ปัญญาประดิษฐ์
โมเดลภาษาขนาดใหญ่จะยุติการเขียนโปรแกรมหรือไม่
สัปดาห์ที่แล้วถือเป็นเหตุการณ์สำคัญสำหรับ OpenAI เมื่อพวกเขาเปิดตัว GPT-4 Turbo OpenAI DevDay. คุณลักษณะที่โดดเด่นของ GPT-4 Turbo คือหน้าต่างบริบทที่ขยายเป็น 128,000 ซึ่งเพิ่มขึ้นอย่างมากจาก 4 ของ GPT-8,000 การปรับปรุงนี้ช่วยให้สามารถประมวลผลข้อความได้มากกว่ารุ่นก่อนถึง 16 เท่า หรือเทียบเท่ากับข้อความประมาณ 300 หน้า
ความก้าวหน้านี้เชื่อมโยงกับการพัฒนาที่สำคัญอีกประการหนึ่ง: ผลกระทบที่อาจเกิดขึ้นกับภูมิทัศน์ของสตาร์ทอัพ SaaS
ChatGPT Enterprise ของ OpenAI พร้อมฟีเจอร์ขั้นสูง สร้างความท้าทายให้กับสตาร์ทอัพ SaaS จำนวนมาก บริษัทเหล่านี้ซึ่งนำเสนอผลิตภัณฑ์และบริการเกี่ยวกับ ChatGPT หรือ API ของตน กำลังเผชิญกับการแข่งขันจากเครื่องมือที่มีความสามารถระดับองค์กร ข้อเสนอของ ChatGPT Enterprise เช่น การยืนยันโดเมน, SSO และข้อมูลเชิงลึกด้านการใช้งาน ซ้อนทับโดยตรงกับบริการ B2B ที่มีอยู่มากมาย ซึ่งอาจเป็นอันตรายต่อความอยู่รอดของสตาร์ทอัพเหล่านี้
ในประเด็นสำคัญของเขา Sam Altman ซีอีโอของ OpenAI เปิดเผยการพัฒนาที่สำคัญอีกประการหนึ่ง: การขยายความรู้ของ GPT-4 Turbo ต่างจาก GPT-4 ซึ่งมีข้อมูลจนถึงปี 2021 เท่านั้น GPT-4 Turbo ได้รับการอัปเดตด้วยความรู้จนถึงเดือนเมษายน 2023 ถือเป็นก้าวสำคัญในการก้าวไปข้างหน้าในความเกี่ยวข้องและการบังคับใช้ของ AI
ChatGPT Enterprise โดดเด่นด้วยฟีเจอร์ต่างๆ เช่น การรักษาความปลอดภัยและความเป็นส่วนตัวที่ได้รับการปรับปรุง การเข้าถึง GPT-4 ความเร็วสูง และหน้าต่างบริบทที่ขยายเพื่อการป้อนข้อมูลที่ยาวขึ้น ความสามารถในการวิเคราะห์ข้อมูลขั้นสูง ตัวเลือกการปรับแต่ง และการยกเลิกการจำกัดการใช้งาน ทำให้เป็นตัวเลือกที่เหนือกว่ารุ่นก่อน ความสามารถในการประมวลผลอินพุตและไฟล์ที่ยาวขึ้น พร้อมด้วยการเข้าถึงเครื่องมือวิเคราะห์ข้อมูลขั้นสูงแบบไม่จำกัดเหมือนที่รู้จักก่อนหน้านี้ ตัวแปลรหัสตอกย้ำความน่าดึงดูดโดยเฉพาะในกลุ่มธุรกิจที่ก่อนหน้านี้ลังเลเนื่องจากข้อกังวลด้านความปลอดภัยของข้อมูล
ยุคของการประดิษฐ์โค้ดด้วยตนเองกำลังเปิดทางให้กับระบบที่ขับเคลื่อนด้วย AI ซึ่งได้รับการฝึกฝนแทนการตั้งโปรแกรม ซึ่งบ่งบอกถึงการเปลี่ยนแปลงพื้นฐานในการพัฒนาซอฟต์แวร์
