Ar dirbtinis intelektas pakeis programuotojus? Paskutinis variantas – išjungti kodo redaktorių.

„ Paskutinis išėjęs, išjunkite kodo redaktorių. “ Ši ironiška frazė sklando kūrėjų forumuose, atspindėdama nerimą keliantį humorą dėl dirbtinio intelekto kodavimo asistentų iškilimo. Dirbtinio intelekto modeliams tampant vis pajėgesniems rašyti kodą, daugelis programuotojų klausia, ar žmonių kūrėjų laukia toks pat likimas kaip liftų operatorių ar telefono linijų operatorių – darbų, kuriuos automatizavimas tapo nebeaktualus. 2024 m. drąsios antraštės skelbė, kad dirbtinis intelektas netrukus gali parašyti visą mūsų kodą, palikdamas žmones kūrėjams ką veikti. Tačiau už ažiotažo ir sensacijų slypi realybė, kuri yra daug subtilesnė.

Taip, DI dabar gali generuoti kodą greičiau nei bet kuris žmogus, bet kiek tas kodas geras ir ar DI gali pats susitvarkyti su visu programinės įrangos kūrimo gyvavimo ciklu? Dauguma ekspertų teigia: „ne taip greitai“. Programinės įrangos inžinerijos lyderiai, tokie kaip „Microsoft“ generalinis direktorius Satya Nadella, pabrėžia, kad „DI nepakeis programuotojų, bet taps esminiu įrankiu jų arsenale. Svarbu suteikti žmonėms galių nuveikti daugiau, o ne mažiau.“ ( Ar DI pakeis programuotojus? Tiesa už ažiotažo | autorius „The PyCoach“ | „Artificial Corner“ | 2025 m. kovas | „Medium “) Panašiai ir „Google“ DI vadovas Jeffas Deanas pažymi, kad nors DI gali atlikti įprastas kodavimo užduotis, „jam vis dar trūksta kūrybiškumo ir problemų sprendimo įgūdžių“ – tų pačių savybių, kurias suteikia žmonės kūrėjai. Net Samas Altmanas, „OpenAI“ generalinis direktorius, pripažįsta, kad šiandieninis DI yra „labai geras atliekant užduotis“ , bet „siaubingas atliekant visus darbus“ be žmogaus priežiūros. Trumpai tariant, DI puikiai padeda atlikti kai kurias darbo dalis, bet negali visiškai perimti programuotojo darbo nuo pradžios iki pabaigos.

Šioje baltojoje knygoje sąžiningai ir subalansuotai nagrinėjamas klausimas „Ar dirbtinis intelektas pakeis programuotojus?“. Nagrinėjame, kaip dirbtinis intelektas veikia šiandieninius programinės įrangos kūrimo vaidmenis ir kokie pokyčiai laukia ateityje. Remdamiesi realiais pavyzdžiais ir naujausiais įrankiais (nuo „GitHub Copilot“ iki „ChatGPT“), nagrinėjame, kaip kūrėjai gali prisitaikyti, prisitaikyti ir išlikti aktualūs, tobulėjant dirbtiniam intelektui. Užuot pateikę paprastą „taip“ arba „ne“ atsakymą, pamatysime, kad ateitis – dirbtinio intelekto ir žmonių kūrėjų bendradarbiavimas. Tikslas – pabrėžti praktines įžvalgas apie tai, ką kūrėjai gali daryti, kad klestėtų dirbtinio intelekto amžiuje – nuo ​​naujų įrankių diegimo iki naujų įgūdžių mokymosi, ir numatyti, kaip programuotojų karjera gali vystytis ateinančiais metais.

Dirbtinis intelektas programinės įrangos kūrime šiandien

Dirbtinis intelektas (DI) sparčiai įsiliejo į šiuolaikinės programinės įrangos kūrimo procesą. DI pagrįsti įrankiai toli gražu nėra mokslinė fantastika – jie jau rašo ir peržiūri kodą , automatizuoja nuobodžias užduotis ir didina kūrėjų produktyvumą. Šiandien kūrėjai naudoja DI kodo fragmentams generuoti, automatiškai užbaigti funkcijas, aptikti klaidas ir net kurti testus („ Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis“ [2024] ) („ Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis“ [2024] ). Kitaip tariant, DI perima pagrindinį darbą ir standartinius modelius, leisdamas programuotojams sutelkti dėmesį į sudėtingesnius programinės įrangos kūrimo aspektus. Pažvelkime į keletą žymių DI galimybių ir įrankių, kurie šiuo metu keičia programavimą:

• Kodo generavimas ir automatinis užbaigimas: šiuolaikiniai dirbtinio intelekto kodavimo asistentai gali kurti kodą, pagrįstą natūralios kalbos raginimais arba daliniu kodo kontekstu. Pavyzdžiui, „GitHub Copilot“ (sukurta remiantis „OpenAI“ „Codex“ modeliu) integruojasi su redaktoriais, kad pasiūlytų kitą kodo eilutę arba bloką jums rašant. Ji naudoja didžiulį atvirojo kodo mokymo rinkinį, kad pateiktų kontekstinius pasiūlymus, dažnai galinčius atlikti ištisas funkcijas vien tik komentaru ar funkcijos pavadinimu. Panašiai „ChatGPT“ (GPT-4) gali generuoti kodą tam tikrai užduočiai, kai aprašote, ko jums reikia, paprasta anglų kalba. Šie įrankiai gali per kelias sekundes sukurti standartinį kodą, pradedant paprastomis pagalbinėmis funkcijomis ir baigiant įprastomis CRUD operacijomis.

• Klaidų aptikimas ir testavimas: DI taip pat padeda aptikti klaidas ir pagerinti kodo kokybę. DI valdomi statinės analizės įrankiai ir sąsajų skaitytuvai gali pažymėti galimas klaidas ar saugumo spragas, mokydamiesi iš ankstesnių klaidų modelių. Kai kurie DI įrankiai automatiškai generuoja vienetinius testus arba siūlo testų atvejus analizuodami kodo kelius. Tai reiškia, kad kūrėjas gali gauti tiesioginį atsiliepimą apie kraštutinius atvejus, kurių galėjo praleisti. Anksti aptikdamas klaidas ir siūlydamas pataisymus, DI veikia kaip nenuilstamas kokybės užtikrinimo asistentas, dirbantis kartu su kūrėju.

• Kodo optimizavimas ir pertvarkymas: dar vienas dirbtinio intelekto panaudojimo būdas – siūlyti esamo kodo patobulinimus. Gavęs fragmentą, dirbtinis intelektas, atpažindamas kodo modelius, gali rekomenduoti efektyvesnius algoritmus arba švaresnius įgyvendinimus. Pavyzdžiui, jis gali pasiūlyti idiomatiškesnį bibliotekos naudojimą arba pažymėti nereikalingą kodą, kurį galima pertvarkyti. Tai padeda sumažinti technines skolas ir pagerinti našumą. Dirbtinio intelekto pagrindu sukurti pertvarkymo įrankiai gali transformuoti kodą, kad jis atitiktų geriausią praktiką, arba atnaujinti kodą į naujas API versijas, taip sutaupydami kūrėjams laiko rankiniam valymui.

• DevOps ir automatizavimas: Be kodo rašymo, DI prisideda prie kūrimo ir diegimo procesų. Išmanieji CI/CD įrankiai naudoja mašininį mokymąsi, kad numatytų, kurie testai greičiausiai nepavyks, arba nustatytų prioritetą tam tikriems kūrimo darbams, todėl nuolatinis integravimo procesas tampa greitesnis ir efektyvesnis. DI gali analizuoti gamybos žurnalus ir našumo rodiklius, kad nustatytų problemas arba pasiūlytų infrastruktūros optimizavimą. Iš esmės DI padeda ne tik koduojant, bet ir visame programinės įrangos kūrimo cikle – nuo ​​planavimo iki priežiūros.

• Natūralios kalbos sąsajos ir dokumentacija: Taip pat matome, kad dirbtinis intelektas (DI) įgalina natūralesnę sąveiką su kūrimo įrankiais. Kūrėjai gali tiesiogine prasme paprašyti DI atlikti užduotis („sugeneruoti funkciją, kuri atlieka X“ arba „paaiškinti šį kodą“) ir gauti rezultatus. DI pokalbių robotai (pvz., „ChatGPT“ arba specializuoti kūrėjų asistentai) gali atsakyti į programavimo klausimus, padėti tvarkyti dokumentaciją ir netgi rašyti projekto dokumentaciją arba pateikti pranešimus, pagrįstus kodo pakeitimais. Tai panaikina atotrūkį tarp žmogaus ketinimų ir kodo, todėl kūrimas tampa prieinamesnis tiems, kurie gali aprašyti tai, ko nori.

• 

Kūrėjai naudoja dirbtinio intelekto įrankius: 2023 m. atlikta apklausa rodo, kad net 92 % kūrėjų vienaip ar kitaip naudojo dirbtinio intelekto kodavimo įrankius – darbe, asmeniniuose projektuose arba abiejuose. Tik nedidelis skaičius (8 %) teigė, kad koduodami nenaudoja jokios dirbtinio intelekto pagalbos. Šioje diagramoje matyti, kad du trečdaliai kūrėjų naudoja dirbtinio intelekto įrankius tiek tiek už jo ribų , o ketvirtadalis juos naudoja tik darbe, o nedidelė mažuma – tik už darbo ribų. Išvada aiški: dirbtinio intelekto pagalba kodavimas greitai tapo įprastu tarp kūrėjų ( apklausa atskleidžia dirbtinio intelekto poveikį kūrėjų patirčiai – „The GitHub“ tinklaraštis ).

