OpenAi έχει εισαγάγει swe-lancer , ένα σημείο αναφοράς που έχει σχεδιαστεί για να ελέγξει πώς εκτελεί η τεχνητή νοημοσύνη σε εργασίες λογισμικού πραγματικού κόσμου σε σύγκριση με τους ανθρώπινους ελεύθερους επαγγελματίες.
Τα ευρήματα επιβεβαιώνουν ένα μοτίβο που παρατηρείται σε διάφορα εργαλεία κωδικοποίησης που τροφοδοτείται με AI: Το AI υπερέχει σε δομημένο προγραμματισμό, αλλά αγωνίζεται για τη διάγνωση και την επίλυση σφαλμάτων χωρίς εξωτερική καθοδήγηση.
Η μελέτη αξιολογεί τα μοντέλα AI χρησιμοποιώντας εργασίες από πλατφόρμες freelancing όπως upwork Και fiverr , όπου οι προγραμματιστές συχνά προσλαμβάνονται για βραχυπρόθεσμα έργα κωδικοποίησης. Ενώ ο κώδικας που παράγεται από το AI είναι συχνά συντακτικά σωστό και παράγεται γρήγορα, η έρευνα του OpenAI υπογραμμίζει ότι ένα επίμονο ελάττωμα-τα εργαλεία παραμένουν αναξιόπιστα στην ανίχνευση της βασικής αιτίας των ζητημάτων λογισμικού. WP-Content/Uploads/2024/12/Github-Copilot-Chat-Official.jpg”>
Σύμφωνα με την έρευνα του OpenAi,”οι πράκτορες υπερέχουν στον εντοπισμό, αλλά αποτυγχάνουν να αιτιολογούν, με αποτέλεσμα μερικές ή ελαττωματικές λύσεις. Οι πράκτορες εντοπίζουν την πηγή ενός προβλήματος αξιοσημείωτα γρήγορα, χρησιμοποιώντας αναζητήσεις λέξεων-κλειδιών σε ολόκληρο το χώρο αποθήκευσης για να εντοπίσουν γρήγορα το σχετικό αρχείο και τις λειτουργίες-συχνά πολύ πιο γρήγορα από ό, τι ένας άνθρωπος. Ωστόσο, συχνά παρουσιάζουν περιορισμένη κατανόηση του τρόπου με τον οποίο το ζήτημα καλύπτει πολλαπλά συστατικά ή αρχεία και αποτυγχάνει να αντιμετωπίσει τη βασική αιτία, οδηγώντας σε λύσεις που είναι λανθασμένες ή ανεπαρκώς περιεκτικές.”Θα μπορούσε να επιβραδύνει την υιοθέτηση της αυτόνομης κωδικοποίησης
για να αντικαταστήσει ή ακόμα και να συμπληρώσει μηχανικούς λογισμικού σε βαθύτερο επίπεδο, θα πρέπει να υπερβεί την απλή σύνταξη Διόρθωση και μάθηση πώς να αντιμετωπίσει τα δικά του λάθη. Αναξιόπιστο σε εντυπωσιακά διφορούμενα ζητήματα
Αυτά τα αποτελέσματα είναι ιδιαίτερα σημαντικά στο πλαίσιο του Github Copilot, ενός από τις πιο ευρέως χρησιμοποιούμενες κωδικοποιήσεις AI που τροφοδοτείται με AI Οι βοηθοί. Οι προγραμματιστές της AI, η πρόκληση εντοπισμού σφαλμάτων παραμένει ένα σημαντικό εμπόδιο. Ο Devin από τη γνώση ισχυρίζεται ότι λειτουργεί ως αυτοδύναμος μηχανικός λογισμικού. Ωστόσο, η έρευνα του OpenAI δημιουργεί αμφιβολίες σχετικά με το αν κάποιος AI μπορεί πραγματικά να λειτουργήσει ανεξάρτητα σε σύνθετα περιβάλλοντα ανάπτυξης. > Ενώ η AI δεν είναι ακόμη ικανή να αντικαταστήσει πλήρως τους προγραμματιστές λογισμικού, μετατρέπει ήδη την αγορά εργασίας ανεξάρτητων. A Μελέτη από το Ινστιτούτο Internet Oxford διαπίστωσε ότι η εργασία ανεξάρτητης ανάπτυξης και γραφής λογισμικού έχει μειωθεί κατά 21% καθώς οι επιχειρήσεις υιοθετούν όλο και περισσότερο τον αυτοματισμό που βασίζεται στην ΑΙ.