งานธรรมดาๆ ในการเขียนโปรแกรมอาจตกเป็นหน้าที่ของ AI ในไม่ช้า ซึ่งช่วยลดความจำเป็นในการใช้ความเชี่ยวชาญในการเขียนโค้ดเชิงลึก เครื่องมือเช่น CoPilot ของ GitHub และ Ghostwriter ของ Replitซึ่งช่วยในการเขียนโค้ด เป็นตัวบ่งชี้เบื้องต้นถึงบทบาทที่เพิ่มขึ้นของ AI ในการเขียนโปรแกรม ซึ่งบ่งบอกถึงอนาคตที่ AI จะขยายออกไปมากกว่าความช่วยเหลือในการจัดการกระบวนการเขียนโปรแกรมอย่างสมบูรณ์ ลองนึกภาพสถานการณ์ทั่วไปที่โปรแกรมเมอร์ลืมไวยากรณ์สำหรับการย้อนกลับรายการในภาษาใดภาษาหนึ่ง แทนที่จะค้นหาผ่านฟอรัมและบทความออนไลน์ CoPilot เสนอความช่วยเหลือทันที เพื่อให้โปรแกรมเมอร์มุ่งความสนใจไปที่เป้าหมาย
การเปลี่ยนจากการพัฒนาแบบ Low-Code ไปสู่การพัฒนาที่ขับเคลื่อนด้วย AI
เครื่องมือแบบเขียนโค้ดต่ำและไม่ต้องเขียนโค้ดทำให้กระบวนการเขียนโปรแกรมง่ายขึ้น ทำให้การสร้างบล็อกการเขียนโค้ดพื้นฐานเป็นไปโดยอัตโนมัติ และช่วยให้นักพัฒนาสามารถมุ่งเน้นไปที่แง่มุมที่สร้างสรรค์ของโครงการของตนได้ แต่เมื่อเราก้าวเข้าสู่คลื่น AI ใหม่นี้ ภูมิทัศน์จะเปลี่ยนไปมากขึ้น ความเรียบง่ายของอินเทอร์เฟซผู้ใช้และความสามารถในการสร้างโค้ดผ่านคำสั่งที่ตรงไปตรงมา เช่น "สร้างเว็บไซต์ให้ฉันทำ X" กำลังปฏิวัติกระบวนการนี้
อิทธิพลของ AI ในการเขียนโปรแกรมนั้นมีมากมายอยู่แล้ว เช่นเดียวกับที่นักวิทยาศาสตร์คอมพิวเตอร์ยุคแรกเปลี่ยนจากการมุ่งเน้นไปที่วิศวกรรมไฟฟ้าไปสู่แนวคิดที่เป็นนามธรรมมากขึ้น โปรแกรมเมอร์ในอนาคตอาจมองว่าการเขียนโค้ดแบบละเอียดเป็นสิ่งที่ล้าสมัย ความก้าวหน้าอย่างรวดเร็วของ AI ไม่ได้จำกัดอยู่เพียงการสร้างข้อความ/โค้ดเท่านั้น ในพื้นที่เช่นแบบจำลองการแพร่กระจายของการสร้างภาพ รันเวย์ML, DALL-E3แสดงให้เห็นการปรับปรุงครั้งใหญ่ เพียงดูทวีตด้านล่างโดย Runway ที่นำเสนอฟีเจอร์ล่าสุดของพวกเขา
ขอแนะนำ Motion Brush
วิธีใหม่ในการเพิ่มการเคลื่อนไหวที่ควบคุมได้ให้กับรุ่นของคุณ
พบกับ Gen-2 เร็วๆ นี้ pic.twitter.com/htyjf1gstz
— รันเวย์ (@runwayml) November 10, 2023
นอกเหนือจากการเขียนโปรแกรมแล้ว ผลกระทบของ AI ที่มีต่ออุตสาหกรรมสร้างสรรค์ยังได้รับการเปลี่ยนแปลงอย่างเท่าเทียมกัน Jeff Katzenberg ยักษ์ใหญ่ในอุตสาหกรรมภาพยนตร์และอดีตประธาน Walt Disney Studios คาดการณ์ว่า AI จะช่วยลดต้นทุนในการผลิตภาพยนตร์แอนิเมชันได้อย่างมาก ตามบทความล่าสุดจาก บลูมเบิร์ก Katzenberg คาดการณ์ว่าต้นทุนจะลดลงอย่างมากถึง 90% ซึ่งอาจรวมถึงการทำงานอัตโนมัติที่ต้องใช้แรงงานเข้มข้น เช่น การผสมระหว่างแอนิเมชั่นแบบดั้งเดิม การเรนเดอร์ฉาก และแม้กระทั่งการช่วยในกระบวนการสร้างสรรค์ เช่น การออกแบบตัวละครและการเขียนเรื่องราว
ความคุ้มค่าของ AI ในการเขียนโค้ด
