Արհեստական ​​բանականությունը կփոխարինի՞ ծրագրավորողներին։ Վերջինը, ով կհեռանա, անջատեք կոդի խմբագրիչը։

« Վերջիններից մեկը դուրս եկավ, անջատեք կոդի խմբագրիչը »։ Այս հեգնական արտահայտությունը շրջանառվում է մշակողների ֆորումներում՝ արտացոլելով անհանգիստ հումոր արհեստական ​​բանականության կոդավորող օգնականների աճի վերաբերյալ։ Քանի որ արհեստական ​​բանականության մոդելները ավելի ու ավելի են կարողանում կոդ գրել, շատ ծրագրավորողներ հարցնում են, թե արդյոք մարդ մշակողներին նույն ճակատագիրն է սպասվում, ինչ վերելակի օպերատորներին կամ կոմուտատորի օպերատորներին՝ աշխատանքներ, որոնք ավտոմատացման պատճառով հնացած են դարձել։ 2024 թվականին համարձակ վերնագրերում հայտարարվում էր, որ արհեստական ​​բանականությունը շուտով կարող է գրել մեր ամբողջ կոդը՝ մարդ մշակողներին անելիք թողնելով։ Սակայն աղմուկի և սենսացիոնիզմի հետևում իրականությունն ավելի նրբերանգային է։

Այո՛, արհեստական ​​բանականությունն այժմ կարող է կոդ ստեղծել ավելի արագ, քան ցանկացած մարդ, բայց որքանո՞վ է լավ այդ կոդը, և կարո՞ղ է արդյոք արհեստական ​​բանականությունն ինքնուրույն կառավարել ծրագրային ապահովման մշակման ողջ կյանքի ցիկլը։ Մասնագետների մեծ մասն ասում է. «ոչ այնքան արագ»։ Ծրագրային ապահովման ճարտարագիտության առաջատարներ, ինչպիսին է Microsoft-ի գործադիր տնօրեն Սաթյա Նադելան, ընդգծում են, որ «արհեստական ​​բանականությունը չի փոխարինի ծրագրավորողներին, բայց այն կդառնա նրանց զինանոցում անհրաժեշտ գործիք։ Խոսքը մարդկանց լիազորելու մասին է՝ ավելին անելու, ոչ թե պակաս»։ ( Կփոխարինի՞ արհեստական ​​բանականությունը ծրագրավորողներին։ Ճշմարտությունը աղմուկի հետևում | հեղինակ՝ The PyCoach | Artificial Corner | Մարտ, 2025 | Medium ): Նմանապես, Google-ի արհեստական ​​բանականության ղեկավար Ջեֆ Դինը նշում է, որ չնայած արհեստական ​​բանականությունը կարող է կատարել սովորական կոդավորման առաջադրանքներ, «այն դեռևս զուրկ է ստեղծագործականությունից և խնդիրներ լուծելու հմտություններից» ՝ հենց այն որակները, որոնք մարդկային մշակողները բերում են սեղանին։ Նույնիսկ OpenAI-ի գործադիր տնօրեն Սեմ Ալտմանը խոստովանում է, որ այսօրվա արհեստական ​​բանականությունը «շատ լավ է կատարում առաջադրանքները» , բայց «սարսափելի է կատարում լիարժեք աշխատանքներ» առանց մարդկային հսկողության։ Ամփոփելով՝ արհեստական ​​բանականությունը հիանալի է աշխատանքի որոշ մասերին օգնելու հարցում, բայց ի վիճակի չէ ամբողջությամբ ստանձնել ծրագրավորողի աշխատանքը սկզբից մինչև վերջ։

«Կփոխարինի՞ արհեստական ​​բանականությունը ծրագրավորողներին» հարցին։ Մենք ուսումնասիրում ենք, թե ինչպես է արհեստական ​​բանականությունը ազդում ծրագրային ապահովման մշակողների դերերի վրա այսօր և ինչ փոփոխություններ են սպասվում ապագայում։ Իրական աշխարհի օրինակների և վերջին գործիքների միջոցով (GitHub Copilot-ից մինչև ChatGPT) մենք ուսումնասիրում ենք, թե ինչպես կարող են մշակողները հարմարվել, հարմարվել և մնալ արդիական արհեստական ​​բանականության զարգացմանը զուգընթաց։ Պարզեցված «այո» կամ «ոչ» պատասխանի փոխարեն մենք կտեսնենք, որ ապագան արհեստական ​​բանականության և մարդ մշակողների համագործակցությունն է։ Նպատակն է ընդգծել գործնական պատկերացումներ այն մասին, թե ինչ կարող են անել մշակողները արհեստական ​​բանականության դարաշրջանում հաջողության հասնելու համար՝ նոր գործիքների ընդունումից մինչև նոր հմտությունների ուսուցում և կանխատեսումներ անել, թե ինչպես կարող են ծրագրավորման կարիերաները զարգանալ առաջիկա տարիներին։

Արհեստական ​​բանականությունը ծրագրային ապահովման մշակման մեջ այսօր

Արհեստական ​​բանականությունը արագորեն ինտեգրվել է ժամանակակից ծրագրային ապահովման մշակման աշխատանքային հոսքին։ Հեռու լինելով գիտաֆանտաստիկա լինելուց, Արհեստական ​​բանականության վրա հիմնված գործիքներն արդեն գրում և վերանայում են կոդը , ավտոմատացնում ձանձրալի առաջադրանքները և բարձրացնում մշակողների արտադրողականությունը։ Այսօր մշակողները Արհեստական ​​բանականությունն օգտագործում են կոդի հատվածներ ստեղծելու, ավտոմատ լրացման ֆունկցիաներ կատարելու, սխալներ հայտնաբերելու և նույնիսկ փորձարկման դեպքեր ստեղծելու համար ( Արդյո՞ք ծրագրային ապահովման ինժեներների ապագան կա։ Արհեստական ​​բանականության ազդեցությունը [2024] ) : Այլ կերպ ասած, Արհեստական ​​բանականությունը ստանձնում է բարդ աշխատանքը և ստանդարտ ձևաչափը՝ թույլ տալով ծրագրավորողներին կենտրոնանալ ծրագրային ապահովման ստեղծման ավելի բարդ ասպեկտների վրա։ Եկեք նայենք Արհեստական ​​բանականության որոշ ակնառու հնարավորությունների և գործիքների, որոնք հենց հիմա վերափոխում են ծրագրավորումը։