Dėl šio dirbtinio intelekto įrankių paplitimo kūrimo procese padidėjo efektyvumas ir sumažėjo kodavimo vargo. Produktai kuriami greičiau, nes dirbtinis intelektas padeda generuoti standartinį kodą ir atlikti pasikartojančias užduotis („ Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis“ [2024] ) ( „Ar dirbtinis intelektas pakeis kūrėjus 2025 m.: žvilgsnis į ateitį “). Tokios priemonės kaip „Copilot“ netgi gali pasiūlyti ištisus algoritmus ar sprendimus, kurie „žmonėms kūrėjams gali būti ne iš karto akivaizdūs“, nes mokomasi iš didžiulių kodo duomenų rinkinių. Realaus pasaulio pavyzdžių gausu: inžinierius gali paprašyti „ChatGPT“ įdiegti rūšiavimo funkciją arba rasti klaidą jo kode, o dirbtinis intelektas per kelias sekundes sukurs sprendimo juodraštį. Tokios įmonės kaip „Amazon“ ir „Microsoft“ savo kūrėjų komandose dislokavo dirbtinio intelekto programuotojų poras („Amazon“ „CodeWhisperer“ ir „Microsoft“ „Copilot“), pranešdamos apie greitesnį užduočių atlikimą ir mažiau kasdienių valandų, praleistų prie standartinių kodų. Iš tiesų, 70 % kūrėjų, apklaustų 2023 m. „Stack Overflow“ apklausoje, teigė, kad jau naudoja arba planuoja naudoti dirbtinio intelekto įrankius savo kūrimo procese ( 70 % kūrėjų naudoja dirbtinio intelekto kodavimo įrankius, 3 % labai pasitiki jų tikslumu – „ShiftMag “). Populiariausi asistentai yra „ChatGPT“ (naudoja ~83 % respondentų) ir „GitHub Copilot“ (~56 %), o tai rodo, kad bendrinis pokalbių dirbtinis intelektas ir IDE integruoti pagalbininkai yra pagrindiniai veikėjai. Kūrėjai daugiausia naudoja šiuos įrankius, norėdami padidinti produktyvumą (paminėjo ~33 % respondentų) ir pagreitinti mokymąsi (25 %), o apie 25 % juos naudoja, kad padidintų efektyvumą automatizuodami pasikartojantį darbą.

Svarbu pažymėti, kad dirbtinio intelekto vaidmuo programavime nėra visiškai naujas – jo elementai egzistuoja jau daugelį metų (pavyzdžiui, automatinis kodo užbaigimas IDE arba automatizuoto testavimo sistemose). Tačiau pastarieji dveji metai buvo lūžio taškas. Galingų didelių kalbų modelių (pvz., „OpenAI“ GPT serijos ir „DeepMind“ „AlphaCode“) atsiradimas smarkiai išplėtė galimybes. Pavyzdžiui, „DeepMind“ „AlphaCode“ sistema pateko į antraštes, pasirodžiusi konkurencingame programavimo konkurse ir pasiekusi apie 54 % aukščiausių reitingų kodavimo iššūkiuose – iš esmės prilygdama vidutinio žmogaus varžovo įgūdžiams ( „DeepMind“ „AlphaCode“ atitinka vidutinio programuotojo meistriškumą ). Tai buvo pirmas kartas, kai dirbtinio intelekto sistema konkurencingai programavimo konkursuose. Tačiau daug ką pasako tai, kad net ir „AlphaCode“, nepaisant viso savo meistriškumo, vis dar buvo toli gražu neprilygusi geriausiems žmonių programuotojams. Šiuose konkursuose „AlphaCode“ galėjo išspręsti apie 30 % uždavinių per leistiną bandymų skaičių, o geriausi žmonių programuotojai išsprendžia >90 % uždavinių vienu bandymu. Šis atotrūkis rodo, kad nors dirbtinis intelektas iki tam tikro lygio gali atlikti tiksliai apibrėžtas algoritmines užduotis, sunkiausios problemos, reikalaujančios gilaus mąstymo ir išradingumo, išlieka žmogaus tvirtove .

Apibendrinant galima teigti, kad dirbtinis intelektas (DI) tvirtai įsitvirtino kasdieniame kūrėjų įrankių rinkinyje. Nuo pagalbos rašant kodą iki diegimo optimizavimo – jis paliečia kiekvieną kūrimo proceso dalį. Šiandien šis ryšys yra iš esmės simbiotinis: DI veikia kaip antrinis pilotas (tinkamai pavadintas), padedantis kūrėjams programuoti greičiau ir su mažiau nusivylimo, o ne kaip nepriklausomas autopilotas, galintis skristi savarankiškai. Kitame skyriuje panagrinėsime, kaip šis DI įrankių įtraukimas keičia kūrėjų vaidmenį ir jų darbo pobūdį – į gerąją ar blogąją pusę.

Kaip dirbtinis intelektas keičia kūrėjų vaidmenis ir produktyvumą

Dirbtiniam intelektui atliekant daugiau įprastinio darbo, programinės įrangos kūrėjo vaidmuo iš tiesų pradeda keistis. Užuot valandų valandas rašę standartinį kodą ar derindami kasdienes klaidas, kūrėjai gali perduoti šias užduotis savo dirbtinio intelekto asistentams. Tai perkelia kūrėjo dėmesį į aukštesnio lygio problemų sprendimą, architektūrą ir kūrybinius programinės įrangos inžinerijos aspektus. Iš esmės dirbtinis intelektas papildo kūrėjus, leisdamas jiems būti produktyvesniems ir potencialiai inovatyvesniems. Bet ar tai reiškia mažiau programavimo darbų, ar tiesiog kitokio pobūdžio darbą? Panagrinėkime poveikį produktyvumui ir vaidmenims:

Produktyvumo didinimas: Remiantis dauguma pranešimų ir ankstyvųjų tyrimų, dirbtinio intelekto kodavimo įrankiai žymiai padidina kūrėjų produktyvumą. „GitHub“ tyrimas parodė, kad kūrėjai, naudojantys „Copilot“, galėjo atlikti užduotis daug greičiau nei tie, kurie neturėjo dirbtinio intelekto pagalbos. Vieno eksperimento metu kūrėjai, naudodami „Copilot“, kodavimo užduotį išsprendė vidutiniškai 55 % greičiau – tai užtruko apie 1 valandą 11 minučių, o ne 2 valandas 41 minutę be jos ( Tyrimas: „GitHub Copilot“ poveikio kūrėjų produktyvumui ir laimei kiekybinis įvertinimas – „GitHub“ tinklaraštis ). Tai stulbinantis greičio padidėjimas. Tai ne tik greitis; kūrėjai teigia, kad dirbtinio intelekto pagalba padeda sumažinti nusivylimą ir „srauto sutrikimus“. Apklausose 88 % kūrėjų, naudojančių „Copilot“, teigė, kad tai padidino jų produktyvumą ir leido jiems sutelkti dėmesį į labiau pasitenkinimą teikiantį darbą ( Koks kūrėjų procentas teigė, kad „GitHub Copilot“ padeda... ). Šie įrankiai padeda programuotojams išlikti „zonoje“, tvarkant nuobodžius darbus, o tai savo ruožtu taupo protinę energiją sunkesnėms problemoms spręsti. Todėl daugelis kūrėjų mano, kad kodavimas tapo malonesnis – mažiau vargo ir daugiau kūrybiškumo.

Keičiasi kasdienis darbas: kartu su šiuo produktyvumo padidėjimu keičiasi ir kasdienis programuotojo darbo eiga. Daug „sunkaus darbo“ – standartinių tekstų rašymas, įprastų šablonų kartojimas, sintaksės paieška – gali būti perduota dirbtiniam intelektui. Pavyzdžiui, užuot rankiniu būdu rašęs duomenų klasę su geteriais ir seteriais, kūrėjas gali tiesiog paraginti dirbtinį intelektą ją sugeneruoti. Užuot naršęs dokumentacijoje, kad rastų tinkamą API iškvietimą, kūrėjas gali užduoti dirbtinio intelekto užklausą natūralia kalba. Tai reiškia, kad kūrėjai santykinai mažiau laiko skiria mechaniškam kodavimui ir daugiau laiko užduotims, kurioms reikalingas žmogaus sprendimas . Dirbtiniam intelektui perimant lengvų 80 % kodo rašymą, kūrėjo darbas pereina prie dirbtinio intelekto išvesties priežiūros (kodo pasiūlymų peržiūros, jų testavimo) ir keblių 20 % problemų, kurių dirbtinis intelektas negali išspręsti, sprendimo. Praktiškai kūrėjas gali pradėti savo dieną rūšiuodamas dirbtinio intelekto sugeneruotas ištraukimo užklausas arba peržiūrėdamas dirbtinio intelekto siūlomų pataisymų paketą, o ne rašydamas visus šiuos pakeitimus nuo nulio.

