„Bandžiau naudoti ChatGPT, kad padėtų išspręsti įprastas kodavimo problemas dirbdamas su CRM programomis ir sujungdamas klientų duomenų šaltinius. Paprašiau ChatGPT: „Turėdami du pavadinimų sąrašus, parašykite Python kodą, kad rastumėte artimus pavadinimų atitikmenis ir apskaičiuotumėte panašumo reitingą. “ ChatGPT atsakė: „Galite naudoti FuzzyWuzzy biblioteką Python, kad surastumėte artimus atitikmenis ir apskaičiuotumėte vardų panašumo reitingus. Tada „ChatGPT“ parodė kodą, skirtą sąsajai su „FuzzyWuzzy“, ir įtraukė pavyzdžius, padedančius parodyti rezultatus.
Dabar vyksta diskusijos apie tai, koks išmanus yra „ChatGPT“, ar jis gali rašyti saugų kodą ir kodėl turėtų priskirti prie atsakymų jo šaltinius. Tačiau „ChatGPT“ efektyvumas verčia daugelį žmonių susimąstyti, kaip generatyvus dirbtinis intelektas (AI) pakeis žmonių kūrybinį darbą rinkodaros, žurnalistikos, meno ir, taip, programinės įrangos kūrimo srityse.
„Generatyvusis dirbtinis intelektas, pvz., ChatGPT ir AlphaCode, per ateinančius trejus metus neabejotinai turės didžiulį poveikį tam, kaip organizacijos kuria programas – nuo greitesnių ir efektyvesnių kūrimo ciklų įgalinimo iki klientų patirties optimizavimo“, – sako Davidas Benas Shabatas, bendrovės viceprezidentas tyrimams ir plėtrai įmonėje Quali. „Tobulėjant dirbtiniam intelektui, įmonės galės naudoti šiuos modelius, siekdamos optimizuoti klientų patirtį, padidinti klientų įsitraukimą, sumažinti klientų aptarnavimo išlaidas ir bendras išlaidas.
Arjunas Chandaras, „IndustrialML“ generalinis direktorius, priduria: „Generaciniai AI įrankiai leis bent šiek tiek lengviau naudoti mašininį mokymąsi platesniam programų skaičiui didesniame skaičiuje domenų.
„ChatGPT“ jau pasiekė daugiau, nei 100 milijonų vartotojų, o „Microsoft“ įterpia jį į „Bing“ ir kitas „Office“ programas.
Kiti generatyvaus AI konkurentai paieškos platformose yra Google Bard, o kūrėjai gali išbandyti kodą generuojančius AI, tokius kaip AlphaCode ir GitHub Copilot.
„SaaS“ produktų, technologijų platformų ir paslaugų teikėjų banga integruoja „ChatGPT“ galimybes. Pavyzdžiui, „Gigster“ pristatė „ChatGPT“ integracijos palaikymą, o „Equaly AI“ pristatė „Flowy“, „ChatGPT“ valdomą žiniatinklio prieinamumo platformą.
Nebijokite AI; panaudoti savo galimybes
Jei esate programinės įrangos kūrėjas arba devops inžinierius, galite eksperimentuoti su generuojančio dirbtinio intelekto įrankiais ir susimąstyti, ką tai reikš jūsų profesijai ir kaip tai pakeis jūsų darbą.
„Generatyvūs AI įrankiai, tokie, kaip ChatGPT, sukėlė sumaištį kūrėjų bendruomenėje“, – sako Marko Anastasovas, „Semaphore CI/CD“ įkūrėjas. „Kai kurie baiminasi, kad tai atims jų darbą, o kiti nori to nepaisyti. Abu požiūriai yra klaidingi, nes, kaip matėme su GitHub Copilot, kūrėjas, integruojantis AI į savo darbo eigą, gali patirti neįtikėtiną produktyvumo padidėjimą.
Paimkite mano CRM pavyzdį – sutaupiau laiko, nes atradau naudingą Python biblioteką ir gavau kodavimo pavyzdį. Procesas paspartino mano atradimą, bet vis tiek turėjau atlikti darbą, kad įvertinčiau rezultatus ir integruočiau kodą į mano programą.
