Inteligjenca artificiale
A do t'i japin fund programimit modelet e mëdha të gjuhëve?
Java e kaluar shënoi një moment historik të rëndësishëm për OpenAI, pasi ata zbuluan GPT-4 Turbo në OpenAI DevDay. Një tipar i spikatur i GPT-4 Turbo është dritarja e zgjeruar e kontekstit prej 128,000, një hap i rëndësishëm nga 4 e GPT-8,000. Ky përmirësim mundëson përpunimin e tekstit 16 herë më të madh se paraardhësi i tij, i barabartë me rreth 300 faqe tekst.
Ky përparim lidhet me një tjetër zhvillim të rëndësishëm: ndikimin e mundshëm në peizazhin e startupeve të SaaS.
Ndërmarrja ChatGPT e OpenAI, me veçoritë e saj të avancuara, paraqet një sfidë për shumë startup të SaaS. Këto kompani, të cilat kanë ofruar produkte dhe shërbime rreth ChatGPT ose API-ve të tij, tani përballen me konkurrencën nga një mjet me aftësi të nivelit të ndërmarrjes. Ofertat e ChatGPT Enterprise, si verifikimi i domenit, SSO dhe njohuritë e përdorimit, mbivendosen drejtpërdrejt me shumë shërbime ekzistuese B2B, duke rrezikuar potencialisht mbijetesën e këtyre startupeve.
Në fjalimin e tij kryesor, CEO i OpenAI, Sam Altman zbuloi një tjetër zhvillim të madh: zgjerimin e kufirit të njohurive të GPT-4 Turbo. Ndryshe nga GPT-4, i cili kishte informacion vetëm deri në vitin 2021, GPT-4 Turbo është përditësuar me njohuri deri në prill 2023, duke shënuar një hap të rëndësishëm përpara në rëndësinë dhe zbatueshmërinë e AI.
ChatGPT Enterprise dallohet me veçori si siguria dhe privatësia e përmirësuar, aksesi me shpejtësi të lartë në GPT-4 dhe dritaret e zgjeruara të kontekstit për hyrje më të gjata. Aftësitë e tij të avancuara të analizës së të dhënave, opsionet e personalizimit dhe heqja e kapakëve të përdorimit e bëjnë atë një zgjedhje superiore ndaj paraardhësve të tij. Aftësia e tij për të përpunuar hyrje dhe skedarë më të gjatë, së bashku me akses të pakufizuar në mjetet e avancuara të analizës së të dhënave si ato të njohura më parë Përkthyesi i kodeve, forcon më tej tërheqjen e saj, veçanërisht midis bizneseve që më parë hezitonin për shkak të shqetësimeve të sigurisë së të dhënave.
Epoka e krijimit manual të kodit po i lë vendin sistemeve të drejtuara nga AI, të trajnuar në vend të programimit, duke nënkuptuar një ndryshim thelbësor në zhvillimin e softuerit.
Detyrat e zakonshme të programimit së shpejti mund t'i bien AI, duke reduktuar nevojën për ekspertizë të thellë të kodimit. Mjete si CoPilot i GitHub Fantazma e Replitit, të cilat ndihmojnë në kodim, janë tregues të hershëm të rolit në zgjerim të AI në programim, duke sugjeruar një të ardhme ku AI shtrihet përtej asistencës për menaxhimin e plotë të procesit të programimit. Imagjinoni skenarin e zakonshëm ku një programues harron sintaksën për të kthyer një listë në një gjuhë të caktuar. Në vend të një kërkimi nëpër forume dhe artikuj në internet, CoPilot ofron ndihmë të menjëhershme, duke e mbajtur programuesin të fokusuar drejt qëllimit.
Kalimi nga kodi i ulët në zhvillimin e drejtuar nga AI
Mjetet me kod të ulët dhe pa kod thjeshtësuan procesin e programimit, duke automatizuar krijimin e blloqeve bazë të kodimit dhe duke çliruar zhvilluesit për t'u fokusuar në aspektet krijuese të projekteve të tyre. Por ndërsa hyjmë në këtë valë të re të AI, peizazhi ndryshon më tej. Thjeshtësia e ndërfaqeve të përdoruesit dhe aftësia për të gjeneruar kode përmes komandave të drejtpërdrejta si "Ndërto më një uebsajt për të bërë X" po revolucionarizon procesin.
Ndikimi i AI në programim është tashmë i madh. Ngjashëm me mënyrën se si shkencëtarët e hershëm të kompjuterave kaluan nga fokusi në inxhinierinë elektrike në koncepte më abstrakte, programuesit e ardhshëm mund ta shohin kodimin e detajuar si të vjetëruar. Përparimet e shpejta në AI, nuk kufizohen në gjenerimin e tekstit/kodit. Në fusha si modeli i difuzionit të gjenerimit të imazhit si Pista ML, DALL-E3, tregon përmirësime masive. Thjesht shikoni cicërimin e mëposhtëm nga Runway duke shfaqur veçorinë e tyre më të fundit.
Prezantimi, Motion Brush.
