Liệu Mô Hình Ngôn Ngữ Lớn Có Kết Thúc Lập Trình?

Tuần trước đánh dấu một cột mốc quan trọng cho OpenAI, khi họ ra mắt GPT-4 Turbo tại OpenAI DevDay của họ. Một tính năng nổi bật của GPT-4 Turbo là cửa sổ ngữ cảnh mở rộng của nó lên đến 128.000, một bước nhảy lớn so với 8.000 của GPT-4. Sự cải tiến này cho phép xử lý văn bản lớn hơn 16 lần so với người tiền nhiệm, tương đương với khoảng 300 trang văn bản.

Sự phát triển này gắn liền với một sự phát triển quan trọng khác: tác động tiềm tàng đối với phong cảnh của các công ty khởi nghiệp SaaS.

OpenAI’s ChatGPT Enterprise, với các tính năng tiên tiến, tạo ra thách thức cho nhiều công ty khởi nghiệp SaaS. Những công ty này, đã cung cấp sản phẩm và dịch vụ xung quanh ChatGPT hoặc API của nó, hiện phải đối mặt với sự cạnh tranh từ một công cụ có khả năng doanh nghiệp. Các dịch vụ của ChatGPT Enterprise, như xác thực miền, SSO và thông tin sử dụng, trùng lặp trực tiếp với nhiều dịch vụ B2B hiện có, có khả năng đe dọa đến sự tồn tại của những công ty khởi nghiệp này.

Trong bài phát biểu của mình, CEO của OpenAI, Sam Altman, đã tiết lộ một sự phát triển quan trọng khác: việc mở rộng kiến thức của GPT-4 Turbo. Không giống như GPT-4, chỉ có thông tin lên đến năm 2021, GPT-4 Turbo được cập nhật với kiến thức lên đến tháng 4 năm 2023, đánh dấu một bước tiến quan trọng trong sự liên quan và khả năng áp dụng của AI.

ChatGPT Enterprise nổi bật với các tính năng như bảo mật và quyền riêng tư được cải thiện, truy cập tốc độ cao vào GPT-4 và cửa sổ ngữ cảnh mở rộng cho đầu vào dài hơn. Các khả năng phân tích dữ liệu tiên tiến, tùy chỉnh và loại bỏ giới hạn sử dụng của nó làm cho nó trở thành một lựa chọn vượt trội so với các phiên bản trước. Khả năng xử lý đầu vào và tệp dài hơn, cùng với truy cập không giới hạn vào các công cụ phân tích dữ liệu tiên tiến như Trình giải thích mã trước đây, làm cho nó trở nên hấp dẫn hơn, đặc biệt là đối với các doanh nghiệp trước đây đã do dự do lo ngại về bảo mật dữ liệu.

Giai đoạn thủ công tạo mã đang dần nhường chỗ cho các hệ thống được thúc đẩy bởi AI, được đào tạo thay vì lập trình, đánh dấu một sự thay đổi cơ bản trong phát triển phần mềm.

Các nhiệm vụ lập trình nhàm chán có thể sớm được AI đảm nhận, giảm nhu cầu về chuyên môn lập trình sâu. Các công cụ như CoPilot của GitHub và Ghostwriter của Replit, giúp hỗ trợ lập trình, là những chỉ số đầu tiên về vai trò ngày càng mở rộng của AI trong lập trình, gợi ý về một tương lai nơi AI vượt ra ngoài hỗ trợ để quản lý hoàn toàn quá trình lập trình. Hãy tưởng tượng một kịch bản phổ biến nơi một lập trình viên quên cú pháp để đảo ngược một danh sách trong một ngôn ngữ cụ thể. Thay vì tìm kiếm thông qua các diễn đàn và bài viết trực tuyến, CoPilot cung cấp sự hỗ trợ ngay lập tức, giữ cho lập trình viên tập trung vào mục tiêu.