• Կոդի ստեղծում և ավտոմատ լրացում. Ժամանակակից արհեստական ​​ինտելեկտի կոդավորման օգնականները կարող են ստեղծել կոդ՝ հիմնված բնական լեզվի հուշումների կամ մասնակի կոդի համատեքստի վրա: Օրինակ, GitHub Copilot-ը (կառուցված OpenAI-ի Codex մոդելի վրա) ինտեգրվում է խմբագիրների հետ՝ առաջարկելով կոդի հաջորդ տողը կամ բլոկը, երբ դուք մուտքագրում եք: Այն օգտագործում է բաց կոդի լայնածավալ ուսումնական հավաքածու՝ համատեքստից կախված առաջարկներ առաջարկելու համար, հաճախ կարող է ամբողջական ֆունկցիաներ լրացնել միայն մեկ մեկնաբանությունից կամ ֆունկցիայի անունից: Նմանապես, ChatGPT-ն (GPT-4) կարող է կոդ ստեղծել տվյալ առաջադրանքի համար, երբ դուք նկարագրում եք, թե ինչ է ձեզ անհրաժեշտ պարզ անգլերենով: Այս գործիքները կարող են վայրկյանների ընթացքում մշակել ստանդարտ կոդ՝ պարզ օգնական ֆունկցիաներից մինչև CRUD գործողություններ:

• Սխալների հայտնաբերում և թեստավորում. Արհեստական ​​բանականությունը նաև օգնում է հայտնաբերել սխալները և բարելավել կոդի որակը: Արհեստական ​​բանականությամբ աշխատող ստատիկ վերլուծության գործիքները և լինտերները կարող են նշել հնարավոր սխալները կամ անվտանգության խոցելիությունները՝ սովորելով անցյալի սխալների օրինաչափություններից: Որոշ Արհեստական ​​բանականության գործիքներ ավտոմատ կերպով ստեղծում են միավորային թեստեր կամ առաջարկում են թեստային դեպքեր՝ վերլուծելով կոդի ուղիները: Սա նշանակում է, որ մշակողը կարող է ակնթարթային արձագանք ստանալ այն ծայրահեղ դեպքերի վերաբերյալ, որոնք նա կարող էր բաց թողնել: Վաղ փուլում գտնելով սխալները և առաջարկելով շտկումներ, Արհեստական ​​բանականությունը գործում է որպես անխոնջ որակի ապահովման օգնական՝ աշխատելով մշակողի հետ միասին:

• Կոդի օպտիմալացում և վերափոխում. Արհեստական ​​բանականության մեկ այլ կիրառություն է առկա կոդի բարելավումներ առաջարկելը: Տրված հատվածի դեպքում Արհեստական ​​բանականությունը կարող է առաջարկել ավելի արդյունավետ ալգորիթմներ կամ ավելի մաքուր իրականացումներ՝ կոդում օրինաչափություններ ճանաչելով: Օրինակ, այն կարող է առաջարկել գրադարանի ավելի իդիոմային օգտագործում կամ նշել վերափոխման ենթակա ավելորդ կոդը: Սա օգնում է նվազեցնել տեխնիկական պարտքը և բարելավել արդյունավետությունը: Արհեստական ​​բանականության վրա հիմնված վերափոխման գործիքները կարող են վերափոխել կոդը՝ համապատասխանեցնելով այն լավագույն փորձին կամ թարմացնել կոդը API-ի նոր տարբերակների, խնայելով մշակողների ժամանակը ձեռքով մաքրման գործընթացում:

• Մշակման գործընթացներ և ավտոմատացում. կոդ գրելուց զատ, արհեստական ​​բանականությունը նպաստում է կառուցման և տեղակայման գործընթացներին: Խելացի CI/CD գործիքները օգտագործում են մեքենայական ուսուցում՝ կանխատեսելու համար, թե որ թեստերն են, հավանաբար, ձախողվելու կամ որոշակի կառուցման աշխատանքներ առաջնահերթություն տալու համար, ինչը շարունակական ինտեգրման գործընթացն ավելի արագ և արդյունավետ է դարձնում: Արհեստական ​​բանականությունը կարող է վերլուծել արտադրական գրանցամատյանները և կատարողականի չափանիշները՝ խնդիրները հայտնաբերելու կամ ենթակառուցվածքների օպտիմալացում առաջարկելու համար: Փաստորեն, արհեստական ​​բանականությունը օգնում է ոչ միայն կոդավորմանը, այլև ծրագրային ապահովման մշակման ողջ կյանքի ցիկլի ընթացքում՝ պլանավորումից մինչև սպասարկում:

• Բնական լեզվի ինտերֆեյսներ և փաստաթղթավորում. Մենք նաև տեսնում ենք, որ արհեստական ​​բանականությունը հնարավորություն է տալիս ավելի բնական փոխազդեցություններ ունենալ մշակման գործիքների հետ: Մշակողները կարող են բառացիորեն խնդրել արհեստական ​​բանականությանը կատարել առաջադրանքներ («ստեղծել ֆունկցիա, որը կատարում է X» կամ «բացատրել այս կոդը») և ստանալ արդյունքներ: Արհեստական ​​բանականության չաթբոտները (ինչպիսիք են ChatGPT-ը կամ մասնագիտացված մշակողի օգնականները) կարող են պատասխանել ծրագրավորման հարցերին, օգնել փաստաթղթավորման հարցում և նույնիսկ գրել նախագծային փաստաթղթեր կամ կատարել հաղորդագրություններ՝ հիմնվելով կոդի փոփոխությունների վրա: Սա կամուրջ է հարթում մարդկային մտադրության և կոդի միջև՝ մշակումն ավելի մատչելի դարձնելով նրանց համար, ովքեր կարող են նկարագրել այն, ինչ ուզում են:

• 

Մշակողները կիրառում են արհեստական ​​բանականության գործիքներ. 2023 թվականի հարցումը ցույց է տալիս, որ մշակողների ճնշող 92%-ը որոշակիորեն օգտագործել է արհեստական ​​բանականության կոդավորման գործիքներ՝ կամ աշխատանքի վայրում, կամ իրենց անձնական նախագծերում, կամ երկուսում էլ: Միայն մի փոքր՝ 8%-ն է հայտնել, որ կոդավորման մեջ արհեստական ​​բանականության որևէ օգնություն չի օգտագործում: Այս գրաֆիկը ցույց է տալիս, որ մշակողների երկու երրորդը օգտագործում է արհեստական ​​բանականության գործիքներ ինչպես , այնպես էլ դրանից դուրս , մինչդեռ մեկ քառորդը դրանք օգտագործում է բացառապես աշխատանքի վայրում, իսկ մի փոքր փոքրամասնությունը՝ միայն աշխատանքից դուրս: Եզրակացությունը հստակ է. արհեստական ​​բանականության օգնությամբ կոդավորումը արագորեն լայն տարածում է գտել մշակողների շրջանում ( Հարցումը բացահայտում է արհեստական ​​բանականության ազդեցությունը մշակողի փորձի վրա - The GitHub Blog ):