Bendradarbiavimas ir komandos dinamika: Įdomu tai, kad dirbtinis intelektas (DI) taip pat daro įtaką komandos dinamikai. Automatizavus įprastas užduotis, komandos gali pasiekti daugiau, kai mažiau jaunesniųjų kūrėjų atlieka pagrindinį darbą. Kai kurios įmonės teigia, kad jų vyresnieji inžinieriai gali būti savarankiškesni – jie gali greitai sukurti funkcijų prototipus su DI pagalba, nereikalaudami jaunesniojo specialisto, kuris parengtų pradinius juodraščius. Tačiau tai iškelia naują iššūkį: mentorystę ir žinių dalijimąsi. Užuot jaunesnieji specialistai mokęsi atlikdami paprastas užduotis, jiems gali tekti išmokti efektyviai valdyti DI rezultatus. Komandos bendradarbiavimas gali pasikeisti į tokias veiklas kaip kolektyvinis DI raginimų tobulinimas arba DI sugeneruoto kodo peržiūra, siekiant nustatyti spąstus. Teigiama pusė yra ta, kad kai kiekvienas komandos narys turi DI asistentą, tai gali suvienodinti sąlygas ir suteikti daugiau laiko dizaino diskusijoms, kūrybiniam idėjų generavimui ir sudėtingų vartotojų reikalavimų, kurių šiuo metu joks DI nesupranta iš karto, sprendimui. Iš tiesų, Apklausa atskleidžia dirbtinio intelekto įtaką kūrėjų patirčiai – „GitHub“ tinklaraštis pagerins komandos bendradarbiavimą arba bent jau suteiks jiems laisvesnių galimybių labiau bendradarbiauti kuriant dizainą ir sprendžiant problemas .

Poveikis darbo vaidmenims: Svarbus klausimas yra tai, ar dirbtinis intelektas sumažins programuotojų paklausą (nes kiekvienas programuotojas dabar yra produktyvesnis), ar tiesiog pakeis reikalaujamus įgūdžius. Istoriniai precedentai su kita automatizacija (pvz., „devops“ įrankių ar aukštesnio lygio programavimo kalbų atsiradimas) rodo, kad kūrėjų darbo vietos ne tiek panaikinamos, kiek padidinamos . Iš tiesų, pramonės analitikai prognozuoja, kad programinės įrangos inžinieriaus vaidmenų ir toliau daugės , tačiau šių vaidmenų pobūdis keisis. Naujausioje „Gartner“ ataskaitoje prognozuojama, kad iki 2027 m. 50 % programinės įrangos inžinerijos organizacijų diegs dirbtiniu intelektu papildytas „programinės įrangos inžinerijos intelekto“ platformas, kad padidintų produktyvumą , palyginti su vos 5 % 2024 m. ( Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis [2024] ). Tai rodo, kad įmonės plačiai integruos dirbtinį intelektą, tačiau tai reiškia, kad kūrėjai dirbs su šiomis intelektualiomis platformomis. Panašiai konsultacijų įmonė „McKinsey“ prognozuoja, kad nors dirbtinis intelektas gali automatizuoti daugelį užduočių, maždaug 80 % programavimo darbų vis tiek reikės žmogaus ir jie išliks „žmogui orientuoti“ . Kitaip tariant, mums vis tiek reikės žmonių daugumai kūrėjų pareigybių, tačiau pareigybių aprašymai gali pasikeisti.

Vienas iš galimų pokyčių – tokių vaidmenų kaip „DI programinės įrangos inžinierius“ arba „greitasis inžinierius“ – kūrėjų, kurie specializuojasi DI komponentų kūrime ar derinime, – atsiradimas. Jau dabar matome sparčiai augantį kūrėjų, turinčių DI/MM patirties, poreikį. Remiantis „Indeed“ analize, trys paklausiausios su DI susijusios darbo vietos yra duomenų mokslininkas, programinės įrangos inžinierius ir mašininio mokymosi inžinierius , o šių pareigybių paklausa per pastaruosius trejus metus išaugo daugiau nei dvigubai („ Ar yra programinės įrangos inžinierių ateitis? DI poveikis“ [2024] ). Vis dažniau tikimasi, kad tradiciniai programinės įrangos inžinieriai supras mašininio mokymosi pagrindus arba integruos DI paslaugas į programas. Užuot atleidęs kūrėjus nuo darbo, „DI galėtų pakelti profesiją į aukštesnį lygį, leisdamas kūrėjams sutelkti dėmesį į aukštesnio lygio užduotis ir inovacijas“. („ Ar DI pakeis kūrėjus 2025 m.: žvilgsnis į ateitį “) Daugelį įprastų kodavimo užduočių gali atlikti DI, tačiau kūrėjai labiau užsiims sistemų projektavimu, modulių integravimu, kokybės užtikrinimu ir naujų problemų sprendimu. Vienos DI srities įmonės vyresnysis inžinierius tai gerai apibendrino: DI nepakeičia mūsų kūrėjų; jis sustiprina . Vienas kūrėjas, apsiginklavęs galingais dirbtinio intelekto įrankiais, gali atlikti kelių kūrėjų darbą, tačiau dabar tas kūrėjas imasi sudėtingesnio ir įtakingesnio darbo.

Realaus pasaulio pavyzdys: Panagrinėkime scenarijų, kuriame programinės įrangos įmonė integravo „GitHub Copilot“ visiems savo kūrėjams. Tiesioginis poveikis buvo pastebimas laiko, skiriamo vienetinių testų ir standartinio kodo rašymui, sumažėjimas. Viena jaunesnysis kūrėjas pastebėjo, kad naudodamas „Copilot“, jis galėjo greitai sugeneruoti 80 % naujos funkcijos kodo, o likusius 20 % skirti integracijos testų pritaikymui ir integracijos testų rašymui. Jos produktyvumas kodo išvesties atžvilgiu beveik padvigubėjo, bet dar įdomiau, kad pasikeitė jos indėlio pobūdis – ji tapo labiau kodo peržiūrėtoja ir testų kūrėja dirbtinio intelekto parašytam kodui. Komanda taip pat pastebėjo, kad kodo peržiūrose pradėtos aptikti dirbtinio intelekto klaidas , o ne žmonių padarytas rašybos klaidas. Pavyzdžiui, „Copilot“ kartais siūlydavo nesaugų šifravimo įgyvendinimą; žmonės kūrėjai turėjo jas pastebėti ir ištaisyti. Toks pavyzdys rodo, kad nors išvestis padidėjo, žmonių priežiūra ir patirtis tapo dar svarbesnės darbo eigoje.

Apibendrinant galima teigti, kad dirbtinis intelektas neabejotinai keičia kūrėjų darbo būdą: jis tampa greitesnis ir leidžia spręsti ambicingesnes problemas, tačiau kartu reikalauja tobulinti įgūdžius (tiek pasitelkiant dirbtinį intelektą, tiek mąstant aukštesniu lygmeniu). Tai ne tiek „dirbtinis intelektas užima darbo vietas“, kiek „dirbtinis intelektas keičia darbo vietas“ istorija. Kūrėjai, išmokę efektyviai naudoti šiuos įrankius, gali padidinti jų poveikį – dažnai girdime klišę: „DI nepakeis kūrėjų, bet kūrėjai, kurie naudoja DI, gali pakeisti tuos, kurie jo nenaudos“. Kituose skyriuose bus nagrinėjama, kodėl žmonės kūrėjai vis dar yra būtini (ko DI negali gerai atlikti) ir kaip kūrėjai gali pritaikyti savo įgūdžius, kad klestėtų kartu su DI.

Dirbtinio intelekto apribojimai (kodėl žmonės išlieka gyvybingi)

Nepaisant įspūdingų galimybių, šiandieninis dirbtinis intelektas turi aiškių apribojimų , dėl kurių žmonės programuotojai tampa nebereikalingi. Šių apribojimų supratimas yra labai svarbus norint suprasti, kodėl programuotojai vis dar labai reikalingi kūrimo procese. Dirbtinis intelektas yra galingas įrankis, tačiau tai nėra stebuklinga priemonė, galinti pakeisti žmogaus kūrėjo kūrybiškumą, kritinį mąstymą ir kontekstinį supratimą. Štai keletas esminių dirbtinio intelekto trūkumų programavime ir atitinkami žmonių kūrėjų stiprybės:

• Tikro supratimo ir kūrybiškumo stoka: dabartiniai dirbtinio intelekto modeliai iš tikrųjų nesupranta kodo ar problemų taip, kaip žmonės; jie atpažįsta modelius ir, remdamiesi mokymo duomenimis, pateikia tikėtinus rezultatus. Tai reiškia, kad dirbtinis intelektas gali sunkiai susidoroti su užduotimis, kurioms reikalingi originalūs, kūrybingi sprendimai arba gilus naujų problemų sričių supratimas. Dirbtinis intelektas gali sugebėti sugeneruoti kodą, atitinkantį anksčiau matytą specifikaciją, tačiau paprašius sukurti naują algoritmą precedento neturinčiai problemai arba interpretuoti dviprasmišką reikalavimą, jis greičiausiai suklups. Kaip teigė vienas stebėtojas, šiandieniniam dirbtiniam intelektui „trūksta kūrybinio ir kritinio mąstymo gebėjimų, kuriuos suteikia žmonės kūrėjai“. ( Ar dirbtinis intelektas pakeis kūrėjus 2025 m.: žvilgsnis į ateitį ?) Žmonės puikiai geba mąstyti nestandartiškai – derindami srities žinias, intuiciją ir kūrybiškumą, kad sukurtų programinės įrangos architektūras arba išspręstų sudėtingas problemas. Priešingai, dirbtinis intelektas yra apribotas išmoktų modelių; jei problema šių modelių gerai neatitinka, dirbtinis intelektas gali sukurti neteisingą arba beprasmį kodą (dažnai užtikrintai!). inovacijos – naujų funkcijų, naujos naudotojo patirties ar naujų techninių metodų kūrimas – išlieka žmonių skatinama veikla.