การวิเคราะห์ต้นทุนการจ้างวิศวกรซอฟต์แวร์:
- ค่าตอบแทนรวม: เงินเดือนโดยเฉลี่ยสำหรับวิศวกรซอฟต์แวร์รวมถึงสวัสดิการเพิ่มเติมในศูนย์กลางเทคโนโลยีเช่น Silicon Valley หรือ Seattle อยู่ที่ประมาณ 312,000 เหรียญสหรัฐต่อปี
การวิเคราะห์ต้นทุนรายวัน:
- วันทำการต่อปี: เมื่อพิจารณาว่ามีวันทำงานประมาณ 260 วันทำการในหนึ่งปี ค่าใช้จ่ายรายวันในการจ้างวิศวกรซอฟต์แวร์จะอยู่ที่ประมาณ 1,200 เหรียญสหรัฐ
- รหัสเอาท์พุท: สมมติว่ามีบรรทัดโค้ดที่สรุป ทดสอบ ตรวจทาน และอนุมัติแล้วประมาณ 100 บรรทัดต่อวัน ผลลัพธ์รายวันนี้จะเป็นพื้นฐานสำหรับการเปรียบเทียบ
การวิเคราะห์ต้นทุนการใช้ GPT-3 สำหรับการสร้างโค้ด:
- ราคาโทเค็น: ค่าใช้จ่ายในการใช้ GPT-3 ในขณะที่ดูวิดีโออยู่ที่ประมาณ 0.02 ดอลลาร์สำหรับทุกๆ 1,000 โทเค็น
- โทเค็นต่อบรรทัดของรหัส: โดยเฉลี่ยแล้ว บรรทัดโค้ดสามารถประมาณได้ว่ามีโทเค็นประมาณ 10 โทเค็น
- ราคาสำหรับโค้ด 100 บรรทัด: ดังนั้น ค่าใช้จ่ายในการสร้างโค้ด 100 บรรทัด (หรือ 1,000 โทเค็น) โดยใช้ GPT-3 จะอยู่ที่ประมาณ 0.12 ดอลลาร์
การวิเคราะห์เปรียบเทียบ:
- ราคาต่อบรรทัดของโค้ด (มนุษย์กับ AI): เมื่อเปรียบเทียบค่าใช้จ่าย การสร้างโค้ด 100 บรรทัดต่อวันจะมีค่าใช้จ่าย 1,200 ดอลลาร์สหรัฐฯ เมื่อวิศวกรซอฟต์แวร์ที่เป็นมนุษย์ดำเนินการ แทนที่จะใช้ GPT-0.12 เพียง 3 ดอลลาร์สหรัฐฯ
- ปัจจัยต้นทุน: ซึ่งแสดงถึงความแตกต่างของปัจจัยด้านต้นทุนประมาณ 10,000 เท่า โดยที่ AI มีราคาถูกกว่ามาก
การวิเคราะห์นี้ชี้ให้เห็นถึงศักยภาพทางเศรษฐกิจของ AI ในด้านการเขียนโปรแกรม ต้นทุนที่ต่ำของโค้ดที่สร้างโดย AI เมื่อเปรียบเทียบกับค่าใช้จ่ายที่สูงของนักพัฒนาที่เป็นมนุษย์ บ่งชี้ถึงอนาคตที่ AI อาจกลายเป็นวิธีการที่นิยมในการสร้างโค้ด โดยเฉพาะสำหรับงานมาตรฐานหรืองานซ้ำๆ การเปลี่ยนแปลงนี้อาจนำไปสู่การประหยัดต้นทุนได้อย่างมากสำหรับบริษัทต่างๆ และการประเมินบทบาทของโปรแกรมเมอร์ที่เป็นมนุษย์อีกครั้ง ซึ่งอาจมุ่งเน้นไปที่ทักษะของพวกเขาในงานที่ซับซ้อน ความคิดสร้างสรรค์ หรือการกำกับดูแลที่ AI ยังไม่สามารถจัดการได้
ความอเนกประสงค์ของ ChatGPT ขยายไปสู่บริบทการเขียนโปรแกรมที่หลากหลาย รวมถึงการโต้ตอบที่ซับซ้อนกับเฟรมเวิร์กการพัฒนาเว็บ พิจารณาสถานการณ์ที่นักพัฒนาทำงานกับ React ซึ่งเป็นไลบรารี JavaScript ยอดนิยมสำหรับการสร้างส่วนต่อประสานกับผู้ใช้ ตามเนื้อผ้า งานนี้จะเกี่ยวข้องกับการเจาะลึกเอกสารประกอบและตัวอย่างที่ชุมชนจัดเตรียมไว้ให้ โดยเฉพาะอย่างยิ่งเมื่อต้องจัดการกับส่วนประกอบที่ซับซ้อนหรือการจัดการของรัฐ