Արհեստական ​​բանականության գործիքների այս տարածումը մշակման գործընթացում հանգեցրել է արդյունավետության բարձրացման և կոդավորման դժվարին գործընթացների նվազման: Արտադրանքն ավելի արագ է ստեղծվում, քանի որ արհեստական ​​բանականությունը օգնում է ստեղծել ստանդարտ կոդ և կատարել կրկնվող առաջադրանքներ ( Արդյո՞ք ապագա կա ծրագրային ապահովման ինժեներների համար: Արհեստական ​​բանականության ազդեցությունը [2024] ) ( Արդյո՞ք արհեստական ​​բանականությունը փոխարինելու է մշակողներին 2025 թվականին. հայացք դեպի ապագա ): Copilot-ի նման գործիքները կարող են նույնիսկ առաջարկել ամբողջական ալգորիթմներ կամ լուծումներ, որոնք «կարող են անմիջապես ակնհայտ չլինել մարդկային մշակողների համար», շնորհիվ կոդի հսկայական տվյալների հավաքածուներից սովորելու: Իրական աշխարհի օրինակները առատ են. ինժեները կարող է խնդրել ChatGPT-ին իրականացնել տեսակավորման ֆունկցիա կամ գտնել սխալ իր կոդում, և արհեստական ​​բանականությունը վայրկյանների ընթացքում կստեղծի նախնական լուծում: Amazon-ի և Microsoft-ի իրենց մշակողների թիմերին տեղակայել են արհեստական ​​բանականության զույգ ծրագրավորողներ (Amazon-ի CodeWhisperer-ը և Microsoft-ի Copilot-ը)՝ հաղորդելով առաջադրանքների ավելի արագ ավարտի և ստանդարտ աշխատանքների վրա ծախսված ավելի քիչ առօրյա ժամերի մասին: Փաստորեն, 2023 թվականի Stack Overflow հարցմանը մասնակցած մշակողների 70%-ը մշակողների 70%-ը օգտագործում է արհեստական ​​բանականության կոդավորման գործիքներ, 3%-ը բարձր է վստահում դրանց ճշգրտությանը - ShiftMag ): Ամենատարածված օգնականներն են ChatGPT-ն (օգտագործվում է հարցվածների մոտ 83%-ի կողմից) և GitHub Copilot-ը (~56%), ինչը ցույց է տալիս, որ ընդհանուր խոսակցական արհեստական ​​բանականությունը և IDE-ի հետ ինտեգրված օգնականները երկուսն էլ հիմնական խաղացողներ են: Մշակողները հիմնականում դիմում են այս գործիքներին՝ արտադրողականությունը բարձրացնելու համար (նշել է հարցվածների մոտ 33%-ը) և ուսուցումը արագացնելու համար (25%), մինչդեռ մոտ 25%-ը դրանք օգտագործում է կրկնվող աշխատանքը ավտոմատացնելու միջոցով ավելի արդյունավետ դառնալու համար:

Կարևոր է նշել, որ արհեստական ​​բանականության դերը ծրագրավորման մեջ բոլորովին նոր չէ. դրա տարրերը գոյություն ունեն տարիներ շարունակ (հաշվի առեք կոդի ավտոմատ լրացումը IDE-ներում կամ ավտոմատացված թեստավորման շրջանակներում): Սակայն վերջին երկու տարիները շրջադարձային կետ էին: Հզոր մեծ լեզվական մոդելների ի հայտ գալը (ինչպիսիք են OpenAI-ի GPT շարքը և DeepMind-ի AlphaCode-ը) զգալիորեն ընդլայնել է հնարավորը: Օրինակ, DeepMind-ի AlphaCode մրցակցային ծրագրավորման մրցույթում հանդես գալով ՝ գրավելով կոդավորման մարտահրավերների մոտ 54% վարկանիշ ՝ ըստ էության համապատասխանելով միջին մարդ մրցակցի հմտությանը ( DeepMind-ի AlphaCode-ը համապատասխանում է միջին ծրագրավորողի հմտությանը ): Սա առաջին անգամն էր, որ արհեստական ​​բանականության համակարգը մրցակցային ծրագրավորման մրցույթներում: Այնուամենայնիվ, նշանակալից է, որ նույնիսկ AlphaCode-ը, իր ողջ հմտությամբ, դեռևս հեռու էր լավագույն մարդ ծրագրավորողներին հաղթելուց: Այդ մրցույթներում AlphaCode-ը կարողացավ լուծել խնդիրների մոտ 30%-ը թույլատրելի փորձերի շրջանակներում, մինչդեռ լավագույն մարդ ծրագրավորողները մեկ փորձով լուծում են խնդիրների >90%-ը: Այս բացը ընդգծում է, որ չնայած արհեստական ​​բանականությունը կարող է մինչև որոշակի կետ լուծել հստակ սահմանված ալգորիթմական առաջադրանքներ, խորը դատողություն և հնարամտություն պահանջող ամենադժվար խնդիրները մնում են մարդկային ամրոց ։

Ամփոփելով՝ արհեստական ​​բանականությունը (AI) ամուր կերպով ներդրվել է մշակողների ամենօրյա գործիքակազմում։ Կոդ գրելուն օգնելուց մինչև տեղակայման օպտիմալացումը, այն ազդում է մշակման գործընթացի յուրաքանչյուր մասի վրա։ Այսօր հարաբերությունները մեծ մասամբ սիմբիոտիկ են. AI-ն գործում է որպես երկրորդ օդաչու (համապատասխան անվանումով), որը օգնում է մշակողներին ավելի արագ և ավելի քիչ հիասթափությամբ ծրագրավորել, այլ ոչ թե որպես անկախ ավտոօդաչու, որը կարող է միայնակ թռչել։ Հաջորդ բաժնում մենք կքննարկենք, թե ինչպես է AI գործիքների այս ներառումը փոխում մշակողների դերը և նրանց աշխատանքի բնույթը՝ դեպի լավը կամ վատը։

Ինչպես է արհեստական ​​բանականությունը փոխում մշակողների դերերը և արտադրողականությունը

