Den næste programmeringsrevolution vil være med native kode AI

I de senere år har anvendelsen af sprogmodeller til programmering ændret udviklernes dag til dag. Værktøjer som GitHub CoPilot, ChatGPT og Replit Ghostwriter har øget produktiviteten ved at foreslå kodestykker, automatisere gentagne opgaver og endda generere komplette løsninger fra naturlige sprogbeskrivelser. De seneste gevinster er dog allerede trinvise, hvilket indikerer, at LLM'erne i sagens natur har nået en strukturel grænse.

LLM'er er designet til at fortolke naturligt sprog og efterfølgende tilpasset til at håndtere kode. Denne tilpasning har bragt udtryksfulde resultater, men står over for begrænsninger, hvor koden ikke kun er tekst, men også logik, afhængighed og adfærd. At fortolke det kræver algoritmisk ræsonnement, strukturel sammenhæng og forståelse af brede sammenhænge, færdigheder, som generalistiske LLM'er ikke var designet til at tilbyde.

Brasilianske mikro-, små og mellemstore virksomheder (PMME'er) har et positivt syn på potentialerne for kunstig intelligens (AI), hvor 771TP3 t af beslutningstagere overvejer, at AI strømliner virksomhedens processer. Dette er, hvad forskningen “IA i mikro-, små og mellemstore virksomheder: trends, udfordringer og muligheder“ afslører, bestilt af Microsoft til Edelman Comunicação.

Ifølge undersøgelsen hævder 75% af de interviewede virksomheder, at de er optimistiske med hensyn til virkningen af kunstig intelligens (AI) på deres arbejde, og dette afspejles i virksomhedernes investeringsplaner, som hævder, at de vil fortsætte med at investere eller vil investere for første gang i AI (73%), og 61% af dem allerede har en handlingsplan eller specifikke mål relateret til denne teknologi.

Men for at overvinde disse begrænsninger opstår behovet for en indbygget kode AI, et system designet fra begyndelsen til at behandle kode som et førstesprog. Denne tilgang kræver en ny transformerarkitektur, der er i stand til dybt at forstå semantik, logik og komplekse softwarestrukturer, der går ud over den simple selvfuldførelse af passager.

Blandt kernekompetencerne i denne nye generation af AI er en dyb semantisk forståelse af koden, logisk og algoritmisk ræsonnement, vedligeholdelse af udvidede sammenhænge på komplekse baser, forståelse af afhængigheder og biblioteker, evne til at teste og validere kode og fortolkning af tvetydige krav. Sammenhængen af disse færdigheder ville give AI mulighed for at handle selvstændigt, pålideligt og konsekvent.

Udviklingen af denne arkitektur vil kræve nye datasæt, specifikke algoritmer og ændringer i den måde, vi opfatter programmeringen på. Det er en grundlæggende transformation, som overskrider trinvise justeringer og nulstiller, hvad det vil sige at skabe AI-software. Forventningen er, at vi i en femårig horisont kan være vidne til systemer, der er i stand til at fungere som komplette softwareingeniører.

Den nuværende fase af generalist LLM'erne viser, at produktiviteten er steget, men autonomien er stadig begrænset. Fremtidig udvikling vil afhænge af skabelsen af native kodemodeller, der er i stand til at håndtere kompleksitet, afhængigheder og logisk ræsonnement på en integreret måde, hvilket baner vejen for en mere strategisk, skalerbar og pålidelig programmering. Denne ændring omdefinerer ikke kun teknologien, men også udviklerens rolle.

I stedet for kun at fungere som kommandoeksekutør, vil den professionelle blive arkitekt og supervisor for intelligente systemer, der vejleder AI til at transformere abstrakte specifikationer til komplette og funktionelle løsninger. AI-programmeringsrevolutionen er lige begyndt. Den næste generation vil ikke begrænse sig til at optimere opgaver, den lover at redesigne selve konceptet softwareudvikling, hvilket gør AI-systemer til tekniske partnere, i stand til at forstå, skabe og iterere om komplekse løsninger med kontekstuel autonomi og intelligens.