Chuyển đổi từ Lập trình Low-Code sang Phát triển Được Đẩy bởi AI

Các công cụ Low-code & No code đã đơn giản hóa quá trình lập trình, tự động hóa việc tạo ra các khối mã cơ bản và giải phóng các nhà phát triển để tập trung vào các khía cạnh sáng tạo của dự án của họ. Nhưng khi chúng ta bước vào làn sóng AI mới này, phong cảnh thay đổi thêm. Sự đơn giản của giao diện người dùng và khả năng tạo mã thông qua các lệnh đơn giản như “Xây dựng một trang web để làm X” đang cách mạng hóa quá trình.

Tác động của AI trong lập trình đã rất lớn. Tương tự như cách các nhà khoa học máy tính đầu tiên chuyển từ tập trung vào kỹ thuật điện sang các khái niệm trừu tượng hơn, các lập trình viên trong tương lai có thể coi việc lập trình chi tiết là lỗi thời. Sự tiến bộ nhanh chóng trong AI không chỉ giới hạn ở việc tạo mã/văn bản. Trong các lĩnh vực như tạo hình ảnh, mô hình khuếch tán như Runway ML, DALL-E 3 cho thấy sự cải thiện đáng kể. Chỉ cần xem tweet dưới đây của Runway展示 tính năng mới nhất của họ.

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

Sự ảnh hưởng của AI đối với các ngành sáng tạo cũng sẽ tương tự như vậy. Jeff Katzenberg, một người khổng lồ trong ngành công nghiệp điện ảnh và cựu chủ tịch của Walt Disney Studios, đã dự đoán rằng AI sẽ giảm đáng kể chi phí sản xuất phim hoạt hình. Theo một bài viết gần đây từ Bloomberg, Katzenberg dự đoán giảm 90% chi phí. Điều này có thể bao gồm tự động hóa các nhiệm vụ lao động đòi hỏi như giữa các khung hình trong hoạt hình truyền thống, kết xuất cảnh và thậm chí hỗ trợ các quy trình sáng tạo như thiết kế nhân vật và lên kịch bản.

Hiệu Quả Chi Phí Của AI Trong Lập Trình

Phân Tích Chi Phí Việc Làm Của Một Kỹ Sư Phần Mềm:

1. Tổng Chi Phí: Lương trung bình cho một kỹ sư phần mềm, bao gồm cả lợi ích bổ sung trong các trung tâm công nghệ như Thung lũng Silicon hoặc Seattle, là khoảng 312.000 đô la mỗi năm.

Phân Tích Chi Phí Hàng Ngày:

1. Ngày Làm Việc Trong Năm: Giả sử có khoảng 260 ngày làm việc trong một năm, chi phí hàng ngày để thuê một kỹ sư phần mềm là khoảng 1.200 đô la.
2. Sản Lượng Mã: Giả sử một ước tính hào phóng là 100 dòng mã hoàn chỉnh, được kiểm tra, xem xét và phê duyệt mỗi ngày, đây là cơ sở để so sánh.

Phân Tích Chi Phí Sử Dụng GPT-3 Để Tạo Mã:

1. Chi Phí Token: Chi phí sử dụng GPT-3, tại thời điểm video, là khoảng 0,02 đô la cho mỗi 1.000 token.
2. Token Mỗi Dòng Mã: Trung bình, một dòng mã có thể ước tính chứa khoảng 10 token.
3. Chi Phí Cho 100 Dòng Mã: Do đó, chi phí để tạo 100 dòng mã (hoặc 1.000 token) sử dụng GPT-3 sẽ là khoảng 0,12 đô la.

Phân Tích So Sánh:

• Chi Phí Mỗi Dòng Mã (Con Người Vs. AI): So sánh chi phí, tạo 100 dòng mã mỗi ngày sẽ tốn 1.200 đô la khi được thực hiện bởi một kỹ sư phần mềm con người, so với chỉ 0,12 đô la khi sử dụng GPT-3.
• Yếu Tố Chi Phí: Điều này đại diện cho sự khác biệt về yếu tố chi phí khoảng 10.000 lần, với AI rẻ hơn đáng kể.

