ChatGPT در مقابل گزینه های جایگزین برای برنامه نویسان

ChatGPT و جایگزین های آن به ویژه برای برنامه نویسانی که کد می نویسند مفید هستند. اما این فناوری چقدر برای توسعه دهندگان قابل اعتماد است؟ Antony Savvas آنچه در دسترس است و گزینه های جایگزین را در نظر می گیرد

مالک ChatGPT OpenAI اخیراً GPT-4 به روز شده را منتشر کرده است که برای کاهش خطاها و سوء استفاده احتمالی و ارائه عملکردهای جدید مانند ورودی داده های تصویر طراحی شده است.

OpenAI بر این باور است که ابزار تجدیدنظر شده اکنون می‌تواند یک آزمون شبیه‌سازی شده حقوقی را در 10 درصد برتر آزمون‌دهندگان، در مقابل 10 درصد پایین برای GPT-3.5 قبول کند.

GPT-4 در ابتدا برای مشترکین ChatGPT Plus در دسترس خواهد بود که 20 دلار در ماه برای دسترسی پریمیوم به این سرویس پرداخت خواهند کرد. با این حال، علیرغم قابلیت‌هایش، هنوز اطلاعاتی درباره داده‌های اینترنتی تولید شده پس از سپتامبر 2021 ندارد.

Ori Bendet، معاون مدیریت محصول در Checkmarx می‌گوید: «هوش مصنوعی مولد به توسعه‌دهندگان اجازه می‌دهد تا بخش‌هایی از کد را بنویسند و به آن‌ها اجازه می‌دهد تا بیشتر بر منطق تجاری خالص خود تمرکز کنند. من به توسعه‌دهندگان توصیه نمی‌کنم که به سادگی کپی و پیست کنند، بلکه ایده کلی را دریافت کرده و سپس آن را با نیازهای خود تنظیم کنند.

راه حل های قبلی برای ChatGPT عبارت بودند از Github Copilot (که بر اساس کدکس OpenAI ساخته شده است)، AWS Code Whisperer و Tabnine (به عنوان مثال مبتنی بر GPT-2 و توسط فیس بوک و گوگل استفاده می شود) و همه طراحی و آموزش دیده برای نوشتن کد و ارائه آن به طور مستقیم در IDE توسعه دهنده (محیط توسعه یکپارچه). AskCodi، CodeT5 و PolyCoder نیز قابل ذکر هستند.

استفاده محدود؟

Owen Vermeulen، توسعه‌دهنده شرکت مشاوره فناوری Chaos Based، در مورد ChatGPT می‌گوید: «علی‌رغم تبلیغات تبلیغاتی، ارزش درک این را دارد که اولاً ChatGPT برای توسعه بسیار کم استفاده می‌شود. از آنجایی که این یک الگوریتم پیش‌بینی است، واقعاً فقط برای کار غرغر استفاده می‌شود، نمی‌تواند جهش‌های منطقی انجام دهد – در واقع نمی‌فهمد چه می‌گوید، فقط سعی می‌کند پیش‌بینی کند که کد خاصی چگونه به نظر می‌رسد.

ورمولن می‌گوید، حتی پس از آن، فقط برای اسکریپت‌های نسبتاً کوتاه مفید است که انسان می‌تواند در برنامه‌ای قابل اجرا بخیه بزند. همچنین جدا از اسکریپت‌های تعریف‌شده، برای اشکال‌زدایی «تقریباً غیرقابل استفاده» است، زیرا منطق و توانایی درک کل را ندارد و بنابراین فقط می‌تواند تکه‌هایی را اشکال‌زدایی کند. او می‌گوید: «این به طور مؤثر جایگزینی برای توسعه‌دهندگانی است که در جستجوی قطعه کد برای یک تابع هستند.

برنامه نویسی جفتی

جولیو روگرو، مدیر ارشد فناوری Mia-Platform، می‌گوید که سازمان او قبل از ورود ChatGPT از ابزار هوش مصنوعی Github Copilot برای کمک به برنامه‌نویسان در کدنویسی استفاده می‌کرد. روجرو با Vermeulen موافق است که چنین فناوری‌هایی می‌توانند برای کمک به نوشتن تکه‌های ساده کد برای تسریع در تکمیل کار استفاده شوند.

او می‌گوید یک رویکرد رایج برای اطمینان از جلوگیری از اشتباهات در کد، استفاده از تکنیکی به نام برنامه‌نویسی زوجی است، که در آن یک توسعه‌دهنده کد می‌نویسد و دیگری در کنار آن‌ها می‌نشیند و به نوشتن کد مطابق با چشم‌انداز استراتژیک کمک می‌کند و نقش‌ها را هر 30 دقیقه عوض می‌کند. روگرو می‌گوید: این فناوری‌های جدید این فرصت را برای این جفت‌سازی فراهم می‌کنند تا اکنون به جای یک انسان، یک ربات هوش مصنوعی را شامل شود.