• Konteksto ir bendro vaizdo supratimas: programinės įrangos kūrimas nėra vien kodo eilučių rašymas. Tai apima priežasties – verslo reikalavimus, vartotojų poreikius ir kontekstą, kuriame veikia programinė įranga. Dirbtinis intelektas turi labai siaurą konteksto langą (paprastai apsiriboja tuo, kiek duomenų jam vienu metu pateikiama). Jis iš tikrųjų nesupranta bendros sistemos paskirties ar to, kaip vienas modulis sąveikauja su kitu, išskyrus tai, kas aiškiai nurodyta kode. Dėl to dirbtinis intelektas gali generuoti kodą, kuris techniškai tinka mažai užduočiai, bet netelpa į didesnę sistemos architektūrą arba pažeidžia kokį nors numanomą reikalavimą. Norint užtikrinti, kad programinė įranga atitiktų verslo tikslus ir vartotojų lūkesčius, reikalingi žmonės kūrėjai. Sudėtingų sistemų projektavimas – supratimas, kaip vienos dalies pakeitimas gali paveikti kitas, kaip subalansuoti kompromisus (pvz., našumą ir skaitomumą) ir kaip planuoti ilgalaikę kodo bazės evoliuciją – yra tai, ko dirbtinis intelektas šiandien negali padaryti. Didelio masto projektuose su tūkstančiais komponentų dirbtinis intelektas „mato medžius, bet ne mišką“. Kaip pažymėta vienoje analizėje, „DI sunkiai supranta visą didelio masto programinės įrangos projektų kontekstą ir sudėtingumą“, įskaitant verslo reikalavimus ir naudotojų patirties aspektus („ Ar DI pakeis kūrėjus 2025 m.: žvilgsnis į ateitį “). Žmonės išlaiko platesnę viziją.

• Sveikas protas ir dviprasmybių sprendimas: realių projektų reikalavimai dažnai būna neaiškūs arba kintantys. Žmogus kūrėjas gali siekti paaiškinimų, daryti pagrįstas prielaidas arba atmesti nerealistiškus prašymus. Dirbtinis intelektas neturi sveiko proto samprotavimo ar gebėjimo užduoti patikslinančius klausimus (nebent tai būtų aiškiai įtraukta į raginimą, ir net tada nėra jokios garantijos, kad jie bus teisingi). Štai kodėl dirbtinio intelekto sugeneruotas kodas kartais gali būti techniškai teisingas, bet funkciniu požiūriu netikslus – jam trūksta nuovokos, kad suprastų, ko vartotojas iš tikrųjų norėjo, jei instrukcijos yra neaiškios. Priešingai, žmogus programuotojas gali interpretuoti aukšto lygio užklausą („padaryti šią vartotojo sąsają intuityvesnę“ arba „programa turėtų tvarkingai apdoroti netaisyklingus įvestis“) ir išsiaiškinti, ką reikia padaryti kode. Dirbtinei intelektui reikėtų itin išsamių, nedviprasmiškų specifikacijų, kad jis iš tikrųjų pakeistų kūrėją, ir net efektyviai parašyti tokias specifikacijas yra taip pat sunku, kaip ir patį kodą. Kaip taikliai pažymėta „Forbes Tech Council“ straipsnyje, kad dirbtinis intelektas iš tikrųjų pakeistų kūrėjus, jis turėtų suprasti neaiškias instrukcijas ir prisitaikyti kaip žmogus – tokio mąstymo lygio neturi dabartinis dirbtinis intelektas ( Sergijaus Kuzino įrašas – „LinkedIn“ ).

• Patikimumas ir „haliucinacijos“: Šiandieniniai generatyviniai dirbtinio intelekto modeliai turi gerai žinomą trūkumą: jie gali pateikti neteisingus arba visiškai sufabrikuotus rezultatus – reiškinį, dažnai vadinamą haliucinacija . Kodavime tai gali reikšti, kad dirbtinis intelektas rašo kodą, kuris atrodo tikėtinas, bet yra logiškai neteisingas arba nesaugus. Kūrėjai negali aklai pasitikėti dirbtinio intelekto pasiūlymais. Praktiškai kiekvieną dirbtinio intelekto parašytą kodo dalį turi atidžiai peržiūrėti ir išbandyti žmogus . „Stack Overflow“ apklausos duomenys tai atspindi – iš tų, kurie naudoja dirbtinio intelekto įrankius, tik 3 % labai pasitiki dirbtinio intelekto išvesties tikslumu , o iš tikrųjų nedidelė dalis aktyviai nepasitiki ( 70 % kūrėjų naudoja dirbtinio intelekto kodavimo įrankius, 3 % labai pasitiki jų tikslumu – „ShiftMag“ ). Didžioji dauguma kūrėjų dirbtinio intelekto pasiūlymus laiko naudingais patarimais, o ne neginčijama tiesa. Toks mažas pasitikėjimas yra pateisinamas, nes dirbtinis intelektas gali padaryti keistų klaidų, kurių nepadarytų joks kompetentingas žmogus (pvz., netikslios klaidos, nebenaudojamų funkcijų naudojimas arba neefektyvių sprendimų kūrimas), nes jis iš tikrųjų nemąsto apie problemą. Kaip ironiškai pažymėta viename forumo komentare: „Jie (DI) daug haliucinuoja ir priima keistus dizaino sprendimus, kurių žmogus niekada nepadarytų“ ( Ar programuotojai taps pasenę dėl DI? – Karjeros patarimai ). Žmogaus priežiūra yra labai svarbi norint pastebėti šias klaidas. DI gali greitai atkurti 90 % funkcijos, bet jei likusiuose 10 % yra subtili klaida, ją vis tiek turi diagnozuoti ir ištaisyti žmogus-kūrėjas. O kai gamyboje kas nors nepavyksta, derinti turi žmonės-inžinieriai – DI dar negali prisiimti atsakomybės už savo klaidas.

• Kodų bazių priežiūra ir tobulinimas: programinės įrangos projektai gyvuoja ir auga bėgant metams. Jiems reikalingas nuoseklus stilius, aiškumas būsimiems prižiūrėtojams ir atnaujinimai keičiantis reikalavimams. Šiandien dirbtinis intelektas neturi praeities sprendimų atminties (išskyrus ribotus raginimus), todėl gali nepavykti išlaikyti kodo nuoseklumo dideliame projekte, nebent tam būtų vadovaujama. Žmonės kūrėjai užtikrina kodo priežiūrą – rašo aiškią dokumentaciją, renkasi lengvai skaitomus sprendimus, o ne protingus, bet neaiškius, ir prireikus pertvarko kodą, kai architektūra kinta. Dirbtinis intelektas gali padėti atlikti šias užduotis (pvz., siūlyti pertvarkymus), tačiau sprendimas, ką pertvarkyti ar kurias sistemos dalis reikia perprojektuoti, yra žmogaus sprendimas. Be to, integruojant komponentus, naujos funkcijos poveikio esamiems moduliams supratimas (užtikrinant atgalinį suderinamumą ir pan.) yra tai, ką turi padaryti žmonės. Dirbtinio intelekto sugeneruotą kodą turi integruoti ir suderinti žmonės. Eksperimento tikslais kai kurie kūrėjai bandė leisti „ChatGPT“ kurti ištisas mažas programas; rezultatas iš pradžių dažnai veikia, bet jį labai sunku prižiūrėti ar išplėsti, nes dirbtinis intelektas nuosekliai netaiko apgalvotos architektūros – jis priima vietinius sprendimus, kurių žmogus architektas vengtų.

• Etikos ir saugumo aspektai: Dirbtiniam intelektui rašant daugiau kodo, kyla ir šališkumo, saugumo bei etikos klausimų. Dirbtinis intelektas gali netyčia įdiegti saugumo spragų (pavyzdžiui, netinkamai išvalyti įvestis arba naudoti nesaugias kriptografines praktikas), kurias pastebėtų patyręs kūrėjas. Be to, dirbtinis intelektas neturi įgimto etikos jausmo ar rūpesčio dėl sąžiningumo – pavyzdžiui, jis gali mokytis remdamasis šališkais duomenimis ir siūlyti algoritmus, kurie netyčia diskriminuoja (dirbtinio intelekto valdomoje funkcijoje, pvz., paskolos patvirtinimo kode ar įdarbinimo algoritme). Žmonių kūrėjų reikia, kad jie tikrintų dirbtinio intelekto išvestis dėl šių problemų, užtikrintų atitiktį reglamentams ir įtrauktų programinę įrangą į etikos aspektus. Socialinio programinės įrangos aspekto – vartotojų pasitikėjimo, privatumo problemų supratimo ir dizaino pasirinkimų, atitinkančių žmogiškąsias vertybes, priėmimo – „negalima ignoruoti. Šie į žmogų orientuoti kūrimo aspektai yra nepasiekiami dirbtiniam intelektui, bent jau artimiausioje ateityje.“ ( Ar dirbtinis intelektas pakeis kūrėjus 2025 m.: žvilgsnis į ateitį ) Kūrėjai turi būti sąžinės ir kokybės vartai dirbtinio intelekto indėliui.