Një mënyrë e re për të shtuar lëvizje të kontrolluar brezave tuaj.
Së shpejti në Gen-2. pic.twitter.com/htyjf1gstz
— Pistë (@runwayml) Nëntor 10, 2023
Duke u shtrirë përtej programimit, ndikimi i AI në industritë krijuese është vendosur të jetë po aq transformues. Jeff Katzenberg, një titan në industrinë e filmit dhe ish-kryetar i Walt Disney Studios, ka parashikuar se AI do të ulë ndjeshëm koston e prodhimit të filmave të animuar. Sipas një artikulli të fundit nga Bloomberg Katzenberg parashikon një ulje drastike prej 90% të kostove. Kjo mund të përfshijë automatizimin e detyrave intensive të punës, si p.sh. ndërmjetësimi në animacionin tradicional, interpretimi i skenave dhe madje asistimi me proceset krijuese si dizajni i personazheve dhe përshkrimi.
Kosto-efektiviteti i AI në kodim
Analiza e kostos së punësimit të një inxhinieri softuerësh:
- Kompensimi total: Paga mesatare për një inxhinier softuerësh duke përfshirë përfitime shtesë në qendrat e teknologjisë si Silicon Valley ose Seattle është afërsisht 312,000 dollarë në vit.
Analiza ditore e kostos:
- Ditët e punës në vit: Duke marrë parasysh se ka rreth 260 ditë pune në vit, kostoja ditore e punësimit të një inxhinieri softuerësh është rreth 1,200 dollarë.
- Prodhimi i kodit: Duke supozuar një vlerësim bujar prej 100 linjash kodi të finalizuara, të testuara, të rishikuara dhe të miratuara në ditë, ky prodhim ditor është baza për krahasim.
Analiza e kostos së përdorimit të GPT-3 për gjenerimin e kodit:
- Kostoja e Tokenit: Kostoja e përdorimit të GPT-3, në kohën e videos, ishte rreth 0.02 dollarë për çdo 1,000 token.
- Shenjat për rreshtin e kodit: Mesatarisht, një linjë kodi mund të vlerësohet se përmban rreth 10 shenja.
- Kostoja për 100 rreshta kodi: Prandaj, kostoja për të gjeneruar 100 rreshta kodi (ose 1,000 argumente) duke përdorur GPT-3 do të ishte rreth 0.12 dollarë.
Analiza krahasuese:
- Kostoja për rreshtin e kodit (Njerëzor kundrejt AI): Duke krahasuar kostot, gjenerimi i 100 rreshtave të kodit në ditë kushton 1,200 dollarë kur bëhet nga një inxhinier softueri njerëzor, në krahasim me vetëm 0.12 dollarë duke përdorur GPT-3.
- Faktori i kostos: Kjo përfaqëson një ndryshim të faktorit të kostos prej rreth 10,000 herë, me AI që është dukshëm më i lirë.
Kjo analizë tregon për potencialin ekonomik të AI në fushën e programimit. Kostoja e ulët e kodit të gjeneruar nga AI krahasuar me shpenzimet e larta të zhvilluesve njerëzorë sugjeron një të ardhme ku AI mund të bëhet metoda e preferuar për gjenerimin e kodit, veçanërisht për detyra standarde ose të përsëritura. Ky ndryshim mund të çojë në kursime të konsiderueshme të kostove për kompanitë dhe një rivlerësim të rolit të programuesve njerëzorë, duke i fokusuar potencialisht aftësitë e tyre në detyra më komplekse, kreative ose mbikëqyrëse që AI ende nuk mund t'i trajtojë.
Shkathtësia e ChatGPT shtrihet në një sërë kontekstesh programimi, duke përfshirë ndërveprimet komplekse me kornizat e zhvillimit të uebit. Konsideroni një skenar ku një zhvillues po punon me React, një bibliotekë popullore JavaScript për ndërtimin e ndërfaqeve të përdoruesit. Tradicionalisht, kjo detyrë do të përfshinte kërkimin në dokumentacion të gjerë dhe shembuj të ofruar nga komuniteti, veçanërisht kur kemi të bëjmë me komponentë të ndërlikuar ose me menaxhimin e shtetit.
Me ChatGPT, ky proces bëhet i efektshëm. Zhvilluesi thjesht mund të përshkruajë funksionalitetin që synojnë të zbatojnë në React, dhe ChatGPT ofron copa kodi përkatëse, të gatshme për përdorim. Kjo mund të variojë nga vendosja e një strukture elementare bazë deri te veçoritë më të avancuara si menaxhimi i gjendjes me grepa ose integrimi me API-të e jashtme. Duke reduktuar kohën e shpenzuar për kërkime dhe prova dhe gabime, ChatGPT rrit efikasitetin dhe përshpejton zhvillimin e projektit në kontekstet e zhvillimit të uebit.