جیمز هابز، رئیس مهندسی در گریت استیت، می‌گوید Copilot، Tabnine، AskCodi و امثال آن‌ها به عنوان دستیار برنامه‌نویسی جفت ارزش خود را ثابت می‌کنند. مدتی است که تکمیل کد یکی از ویژگی های IDE های توانمند بوده است، اما این سیستم ها نسبت به زمینه و توانایی بیشتری دارند. توانایی آموزش مدل‌های خصوصی بر روی پایگاه‌های کد خود، این پتانسیل را دارد که آنها را حتی مفیدتر کند. هابز می گوید: «آنها کامل نیستند – حتی همیشه درست نیستند – اما واقعاً برای یک برنامه نویس شایسته مفید هستند.

از آنجایی که تمام کدهای نوشته شده توسط هوش مصنوعی از نظر طراحی صحیح نیستند، همچنان به شخصی نیاز دارد که درک کند که آنها به چه چیزی نگاه می کنند تا بر پروژه نظارت کند. روگرو می‌گوید: «هوش مصنوعی در نوشتن کد کمک بزرگی به انسان‌ها می‌کند، اما چرخ ماشین همیشه باید در دستان شما باشد.

جف واتکینز، مدیر مسئول در xDesign، می‌گوید: «در حالی که بسیاری از موارد بالا نشان داده‌اند که کدهای بسیار طولانی، باگ یا ناامن تولید می‌کنند، که نیازمند تلاش برای تبدیل آن به چیزی قابل استفاده و قابل نگهداری است، آلفاکد گوگل به نظر کمی متفاوت است. بر اساس DeepMind [an AI company acquired by Google]. این برنامه با برنامه‌نویسی رقابتی در ذهن آموزش داده شده است و در آزمایش‌ها نشان داده است که اولین نفر از مجموعه است که به خوبی در برابر کدنویسان معمولی قرار می‌گیرد.

بهره وری AI مولد

تامی ویلکامو، مدیر آزمایشگاه RELEX، می‌گوید: افزایش بهره‌وری بالقوه برای برنامه‌نویسان «کاملاً بی‌سابقه» به نظر می‌رسد. به عنوان مثال، یک مطالعه اخیر نشان داد که در هنگام استفاده از Copilot، بهره وری بیش از 56 درصد برای برنامه نویسان افزایش یافته است. ویلکامو می‌گوید برای کمک به قرار دادن آن در چارچوب، برای یک کارخانه کوچک معمولی ایالات متحده در قرن نوزدهم، افزودن نیروی بخار باعث افزایش 25 درصدی بهره‌وری شد.

البته، هنوز، هیچ یک از این مدل‌های هوش مصنوعی مولد کامل نیستند. ویلکامو می‌گوید: «آن‌ها هنوز هم چیزهایی را که وجود ندارند توهم می‌کنند، باگ‌هایی تولید می‌کنند و آسیب‌پذیری‌های امنیتی ایجاد می‌کنند. در یک کارآزمایی تصادفی کنترل شده در مقیاس بزرگ، محققان دریافتند که برنامه نویسانی که به مدل OpenAI Codex code-davinci-002 دسترسی داشتند، «کد بسیار کمتر ایمن نسبت به کسانی که این کار را نمی کردند» نوشتند، در حالی که احتمال بیشتری داشت که به اشتباه کد خود را باور کنند. امن بود به نظر می‌رسد که وقتی صحبت از هوش مصنوعی مولد به میان می‌آید، تنها کسانی که دارای شک و تردید سالم هستند می‌توانند کد خود را ایمن نگه دارند.

کد پایین

همانطور که این ابزارهای مجهز به هوش مصنوعی هوشمندتر می شوند، ارزش آنها برای توسعه دهنده شاید به ترس شروع از یک صفحه یا صفحه خالی پایان دهد. زمانی که با کد کم همراه می‌شوند، مدل‌های هوش مصنوعی مولد که به طوفان مغزی طرح‌های یک برنامه جدید کمک می‌کنند، می‌توانند کلیدی باشند.

کمک‌های هوش مصنوعی در حال حاضر توسط پلتفرم‌های کم‌کد که توسط توسعه‌دهندگان شهروند برای توسعه برنامه‌ها بدون کدنویسی استفاده می‌شوند، آغاز شده است. به عنوان مثال، Pegasystems اخیراً نشان داده است که چگونه هوش مصنوعی مولد می تواند یک برنامه اولیه کاربردی، از جمله گردش کار، مدل های داده و یک رابط کاربری ایجاد کند، فقط با ارائه یک جمله ساده مانند “یک برنامه کاربردی برای فرآیند ادعای بیمه دندانپزشکی بسازید”.

پیتر ون در پوتن، رئیس آزمایشگاه هوش مصنوعی در Pegasystems، می‌گوید: «این امر به‌طور چشمگیری سرعت توسعه را بیشتر می‌کند و میله متخصصان دامنه را برای مشارکت در طراحی و توسعه برنامه‌هایی که مشکلات خودشان را حل می‌کنند، کاهش می‌دهد. همچنین استادیار هوش مصنوعی در دانشگاه لیدن هلند.