Generatyviniam AI trūksta konteksto
Prisiminkite, kai jūsų namuose įdiegėte pirmąjį „Amazon Alexa“ arba „Google Assistant“ ir tikėjotės, kad jie bus tokie pat išmanūs ir jautrūs, kaip „Star Trek“ kompiuteris? Tai padeda atlikti paprastas užduotis, pvz., nustatyti žadintuvus, įtraukti elementus į pirkinių sąrašus, dalytis orų prognozėmis arba atnaujinti šiandienos naujienas, tačiau vargu, ar ji tiksliai atsakys į sudėtingesnius klausimus.
Danas Connas, „Sonatype“ kūrėjų advokatas, mano, kad svarbu suprasti, kaip kuriami ir mokomi dirbtinio intelekto algoritmai. „Kadangi technologija yra pagrįsta duomenimis, o ne žmogaus intelektu, kartais programa gali skambėti nuosekliai, tačiau ji nepateikia jokių kritiškai informuotų atsakymų“, - sako jis.
Kol kas generatyvusis AI gali padėti užpildyti spragas ir paspartinti sprendimų diegimą programinės įrangos kūrimo ciklo metu, tačiau mums vis tiek reikės kūrėjų, kad jie įgytų tinkamą patirtį. „ChatGPT neturi galimybės suprasti žmogiškojo kompiuterijos konteksto, kad galėtų gerai programuoti“, – sako Conn. „Programinės įrangos inžinieriai gali pridėti daugiau informacijos apie kuriamos programinės įrangos paskirtį ir žmones, kurie ją naudos. Tai ne tik daugybė programų, sukurtų kartu su atkurtu kodu."
Shanea Leven, „CodeSee“ įkūrėja ir generalinė direktorė, sako: „Inžinerija reikalauja daug dalykų, kurių AI negali pakeisti, pavyzdžiui, konteksto, todėl AI beveik neįmanoma įkelti į vieną modelį, išmokyti tą modelį ir įtraukti žmonių nuspėjamąsias galimybes. kurie supranta, ko reikės po penkerių metų. Yra daug didelių sprendimų, būdingų skirtingoms įmonėms, kurių dirbtinis intelektas tiesiog niekada negalės priimti."
Prieš penkerius metus parašiau įrašą, kuriame klausiau: Ar AI gali išmokti koduoti? Šiandien ji gali pateikti kodavimo pavyzdžių; rytoj AI modeliai gali padėti inžinieriams atsakyti į klausimus apie architektūrą ir dizaino modelius. Sunku suprasti, ar vienas AI gali pakeisti visas žinias, naujoves ir sprendimus, kuriuos programinės įrangos kūrimo komandos priima, kurdamos malonią klientų patirtį ir produktyvias darbo eigas.
Produktyvumo įrankis, pavyzdžiui, žemas kodas
Programinės įrangos kūrimas turi daug kartų patobulintų kalbų ir platformų. Daugelis įrankių padidina kūrėjo produktyvumą, pagerina kodo kokybę arba automatizuoja pristatymo proceso aspektus. Pavyzdžiui, žemo kodo ir be kodo platformos gali padėti organizacijoms kurti ir modernizuoti daugiau programų, tačiau mes vis dar koduojame mikropaslaugas, kuriame, klientams skirtas, programas ir kuriame mašininio mokymosi galimybes.
Suresh Sambandam, „Kissflow“ generalinis direktorius, pripažįsta: „Kaip mažas kodas ir jokio kodo nepakeis tradicinių kūrėjų ir programinės įrangos inžinierių, OpenAI suteiks naudingų įrankių, kurie pašalins pasikartojančias užduotis ir pagreitins programos kūrimo laiką."
Vienas paradigmos pokytis yra nuo raktiniais žodžiais pagrįstų paieškos įrankių prie tų, kurie apdoroja natūralios kalbos užklausas ir į jas atsako naudingais atsakymais. Sambandam tęsia: „Įvesdama užklausas paprasta pokalbio kalba, „ChatGPT“ gali automatiškai generuoti sudėtingą arba siūlomą pavyzdinį kodą problemoms spręsti daug greičiau, nei bet kuris kūrėjas gali parašyti ir eksperimentuoti su kodu nuo nulio."
„Matysime didžiulius pokyčius ne tik produktyvumo, bet ir to, kaip greičiau gausime informaciją“, – priduria Levenas. „AI leis kūrėjams sustiprinti pasikartojančius sprendimus, kuriuos turi priimti inžinieriai, pavyzdžiui, apibendrintus klausimus apie kalbą."