ChatGPT ช่วยให้กระบวนการนี้มีประสิทธิภาพมากขึ้น นักพัฒนาสามารถอธิบายฟังก์ชันการทำงานที่พวกเขามุ่งหวังที่จะนำไปใช้ใน React และ ChatGPT จะให้ตัวอย่างโค้ดที่เกี่ยวข้องและพร้อมใช้งาน อาจมีตั้งแต่การตั้งค่าโครงสร้างพื้นฐานส่วนประกอบไปจนถึงคุณลักษณะขั้นสูง เช่น การจัดการสถานะด้วย hooks หรือการผสานรวมกับ API ภายนอก ด้วยการลดเวลาที่ใช้ในการวิจัยและการลองผิดลองถูก ChatGPT จะช่วยเพิ่มประสิทธิภาพและเร่งการพัฒนาโครงการในบริบทการพัฒนาเว็บ
ความท้าทายในการเขียนโปรแกรมที่ขับเคลื่อนด้วย AI
เนื่องจาก AI ยังคงปรับเปลี่ยนภูมิทัศน์การเขียนโปรแกรม จึงจำเป็นอย่างยิ่งที่จะต้องตระหนักถึงข้อจำกัดและความท้าทายที่มาพร้อมกับการพึ่งพา AI เพียงอย่างเดียวสำหรับงานการเขียนโปรแกรม ความท้าทายเหล่านี้ตอกย้ำถึงความจำเป็นในการใช้แนวทางที่สมดุลซึ่งใช้ประโยชน์จากจุดแข็งของ AI ขณะเดียวกันก็ยอมรับข้อจำกัดของมัน
- คุณภาพรหัสและการบำรุงรักษา: บางครั้งโค้ดที่สร้างโดย AI อาจมีรายละเอียดมากหรือไม่มีประสิทธิภาพ ซึ่งอาจนำไปสู่ความท้าทายในการบำรุงรักษา แม้ว่า AI จะสามารถเขียนโค้ดการทำงานได้ แต่การตรวจสอบให้แน่ใจว่าโค้ดนี้เป็นไปตามแนวทางปฏิบัติที่ดีที่สุดในด้านความสามารถในการอ่าน ประสิทธิภาพ และการบำรุงรักษายังคงเป็นงานที่ขับเคลื่อนโดยมนุษย์
- การดีบักและการจัดการข้อผิดพลาด: ระบบ AI สามารถสร้างโค้ดได้อย่างรวดเร็ว แต่อาจไม่เก่งเสมอไปในการดีบั๊กหรือทำความเข้าใจข้อผิดพลาดเล็กน้อยในโค้ดที่มีอยู่ รายละเอียดปลีกย่อยของการดีบัก โดยเฉพาะอย่างยิ่งในระบบขนาดใหญ่และซับซ้อน มักต้องใช้ความเข้าใจและประสบการณ์ที่ละเอียดถี่ถ้วนของมนุษย์
- การพึ่งพาข้อมูลการฝึกอบรม: ประสิทธิผลของ AI ในการเขียนโปรแกรมส่วนใหญ่ขึ้นอยู่กับคุณภาพและความกว้างของข้อมูลการฝึกอบรม หากข้อมูลการฝึกอบรมขาดตัวอย่างจุดบกพร่อง รูปแบบ หรือสถานการณ์บางอย่าง ความสามารถของ AI ในการจัดการสถานการณ์เหล่านี้ก็จะลดลง
- ข้อกังวลด้านจริยธรรมและความปลอดภัย: เนื่องจาก AI มีบทบาทสำคัญในการเขียนโค้ด จึงเกิดข้อกังวลด้านจริยธรรมและความปลอดภัยขึ้น โดยเฉพาะอย่างยิ่งเกี่ยวกับความเป็นส่วนตัวของข้อมูลและโอกาสที่จะเกิดอคติในโค้ดที่สร้างโดย AI การดูแลให้มีการใช้อย่างมีจริยธรรมและจัดการกับอคติเหล่านี้เป็นสิ่งสำคัญสำหรับการพัฒนาเครื่องมือการเขียนโปรแกรมที่ขับเคลื่อนด้วย AI อย่างมีความรับผิดชอบ
ปรับสมดุล AI และทักษะการเขียนโปรแกรมแบบดั้งเดิม
