цогцоор нь шийдвэрлэх, ёс зүйн хяналт шаардсан салбарт хүний элемент чухал хэвээр байна.