Οι ερευνητές σημείωσαν ότι ενώ η ΑΙ μειώνει τη ζήτηση για ορισμένα καθήκοντα κωδικοποίησης, αυξάνει ταυτόχρονα τη ζήτηση για μηχανικούς που μπορούν να επιβλέπουν την ανάπτυξη της ΑΙ. Ο δημιουργημένος κώδικας μπορεί να αντικαταστήσει ορισμένες εργασίες ρουτίνας, οι εταιρείες εξακολουθούν να χρειάζονται ανθρώπινους μηχανικούς για να εντοπίσουν, να επικυρώσουν και να βελτιστοποιήσουν την εργασία που δημιουργείται από την AI. Αυτή η μετατόπιση αναγκάζει τους ανεξάρτητους προγραμματιστές να προσαρμοστούν, εστιάζοντας στην επίλυση προβλημάτων υψηλότερου επιπέδου και όχι στη βασική κωδικοποίηση./H3>
Καθώς τα εργαλεία κωδικοποίησης που λειτουργούν με ΑΙ συνεχίζουν να εξελίσσονται, οι εταιρείες και οι προγραμματιστές προσαρμόζονται σε νέες ροές εργασίας. Αντί να εξαλείφουν τις θέσεις εργασίας, ο αυτοματισμός μετατοπίζει το ρόλο των μηχανικών λογισμικού. Οι επιχειρήσεις αναζητούν τώρα επαγγελματίες που μπορούν να διαχειριστούν τον προγραμματισμό του AI, να επιβλέπουν τον κώδικα που δημιουργεί AI και να αντιμετωπίσει τα σφάλματα που τα μοντέλα AI αποτυγχάνουν να πιάσουν. Μηχανικοί με εμπειρογνωμοσύνη που σχετίζεται με την ΑΙ. Δηλώνει ότι”οι προγραμματιστές που καταλαβαίνουν πώς να καθοδηγήσουν το AI, να επαληθεύσουν την παραγωγή του και να διορθώσουν τα λάθη του είναι πιθανό να είναι πιο πολύτιμα σε μελλοντικούς ρόλους ανάπτυξης λογισμικού”. Ακόμα απαιτούν την ανθρώπινη παρέμβαση. από ό, τι βασιζόμαστε σε αυτά τυφλά.
Με τα ευρήματα της OpenAI που προκαλούν αμφιβολίες σχετικά με τις δυνατότητες εντοπισμού σφαλμάτων της AI, οι εταιρείες προσπαθούν να αντιμετωπίσουν αυτά τα θέματα. Οι εφαρμογές εντοπισμού σφαλμάτων. της λογικής συλλογιστικής και της ανεξάρτητης εντοπισμού σφαλμάτων, οι μηχανικοί θα συνεχίσουν να διαδραματίζουν κεντρικό ρόλο στην ανάπτυξη λογισμικού.
Με το AI μετασχηματισμό του τρόπου με τον οποίο αναπτύσσεται το λογισμικό, η βιομηχανία βλέπει μια μετατόπιση των δεξιοτήτων που είναι περισσότερο σε ζήτηση. Η παραδοσιακή επάρκεια κωδικοποίησης γίνεται λιγότερο κρίσιμη σε σύγκριση με την ικανότητα διαχείρισης, βελτιστοποίησης και αντιμετώπισης προβλημάτων εργασίας που παράγεται από την AI. Αυτή η μετάβαση αντικατοπτρίζει τις προηγούμενες εξελίξεις στη μηχανική λογισμικού, όπου ο αυτοματισμός μείωσε τις προσπάθειες χειροκίνητης κωδικοποίησης, αλλά αύξησε την ανάγκη για τον ποιοτικό έλεγχο και τον προγραμματισμό της αρχιτεκτονικής. Οι ανεξάρτητοι προγραμματιστές που επικεντρώνονται σε βασικά καθήκοντα κωδικοποίησης έχουν δει τις μειωμένες ευκαιρίες, ενώ η ζήτηση για μηχανικούς που έχουν εξειδικευτεί σε AI αυξάνεται. Οι μηχανικοί που κατανοούν την ανάπτυξη της AI θα είναι καλύτερα τοποθετημένοι για να περιηγηθούν σε αυτό το μεταβαλλόμενο τοπίο. Ωστόσο, ο ρόλος του στον εξορθολογισμό και τη βελτιστοποίηση ορισμένων εργασιών θα συνεχίσει να αυξάνεται. Το αν τα ισχυρότερα μοντέλα λογικής λογικής μπορεί να ξεπεράσουν τους τρέχοντες περιορισμούς εντοπισμού σφαλμάτων, αλλά προς το παρόν, η ανθρώπινη εμπειρογνωμοσύνη παραμένει απαραίτητη στη διαδικασία κωδικοποίησης.
