Mevcut yapay zeka temsilcileri, yazılımın geliştirilmesinde tamamen özerk bir şekilde hareket etmeyi vaat ediyor. Ama aynı zamanda o kadar çok ki, geliştiricilerle bilgi-how açısından Kayıt yapabiliyor musunuz?
Hayır, Cornell Üniversitesi'nden araştırmacıların Stanford Üniversitesi ve UC Berkeley'in Massachusetts Teknoloji Enstitüsü'nün BT İstihbarat Laboratuvarı (CSAIL) 'de “yazılım mühendisliği için IA'ya zorluklar ve yollar” diyor. Mevcut LLM modelleri, onlarla et ve kan meslektaşı gibi çalışabileceğiniz noktaya henüz ulaşmadı.
Tökezleme bloğu gibi yüksek karmaşıklık
Birçok yapay zeka aracı o kadar güçlü hale geldi ki, geliştiricilere gerçek bir katma değer getiriyorlar. Çalışmaya göre, karmaşık kodlama faaliyetleri çalışmaya dayanan bir engel olabilir. Bu, çok kapsamlı kod tabanlarının bağlamını anlama, daha yüksek mantıksal karmaşıklık seviyeleri ve kod yapılarını planlama ve uygulama yeteneği gibi yönleri içerir, böylece kalitesi aynı uzun vadede kalır.
Karmaşık kodlama faaliyetlerinin bir örneği, bir bellek güvenliği hatasını düzeltmektir. Etkili hata bulma, geliştiricilerin yalnızca koddaki hata noktasını bulmakla kalmayıp aynı zamanda anlambilimlerini ve işlevselliğini de anladıklarını varsayar. Bazen beklenmedik bir ek çalışma da düşer. Örneğin, bir bellek hatası tüm bellek yönetimini değiştirmeyi gerekli hale getirebilir.
Bir AI aracı aynı karmaşık görevle eklenirse, bir geliştirici ile aynı şeyi yapabilir. Ancak, bu garanti edilmez. Ayrıca, IA'nın halüsinasyonlu olduğu, hataya veya orantısız olarak yüksek kod düzeltmeleri gerçekleştirme arzusuna kıyasla iyileştirmek için alakasız önerilerde bulunabilir.
İnsan-ai için daha etkili iletişim
Programlama faaliyetleri, insan ve makine arasında daha etkili bir iletişim yoluyla daha iyi çözülebilir. Yazılımın gelişimi, ortak bir kelime dağarcığı bulmak ve bir sorunun ortak bir şekilde anlaşılmasından oluşur. Bu, kodun yan tarafında çözmek istediğiniz şekilde de geçerlidir.
Yapay bir zeka hala tüm yönlerinde bir sistemin mimarisini kavramak veya yeniden üretmekte zorluk çekiyor. Bunun nedeni, insanların birbirleriyle iletişim kurması gereken olasılıkların aksine, hala oldukça sınırlı olan mevcut arayüzler AI'sından kaynaklanmaktadır.
Talepler aracılığıyla daha iyi anlayış
Çalışmaya göre, yapay zeka sistemleri belirsiz talimatlardan veya belirsiz senaryolardan daha fazla bilgi istemeyi öğrenirse, insanlar ve makine arasındaki iletişim engelleri azaltılabilir. Bu nedenle, kodun bağlamı, geliştiricinin akılda tutulması, temsilciler aracılığıyla geleneksel olanlara iletmek zor olduğu anlaşılabilir hale getirilebilir.
Bu doğrudan bilgi sadece yapay zeka sistemlerindeki belirsizliklerden kaçınmaz, aynı zamanda geliştiricilerin niyetlerini daha iyi yakalamalarına da izin verir. Alphaevolve tarafından Alphaevolve tarafından algoritmaları bağımsız olarak tasarlayan ve değerlendiren gelişmiş ajanlar tarafından uygulanabilirler.
(DSÖ)
Bir yanıt yazın