Phân tích này chỉ ra tiềm năng kinh tế của AI trong lĩnh vực lập trình. Chi phí thấp của mã được tạo bởi AI so với chi phí cao của các nhà phát triển con người gợi ý về một tương lai nơi AI có thể trở thành phương pháp được ưu tiên cho việc tạo mã, đặc biệt là cho các nhiệm vụ tiêu chuẩn hoặc lặp đi lặp lại. Sự thay đổi này có thể dẫn đến tiết kiệm chi phí đáng kể cho các công ty và sự đánh giá lại vai trò của các lập trình viên con người, có khả năng tập trung kỹ năng của họ vào các nhiệm vụ phức tạp, sáng tạo hoặc giám sát mà AI chưa thể xử lý.

Khả năng của ChatGPT mở rộng đến nhiều ngữ cảnh lập trình, bao gồm cả các tương tác phức tạp với các khung phát triển web. Hãy xem xét một kịch bản nơi một nhà phát triển đang làm việc với React, một thư viện JavaScript phổ biến để xây dựng giao diện người dùng. Thông thường, nhiệm vụ này sẽ liên quan đến việc tìm hiểu tài liệu và các ví dụ do cộng đồng cung cấp, đặc biệt là khi đối mặt với các thành phần phức tạp hoặc quản lý trạng thái.

Với ChatGPT, quá trình này trở nên đơn giản hóa. Nhà phát triển có thể mô tả chức năng họ muốn thực hiện trong React, và ChatGPT cung cấp các đoạn mã sẵn sàng sử dụng. Điều này có thể bao gồm từ việc thiết lập cấu trúc thành phần cơ bản đến các tính năng tiên tiến như quản lý trạng thái với các hook hoặc tích hợp với các API bên ngoài. Bằng cách giảm thời gian dành cho nghiên cứu và thử nghiệm, ChatGPT tăng cường hiệu quả và đẩy nhanh sự phát triển dự án trong các ngữ cảnh phát triển web.

Thử Thách Trong Lập Trình Được Đẩy Bởi AI

Khi AI tiếp tục thay đổi phong cảnh lập trình, điều quan trọng là phải nhận ra các hạn chế và thách thức đi kèm với việc phụ thuộc hoàn toàn vào AI cho các nhiệm vụ lập trình. Những thách thức này nhấn mạnh nhu cầu về một cách tiếp cận cân bằng, tận dụng điểm mạnh của AI trong khi nhận ra hạn chế của nó.

1. Chất Lượng Mã và Khả Năng Bảo Trì: Mã được tạo bởi AI có thể đôi khi quá dài dòng hoặc không hiệu quả, có khả năng dẫn đến các thách thức về bảo trì. Mặc dù AI có thể viết mã chức năng, nhưng việc đảm bảo mã này tuân theo các phương pháp hay nhất về khả năng đọc, hiệu quả và bảo trì vẫn là một nhiệm vụ do con người thực hiện.
2. Debug và Xử Lý Lỗi: Các hệ thống AI có thể tạo mã nhanh chóng, nhưng chúng không luôn giỏi trong việc gỡ lỗi hoặc hiểu các lỗi tinh vi trong mã hiện có. Sự tinh tế của việc gỡ lỗi, đặc biệt là trong các hệ thống lớn và phức tạp, thường đòi hỏi sự hiểu biết và kinh nghiệm tinh vi của con người.
3. Sự Phụ Thuộc Vào Dữ Liệu Huấn Luyện: Hiệu quả của AI trong lập trình chủ yếu phụ thuộc vào chất lượng và phạm vi của dữ liệu huấn luyện. Nếu dữ liệu huấn luyện thiếu các ví dụ về một số lỗi, mẫu hoặc kịch bản, khả năng của AI trong việc xử lý các tình huống này sẽ bị ảnh hưởng.
4. Lo ngại Về Đạo Đức và Bảo Mật: Khi AI đóng vai trò quan trọng hơn trong lập trình, lo ngại về đạo đức và bảo mật xuất hiện, đặc biệt là xung quanh quyền riêng tư dữ liệu và khả năng có偏见 trong mã được tạo bởi AI. Đảm bảo việc sử dụng AI một cách có trách nhiệm và giải quyết những偏见 này là điều quan trọng cho sự phát triển có trách nhiệm của các công cụ lập trình được thúc đẩy bởi AI.