Քանի որ արհեստական ​​բանականությունը կատարում է առօրյա աշխատանքի մեծ մասը, ծրագրային ապահովման մշակողի դերը իսկապես սկսում է զարգանալ: Շերտավոր կոդ գրելու կամ առօրյա սխալները վերծանելու վրա ժամերով ծախսելու փոխարեն, մշակողները կարող են այդ առաջադրանքները տեղափոխել իրենց արհեստական ​​բանականության օգնականների վրա: Սա մշակողի ուշադրությունը տեղափոխում է ավելի բարձր մակարդակի խնդիրների լուծման, ճարտարապետության և ծրագրային ապահովման ճարտարագիտության ստեղծագործական կողմերի վրա: Ըստ էության, արհեստական ​​բանականությունը լրացնում մշակողներին՝ թույլ տալով նրանց լինել ավելի արդյունավետ և հնարավոր է՝ ավելի նորարար: Բայց արդյո՞ք սա նշանակում է ծրագրավորման աշխատանքների նվազում, թե՞ պարզապես աշխատանքի այլ տեսակ: Եկեք ուսումնասիրենք դրա ազդեցությունը արտադրողականության և դերերի վրա.

Արդյունավետության բարձրացում. Մեծ մասամբ հաշվարկներով և վաղ ուսումնասիրություններով, արհեստական ​​բանականության կոդավորման գործիքները զգալիորեն բարձրացնում են մշակողների արտադրողականությունը: GitHub-ի հետազոտությունը ցույց է տվել, որ Copilot օգտագործող մշակողները կարողացել են առաջադրանքներն իրականացնել շատ ավելի արագ, քան նրանք, ովքեր չունեին արհեստական ​​բանականության օգնություն: Մեկ փորձի ժամանակ մշակողները Copilot-ի օգնությամբ կոդավորման առաջադրանքը լուծել են միջինը 55%-ով ավելի արագ ՝ մոտ 1 ժամ 11 րոպեում, 2 ժամ 41 րոպեի փոխարեն ( Հետազոտություն. GitHub Copilot-ի ազդեցության քանակականացումը մշակողների արտադրողականության և երջանկության վրա - The GitHub Blog ): Սա արագության զգալի աճ է: Խոսքը միայն արագության մասին չէ. մշակողները հայտնում են, որ արհեստական ​​բանականության օգնությունը օգնում է նվազեցնել հիասթափությունը և «հոսքի ընդհատումները»: Հարցումների համաձայն, մշակողների 88%-ը նշել է, որ այն իրենց ավելի արտադրողական է դարձրել և թույլ է տվել կենտրոնանալ ավելի բավարարող աշխատանքի վրա ( Մշակողների քանի՞ տոկոսն է ասել, որ github copilot-ը ստեղծում է ... ): Այս գործիքները օգնում են ծրագրավորողներին մնալ «գործընթացի գոտում»՝ ձանձրալի աշխատանքներ կատարելով, ինչը, իր հերթին, խնայում է մտավոր էներգիան ավելի բարդ խնդիրների համար: Արդյունքում, շատ մշակողներ կարծում են, որ կոդավորումն ավելի հաճելի է դարձել՝ ավելի քիչ ծանր աշխատանք և ավելի շատ ստեղծագործականություն:

Ամենօրյա աշխատանքի փոփոխություն. ծրագրավորողի առօրյա աշխատանքային հոսքը փոխվում է այս արտադրողականության աճի հետ մեկտեղ: «Զբաղված աշխատանքի» մեծ մասը՝ ստանդարտ գրելը, տարածված օրինաչափությունների կրկնությունը, շարահյուսության որոնումը, կարող է փոխանցվել արհեստական ​​բանականությանը: Օրինակ, տվյալների դասը ձեռքով գրելու փոխարեն՝ ստացողներով և սահմանողներով, մշակողը կարող է պարզապես հուշել արհեստական ​​բանականությանը ստեղծել այն: Ճիշտ API կանչը գտնելու համար փաստաթղթերը մանրակրկիտ ուսումնասիրելու փոխարեն, մշակողը կարող է արհեստական ​​բանականությանը հարցնել բնական լեզվով: Սա նշանակում է, որ մշակողները համեմատաբար ավելի քիչ ժամանակ են ծախսում մեխանիկական կոդավորման վրա և ավելի շատ ժամանակ՝ մարդկային դատողություն պահանջող առաջադրանքների վրա : Քանի որ արհեստական ​​բանականությունը ստանձնում է կոդի հեշտ 80%-ի գրությունը, մշակողի աշխատանքը տեղափոխվում է արհեստական ​​բանականության արդյունքի վերահսկման (կոդի առաջարկների վերանայում, դրանց փորձարկում) և այն բարդ 20%-ի խնդիրների լուծման վրա, որոնք արհեստական ​​բանականությունը չի կարողանում լուծել: Գործնականում, մշակողը կարող է իր օրը սկսել արհեստական ​​բանականության կողմից ստեղծված քաշող հարցումների տեսակավորմամբ կամ արհեստական ​​բանականության կողմից առաջարկված լուծումների մի շարք վերանայմամբ, այլ ոչ թե այդ բոլոր փոփոխությունները զրոյից գրելով:

Համագործակցություն և թիմային դինամիկա. Հետաքրքիր է, որ արհեստական ​​բանականությունը նույնպես ազդում է թիմային դինամիկայի վրա: Ավտոմատացված առօրյա առաջադրանքների դեպքում թիմերը կարող են ավելի շատ բան անել՝ ավելի քիչ կրտսեր ծրագրավորողների օգնությամբ, որոնք կկատարեն ծանր աշխատանք: Որոշ ընկերություններ հայտնում են, որ իրենց ավագ ինժեներները կարող են ավելի ինքնաբավ լինել՝ նրանք կարող են արագ նախատիպեր ստեղծել արհեստական ​​բանականության օգնությամբ՝ առանց կրտսեր մասնագետի նախնական նախագծերի կարիք ունենալու: Այնուամենայնիվ, սա նոր մարտահրավեր է առաջացնում՝ խորհրդատվություն և գիտելիքների փոխանակում: Կրտսեր մասնագետները պարզ առաջադրանքներ կատարելով սովորելու փոխարեն, նրանք կարող են ստիպված լինել սովորել, թե ինչպես արդյունավետորեն կառավարել արհեստական ​​բանականության արդյունքները: Թիմային համագործակցությունը կարող է տեղափոխվել այնպիսի գործողությունների, ինչպիսիք են արհեստական ​​բանականության հրահանգների համատեղ կատարելագործումը կամ արհեստական ​​բանականության կողմից ստեղծված կոդի վերանայումը՝ թերությունների հայտնաբերման համար: Դրական կողմից, երբ թիմի յուրաքանչյուր անդամ ունի արհեստական ​​բանականության օգնական, դա կարող է հավասարեցնել խաղադաշտը և ավելի շատ ժամանակ տալ դիզայնի քննարկումների, ստեղծագործական գաղափարների փոխանակման և բարդ օգտագործողի պահանջների լուծման համար, որոնք ոչ մի արհեստական ​​բանականություն ներկայումս չի հասկանում անմիջապես: Իրականում, GitHub-ի 2023 թվականի հարցման արդյունքների համաձայն, կբարելավեն թիմային համագործակցությունը Հարցումը բացահայտում է արհեստական ​​բանականության ազդեցությունը մշակողի փորձի վրա - The GitHub Blog ):