ในอนาคตทีมพัฒนาซอฟต์แวร์อาจมีโมเดลไฮบริดเกิดขึ้น ผู้จัดการผลิตภัณฑ์สามารถแปลข้อกำหนดเป็นคำสั่งสำหรับตัวสร้างโค้ด AI การกำกับดูแลโดยมนุษย์อาจยังจำเป็นสำหรับการประกันคุณภาพ แต่จุดสนใจจะเปลี่ยนจากการเขียนและการบำรุงรักษาโค้ดไปเป็นการตรวจสอบและปรับแต่งเอาต์พุตที่สร้างโดย AI การเปลี่ยนแปลงนี้ชี้ให้เห็นถึงการเน้นที่น้อยลงในหลักการเขียนโค้ดแบบดั้งเดิม เช่น ความเป็นโมดูลาร์และนามธรรม เนื่องจากโค้ดที่สร้างโดย AI ไม่จำเป็นต้องเป็นไปตามมาตรฐานการบำรุงรักษาที่เน้นมนุษย์เป็นศูนย์กลาง
ในยุคใหม่นี้ บทบาทของวิศวกรและนักวิทยาศาสตร์คอมพิวเตอร์จะเปลี่ยนไปอย่างมาก พวกเขาจะโต้ตอบกับ LLM โดยให้ข้อมูลการฝึกอบรมและตัวอย่างเพื่อให้บรรลุภารกิจ เปลี่ยนโฟกัสจากการเขียนโค้ดที่ซับซ้อนไปเป็นการทำงานเชิงกลยุทธ์กับโมเดล AI
หน่วยประมวลผลพื้นฐานจะเปลี่ยนจากโปรเซสเซอร์แบบดั้งเดิมไปเป็นโมเดล LLM ขนาดใหญ่ที่ได้รับการฝึกอบรมล่วงหน้า ซึ่งถือเป็นการออกจากกระบวนการแบบคงที่ที่คาดเดาได้ไปเป็นเอเจนต์ AI แบบไดนามิกที่ปรับเปลี่ยนได้
จุดมุ่งเน้นคือการเปลี่ยนจากการสร้างและการทำความเข้าใจโปรแกรมไปสู่แนวทางโมเดล AI การกำหนดบทบาทของนักวิทยาศาสตร์คอมพิวเตอร์และวิศวกรใหม่ และปรับรูปแบบปฏิสัมพันธ์ของเรากับเทคโนโลยีใหม่
ความต้องการความเข้าใจของมนุษย์อย่างต่อเนื่องในโค้ดที่สร้างโดย AI
อนาคตของการเขียนโปรแกรมไม่ได้เกี่ยวกับการเขียนโค้ด แต่เป็นเรื่องของการควบคุมสติปัญญาที่จะขับเคลื่อนโลกเทคโนโลยีของเรา
ความเชื่อที่ว่าการประมวลผลภาษาธรรมชาติโดย AI สามารถแทนที่ความแม่นยำและความซับซ้อนของสัญกรณ์ทางคณิตศาสตร์ที่เป็นทางการและการเขียนโปรแกรมแบบดั้งเดิมได้อย่างสมบูรณ์นั้น ถือเป็นเรื่องที่เกิดขึ้นก่อนเวลาอันควร การเปลี่ยนไปใช้ AI ในการเขียนโปรแกรมไม่ได้ขจัดความจำเป็นสำหรับความเข้มงวดและความแม่นยำซึ่งมีเพียงการเขียนโปรแกรมอย่างเป็นทางการและทักษะทางคณิตศาสตร์เท่านั้นที่สามารถทำได้
นอกจากนี้ ความท้าทายในการทดสอบโค้ดที่สร้างโดย AI สำหรับปัญหาที่ยังไม่ได้รับการแก้ไขมาก่อนยังคงมีนัยสำคัญ เทคนิคต่างๆ เช่น การทดสอบตามคุณสมบัติจำเป็นต้องมีการเขียนโปรแกรมที่มีความเข้าใจอย่างลึกซึ้ง ซึ่งเป็นทักษะที่ AI ในสถานะปัจจุบันไม่สามารถทำซ้ำหรือแทนที่ได้
โดยสรุป แม้ว่า AI สัญญาว่าจะทำให้การเขียนโปรแกรมหลายๆ ด้านเป็นไปโดยอัตโนมัติ แต่องค์ประกอบของมนุษย์ยังคงมีความสำคัญ โดยเฉพาะอย่างยิ่งในด้านที่ต้องใช้ความคิดสร้างสรรค์ การแก้ปัญหาที่ซับซ้อน และการกำกับดูแลด้านจริยธรรม
