傳動網 > 新聞頻道 > 行業資訊 > 資訊詳情

AI在軟件開發中的角色:輔助而非替代

時間:2024-05-22

來源:21ic電子網

導語:事實表明,AI無法替代開發者,但更適用于優秀的開發者。而識別大型語言模型(LLM)生成的代碼什么時候會出錯,需要開發人員具有豐富的知識和經驗。

  事實表明,AI無法替代開發者,但更適用于優秀的開發者。而識別大型語言模型(LLM)生成的代碼什么時候會出錯,需要開發人員具有豐富的知識和經驗。

  軟件工程師David Showalter在談到AI編程時表示:“目前,AI模型在幫助編程人員提高工作效率方面表現出色。”那么,這一觀點是否站得住腳?Showalter的言論實則是對AI專家Santiago Valdarrama的回應——他認為大型語言模型(LLM)作為編碼助手目前還不完全可靠。Valdarrama說:“除非LLM給我們同樣的保證(就像編程語言一樣讓計算機始終響應命令),否則它們只能被視為華而不實的‘炫技’, 對多數應用程序的開發來說并無實際價值。”他的觀點頗具見地,LLM在如何回應提示方面顯然是不一致的,即使是同一提示可能會得到截然不同的回應。因此,Showalter的看法可能過于樂觀:雖然AI模型在輔助開發人員編寫更多代碼方面有不俗的表現,但這并不等同于能夠生成高質量的可用代碼。

  AI和軟件開發成功的關鍵在于敏銳地識別那些潛在的不完善之處。許多開發人員并沒有意識到這一點,他們過于依賴LLM的輸出結果。正如計算機科學網站HackerNews的一位評論員所說,“我想知道的是,用戶對于ChatGPT的信任有多少是建立在那些看似完美無缺的示例之上的……尤其是對于特定類型的用戶來說。”為了能夠在軟件開發中有效地使用AI,開發人員需要足夠的經驗判斷LLM的輸出什么時候可能不夠準確或存在誤導。

  并沒有簡單的解決方案

  關于LLM在軟件開發中的應用和表現存在不同的看法。正如HackerNews網站的一些評論所展示的那樣,許多開發人員并不贊同過度依賴LLM的輸出。他們反駁的理由通常歸結為:“當然,開發人員不能盲目地信任LLM的輸出,就像他們不會無條件地信任在Stack Overflow上找到的代碼,或者完全依賴集成開發環境(IDE)等工具一樣。”

  就目前而言,這種看法是正確的,但現實往往并不盡如人意。例如,雖然開發人員不應該完全相信他們使用的集成開發環境(IDE),但IDE在處理基本編程任務時具備一定程度的準確性和穩定性,例如不會隨意“破壞”程序或弄亂Lisp括號。ChatGPT很可能會出錯,但是IDE很少出現這種情況。

  對于堆棧溢出(Stack Overflow)上的代碼來說,可能有不同的使用方式。有些開發人員可能會直接復制粘貼代碼,而不進行檢查。但明智的開發人員則會采取更為審慎的態度。他們會首先查看有關代碼的評論,以評估其質量和適用性。

  LLM的輸出并不包含這樣的信號。正如一位開發人員所建議的那樣,“將Stack Overflow和LLM的輸出都視為可能是錯誤的結果,并且可能是由經驗不足的開發人員編寫的代碼。”這是一種明智的做法。即使存在錯誤,這些代碼片段或建議也可能為提供有價值的啟示,幫助開發人員朝著正確的方向前進。

  同樣,這需要開發人員具備足夠的經驗以識別Stack Overflow的代碼示例或LLM生成的代碼是否存在錯誤。或者開發人員足夠明智,只將這些代碼用在“200行樣板文件”或“React頁面中的大表”等常見的場景中。在這些場景中,可以不必完全信任這些代碼,只需在完成之后進行測試即可。

  總之,正如一位開發人員所總結的那樣,“我對LLM的信任程度就像我對初級開發人員或實習生的信任一樣。我會給它分配一些我知道如何完成的任務,以此驗證其準確性,但不會在這些任務上花費過多的時間。這無疑是最佳的策略。從AI中獲益最大的開發人員是那些明智的人,他們知道LLM什么時候可能會出錯,但同時也能從中得到一些好處。”

  尋求正確使用的方法

  開源Python工具Datasette創始人Simon Wilison曾經提出這樣的觀點,“從AI中獲得最佳結果實際上需要大量的知識和經驗,因為很多都歸結于直覺。”他建議經驗豐富的開發人員測試不同LLM的局限性,以衡量它們的相對優勢和劣勢,即便一些LLM模型表現不盡如人意,仍然可以利用其價值。

  初級開發人員如何有效利用AI進行編程?AWS AI開發者體驗主管Doug Seven表示,像Amazon Q Developer(前身為CodeWhisperer)這樣的編碼助手,對經驗不足的開發人員同樣可以提供幫助。這些工具能夠為他們提供有價值的建議,幫助他們明確編程思路,從而減少編程過程中頻繁向他人求助的需求。

  也許正確的答案是:取決于具體情況!

  而且重要的是,軟件開發的理念通常不是“更快、更多地編寫代碼”。實際上,優秀的開發人員編寫代碼的時間很少,而花費更多的時間思考需要解決的問題以及如何找到最佳解決方案。LLM可以在這方面提供幫助,正如Willison所指出的那樣:“ChatGPT(以及GitHub Copilot)為我節省了大量的‘深思熟慮’的時間。從在Bash中編寫For循環到記住如何在Javascript中進行跨域CORS請求,我甚至不需要再查找其他資料。”


AI
中傳動網版權與免責聲明:

凡本網注明[來源:中國傳動網]的所有文字、圖片、音視和視頻文件,版權均為中國傳動網(www.siyutn.com)獨家所有。如需轉載請與0755-82949061聯系。任何媒體、網站或個人轉載使用時須注明來源“中國傳動網”,違反者本網將追究其法律責任。

本網轉載并注明其他來源的稿件,均來自互聯網或業內投稿人士,版權屬于原版權人。轉載請保留稿件來源及作者,禁止擅自篡改,違者自負版權法律責任。

如涉及作品內容、版權等問題,請在作品發表之日起一周內與本網聯系,否則視為放棄相關權利。

關注伺服與運動控制公眾號獲取更多資訊

關注直驅與傳動公眾號獲取更多資訊

關注中國傳動網公眾號獲取更多資訊

最新新聞
查看更多資訊

熱搜詞
  • 運動控制
  • 伺服系統
  • 機器視覺
  • 機械傳動
  • 編碼器
  • 直驅系統
  • 工業電源
  • 電力電子
  • 工業互聯
  • 高壓變頻器
  • 中低壓變頻器
  • 傳感器
  • 人機界面
  • PLC
  • 電氣聯接
  • 工業機器人
  • 低壓電器
  • 機柜
回頂部
點贊 0
取消 0