Ազդեցությունը աշխատանքային դերերի վրա. Հիմնական հարցն այն է, թե արդյոք արհեստական ​​բանականությունը կնվազեցնի ծրագրավորողների պահանջարկը (քանի որ յուրաքանչյուր ծրագրավորող այժմ ավելի արդյունավետ է), թե՞ պարզապես կփոխի պահանջվող հմտությունները: Այլ ավտոմատացման հետ կապված պատմական նախադեպը (ինչպիսիք են devops գործիքների կամ ավելի բարձր մակարդակի ծրագրավորման լեզուների ի հայտ գալը) ենթադրում է, որ մշակողների աշխատատեղերը ոչ թե վերանում են, այլ բարձրանում : Իրոք, ոլորտի վերլուծաբանները կանխատեսում են, ծրագրային ապահովման ինժեներիայի աշխատատեղերը կշարունակեն աճել , բայց այդ դերերի բնույթը կփոխվի: Gartner-ի վերջին զեկույցը կանխատեսում է, որ մինչև 2027 թվականը ծրագրային ապահովման ինժեներիայի կազմակերպությունների 50%-ը կընդունի արհեստական ​​բանականությամբ լրացված «ծրագրային ապահովման ինժեներիայի ինտելեկտի» հարթակներ՝ արտադրողականությունը բարձրացնելու համար , 2024 թվականի ընդամենը 5%-ի համեմատ ( Արդյո՞ք ապագա կա ծրագրային ապահովման ինժեներների համար: Արհեստական ​​բանականության ազդեցությունը [2024] ): Սա ցույց է տալիս, որ ընկերությունները լայնորեն կինտեգրեն արհեստական ​​բանականությունը, բայց դա ենթադրում է, որ մշակողները կաշխատեն հետ : Նմանապես, McKinsey խորհրդատվական ընկերությունը կանխատեսում է, որ չնայած արհեստական ​​բանականությունը կարող է ավտոմատացնել բազմաթիվ առաջադրանքներ, ծրագրավորման աշխատատեղերի մոտ 80%-ը դեռևս կպահանջի մարդու մասնակցություն ցիկլում և կմնա «մարդկակենտրոն» : Այլ կերպ ասած, մեզ դեռ մարդիկ կպահանջվեն մշակողների պաշտոնների մեծ մասի համար, սակայն պաշտոնների նկարագրությունները կարող են փոխվել։

«Արհեստական ​​​​ինտելեկտի ծրագրային ապահովման ինժեներ» կամ «Արագ ինժեներ» դերերի ի հայտ գալն է ՝ մշակողներ, որոնք մասնագիտանում են Արհեստական ​​​​ինտելեկտի բաղադրիչների կառուցման կամ կազմակերպման մեջ: Մենք արդեն տեսնում ենք Արհեստական ​​​​ինտելեկտի/մեքենայական ուսուցման փորձ ունեցող մշակողների պահանջարկի կտրուկ աճ: Indeed-ի վերլուծության համաձայն, Արհեստական ​​​​ինտելեկտի հետ կապված երեք ամենապահանջված աշխատատեղերն են՝ տվյալների գիտնական, ծրագրային ապահովման ինժեներ և մեքենայական ուսուցման ինժեներ , և այս դերերի պահանջարկը վերջին երեք տարիների ընթացքում կրկնապատկվել է ( Արդյո՞ք ապագա կա ծրագրային ապահովման ինժեներների համար: Արհեստական ​​​​ինտելեկտի ազդեցությունը [2024] ): Ավանդական ծրագրային ապահովման ինժեներներից ավելի ու ավելի շատ է սպասվում հասկանալ մեքենայական ուսուցման հիմունքները կամ ինտեգրել Արհեստական ​​​​ինտելեկտի ծառայությունները կիրառությունների մեջ: Մշակողներին ավելորդ չդարձնելուց զատ, «Արհեստական ​​​​ինտելեկտը կարող է բարձրացնել մասնագիտությունը՝ թույլ տալով մշակողներին կենտրոնանալ ավելի բարձր մակարդակի առաջադրանքների և նորարարության վրա» ( Արդյո՞ք Արհեստական ​​​​ինտելեկտը փոխարինելու է մշակողներին 2025 թվականին. հայացք դեպի ապագա ): Շատ սովորական կոդավորման առաջադրանքներ կարող են կատարվել Արհեստական ​​​​ինտելեկտի կողմից, բայց մշակողները ավելի շատ կզբաղվեն համակարգի նախագծմամբ, մոդուլների ինտեգրմամբ, որակի ապահովմամբ և նոր խնդիրների լուծմամբ: Արհեստական ​​​​ինտելեկտով առաջատար մի ընկերության ավագ ինժեներ լավ ամփոփեց. Արհեստական ​​​​ինտելեկտը չի փոխարինում մեր մշակողներին, այն ուժեղացնում է դրանք: Մեկ մշակողը, որը զինված է հզոր արհեստական ​​բանականության գործիքներով, կարող է կատարել մի քանիսի աշխատանքը, բայց այդ մշակողն այժմ ստանձնում է ավելի բարդ և ազդեցիկ աշխատանք։