Atsižvelgiant į šiuos apribojimus, šiuo metu sutariama, kad DI yra įrankis, o ne pakaitalas . Kaip sakė Satya Nadella, svarbiausia yra įgalinti kūrėjus, o ne juos pakeisti ( Ar DI pakeis programuotojus? Tiesa už ažiotažo | autorius „The PyCoach“ | „Artificial Corner“ | 2025 m. kovas | „Medium “). DI galima laikyti jaunesniuoju asistentu: jis greitas, nenuilstamas ir gali pirmą kartą atlikti daugelį užduočių, tačiau jam reikia vyresniojo kūrėjo nurodymų ir patirties, kad būtų sukurtas išbaigtas galutinis produktas. Tai daug pasako apie tai, kad net ir pažangiausios DI kodavimo sistemos realiame pasaulyje naudojamos kaip asistentai („Copilot“, „CodeWhisperer“ ir kt.), o ne kaip autonominiai programuotojai. Įmonės neatleidžia savo programavimo komandų ir neleidžia DI veikti laisvai; vietoj to, jos įtraukia DI į kūrėjų darbo eigas, kad jos jiems padėtų.

Viena iliustruojanti citata yra „OpenAI“ atstovo Samo Altmano, kuris pažymėjo, kad net ir tobulėjant DI agentams, „šie DI agentai visiškai nepakeis žmonių“ programinės įrangos kūrime ( Samas Altmanas teigia, kad DI agentai netrukus atliks užduotis, kurias atlieka programinės įrangos inžinieriai: visa istorija 5 punktuose – „India Today“ ). Jie veiks kaip „virtualūs bendradarbiai“ , kurie atliks aiškiai apibrėžtas užduotis žmonėms inžinieriams, ypač tas, kurios būdingos žemo lygio programinės įrangos inžinieriui, turinčiam kelerių metų patirtį. Kitaip tariant, DI galiausiai kai kuriose srityse gali atlikti jaunesniojo kūrėjo darbą, tačiau tas jaunesnysis kūrėjas netampa bedarbiu – jis tampa DI priežiūros ir aukštesnio lygio užduočių, kurių DI negali atlikti, sprendimo vaidmeniu. Net žvelgiant į ateitį, kai kai kurie tyrėjai prognozuoja, kad iki 2040 m. DI galės parašyti didžiąją dalį savo kodo ( Ar yra programinės įrangos inžinierių ateitis? DI poveikis [2024] ), visuotinai sutariama, kad žmonių programuotojų vis tiek reikės, kad jie prižiūrėtų, vadovautų ir suteiktų kūrybinę kibirkštį bei kritinį mąstymą, kurio trūksta mašinoms .

Taip pat verta paminėti, kad programinės įrangos kūrimas yra daugiau nei vien programavimas . Tai apima bendravimą su suinteresuotosiomis šalimis, vartotojų istorijų supratimą, bendradarbiavimą komandose ir iteracinį projektavimą – visos šios sritys yra būtinos žmogaus įgūdžiams. Dirbtinis intelektas negali sėdėti susitikime su klientu, kad išsiaiškintų, ko jis iš tikrųjų nori, taip pat negali derėtis dėl prioritetų ar įkvėpti komandos produkto vizija. Žmogiškasis elementas išlieka pagrindiniu.

Apibendrinant, dirbtinis intelektas (DI) turi svarbių trūkumų: tikro kūrybiškumo trūkumą, ribotą konteksto supratimą, polinkį klysti, atsakomybės trūkumą ir platesnių programinės įrangos sprendimų pasekmių nesuvokimą. Būtent šios spragos yra tai, kur žmonės kūrėjai išryškėja. Užuot vertinus DI kaip grėsmę, galbūt tiksliau būtų jį vertinti kaip galingą žmonių kūrėjų stiprintuvą – gebėjimą susitvarkyti su kasdieniais dalykais, kad žmonės galėtų sutelkti dėmesį į gilesnius dalykus. Kitame skyriuje bus aptarta, kaip kūrėjai gali pasinaudoti šiuo sustiprinimu, pritaikydami savo įgūdžius ir vaidmenis , kad išliktų aktualūs ir vertingi DI papildytame kūrimo pasaulyje.

Prisitaikymas ir klestėjimas dirbtinio intelekto amžiuje

Programuotojams ir kūrėjams dirbtinio intelekto iškilimas kodavime nebūtinai turi būti didelė grėsmė – tai gali būti galimybė. Svarbiausia – prisitaikyti ir tobulėti kartu su technologijomis. Tie, kurie išmoks išnaudoti dirbtinį intelektą, greičiausiai taps produktyvesni ir paklausesni, o tie, kurie jį ignoruos, gali pastebėti, kad atsiliko. Šiame skyriuje daugiausia dėmesio skirsime praktiniams žingsniams ir strategijoms, kaip kūrėjams išlikti aktualiems ir klestėti, kai dirbtinio intelekto įrankiai tampa kasdienio kūrimo dalimi. Dirbtinio intelekto, o ne konkurencijos, mąstysena yra nuolatinis mokymasis ir bendradarbiavimas su dirbtiniu intelektu. Štai kaip kūrėjai gali prisitaikyti ir kokius naujus įgūdžius bei vaidmenis jie turėtų apsvarstyti:

1. Priimkite DI kaip įrankį (išmokite efektyviai naudoti DI kodavimo asistentus): Visų pirma, kūrėjai turėtų susipažinti su turimais DI įrankiais. „Copilot“, „ChatGPT“ ar kitus kodavimo DI laikykite savo nauju programavimo partneriu. Tai reiškia, kad reikia išmokti rašyti gerus raginimus ar komentarus, kad gautumėte naudingų kodo pasiūlymų, ir žinoti, kaip greitai patvirtinti arba derinti DI sugeneruotą kodą. Kaip ir kūrėjas turėjo išmokti savo IDE ar versijų valdymą, DI asistento keistenybių išmokimas tampa įgūdžių rinkinio dalimi. Pavyzdžiui, kūrėjas gali praktikuotis paimdamas parašytą kodo dalį ir paprašydamas DI jį patobulinti, tada analizuodamas pakeitimus. Arba pradėdamas užduotį, apibūdinkite ją komentaruose ir pažiūrėkite, ką DI pateikia, o tada tobulinkite. Laikui bėgant, išsiugdysite intuiciją, ką DI daro gerai ir kaip su juo kartu kurti. Galvokite apie tai kaip apie „DI padedamą kūrimą“ – naują įgūdį, kurį galite įtraukti į savo įrankių rinkinį. Iš tiesų, kūrėjai dabar kalba apie „greitą inžineriją“ kaip apie įgūdį – žinojimą, kaip užduoti DI teisingus klausimus. Tie, kurie jį įvaldo, gali pasiekti žymiai geresnių rezultatų naudodami tuos pačius įrankius. Atminkite, kad „kūrėjai, kurie naudoja dirbtinį intelektą, gali pakeisti tuos, kurie jo nenaudoja“ , todėl priimkite šią technologiją ir paverskite ją savo sąjungininke.

2. Dėmesys aukštesnio lygio įgūdžiams (problemų sprendimas, sistemų projektavimas, architektūra): Kadangi dirbtinis intelektas (DI) gali apdoroti žemesnio lygio kodavimą, kūrėjai turėtų kilti abstrakcijos laiptais . Tai reiškia, kad daugiau dėmesio reikia skirti sistemų projektavimo ir architektūros supratimui. Ugdykite įgūdžius, kaip skaidyti sudėtingas problemas, projektuoti keičiamo dydžio sistemas ir priimti architektūrinius sprendimus – sritis, kuriose labai svarbi žmogaus įžvalga. Sutelkite dėmesį į sprendimo priežastis ir kaip, o ne tik į ką. Pavyzdžiui, užuot visą laiką skyrę rūšiavimo funkcijos tobulinimui (kai DI gali ją parašyti už jus), skirkite laiko suprasti, kuris rūšiavimo metodas yra optimalus jūsų programos kontekstui ir kaip jis dera prie jūsų sistemos duomenų srauto. Dizaino mąstymas – atsižvelgiant į naudotojų poreikius, duomenų srautus ir komponentų sąveiką – bus labai vertinamas. DI gali generuoti kodą, tačiau būtent kūrėjas nusprendžia dėl bendros programinės įrangos struktūros ir užtikrina, kad visos dalys veiktų darniai. Tobulindami savo bendrą mąstymą, jūs tampate nepakeičiamu asmeniu, kuris vadovauja DI (ir likusiai komandos daliai) kuriant tinkamą dalyką. Kaip pažymėta vienoje ateities ataskaitoje, kūrėjai turėtų „sutelkti dėmesį į sritis, kuriose žmogaus įžvalga yra nepakeičiama, pavyzdžiui, problemų sprendimas, dizaino mąstymas ir vartotojų poreikių supratimas“. ( Ar dirbtinis intelektas pakeis kūrėjus 2025 m.: žvilgsnis į ateitį )

3. Patobulinkite savo dirbtinio intelekto ir mašininio mokymosi žinias: norint dirbti kartu su dirbtiniu intelektu, naudinga suprasti dirbtinį intelektą . Ne visi kūrėjai turi tapti mašininio mokymosi tyrėjais, tačiau tvirtas šių modelių veikimo supratimas bus naudingas. Išmokite mašininio mokymosi ir gilaus mokymosi pagrindus – tai ne tik gali atverti naujas karjeros galimybes (nes su dirbtiniu intelektu susijusios darbo vietos sparčiai populiarėja („ Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis“ [2024] )), bet ir padės efektyviau naudoti dirbtinio intelekto įrankius. Pavyzdžiui, jei žinote didelio kalbos modelio apribojimus ir kaip jis buvo apmokytas, galite numatyti, kada jis gali nepavykti, ir atitinkamai kurti savo raginimus ar testus. Be to, daugelyje programinės įrangos produktų dabar yra dirbtinio intelekto funkcijų (pavyzdžiui, programa su rekomendacijų varikliu arba pokalbių robotas). Programinės įrangos kūrėjas, turintis tam tikrų mašininio mokymosi žinių, gali prisidėti prie šių funkcijų kūrimo arba bent jau sumaniai bendradarbiauti su duomenų mokslininkais. Svarbiausios sritys, į kurias reikia atsižvelgti mokantis, yra šios: duomenų mokslo pagrindai , kaip iš anksto apdoroti duomenis, mokymas ir išvados bei dirbtinio intelekto etika. Susipažinkite su dirbtinio intelekto (DI) sistemomis („TensorFlow“, „PyTorch“) ir debesijos DI paslaugomis; net jei nekuriate modelių nuo nulio, žinoti, kaip integruoti DI API į programėlę, yra vertingas įgūdis. Trumpai tariant, tapti „DI raštingam“ greitai tampa taip pat svarbu, kaip ir būti raštingam žiniatinklio ar duomenų bazių technologijose. Kūrėjai, kurie gali dirbti tradicinės programinės įrangos inžinerijos ir DI srityse, bus geriausioje pozicijoje vadovauti būsimiems projektams.

