OpenAI Codex и будущее программирования с помощью ИИ
Каждое развитие в науке и технике порождает некоторые предположения о безопасности труда или обществе. Изобретение письма для новаторских достижений в области искусственного интеллекта (ИИ) и машинного обучения (МО) — примеры на все времена. Последние достижения в языковых моделях, такие как GPT-3, демонстрируют, что код может быть сгенерирован из постановки задачи. GitHub (компания Microsoft) создал решение, а именно Codex.
Сегодня у меня была возможность заглянуть в Кодекс через вызов OpenAI Codex [1]. Опыт был довольно приятным (я попытался задать только два вопроса между цепочкой встреч ). После испытания я решил углубиться в таблицу лидеров.
Задача была открыта с 10:00 по тихоокеанскому стандартному времени до 13:00 по тихоокеанскому стандартному времени. Пять вопросов (в основном это были вопросы для собеседования в технологической компании. Да! Вы слышали это! Например, HackerRanek, LeetCode…). На каждый вопрос мы получаем десять попыток решения кода. Вы также можете игнорировать помощь Кодекса! Я делюсь некоторыми выводами из данных таблицы лидеров.
Пользователям потребовалось от 23 до 90 минут, чтобы завершить соревнование (при условии, что все 100 участников были полностью вовлечены в это).
Выдающимися результатами стали пять пользователей, которые не воспользовались Кодексом и справились с заданием за 71–81 минуту. Если вы получите ссылку на интервью компании от HackerRank, вы можете получить почти такое же время для пяти вопросов. Если мы сравним производительность кодера с восемью помощниками Codex и справимся с заданием за 24 минуты, эта цифра может о чем-то сказать. Опытный разработчик может сократить время разработки на 1/3 с помощью ИИ-помощника (ранний вывод из ограниченных данных и с учетом того, что Codex не содержит ошибок в обучающих данных!).
В общей сложности 23 участника использовали пять или никакие помощники по коду и инструменты от 36 до 89 минут для решения пяти вопросов. Понимание соответствующих навыков и опыта этих участников будет полезно при принятии многих корпоративных решений, таких как квоты для разработчиков на использование Codex API! То есть 23% участников с опытом программирования могут решить задачу с меньшей поддержкой.
Практически такое решение должно сократить время работы с StackOverflow/Google/Bing и отвлекающие факторы от деятельности. Рекламная изюминка «Парное программирование с ИИ» в данном случае актуальна.
Талант и логика, ориентированная на данные, по-прежнему побеждают, хотя мы говорим об искусственном интеллекте для их поддержки. Так что программисты не рискуют проиграть против ИИ. Для человека, понимающего проблемы, сложности и ошибки, которые может допустить такая языковая модель, это все же хорошее начало. С широким внедрением таких систем может начаться новая культура разработки программного обеспечения.
По мере того, как написание программных систем становится все более прогрессивным, юнит-тестирование также должно преуспеть. Тестовые случаи на соревнованиях были очень хорошими; если мы попытаемся только с предложениями ИИ и продвинем большую часть мысли, вы не подчинитесь!
Успех Codex будет зависеть от снижения предвзятости данных обучения (GitHub) и обучения конечных пользователей. Программист без ИИ (не Data Scientist и другие подобные должности) в будущем будет заменен программистом с ИИ! Платформа уже проверена экспертами по лицензиям на программное обеспечение, относящимися к коду GPL в качестве обучения. данные.
Краткий обзор умных программистов и программистов с искусственным интеллектом
Данные доступны по адресу https://gist.github.com/jaganadhg/2ec0ee26de1c8c3e57dd649edb2960ec.
[1] https://challenge.openai.com/ — последний доступ 12.08.2021