Իրական աշխարհի օրինակ. Դիտարկենք ծրագրային ապահովման մի ընկերության սցենարը, որը ինտեգրել է GitHub Copilot-ը իր բոլոր մշակողների համար: Անմիջական արդյունքը միավորային թեստեր և ստանդարտ կոդ գրելու վրա ծախսվող ժամանակի զգալի կրճատումն էր: Մի կրտսեր մշակող պարզեց, որ Copilot-ի միջոցով նա կարող է արագ ստեղծել նոր գործառույթի կոդի 80%-ը, այնուհետև իր ժամանակը ծախսել մնացած 20%-ը հարմարեցնելու և ինտեգրացիոն թեստեր գրելու վրա: Նրա կոդի ելքային արտադրողականությունը գրեթե կրկնապատկվեց, բայց ավելի հետաքրքիր է, որ նրա ներդրման բնույթը փոխվեց. նա դարձավ ավելի շատ կոդի վերանայող և թեստերի նախագծող արհեստական ​​բանականության կողմից գրված կոդի համար: Թիմը նաև նկատեց, որ կոդի վերանայումները սկսեցին հայտնաբերել արհեստական ​​բանականության սխալները , այլ ոչ թե մարդկային վրիպակները: Օրինակ, Copilot-ը երբեմն առաջարկում էր անապահով կոդավորման իրականացում. մարդ մշակողները պետք է նկատեին և ուղղեին դրանք: Այս տեսակի օրինակը ցույց է տալիս, որ ելքային տվյալների ավելացմանը զուգընթաց մարդկային վերահսկողությունը և փորձագիտությունը դարձան ավելի կարևոր աշխատանքային հոսքում:

Ամփոփելով՝ արհեստական ​​բանականությունը անկասկած փոխում է մշակողների աշխատանքի ձևը՝ դարձնելով նրանց ավելի արագ և թույլ տալով լուծել ավելի հավակնոտ խնդիրներ, բայց նաև պահանջելով նրանց կատարելագործել հմտությունները (ինչպես արհեստական ​​բանականության օգտագործման, այնպես էլ ավելի բարձր մակարդակի մտածողության մեջ): Սա ոչ թե «արհեստական ​​բանականության կողմից աշխատատեղերի խլման» պատմություն է, այլ ավելի շատ «արհեստական ​​բանականության կողմից աշխատատեղերի փոփոխման» պատմություն: Այս գործիքներն արդյունավետորեն օգտագործել սովորող մշակողները կարող են բազմապատկել դրանց ազդեցությունը. հաճախ լսվող կլիշեն հետևյալն է. «Արհեստական ​​բանականությունը չի փոխարինի մշակողներին, բայց արհեստական ​​բանականություն օգտագործող մշակողները կարող են փոխարինել նրանց, ովքեր չեն օգտագործում»: Հաջորդ բաժիններում կուսումնասիրվի, թե ինչու են մարդ մշակողները դեռևս կարևոր (ինչը արհեստական ​​բանականությունը չի կարող լավ անել) և ինչպես կարող են մշակողները հարմարեցնել իրենց հմտությունները՝ արհեստական ​​բանականության հետ մեկտեղ զարգանալու համար:

Արհեստական ​​բանականության սահմանափակումները (ինչու են մարդիկ մնում կենսական)

Իր տպավորիչ հնարավորություններին չնայած, այսօրվա արհեստական ​​բանականությունն ունի հստակ սահմանափակումներ , որոնք թույլ չեն տալիս նրան մարդ ծրագրավորողներին հնացած դարձնել: Այս սահմանափակումների հասկացողությունը կարևոր է՝ հասկանալու համար, թե ինչու են ծրագրավորողները դեռևս այդքան անհրաժեշտ մշակման գործընթացում: Արհեստական ​​բանականությունը հզոր գործիք է, բայց այն կախարդական փամփուշտ չէ, որը կարող է փոխարինել մարդ մշակողի ստեղծագործականությունը, քննադատական ​​մտածողությունը և համատեքստային ըմբռնումը: Ահա ծրագրավորման մեջ արհեստական ​​բանականության որոշ հիմնարար թերություններ և մարդ մշակողների համապատասխան ուժեղ կողմերը.

• Իրական հասկացողության և ստեղծագործականության պակաս. Արհեստական ​​բանականության ներկայիս մոդելները իրականում չեն հասկանում կոդը կամ խնդիրները այնպես, ինչպես մարդիկ. նրանք ճանաչում են օրինաչափությունները և վերարտադրում են հավանական արդյունքները՝ հիմնվելով վերապատրաստման տվյալների վրա: Սա նշանակում է, որ Արհեստական ​​բանականությունը կարող է դժվարություններ ունենալ այնպիսի առաջադրանքների հետ, որոնք պահանջում են ինքնատիպ, ստեղծագործական լուծումներ կամ նոր խնդիրների ոլորտների խորը ըմբռնում: Արհեստական ​​բանականությունը կարող է կարողանալ ստեղծել կոդ՝ նախկինում տեսած իր սպեցիֆիկացիային համապատասխան, բայց խնդրել նրան մշակել նոր ալգորիթմ աննախադեպ խնդրի համար կամ մեկնաբանել երկիմաստ պահանջ, և այն, հավանաբար, կձախողվի: Ինչպես նշել է մի դիտորդ, այսօրվա Արհեստական ​​բանականությունը «բացակայում է ստեղծագործական և քննադատական ​​մտածողության այն կարողություններից, որոնք բերում են մարդկային մշակողները» ( Արդյո՞ք Արհեստական ​​բանականությունը պատրաստվում է փոխարինել մշակողներին 2025 թվականին. հայացք դեպի ապագան ): Մարդիկ գերազանցում են ստանդարտից դուրս մտածելու մեջ՝ համատեղելով ոլորտի գիտելիքները, ինտուիցիան և ստեղծագործականությունը՝ ծրագրային ճարտարապետություններ նախագծելու կամ բարդ խնդիրներ լուծելու համար: Ի տարբերություն դրա, Արհեստական ​​բանականությունը սահմանափակված է իր սովորած օրինաչափություններով. եթե խնդիրը լավ չի համապատասխանում այդ օրինաչափություններին, Արհեստական ​​բանականությունը կարող է ստեղծել սխալ կամ անհեթեթ կոդ (հաճախ վստահորեն): նորարարությունը ՝ նոր գործառույթների, օգտագործողի նոր փորձի կամ նորարարական տեխնիկական մոտեցումների ստեղծումը, մնում է մարդկային գործունեության արդյունք։