4. Ugdykite tvirtesnius minkštuosius įgūdžius ir srities žinias: Dirbtiniam intelektui (DI) perimant mechanines užduotis, dar svarbesni tampa unikalūs žmogiškieji įgūdžiai. Bendravimas, komandinis darbas ir srities žinios yra sritys, į kurias reikia dar labiau įsitraukti. Programinės įrangos kūrimas dažnai reiškia probleminės srities – finansai, sveikatos apsauga, švietimas ar bet kuri kita sritis – supratimą ir jos pavertimą sprendimais. DI neturės tokio konteksto ar gebėjimo bendrauti su suinteresuotosiomis šalimis, bet jūs turite. Geresnis savo srities išmanymas paverčia jus asmeniu, į kurį reikia atkreipti dėmesį užtikrinant, kad programinė įranga iš tikrųjų atitiktų realaus pasaulio poreikius. Panašiai sutelkite dėmesį į savo bendradarbiavimo įgūdžius: mentorystę, vadovavimą ir koordinavimą. Komandoms vis tiek reikės vyresniųjų kūrėjų, kurie peržiūrėtų kodą (įskaitant DI parašytą kodą), konsultuotų jaunesniuosius geriausios praktikos klausimais ir koordinuotų sudėtingus projektus. DI nepašalina poreikio žmonėms bendrauti projektuose. Tiesą sakant, DI generuojant kodą, vyresniojo kūrėjo mentorystė gali pasikeisti į jaunesniųjų mokymą, kaip dirbti su DI ir patvirtinti jo išvestį , o ne kaip rašyti „for“ ciklą. Gebėjimas padėti kitiems šioje naujoje paradigmoje yra vertingas įgūdis. Taip pat lavinkite kritinį mąstymą – kvestionuokite ir testuokite dirbtinio intelekto rezultatus ir skatinkite kitus daryti tą patį. Sveiko skepticizmo ir vertinimo mąstysenos ugdymas padės išvengti aklo pasitikėjimo dirbtiniu intelektu ir sumažins klaidų skaičių. Iš esmės, lavinkite įgūdžius, kurių dirbtiniam intelektui trūksta: žmonių ir konteksto supratimą, kritinę analizę ir tarpdisciplininį mąstymą.

5. Mokymasis visą gyvenimą ir prisitaikymas: Dirbtinio intelekto pokyčių tempas yra itin spartus. Tai, kas šiandien atrodo novatoriška, po poros metų gali būti pasenę. Kūrėjai turi labiau nei bet kada anksčiau taikyti mokymąsi visą gyvenimą . Tai gali reikšti reguliarų naujų dirbtinio intelekto kodavimo asistentų išbandymą, internetinių kursų ar sertifikavimo dirbtinio intelekto / mašininio mokymosi srityse lankymą, tyrimų tinklaraščių skaitymą, kad neatsiliktumėte nuo naujausių naujienų, arba dalyvavimą dirbtiniam intelektui skirtose kūrėjų bendruomenėse. Prisitaikymas yra labai svarbus – būkite pasiruošę prisitaikyti prie naujų įrankių ir darbo eigų, kai tik jie atsiranda. Pavyzdžiui, jei atsiranda naujas dirbtinio intelekto įrankis, galintis automatizuoti vartotojo sąsajos dizainą pagal eskizus, priekinio lygio kūrėjas turėtų būti pasirengęs mokytis ir tai integruoti, galbūt nukreipdamas savo dėmesį į sugeneruotos vartotojo sąsajos tobulinimą arba naudotojo patirties detalių, kurių automatizavimas praleido, gerinimą. Tie, kurie mokymąsi laiko nuolatine savo karjeros dalimi (ką daugelis kūrėjų jau daro), lengviau integruos dirbtinio intelekto plėtrą. Viena iš strategijų – skirti nedidelę savo savaitės dalį mokymuisi ir eksperimentavimui – traktuokite tai kaip investiciją į savo ateitį. Įmonės taip pat pradeda teikti mokymus savo kūrėjams, kaip efektyviai naudoti dirbtinio intelekto įrankius; pasinaudojus tokiomis galimybėmis, jūs išaugsite į priekį. Klestintys kūrėjai bus tie, kurie DI mato kaip besivystantį partnerį ir nuolat tobulina savo požiūrį į darbą su tuo partneriu.

6. Ištirkite kylančius vaidmenis ir karjeros kelius: Dirbtiniam intelektui (DI) integruojant į kūrimą, atsiranda naujų karjeros galimybių. Pavyzdžiui, raginimų inžinierius arba DI integracijos specialistas – tai vaidmenys, skirti kurti tinkamus raginimus, darbo eigas ir infrastruktūrą, skirtą DI naudojimui produktuose. Kitas pavyzdys – DI etikos inžinierius arba DI auditorius – šie vaidmenys skirti DI rezultatų peržiūrai, siekiant nustatyti šališkumą, atitiktį ir teisingumą. Jei jus domina šios sritys, tinkamų žinių įgijimas gali atverti šiuos naujus kelius. Net ir klasikiniuose vaidmenyse galite rasti nišų, tokių kaip „DI padedamas priekinės dalies kūrėjas“ ir „DI padedamas vidinės dalies kūrėjas“, kur kiekvienas naudoja specializuotus įrankius. Stebėkite, kaip organizacijos formuoja komandas, susijusias su DI. Kai kurios įmonės turi „DI gildijas“ arba kompetencijos centrus, kurie padeda diegti DI projektuose – aktyvus dalyvavimas tokiose grupėse gali padėti jums atsidurti priešakyje. Be to, apsvarstykite galimybę prisidėti prie pačių DI įrankių kūrimo: pavyzdžiui, dirbdami su atvirojo kodo projektais, kurie tobulina kūrėjų įrankius (galbūt pagerindami DI gebėjimą paaiškinti kodą ir pan.). Tai ne tik pagilins jūsų technologijų supratimą, bet ir suteiks jums galimybę prisijungti prie bendruomenės, kuri pirmauja pokyčiams. Svarbiausia – imtis iniciatyvos karjeros lankstumo . Jei kai kurios jūsų dabartinio darbo dalys bus automatizuotos, būkite pasiruošę pereiti į vaidmenis, kurie kurs, prižiūrės ar papildys tas automatizuotas dalis.

7. Išlaikykite ir demonstruokite žmogiškąją kokybę: Pasaulyje, kuriame dirbtinis intelektas gali generuoti vidutinį kodą vidutinei problemai, žmonės kūrėjai turėtų stengtis sukurti išskirtinius ir empatiškus sprendimus, kurių dirbtinis intelektas negali sukurti. Tai gali reikšti dėmesį į vartotojo patirties subtilumą, našumo optimizavimą neįprastiems scenarijams arba tiesiog švaraus ir gerai dokumentuoto kodo rašymą (dirbtinis intelektas nėra puikus rašant prasmingą dokumentaciją ar suprantamus kodo komentarus – čia galite pridėti vertės!). Stenkitės integruoti žmogiškąją įžvalgą į darbą: pavyzdžiui, jei dirbtinis intelektas sugeneruoja kodo dalį, pridedate komentarus, paaiškinančius loginį pagrindą taip, kad kitas žmogus vėliau galėtų suprasti, arba pakoreguojate jį, kad būtų lengviau skaitomas. Taip darydami pridedate profesionalumo ir kokybės sluoksnį, kurio trūksta vien mašininiu būdu sukurtam darbui. Laikui bėgant, užsitarnaudami aukštos kokybės programinės įrangos, kuri „tiesiog veikia“ realiame pasaulyje, reputaciją, išsiskirsite iš kitų. Klientai ir darbdaviai vertins kūrėjus, kurie gali suderinti dirbtinio intelekto efektyvumą su žmonių meistriškumu .