Pokalbių programų tobulinimas
Kūrėjai taip pat turi apsvarstyti, kaip „ChatGPT“ pakelia vartotojų lūkesčių kartelę. Reikės atnaujinti programos raktinių žodžių paieškos laukelį, kuris nėra suasmenintas ir pateikia nuviliančius rezultatus. Kadangi vis daugiau žmonių stebisi „ChatGPT“ galimybėmis, darbuotojai ir klientai tikisi dirbtinio intelekto paieškos patirties, naudodami natūralios kalbos užklausas ir programėles, kurios atsakys į klausimus.
„Generatyvus AI teikia daug žada paieškos ir klientų aptarnavimo srityse“, – sako Joshas Perkinsas, „Ahead“ techninis vadovas. „Šie modeliai parodo sudėtingos natūralios kalbos paieškos ir kontekstinės atminties tikrovę, leidžiančią atsakyti į net niuansuotus raginimus pokalbio metu be klientų aptarnavimo atstovo, labai pagrįstai ir, greičiausiai, netrukus."
Generatyvusis AI taip pat gali pagerinti darbo eigą ir palaikyti hiperautomatizaciją, žmonių sujungimą, automatizavimą ir AI galimybes. Galvoju apie išmaniąsias sveikatos programas, kur gydytojai gali užduoti AI klausimus apie paciento būklę, AI atsako su panašiais pacientų atvejais, o programėlė suteikia gydytojams galimybes, kurios automatizuoja užsakymo procedūras ar receptus.
„Generatyviosios AI technologijos turi didžiulę galimybę jas naudoti, automatizuojant ir patobulinant įvairius programų kūrimo ir klientų patirties kūrimo aspektus“, – sako „Appen“ vyriausioji produktų pareigūnė Sujatha Sagiraju.
Tačiau naudoti generatyvųjį dirbtinį intelektą, kad būtų galima sistemingai keisti darbo eigą, nėra lengva. Knygoje Power and Prediction: The Disruptive Economics of Artificial Intelligence autoriai supriešina taškinių sprendimų skirtumus (pvz., kodo pavyzdžių paieška) su AI sistemos sprendimais, kuriems reikės didesnių transformacijų.
Sagiraju pažymi: „Generuojančiam dirbtiniam intelektui vis dar reikia realaus asmens atsiliepimų, kad būtų galima patikslinti, kad modelis veiktų tiksliai. Duomenys ir žmonės, esantys už šių modelių, nulems jų sėkmę ir nesėkmes."
Pasirinkite optimalius domenus ir patikrinkite atsakymų kokybę
Taigi, kur programinės įrangos kūrėjai šiandien gali panaudoti generatyvųjį AI? Nesunku pastebėti jo naudingumą, ieškant kodavimo pavyzdžių arba gerinant kodo kokybę. Tačiau produktų vadybininkai ir jų judrios kūrimo komandos turėtų patvirtinti ir išbandyti savo naudojimo atvejus, prieš įjungdami generatyvųjį AI prie jų programos.
„Rizika, kad nevaldomas dirbtinis intelektas gamins netikslų ar neišsamų turinį, geriausiu atveju, gali šiek tiek erzinti, o kitais atvejais gali būti nepaprastai brangi, ypač kai naudojamas klientų aptarnavimui arba atstovaujant prekės ženklą“, – sako produkto vadovas Erikas Ashby. „Nors iš pradžių kils pagunda leisti dirbtiniam intelektui vienam kurti turinį, pvz., nekontroliuojamą pokalbių robotą, prekės ženklai greitai supras, kad norėdami valdyti šią riziką, jie turi taikyti bendrą strategiją, kurioje žmonės ir AI dirbtų kartu.
„ChatGPT“ yra daugiau, nei blizgantis objektas, tačiau, kaip ir bet kuri nauja technologija, programinės įrangos kūrėjai ir architektai turės patvirtinti, kur, kada ir kaip naudoti generatyviąsias AI galimybes.“ [1]
1. ChatGPT and software development. Sacolick, Isaac. InfoWorld.com; San Mateo (Feb 27, 2023).
Komentarų nėra:
Rašyti komentarą