Время пришло: AI на пути к замене разработчиков (и это ближе, | Нейро Университет | Даем второй мозг в нейросетях, искусственных интеллектах и помогаем на этом заработать.

Время пришло: AI на пути к замене разработчиков (и это ближе, чем вы думаете)

Вы заметили, что разработчики чувствуют особую тревогу относительно развития искусственного интеллекта, особенно языковых моделей. Это естественная реакция: непросто принять, что привычные правила игры меняются, и наступает стадия отрицания и гнева. Именно поэтому сделали кликбейтный заголовок. И судя по тому, что вы здесь, вы заинтересованы узнать больше деталей.

Давайте начнем сразу с уточнения: мы не утверждаем, что это произойдет мгновенно. А руководствуемся текущими тенденциями, которые неизбежно приведут к замене разработчиков языковыми моделями. Процесс начнется с простых задач, и пока неясно, насколько далеко он продвинется.

Что уже сейчас может GPT-4:

-Безупречное написание кода на уровне отдельных функций, реже на уровне файлов и микро-проектов.
-Проектирование архитектуры на основе бизнес-описания.
-Генерация тестов из кода и бизнес-описания.
-Составление списка задач, которые затем может выполнены.

Что мешает делать больше:
*Ограниченный контекст: модель способна обрабатывать только 4 тысячи токенов (коротких английских слов). Это означает, что приходится либо сокращать текст, либо делать его кратким. Даже если передать ——*ChatGPT исходный код несколькими сообщениями, есть риск потерять важный контекст.
*Устаревшая документация: датасет, используемый моделью, собран в 2021 году, и многие библиотеки уже обновились, пережив несколько мажорных релизов. Это означает, что старый код может просто не сработать.
*Все еще требуется ручная работа: необходимо продолжать активно применять свой труд и свой интеллект. Важно убедиться, что модель правильно поняла контекст и не упустила важную информацию из примера кода, который был предоставлен.

Итак, что мы имеем в результате? Необходимо быть осторожными в полной зависимости от выводов модели. Существует вероятность, что мы закончим со словами "Почему бы просто не сделать это руками, вместо всех этих сложностей?"

На что стоит обратить внимание:
Теперь перейдем к самому интересному - тому, что заставляет меня сделать вывод о неизбежности отказа от разработчиков.

Расширение контекста модели: вместе с GPT-4 была представлена версия с 32 тысячами токенов - в восемь раз больше предыдущей. Теперь у нас уже больше возможностей вместить в контекст документацию или код среднего проекта. Хотя доступ к этой функции пока не широко распространен.
Оптимизация контекста: мы видим мощный рост рынка векторных баз данных, таких как Pinecone и Chroma, а также языковых фреймворков, таких как Langchain. Это позволяет нам передавать только необходимую информацию в контексте, вместо того чтобы загружать все сразу. Работает отлично, текущие решения занимают всего около 50 строк.
Мульти-модальный ввод: еще одна интересная возможность, представленная вместе с GPT-4. Теперь мы можем загружать изображения и обсуждать их с моделью. Был продемонстрирован пример, где сайт верстался на основе рукописного прототипа. Хотя доступ к этой функции пока не широко распространен, уже существуют открытые модели, такие как Mini-GPT, доступные в сообществе.


Самый важный и объединяющий тренд:
AI-агенты: эти инструменты позволяют связывать запросы в языковой модели: список задач → архитектура → реализация.

Агенты изначально работают с векторными хранилищами и могут оптимизировать контекст даже на моделях с 4 тысячами токенов. Это позволяет эффективно работать с кодом на уровне проекта и обрабатывать длинную документацию, не утрачивая важную информацию.

Кроме того, агенты предоставляют возможность работать с файловой системой, не только писать код и тесты, но и запускать и анализировать результаты выполнения для принятия дальнейших решений. Также они имеют доступ к интернету, откуда могут получать свежую документацию и информацию.