Taip pat apsvarstykime, kaip galėtų prisitaikyti švietimo keliai. Nauji kūrėjai, pradedantys šią sritį, neturėtų vengti dirbtinio intelekto įrankių mokymosi procese. Priešingai, mokymasis naudojant dirbtinį intelektą (pvz., naudojant dirbtinį intelektą atliekant namų darbus ar projektus, o vėliau analizuojant rezultatus) gali paspartinti jų supratimą. Tačiau labai svarbu ir nuodugniai išmokti pagrindus – algoritmus, duomenų struktūras ir pagrindines programavimo sąvokas – kad turėtumėte tvirtą pagrindą ir galėtumėte pasakyti, kada dirbtinis intelektas nuklysta nuo kelio. Kadangi dirbtinis intelektas atlieka paprastus kodavimo pratimus, mokymo programose gali būti skiriamas didesnis dėmesys projektams, kuriems reikalingas projektavimas ir integravimas. Jei esate naujokas, sutelkite dėmesį į portfolio kūrimą, kuris parodytų jūsų gebėjimą spręsti sudėtingas problemas ir naudoti dirbtinį intelektą kaip vieną iš daugelio įrankių.

Apibendrinant adaptacijos strategiją: būkite pilotas, o ne keleivis. Naudokite dirbtinio intelekto įrankius, bet netapkite pernelyg jais priklausomi ar atsipalaidavę. Toliau tobulinkite unikalius žmogiškuosius kūrimo aspektus. Gerbiamas programinės įrangos inžinerijos pradininkas Grady Booch tai taikliai pasakė: „DI iš esmės pakeis tai, ką reiškia būti programuotoju. Jis nepašalins programuotojų, bet pareikalaus, kad jie lavintų naujus įgūdžius ir dirbtų naujais būdais.“ ( Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis [2024] ). Iniciatyviai tobulindami šiuos naujus įgūdžius ir darbo metodus, kūrėjai gali užtikrinti, kad jie išliktų savo karjeros vairuotojai.

Apibendrinant šį skyrių, pateikiame trumpą kontrolinį sąrašą kūrėjams, norintiems užtikrinti savo karjeros ateitį dirbtinio intelekto amžiuje:

Laikydamiesi šių strategijų, kūrėjai gali panaudoti dirbtinio intelekto revoliuciją savo naudai. Tie, kurie prisitaikys, pastebės, kad dirbtinis intelektas pagerina jų galimybes ir leidžia kurti geresnę programinę įrangą nei bet kada anksčiau, o ne ją paseninti.

Ateities perspektyvos: dirbtinio intelekto ir kūrėjų bendradarbiavimas

Kokia ateitis laukia programavimo dirbtinio intelekto valdomame pasaulyje? Remiantis dabartinėmis tendencijomis, galime tikėtis ateities, kurioje dirbtinis intelektas ir žmonės programuotojai dar glaudžiau dirbs kartu . Programuotojo vaidmuo greičiausiai ir toliau keisis link priežiūros ir kūrybinės pozicijos, o dirbtinis intelektas, vadovaujamas žmogaus, atliks daugiau „sunkiųjų darbų“. Šioje baigiamojoje dalyje prognozuojame keletą ateities scenarijų ir užtikriname, kad programuotojų perspektyvos gali išlikti teigiamos – jei ir toliau prisitaikysime.

Artimiausiu metu (per ateinančius 5–10 metų) labai tikėtina, kad dirbtinis intelektas (DI) taps toks pat visur esantis kūrimo procese kaip ir patys kompiuteriai. Kaip šiandien joks kūrėjas nerašo kodo be redaktoriaus ar be „Google“ / „StackOverflow“ po ranka, taip netrukus joks kūrėjas nerašys kodo be kokios nors dirbtinio intelekto pagalbos, veikiančios fone. Integruotos kūrimo aplinkos (IDE) jau vystosi ir į savo esmę įtraukia DI valdomas funkcijas (pavyzdžiui, kodo redaktorius, kurie gali paaiškinti kodą arba pasiūlyti viso kodo pakeitimus visame projekte). Galime pasiekti tašką, kai pagrindinis kūrėjo darbas bus suformuluoti problemas ir apribojimus taip, kad DI galėtų suprasti, o tada kuruoti ir tobulinti DI teikiamus sprendimus . Tai panašu į aukštesnio lygio programavimo formą, kartais vadinamą „greituoju programavimu“ arba „DI orkestravimu“.

Tačiau esmė, ką reikia padaryti – spręsti žmonių problemas, lieka nepakitusi. Ateities dirbtinis intelektas galbūt galėtų sugeneruoti visą programėlę iš aprašymo („sukurkite man mobiliąją programėlę gydytojo vizitams užsisakyti“), tačiau aprašymo patikslinimo, jo teisingumo užtikrinimo ir rezultato tikslinimo, kad jis patikslintų vartotojus, užduotis bus kūrėjai (kartu su dizaineriais, produktų vadovais ir kt.). Tiesą sakant, jei pagrindinių programėlių generavimas taps lengvas, žmonių kūrybiškumas ir inovacijos programinės įrangos srityje taps dar svarbesni siekiant išskirti produktus. Galime pamatyti programinės įrangos klestėjimą, kai daugelį įprastų programų generuoja dirbtinis intelektas, o žmonės kūrėjai sutelkia dėmesį į pažangiausius, sudėtingus ar kūrybiškus projektus, kurie peržengia ribas.

Taip pat yra galimybė, kad sumažės programavimo pradžios barjeras – tai reiškia, kad daugiau žmonių, kurie nėra tradiciniai programinės įrangos inžinieriai (pvz., verslo analitikai, mokslininkai ar rinkodaros specialistai), galės kurti programinę įrangą naudodami dirbtinio intelekto įrankius (tai „be kodo / mažai kodo“ judėjimo, kurį sustiprino dirbtinis intelektas, tęsinys). Tai nepanaikina profesionalių kūrėjų poreikio, o veikiau jį pakeičia. Tokiais atvejais kūrėjai gali imtis labiau konsultavimo ar vadovavimo vaidmens, užtikrindami, kad šios piliečių sukurtos programos būtų saugios, efektyvios ir lengvai prižiūrimos. Profesionalūs programuotojai gali sutelkti dėmesį į platformų ir API, kurias naudoja dirbtinio intelekto padedami „neprogramuotojai“, kūrimą.

Darbo vietų požiūriu, tam tikrų programavimo pareigybių gali sumažėti, o kitų – išaugti. Pavyzdžiui, kai kurių pradinio lygio programuotojų pareigybių gali sumažėti, jei įmonės paprastoms užduotims atlikti naudosis dirbtiniu intelektu. Galima įsivaizduoti, kad ateityje mažam startuoliui reikės galbūt perpus mažiau jaunesniųjų kūrėjų, nes jų vyresnieji kūrėjai, aprūpinti dirbtiniu intelektu, gali atlikti daugelį pagrindinių darbų. Tačiau tuo pačiu metu atsiras visiškai naujų darbo vietų (kaip aptarėme prisitaikymo skyriuje). Be to, programinei įrangai skverbiantis į vis didesnę ekonomikos dalį (dirbtiniam intelektui kuriant programinę įrangą nišiniams poreikiams), bendra su programine įranga susijusių darbo vietų paklausa gali toliau didėti. Istorija rodo, kad ilgainiui dažnai sukuria daugiau , nors tai yra skirtingi darbai – pavyzdžiui, tam tikrų gamybos užduočių automatizavimas lėmė darbo vietų, skirtų automatizuotų sistemų projektavimui, priežiūrai ir tobulinimui, augimą. Dirbtinio intelekto ir programavimo kontekste, nors kai kurios užduotys, kurias anksčiau atlikdavo jaunesnysis kūrėjas, yra automatizuotos, bendra programinės įrangos, kurią norime kurti, apimtis plečiasi (nes dabar ją kurti pigiau / greičiau), o tai gali lemti daugiau projektų ir didesnę žmogaus priežiūros, projektų valdymo, architektūros ir kt. poreikį. Pasaulio ekonomikos forumo ataskaitoje apie ateities darbo vietas teigiama, kad programinės įrangos kūrimo ir dirbtinio intelekto sričių paklausa didėja , o ne mažėja dėl skaitmeninės transformacijos.

Taip pat turėtume atsižvelgti į 2040 m. prognozę : Oak Ridge nacionalinės laboratorijos tyrėjai teigė, kad iki 2040 m. „mašinos... pačios rašys didžiąją dalį savo kodo“ ( Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis [2024] ). Jei tai pasirodys teisinga, kas lieka žmonėms programuotojams? Tikėtina, kad dėmesys bus skiriamas labai aukšto lygio gairėms (nurodant mašinoms, ko turi pasiekti bendrais bruožais) ir sritims, susijusioms su sudėtinga sistemų integracija, žmogaus psichologijos supratimu ar naujomis probleminėmis sritimis. Net ir tokiu atveju žmonės atliktų panašius vaidmenis kaip produktų dizaineriai, reikalavimų inžinieriai ir dirbtinio intelekto mokytojai / tikrintojai . Kodas gali didžiąja dalimi rašyti pats save, bet kažkas turi nuspręsti, kokį kodą ir kodėl reikia rašyti , o tada patikrinti, ar galutinis rezultatas yra teisingas ir atitinka tikslus. Tai analogiška tam, kaip autonominiai automobiliai vieną dieną galėtų vairuoti patys, bet jūs vis tiek nurodote automobiliui, kur važiuoti, ir įsikišate į sudėtingas situacijas – be to, žmonės projektuoja kelius, eismo taisykles ir visą aplink jį esančią infrastruktūrą.

bendradarbiavimo, o ne pakeitimo ateitį . Kaip suformulavo viena technologijų konsultacijų įmonė: „kūrimo ateitis yra ne pasirinkimas tarp žmonių ar dirbtinio intelekto, o bendradarbiavimas, kuris išnaudoja geriausias abiejų savybes.“ ( Ar dirbtinis intelektas pakeis kūrėjus 2025 m.: žvilgsnis į ateitį ) Dirbtinis intelektas neabejotinai pakeis programinės įrangos kūrimą, tačiau tai labiau kūrėjo vaidmens evoliucija, o ne išnykimas. Kūrėjai, kurie „priima pokyčius, pritaiko savo įgūdžius ir sutelkia dėmesį į unikalius žmogiškuosius savo darbo aspektus“, pastebės, kad dirbtinis intelektas padidina jų galimybes, o ne sumažina jų vertę.