Cân Bằng AI và Kỹ Năng Lập Trình Truyền Thống

Trong các đội phát triển phần mềm trong tương lai, có thể sẽ xuất hiện một mô hình lai. Các nhà quản lý sản phẩm có thể dịch yêu cầu thành chỉ dẫn cho các công cụ tạo mã AI. Sự giám sát của con người có thể vẫn cần thiết cho đảm bảo chất lượng, nhưng trọng tâm sẽ chuyển từ việc viết và bảo trì mã sang việc xác minh và tinh chỉnh đầu ra được tạo bởi AI. Sự thay đổi này gợi ý một sự giảm nhẹ trong việc nhấn mạnh vào các nguyên tắc lập trình truyền thống như mô-đun và trừu tượng, vì mã được tạo bởi AI không cần tuân theo các tiêu chuẩn bảo trì theo định hướng con người.

Vai trò của các kỹ sư và nhà khoa học máy tính sẽ thay đổi đáng kể trong thời đại mới này. Họ sẽ tương tác với các mô hình ngôn ngữ lớn, cung cấp dữ liệu huấn luyện và ví dụ để đạt được các nhiệm vụ, chuyển sự tập trung từ việc lập trình phức tạp sang việc làm việc chiến lược với các mô hình AI.

Đơn vị tính toán cơ bản sẽ chuyển từ các bộ xử lý truyền thống sang các mô hình ngôn ngữ lớn được đào tạo trước, đánh dấu một sự chuyển đổi từ các quá trình tĩnh và có thể dự đoán được sang các tác nhân AI động và thích nghi.

Trọng tâm đang chuyển từ việc tạo và hiểu chương trình sang việc hướng dẫn các mô hình thông minh sẽ thúc đẩy thế giới công nghệ của chúng ta, và định hình lại cách chúng ta tương tác với công nghệ.

Sự Cần Thiết Của Sự Nhận Biết Con Người Trong Mã Được Tạo Bởi AI

Tương lai của lập trình ít hơn về việc lập trình và nhiều hơn về việc chỉ đạo trí tuệ sẽ thúc đẩy thế giới công nghệ của chúng ta.

niệm tin rằng xử lý ngôn ngữ tự nhiên của AI có thể thay thế hoàn toàn sự chính xác và phức tạp của các ký hiệu toán học chính thức và lập trình truyền thống là, tốt nhất, còn sớm. Sự chuyển đổi sang AI trong lập trình không loại bỏ nhu cầu về sự nghiêm ngặt và chính xác mà chỉ lập trình truyền thống và kỹ năng toán học có thể cung cấp.

Hơn nữa, thách thức của việc kiểm tra mã được tạo bởi AI cho các vấn đề chưa được giải quyết trước đây vẫn còn đáng kể. Các kỹ thuật như kiểm tra dựa trên thuộc tính đòi hỏi sự hiểu biết sâu sắc về lập trình, kỹ năng mà AI, trong trạng thái hiện tại, không thể sao chép hoặc thay thế.

Tóm lại, trong khi AI hứa hẹn sẽ tự động hóa nhiều khía cạnh của lập trình, yếu tố con người vẫn rất quan trọng, đặc biệt là trong các lĩnh vực đòi hỏi sự sáng tạo, giải quyết vấn đề phức tạp và giám sát đạo đức.