برخی نکات در مورد پیدایش توسعه افزونه مبتنی بر هوش مصنوعی.
من سعی کردم پلاگین های صوتی را کدنویسی کنم. من به طرز بدی شکست خوردم – دانش سنگین ریاضی اغلب برای ایجاد هر چیزی خوب لازم است، و من زمان کافی را برای مطالعه اختصاص ندادم. علیرغم تلاش‌های من، تلاش‌های من منجر به یک پلاگین اعوجاج زیرپارچه شد که سر و صدای بیشتری از آنچه انتظار داشتم ایجاد کرد.
بله، قبول دارم، Chat GPT OpenAI در ساختن نرم افزارهای صوتی بسیار بهتر از من است. به عنوان یک انسان، من فقط این مزیت را دارم که می توانم آن را کامپایل کنم.
جایی که دبلیوهستند آتی نow- آغاز.
برنامه نویسان شروع به آزمایش ChatGPT در کنار دیگرانی کرده اند که از آن برای تکالیف خانه و تولید نسخه تبلیغاتی استفاده می کنند. توسعه دهندگان DSP، نام دیگری برای افرادی که پلاگین های صوتی می سازند، از جمله آنها هستند.
نمونه اولیه این شبیه سازی از معروف Ibanez Tube Screamer است، یک پدال اعوجاج معروف در موسیقی راک. این افزونه شبیه سخت افزار اصلی نیست و کد آن بسیار ابتدایی است. در واقع، بدون انسان، اصلاً قادر به اجرا نبود. با این حال، توانایی ربات برای ضربه زدن به توپ و ارائه اکثر شبیه سازی هنوز هم چشمگیر است.
دانش آن به پلاگین های اعوجاج ساده محدود نمی شود. یوتیوب، دکتر میکس، یک فرد غیر روحانی، ربات چت را تشویق کرد و دریافت کرد مقداری کد یک سینت سایزر موج سینوسی ساده
مشکل مشابهی مانند پدال در اینجا به وجود آمد – ChatGPT نمی توانست بدون کمک انسان کد قابل کامپایل تولید کند. یعنی اجرا نمیشه افرادی که دانش کدنویسی کمتر از حد متوسط دارند، ایجاد یک افزونه را چالش برانگیز می دانند.
با تماشای این ویدیو، من به عنوان دکتر میکس کدهای مربوط به C++ را در یک برنامه ساز Swift جاسازی کردم. با وجود در دسترس بودن ChatGPT به کمک کند با تدوین، او همچنان در جهت اشتباه کار می کرد. با این حال، محتوای خوب، Doc.
ChatGPT علیرغم دستاوردهایش، همچنان به مداخله و تخصص انسانی نیاز دارد تا کد تولید شده خود را درک کند. در مورد دکتر میکس، او قادر به استفاده موثر از کد نوشته شده توسط ربات به تنهایی نبود. حتی با وجود کدهای خاص MIDI، او همچنان فاقد تخصص در پیاده سازی و ساختار مناسب است.
ChatGPT پتانسیل ایجاد پلاگین ها را دارد، اما مداخله انسان همچنان برای توسعه C++ ضروری است. توسعه دهندگان DSP هنوز نقش مهمی در حصول اطمینان از اینکه پلاگین ها نیازهای خاص را برآورده می کنند و به درستی کار می کنند، ایفا می کنند. تا زمانی که ما هوش مصنوعی نداشته باشیم که بتواند برای ما کامپایل و اشکال زدایی کند، انسان ها بخش مهمی از این فرآیند خواهند بود.
صبر کن چی است یک پلاگین؟
افزونه‌ها ابزارهایی هستند که در نرم‌افزار موسیقی برای گسترش قابلیت‌های کاربر مورد استفاده قرار می‌گیرند – آنها در دو دهه گذشته در صنعت موسیقی فراگیر شده‌اند. برای مثال، اکولایزر Fabfilter Pro-Q3 بسیار بیشتر از توانایی کاهش یا افزایش محدوده فرکانس خاص را ارائه می دهد. Xfer Serum، یک سینتی سایزر محبوب wavetable، با ویژگی های منحصر به فرد خود (یک بار) بر صحنه موسیقی الکترونیک تسلط دارد. شبیه‌سازی‌هایی مانند Softube SSL XL 9000 K-Series درست مانند سخت‌افزار گران‌قیمت صدا می‌کنند.
این افزونه‌ها که بهترین‌های صنعت را نشان می‌دهند، توسط مهندسین در بالای حوزه خود توسعه داده شده‌اند. با این حال، هیچ یک از این کد منبع باز نیست، به این معنی که برای چت ربات هایی مانند ChatGPT به راحتی در دسترس نیست.
چالش یافتن کد منبع باز با کیفیت
Redditor Dave9876 در مورد شبیه سازی Tube screamer در بالا می نویسد: «اصلا جای تعجب نیست که فقط کد نمونه ای را در اینترنت ارائه می دهد.
نظرات قوی موافقم.
ChatGPT ممکن است به دلیل کمبود کد منبع باز با کیفیت بالا در صنعت توسعه صدا، برای کدنویسی افزونه ایده آل نباشد. این کمبود می‌تواند یافتن کد مناسب برای استفاده از ربات چت را چالش‌برانگیز کند، به‌ویژه که بیشتر کدهای خوب اغلب پشت درهای بسته نگهداری می‌شوند.
GPT-3 در درجه اول بر روی آموزش آموزش داده شده است. منابعی مانند کتاب ها، ویکی پدیا و StackOverflow به جای موارد استفاده خاص، نمونه های کتاب درسی را ارائه می دهند. لینک‌های خروجی از سایت‌هایی مانند Reddit اغلب شامل اخبار مبتدی یا توضیحات مبتدی است. محتوای تولید شده توسط کاربر Github ممکن است به دلیل عدم وجود فرآیند بررسی فراتر از آمار استفاده، کیفیتی نداشته باشد.
اهمیت مداخله انسانی در توسعه پلاگین
در حالی که هوش مصنوعی مانند ChatGPT می‌تواند کد تولید کند و رویکردهای نوآورانه‌ای برای مدل‌سازی زبان ارائه دهد، مهم است که نقش حیاتی انسان‌ها در فرآیند توسعه افزونه را به خاطر بسپاریم. از درک تفاوت‌های ظریف مهندسی صدا تا توانایی بررسی و تست کد برای کیفیت، انسان‌ها سطحی از تخصص و شهود را به ارمغان می‌آورند که توسط یک ماشین قابل تکرار نیست. همانطور که هوش مصنوعی به پیشرفت خود ادامه می دهد، مهم است که محدودیت ها و مشکلات احتمالی تکیه بیش از حد بر ابزارهای خودکار در توسعه افزونه ها را بشناسید.
به طور کلی، در حالی که آینده توسعه پلاگین با هوش مصنوعی هیجان انگیز است، ممکن است چندین میلیارد درخواست دیگر برای ChatGPT طول بکشد تا VST هایی با نام «گوسفند برقی» را رویایی کند. با این حال، با قابلیت های ارتباطی پیشرفته خود، یک رویکرد منحصر به فرد برای مدل سازی زبان ارائه می دهد که می تواند به پلاگین های جدید و نوآورانه در آینده منجر شود.
