Изкуствен интелект вместо програмисти: новата реалност при писането на сорс код
Машините към този момент пишат кода по-бързо, по-точно и с по-малко разноски.
ИИ инструментите за програмиране претърпяват втора вълна на развиване, която коренно трансформира метода към основаването на програмен продукт. Тези технологии към този момент не просто оказват помощ на разработчиците, а поемат забележителна част от техните отговорности. Големи компании, като Гугъл, интензивно употребяват ИИ за генериране на нов код, което доста форсира процесите на разработка. Това става допустимо с помощта на задълбочените разбори на първичния подтекст и образованието на моделите върху големи масиви от данни.
На фона на тези промени специалността на програмиста стартира да се трансформира. Разработчиците от ден на ден извършват ролята на мениджъри на кода, като ревизират и поправят работата на моделите. Инструментите, основани на изкуствен интелект, са в положение да проучват складове с хиляди файлове, да ревизират хипотези и да оферират усъвършенствания. Така да вземем за пример новите логаритми разрешават на ИИ моделите освен да възпроизвеждат подготвен код, само че и да схващат процеса на неговото основаване. Това е изключително значимо за комплицирани планове, при които се регистрират доста фактори.
Стартъпите интензивно внедряват усъвършенствани подходи за възстановяване качеството на кода на изкуствения разсъдък. Компании като Cosine, Poolside и Zencoder построяват лични технологии, ориентирани към събиране на данни за процеса на разработка. Тези данни оказват помощ на моделите освен да копират сполучливите решения, само че и да създават свои лични разновидности, учредени на правилата на логиката и оптимизацията. Специално внимание се обръща на подтекста, защото разбирането на цялостната конструкция на плана играе основна роля за основаването на верен и потребен код.
Новите способи за образование на ИИ включват по този начин наречената „ реорганизация на процеса “, когато моделите се образоват с дейности малко по малко, тъкмо както ги прави един човек при основаването на дадена стратегия. По този метод логаритмите стават по-точни и се заобикалят постоянно срещаните неточности. Освен това потреблението на техники за интензивно образование, като RLCE (code execution based learning), разрешава на ИИ моделите да тестват доста хипотези за къс интервал от време. Това доста форсира тяхното развиване и им разрешава по-бързо да намират оптимални решения.
Интересно е, че някои компании натъртват на основаването на лични езикови модели, особено подготвени върху данни за програмиране. При този метод се заобикаля претоварването с ненужна информация и се подчертава единствено върху кода. Това обезпечава по-голяма акуратност и продуктивност, в сравнение с адаптирането на общи модели.
Автоматизацията на развойната активност към този момент трансформира промишлеността. Така да вземем за пример актуалните ИИ принадлежности дават опция за по едно и също време създаване на няколко версии на даден софтуерен артикул, тяхното тестване и премахване на неточности, освен това без човешко присъединяване. Това води до понижаване на броя на програмистите в екипите и до повишение на продуктивността. Много компании последователно минават към компактни екипи от висококвалифицирани експерти, които са по-скоро фокусирани върху ръководството на процеса, в сравнение с върху неговото осъществяване.
Освен това се чака бъдещето на развойната активност да зависи по-скоро от мощността на компютърните системи, в сравнение с от броя на експертите. Това към този момент докара до възходящ брой компании, които създават профилирани модели, способни да вземат решение комплицирани проблеми. Някои специалисти предвиждат, че сходни технологии в бъдеще ще разрешат основаването на системи, които изцяло ще автоматизират процеса на програмиране и комплицирана разработка.
ИИ в програмирането е освен средство за икономисване на време и запаси, само че и стъпка към основаването на по-сложни технологии, които могат да оказват помощ за решаването на световни проблеми. Разработването на програмен продукт става все по-автономно, което открива нови вероятности пред промишлеността и трансформира нормалните подходи за основаване на програмен продукт.