Sfidat në programimin e drejtuar nga AI
Ndërsa AI vazhdon të riformësojë peizazhin e programimit, është thelbësore të njihen kufizimet dhe sfidat që vijnë nga mbështetja vetëm në AI për detyrat e programimit. Këto sfida nënvizojnë nevojën për një qasje të balancuar që shfrytëzon pikat e forta të AI duke pranuar kufizimet e saj.
- Cilësia dhe mirëmbajtja e kodit: Kodi i gjeneruar nga AI ndonjëherë mund të jetë i zhdërvjellët ose joefikas, duke çuar potencialisht në sfida të mirëmbajtjes. Ndërsa AI mund të shkruajë kod funksional, duke siguruar që ky kod t'i përmbahet praktikave më të mira për lexueshmërinë, efikasitetin dhe mirëmbajtjen mbetet një detyrë e drejtuar nga njeriu.
- Korrigjimi dhe trajtimi i gabimeve: Sistemet e inteligjencës artificiale mund të gjenerojnë kode shpejt, por ato jo gjithmonë shkëlqejnë në korrigjimin e gabimeve ose në kuptimin e gabimeve të nuancuara në kodin ekzistues. Hollësitë e korrigjimit, veçanërisht në sisteme të mëdha e komplekse, shpesh kërkojnë kuptimin dhe përvojën e nuancuar të njeriut.
- Mbështetja në të dhënat e trajnimit: Efektiviteti i AI në programim varet kryesisht nga cilësia dhe gjerësia e të dhënave të trajnimit të saj. Nëse të dhënave të trajnimit u mungojnë shembuj të gabimeve, modeleve ose skenarëve të caktuar, aftësia e AI për të trajtuar këto situata rrezikohet.
- Shqetësimet etike dhe të sigurisë: Me marrjen e një roli më të spikatur në kodimin e AI, lindin shqetësime etike dhe sigurie, veçanërisht rreth privatësisë së të dhënave dhe potencialit për paragjykime në kodin e krijuar nga AI. Sigurimi i përdorimit etik dhe adresimi i këtyre paragjykimeve është thelbësore për zhvillimin e përgjegjshëm të mjeteve të programimit të drejtuara nga AI.
Balancimi i AI dhe aftësive tradicionale të programimit
Në të ardhmen, ekipet e zhvillimit të softuerit mund të shfaqen një model hibrid. Menaxherët e produkteve mund t'i përkthejnë kërkesat në direktiva për gjeneruesit e kodit të AI. Mbikëqyrja njerëzore mund të jetë ende e nevojshme për sigurimin e cilësisë, por fokusi do të zhvendoset nga shkrimi dhe mirëmbajtja e kodit në verifikimin dhe rregullimin e saktë të rezultateve të gjeneruara nga AI. Ky ndryshim sugjeron një theks në rënie në parimet tradicionale të kodimit si modulariteti dhe abstraksioni, pasi kodi i krijuar nga AI nuk duhet t'i përmbahet standardeve të mirëmbajtjes me qendër njeriun.
Në këtë epokë të re, roli i inxhinierëve dhe shkencëtarëve kompjuterikë do të transformohet ndjeshëm. Ata do të ndërveprojnë me LLM, duke ofruar të dhëna trajnimi dhe shembuj për të arritur detyrat, duke zhvendosur fokusin nga kodimi i ndërlikuar në punën strategjike me modelet e AI.
Njësia bazë e llogaritjes do të zhvendoset nga përpunuesit tradicionalë në modelet masive, të para-trajnuara LLM, duke shënuar një largim nga proceset e parashikueshme, statike në agjentë dinamikë dhe adaptues të AI.
Fokusi është kalimi nga krijimi dhe kuptimi i programeve në drejtimin e modeleve të AI, ripërcaktimi i roleve të shkencëtarëve dhe inxhinierëve kompjuterikë dhe riformësimi i ndërveprimit tonë me teknologjinë.
Nevoja e vazhdueshme për njohuri njerëzore në kodin e krijuar nga AI
E ardhmja e programimit ka të bëjë më pak me kodimin dhe më shumë me drejtimin e inteligjencës që do të drejtojë botën tonë teknologjike.
Besimi se përpunimi i gjuhës natyrore nga AI mund të zëvendësojë plotësisht saktësinë dhe kompleksitetin e shënimeve formale matematikore dhe programimit tradicional është, në rastin më të mirë, i parakohshëm. Zhvendosja drejt AI në programim nuk eliminon nevojën për ashpërsinë dhe saktësinë që mund të ofrojnë vetëm programimi formal dhe aftësitë matematikore.
Për më tepër, sfida e testimit të kodit të gjeneruar nga AI për problemet që nuk janë zgjidhur më parë mbetet e rëndësishme. Teknikat si testimi i bazuar në prona kërkojnë një kuptim të thellë të programimit, aftësi që AI, në gjendjen e saj aktuale, nuk mund t'i përsërisë ose zëvendësojë.
Në përmbledhje, ndërsa AI premton të automatizojë shumë aspekte të programimit, elementi njerëzor mbetet thelbësor, veçanërisht në fushat që kërkojnë kreativitet, zgjidhje komplekse të problemeve dhe mbikëqyrje etike.