Galime nubrėžti paralelę su kita sritimi: prisiminkime kompiuterinio projektavimo (CAD) iškilimą inžinerijoje ir architektūroje. Ar šie įrankiai pakeitė inžinierius ir architektus? Ne – jie padarė juos produktyvesnius ir leido kurti sudėtingesnius projektus. Tačiau žmogaus kūrybiškumas ir sprendimų priėmimas išliko pagrindiniai. Panašiai ir dirbtinį intelektą galima laikyti kompiuteriniu programavimu – jis padės susidoroti su sudėtingumu ir dideliu darbu, tačiau kūrėjas išlieka dizaineriu ir sprendimų priėmėju.

Ilgalaikėje perspektyvoje, jei įsivaizduotume tikrai pažangų dirbtinį intelektą (tarkime, tam tikrą bendrojo dirbtinio intelekto formą, kuri galėtų atlikti daugumą to, ką gali žmogus), visuomeniniai ir ekonominiai pokyčiai būtų daug platesni nei vien tik programavime. Mes dar to nepasiekėme ir galime gerokai kontroliuoti, kaip integruojame dirbtinį intelektą į savo darbą. Protingas kelias yra toliau integruoti dirbtinį intelektą taip, kad būtų padidintas žmogaus potencialas . Tai reiškia investuoti į įrankius ir praktiką (ir politiką), kurios padėtų žmonėms neatsilikti. Jau matome, kaip įmonės kuria dirbtinio intelekto valdymą – gaires, kaip dirbtinis intelektas turėtų būti naudojamas kūrimo procese, siekiant užtikrinti etiškus ir veiksmingus rezultatus ( apklausa atskleidžia dirbtinio intelekto poveikį kūrėjų patirčiai – „The GitHub“ tinklaraštis ). Ši tendencija greičiausiai stiprės, užtikrinant, kad žmogaus priežiūra būtų oficialiai dirbtinio intelekto kūrimo proceso dalis.

Apibendrinant, į klausimą „Ar dirbtinis intelektas pakeis programuotojus?“ galima atsakyti: ne, tačiau jis reikšmingai pakeis programuotojų veiklą. Kasdienės programavimo dalys bus beveik automatizuotos. Kūrybinė, iššūkių kupina ir į žmogų orientuota dalis liks ir iš tiesų taps dar svarbesnė. Ateityje programuotojai greičiausiai dirbs petys į petį su vis išmanesniais dirbtinio intelekto asistentais, panašiai kaip komandos narys. Įsivaizduokite, kad turite dirbtinio intelekto kolegą, kuris gali kurti kodą 24 valandas per parą, 7 dienas per savaitę – tai puikus produktyvumo padidinimas, tačiau jam vis tiek reikia, kad kažkas pasakytų, kokias užduotis atlikti, ir tikrintų jo darbą.

Geriausių rezultatų pasieks tie, kurie su DI elgsis kaip su bendradarbiu. Kaip pasakė vienas generalinis direktorius: „DI nepakeis programuotojų, bet programuotojai, kurie naudoja DI, pakeis tuos, kurie jo nenaudoja.“ Praktiškai tai reiškia, kad kūrėjams tenka pareiga tobulėti kartu su technologijomis. Programavimo profesija nemiršta – ji prisitaiko . Artimiausioje ateityje bus daug programinės įrangos, kurią reikės sukurti, ir problemų, kurias reikės išspręsti, galbūt net daugiau nei šiandien. Išsaugodami išsilavinimą, išlikdami lankstūs ir sutelkdami dėmesį į tai, ką žmonės daro geriausiai, kūrėjai gali užsitikrinti sėkmingą ir prasmingą karjerą bendradarbiaudami su DI .

Galiausiai, verta paminėti, kad žengiame į erą, kai kūrėjai gali naudotis supergaliomis. Kita programuotojų karta, pasitelkdama dirbtinį intelektą, per kelias valandas pasieks tai, kas anksčiau užtrukdavo kelias dienas, ir spręs anksčiau nepasiekiamas problemas. Vietoj baimės, žengiant į priekį, gali vyrauti optimizmas ir smalsumas . Kol į dirbtinį intelektą žiūrėsime atmerktomis akimis – žinodami apie jo apribojimus ir prisimindami savo atsakomybę – galėsime kurti ateitį, kurioje dirbtinis intelektas ir programuotojai kartu kurs nuostabias programinės įrangos sistemas, gerokai pranokstančias tai, ką kiekvienas galėtų padaryti atskirai. Žmogaus kūrybiškumas kartu su mašinų efektyvumu yra galingas derinys. Galiausiai, tai ne apie pakeitimą , o apie sinergiją. Dirbtinio intelekto ir programuotojų istorija vis dar rašoma – ir ją rašys ir žmogus, ir mašina kartu.

Šaltiniai:

1. Brainhub“, „Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis [2024]“ ( Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis [2024] ).

2. „Brainhub“, ekspertų Satyos Nadellos ir Jeffo Deano citatos apie dirbtinį intelektą kaip įrankį, o ne pakaitalą ( Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis [2024] ( Is There a Future for Software Engineers? The Impact of AI [2024] ).

3. „Medium“ (PyCoach), „Ar dirbtinis intelektas pakeis programuotojus? Tiesa už ažiotažo“ , kuriame atkreipiamas dėmesys į niuansuotą realybę ir ažiotažą ( Ar dirbtinis intelektas pakeis programuotojus? Tiesa už ažiotažo | autorius „The PyCoach“ | „Artificial Corner“ | 2025 m. kovas | „Medium“ ) ir Samo Altmano citatą apie tai, kad dirbtinis intelektas gerai atlieka užduotis, bet ne visus darbus.

4. „DesignGurus „Ar dirbtinis intelektas pakeis kūrėjus... (2025 m.)“ pabrėžiama, kad dirbtinis intelektas padės ir pagerins kūrėjų kvalifikaciją, o ne padarys juos nereikalingus ( „Ar dirbtinis intelektas pakeis kūrėjus 2025 m.: žvilgsnis į ateitį“ ), ir išvardijamos sritys, kuriose dirbtinis intelektas atsilieka (kūrybiškumas, kontekstas, etika).

5. „Stack Overflow“ kūrėjų apklausa, 2023 m., 70 % kūrėjų naudoja dirbtinio intelekto įrankius, mažas pasitikėjimas tikslumu (3 % labai pasitiki) ( 70 % kūrėjų naudoja dirbtinio intelekto kodavimo įrankius, 3 % labai pasitiki jų tikslumu – „ShiftMag“ ).

6. „GitHub“ apklausa 2023 m. parodė, kad 92 % kūrėjų yra išbandę dirbtinio intelekto kodavimo įrankius, o 70 % mato jų naudą ( apklausa atskleidžia dirbtinio intelekto poveikį kūrėjų patirčiai – „GitHub“ tinklaraštis ).

7. „GitHub Copilot“ tyrimas, kurio metu nustatyta, kad naudojant dirbtinį intelektą užduotys atliekamos 55 % greičiau ( Tyrimas: „GitHub Copilot“ poveikio kūrėjų produktyvumui ir pasitenkinimui kiekybinis įvertinimas – „GitHub“ tinklaraštis ).

8. „GeekWire“ duomenimis, „DeepMind“ „AlphaCode“ rezultatai prilygsta vidutiniam žmonių programuotojų lygiui (54 proc. geriausi), tačiau toli gražu neprilygsta geriausiems ( „DeepMind“ „AlphaCode“ atitinka vidutinio programuotojo meistriškumą ).

9. „IndiaToday“ (2025 m. vasaris), Samo Altmano vizijos apie dirbtinio intelekto „bendradarbius“, atliekančius jaunesniųjų inžinierių užduotis, santrauka, tačiau jie „visiškai nepakeis žmonių“ ( Samas Altmanas teigia, kad dirbtinio intelekto agentai netrukus atliks užduotis, kurias atlieka programinės įrangos inžinieriai: visa istorija 5 punktuose – „India Today“ ).

10. „McKinsey & Company“ apskaičiavo, kad ~80 % programavimo darbų išliks orientuoti į žmogų, nepaisant automatizavimo („ Ar yra programinės įrangos inžinierių ateitis? Dirbtinio intelekto poveikis“ [2024] ).

Straipsniai, kuriuos galbūt norėsite perskaityti po šio:

🔗 Geriausi dirbtinio intelekto porinio programavimo įrankiai.
Ištirkite pagrindinius dirbtinio intelekto įrankius, kurie gali bendradarbiauti su jumis kaip kodavimo partneris, kad pagerintų jūsų kūrimo eigą.

🔗 Koks DI geriausiai tinka kodavimui – geriausi DI kodavimo asistentai.
Vadovas, kuriame pateikiami efektyviausi DI įrankiai, skirti kodo generavimui, derinimui ir programinės įrangos projektų spartinimui.

🔗 Dirbtinio intelekto programinės įrangos kūrimas – keičiame technologijų ateitį.
Supraskite, kaip dirbtinis intelektas keičia programinės įrangos kūrimo, testavimo ir diegimo būdus.