هوش مصنوعی مولد در مقابل برنامه نویسان – آینده

Manuel Doc، توسعه‌دهنده جلویی در آژانس UX (تجربه کاربر) Illustrate Digital، از ژانویه با ChatGPT برای ترجمه، تصحیح متن و کدنویسی گاه به گاه کار می‌کند. او می‌گوید: «درست است که وقتی برای اولین بار استفاده از ChatGPT را شروع کردم، از پاسخ‌های سطح کد آن چنان شگفت‌زده شدم که ترسیدم و تصور می‌کردم به زودی شغلم به خطر می‌افتد.

با این حال، در طول یک به یک با توسعه دهنده اصلی ما، او به من کمک کرد تا بفهمم که من فقط برای نوشتن کد استخدام نشده ام، بلکه برای تجزیه و تحلیل مشکلات و ارائه راه حل هایی که ChatGPT نمی تواند ارائه دهد، استخدام شده ام. این بسیار اطمینان‌بخش بود و امروز ChatGPT فقط یک ابزار مشاوره است که من را کارآمدتر می‌کند.»

واتکینز از xDesign می‌گوید: «معلوم است که ما در مراحل اولیه این سفر هستیم، با مسائل اخلاقی و حقوقی که باید برطرف شود، و همچنین تضمین‌هایی لازم است که بازیگران بد نمی‌توانند مجموعه‌های آموزشی را برای گنجاندن آسیب‌پذیری‌ها مسموم کنند.» با این حال، او می‌گوید که مدت زیادی طول نمی‌کشد، «شاید دو سال» تا این ابزارها بتوانند به راحتی کدنویسی کنند و همچنین یک توسعه‌دهنده ذی‌صلاح با ارائه خلاصه‌ای واضح، که آن‌ها را به‌عنوان یک ابزار بهره‌وری فوق‌العاده مفید خواهد کرد. واتکینز می‌گوید: «اما ما همچنان به مهارت‌هایی برای تولید کد نیاز داریم و قادر به ارزیابی و اطمینان از خروجی‌ها هستیم.

مارشال چوی، معاون ارشد محصولات در SambaNova می‌گوید: «برای به دست آوردن یک مزیت رقابتی واقعی، کسب‌وکارها باید یک گام فراتر بروند و مدل‌های AI مولد سفارشی ایجاد کنند تا در هسته سازمان خود قرار گیرند. او می‌گوید همانطور که آنها برای راه‌اندازی کسب‌وکار خود به سیستم‌های ERP سفارشی نیاز دارند، هنگامی که این فناوری در شرکت مورد توجه قرار گرفت، به زودی برای اجرای تجارت خود نیز به یک مدل هوش مصنوعی سفارشی‌شده نیاز خواهند داشت. چوی می‌گوید: «مدل یک‌اندازه مایکروسافت و OpenAI کافی نخواهد بود.

البته مایکروسافت سرمایه‌گذاری‌های مگابونی در عملیات OpenAI کرده است و فناوری‌های خود را در سرویس‌های ابری و برنامه‌های بهره‌وری اداری خود ادغام کرده است. و گوگل اخیراً همین کار را با راه اندازی پیشنهاد هوش مصنوعی Bard خود انجام داد.

فضای کدنویسی هوش مصنوعی به سرعت در حال تکامل است، اما ممکن است مدتی طول بکشد، اگر اصلاً باشد، که هر توسعه‌دهنده انسانی را می‌توان به سادگی با ربات‌های کدنویسی جایگزین کرد، به‌ویژه در صنایع حیاتی ایمنی، جایی که قانون‌گذاران و دولت‌ها باید نسبت به توانمندی‌های آن اطمینان داشته باشند. چنین سیستم هایی

بیشتر در مورد هوش مصنوعی مولد

چالش استفاده از ChatGPT برای موتورهای جستجو – مدل‌های زبان بزرگ (LLM) مانند ChatGPT ممکن است به عنوان مکمل برای موتورهای جستجو در حال ظهور باشند، اما هنوز هم مشکلاتی وجود دارد که باید در نظر گرفت.

آیا ChatGPT کد پایین را منسوخ می کند؟ – رومی هیوز فکر می‌کند که ChatGPT می‌تواند کاری را انجام دهد که low-code برای سال‌ها تلاش می‌کرد تا به آن دست یابد – توسعه نرم‌افزار را در دست کاربران قرار دهد.

ما با خود ChatGPT در مورد آینده هوش مصنوعی چت می کنیم – ChatGPT خودش در مورد آینده هوش مصنوعی چه چیزی می تواند به ما بگوید؟ بهترین موارد استفاده برای هوش مصنوعی Generative چیست؟ و آیا روزی هوش مصنوعی از بشریت پیشی خواهد گرفت و ما را پشت سر می گذارد؟