• Համատեքստի և ընդհանուր պատկերի ըմբռնում. Ծրագրային ապահովման ստեղծումը պարզապես կոդի տողեր գրելը չէ: Այն ներառում է ինչու »-ի՝ բիզնեսի պահանջների, օգտատիրոջ կարիքների և այն համատեքստի ըմբռնումը, որում ծրագիրը գործում է: Արհեստական ​​բանականությունն ունի համատեքստի շատ նեղ պատուհան (սովորաբար սահմանափակվում է միաժամանակ տրամադրվող մուտքային տվյալներով): Այն իսկապես չի հասկանում համակարգի գերակա նպատակը կամ թե ինչպես է մեկ մոդուլը փոխազդում մյուսի հետ՝ կոդում հստակորեն նշվածից դուրս: Արդյունքում, Արհեստական ​​բանականությունը կարող է ստեղծել կոդ, որը տեխնիկապես աշխատում է փոքր առաջադրանքի համար, բայց լավ չի տեղավորվում ավելի մեծ համակարգի ճարտարապետության մեջ կամ խախտում է որոշ անուղղակի պահանջներ: Մարդկային մշակողներ են անհրաժեշտ՝ ապահովելու համար, որ ծրագիրը համապատասխանի բիզնեսի նպատակներին և օգտատիրոջ սպասումներին: Բարդ համակարգերի նախագծում . հասկանալ, թե ինչպես կարող է մեկ մասի փոփոխությունը ազդել մյուսների վրա, ինչպես հավասարակշռել փոխզիջումները (օրինակ՝ կատարողականությունն ընդդեմ ընթեռնելիության) և ինչպես պլանավորել կոդի բազայի երկարաժամկետ զարգացումը, այն է, ինչ Արհեստական ​​բանականությունն այսօր չի կարող անել: Հազարավոր բաղադրիչներով խոշորածավալ նախագծերում Արհեստական ​​բանականությունը «տեսնում է ծառերը, բայց ոչ անտառը»: Ինչպես նշվել է մեկ վերլուծության մեջ, «արհեստական ​​բանականությունը դժվարանում է հասկանալ լայնածավալ ծրագրային նախագծերի ամբողջական համատեքստը և բարդությունները», ներառյալ բիզնես պահանջները և օգտագործողի փորձի նկատառումները ( Արդյո՞ք արհեստական ​​բանականությունը փոխարինելու է մշակողներին 2025 թվականին. հայացք դեպի ապագան ): Մարդիկ պահպանում են լայնածավալ տեսլականը:

• Առողջ բանականություն և երկիմաստության լուծում. իրական նախագծերի պահանջները հաճախ անորոշ են կամ փոփոխվող: Մարդ-մշակողը կարող է պարզաբանումներ փնտրել, ողջամիտ ենթադրություններ անել կամ մերժել անիրատեսական հարցումները: Արհեստական ​​բանականությունը չունի առողջ բանականություն կամ պարզաբանող հարցեր տալու ունակություն (եթե այն հստակորեն չի կրկնվում հուշման մեջ, և նույնիսկ այդ դեպքում այն ​​երաշխիք չունի, որ այն ճիշտ կստացվի): Ահա թե ինչու արհեստական ​​բանականության կողմից ստեղծված կոդը երբեմն կարող է տեխնիկապես ճիշտ լինել, բայց ֆունկցիոնալ առումով՝ ոչ ճիշտ. այն չունի դատողություն ՝ հասկանալու համար, թե իրականում ինչ է մտադրել օգտատերը, եթե հրահանգները անհասկանալի են: Ի տարբերություն դրա, մարդ-ծրագրավորողը կարող է մեկնաբանել բարձր մակարդակի հարցումը («դարձնել այս ինտերֆեյսն ավելի ինտուիտիվ» կամ «հավելվածը պետք է նրբանկատորեն մշակի անկանոն մուտքագրումները») և պարզել, թե ինչ է պետք անել կոդում: Արհեստական ​​բանականությունը կարիք կունենա չափազանց մանրամասն, միանշանակ տեխնիկական բնութագրերի՝ մշակողին իսկապես փոխարինելու համար, և նույնիսկ նման տեխնիկական բնութագրերի արդյունավետ գրելը նույնքան դժվար է, որքան կոդը գրելը: Ինչպես տեղին նշվեց Forbes Tech Council-ի հոդվածում, որպեսզի արհեստական ​​բանականությունը իրականում փոխարինի մշակողներին, այն պետք է հասկանա անհասկանալի հրահանգները և հարմարվի մարդու պես ՝ այնպիսի բանականության մակարդակ, որը ներկայիս արհեստական ​​բանականությունը չունի ( Սերգեյ Կուզինի գրառումը - LinkedIn ):

• Հուսալիություն և «հալյուցինացիաներ». Այսօրվա գեներատիվ արհեստական ​​բանականության մոդելներն ունեն հայտնի թերություն. դրանք կարող են առաջացնել սխալ կամ լիովին կեղծված արդյունքներ, մի երևույթ, որը հաճախ անվանում են հալյուցինացիա : Կոդավորման մեջ սա կարող է նշանակել, որ արհեստական ​​բանականությունը գրում է կոդ, որը թվում է հավանական, բայց տրամաբանորեն սխալ կամ անապահով է: Մշակողները չեն կարող կուրորեն վստահել արհեստական ​​բանականության առաջարկներին: Գործնականում արհեստական ​​բանականության կողմից գրված յուրաքանչյուր կոդ պահանջում է մարդու կողմից ուշադիր վերանայում և փորձարկում : Stack Overflow հարցման տվյալները արտացոլում են սա. արհեստական ​​բանականության գործիքներ օգտագործողներից միայն արհեստական ​​բանականության արդյունքի ճշգրտությանը չի անվստահում դրան ( մշակողների 70%-ը օգտագործում է արհեստական ​​բանականության կոդավորման գործիքներ, 3%-ը բարձր վստահում է դրանց ճշգրտությանը - ShiftMag ): Մշակողների մեծամասնությունը արհեստական ​​բանականության առաջարկները համարում է օգտակար հուշումներ, այլ ոչ թե ավետարան: Այս ցածր վստահությունը արդարացված է, քանի որ արհեստական ​​բանականությունը կարող է թույլ տալ տարօրինակ սխալներ, որոնք ոչ մի կոմպետենտ մարդ չէր անի (օրինակ՝ պատահական սխալներ, հնացած ֆունկցիաների օգտագործում կամ անարդյունավետ լուծումների ստեղծում), քանի որ այն իրականում չի մտածում խնդրի մասին: Ինչպես մի ֆորումի մեկնաբանությունում հեգնանքով նշվեց. «Նրանք (արհեստական ​​բանականությունը) շատ են հալյուցինացիաներ ունենում և տարօրինակ դիզայնի ընտրություններ են անում, որոնք մարդը երբեք չէր անի» ( Արդյո՞ք ծրագրավորողները կդառնան հնացած արհեստական ​​բանականության պատճառով - Կարիերայի խորհուրդներ ): Մարդկային վերահսկողությունը կարևոր է այս սխալները հայտնաբերելու համար: Արհեստական ​​բանականությունը կարող է արագորեն ձեզ տրամադրել որևէ գործառույթի 90%-ը, բայց եթե մնացած 10%-ը ունի աննշան սխալ, այն ախտորոշելը և շտկելը դեռևս մարդ մշակողի վրա է ընկնում: Եվ երբ արտադրության մեջ ինչ-որ բան սխալ է գնում, մարդ ինժեներներն են, ովքեր պետք է շտկեն այն. արհեստական ​​բանականությունը դեռևս չի կարող պատասխանատվություն կրել իր սխալների համար:

• Կոդային բազաների պահպանում և զարգացում. Ծրագրային ապահովման նախագծերը գոյատևում և զարգանում են տարիների ընթացքում: Դրանք պահանջում են հետևողական ոճ, պարզություն ապագա սպասարկողների համար և թարմացումներ՝ պահանջների փոփոխությանը զուգընթաց: Այսօր արհեստական ​​բանականությունը (սահմանափակ հուշումներից դուրս) հիշողություն չունի անցյալի որոշումների մասին, ուստի այն կարող է չպահպանել կոդի հետևողականությունը մեծ նախագծի ընթացքում, եթե չուղղորդվի: Մարդ մշակողները ապահովում են կոդի պահպանողականությունը՝ գրելով հստակ փաստաթղթեր, ընտրելով ընթեռնելի լուծումներ խելացի, բայց անհասկանալի լուծումների փոխարեն և վերակառուցելով կոդը՝ անհրաժեշտության դեպքում, երբ ճարտարապետությունը զարգանում է: Արհեստական ​​բանականությունը կարող է օգնել այս առաջադրանքներում (օրինակ՝ վերակառուցումներ առաջարկել), բայց որոշելը, թե ինչը վերակառուցել կամ որ մասերը պետք է վերանախագծել, մարդկային դատողության հարց է: Ավելին, բաղադրիչներ ինտեգրելիս նոր գործառույթի ազդեցությունը գոյություն ունեցող մոդուլների վրա հասկանալը (հետադարձ համատեղելիության ապահովումը և այլն) մարդկանց գործն է: Արհեստական ​​բանականության կողմից ստեղծված կոդը պետք է ինտեգրվի և ներդաշնակեցվի մարդկանց կողմից: Որպես փորձ, որոշ մշակողներ փորձել են թույլ տալ ChatGPT-ին կառուցել ամբողջական փոքր հավելվածներ. արդյունքը սկզբում հաճախ աշխատում է, բայց շատ դժվար է դառնում պահպանել կամ ընդլայնել, քանի որ արհեստական ​​բանականությունը հետևողականորեն չի կիրառում մտածված ճարտարապետություն՝ այն կայացնում է տեղական որոշումներ, որոնցից կխուսափեր մարդ ճարտարապետը:

• Էթիկական և անվտանգության նկատառումներ. Քանի որ արհեստական ​​բանականությունը գրում է ավելի շատ կոդ, այն նաև բարձրացնում է կողմնակալության, անվտանգության և էթիկայի հարցեր: Արհեստական ​​բանականությունը կարող է անզգուշորեն ներմուծել անվտանգության խոցելիություններ (օրինակ՝ պատշաճ կերպով չախտահանելով մուտքային տվյալները կամ օգտագործելով անապահով կրիպտոգրաֆիկ մեթոդներ), որոնք կբռներ փորձառու մարդ-մշակողը: Բացի այդ, արհեստական ​​բանականությունը չունի էթիկայի ներքին զգացում կամ արդարության նկատմամբ մտահոգություն. այն կարող է, օրինակ, մարզվել կողմնակալ տվյալների վրա և առաջարկել ալգորիթմներ, որոնք անզգուշորեն խտրականություն են դրսևորում (արհեստական ​​բանականության կողմից ղեկավարվող գործառույթում, ինչպիսիք են վարկի հաստատման կոդը կամ վարձման ալգորիթմը): Մարդ-մշակողներն անհրաժեշտ են արհեստական ​​բանականության արդյունքները այս խնդիրների համար աուդիտի ենթարկելու, կանոնակարգերին համապատասխանություն ապահովելու և ծրագրային ապահովումը էթիկական նկատառումներով հարստացնելու համար: Ծրագրային ապահովման սոցիալական ասպեկտը «չի կարող անտեսվել: Մշակման այս մարդակենտրոն ասպեկտները արհեստական ​​բանականության հասանելիությունից դուրս են, գոնե կանխատեսելի ապագայում»: ( Արդյո՞ք արհեստական ​​բանականությունը փոխարինելու է մշակողներին 2025 թվականին. հայացք դեպի ապագա ): Մշակողները պետք է ծառայեն որպես արհեստական ​​բանականության ներդրումների խիղճ և որակի դարպաս:

Այս սահմանափակումների լույսի ներքո, ներկայիս կոնսենսուսն այն է, որ արհեստական ​​բանականությունը գործիք է, այլ ոչ թե փոխարինող : Ինչպես ասել է Սաթյա Նադելան, խոսքը լիազորելու , այլ ոչ թե նրանց փոխարինելու մասին է ( Կփոխարինի՞ արհեստական ​​բանականությունը ծրագրավորողներին: Ճշմարտությունը աղմուկի հետևում | հեղինակ՝ The PyCoach | Artificial Corner | Մարտ, 2025 | Medium ): Արհեստական ​​բանականությունը կարելի է դիտարկել որպես կրտսեր օգնական. այն արագ է, անխոնջ և կարող է առաջինը կատարել բազմաթիվ առաջադրանքներ, բայց այն կարիք ունի ավագ մշակողի առաջնորդության և փորձի՝ հղկված վերջնական արդյունք ստանալու համար: Հատկանշական է, որ նույնիսկ ամենաառաջադեմ արհեստական ​​բանականության կոդավորման համակարգերը կիրառվում են որպես օգնականներ իրական աշխարհում օգտագործման մեջ (Copilot, CodeWhisperer և այլն), այլ ոչ թե որպես ինքնավար կոդավորողներ: Ընկերությունները չեն ազատում իրենց ծրագրավորման թիմերին և թույլ չեն տալիս, որ արհեստական ​​բանականությունը անգործունյա լինի. փոխարենը, նրանք արհեստական ​​բանականությունը ներդնում են մշակողների աշխատանքային հոսքերի մեջ՝ նրանց օգնելու համար:

Մի օրինակելի մեջբերում է OpenAI-ի Սեմ Ալտմանը, ով նշել է, որ նույնիսկ արհեստական ​​բանականության գործակալների կատարելագործմանը զուգընթաց, «այս արհեստական ​​բանականության գործակալները չեն կարող ամբողջությամբ փոխարինել մարդկանց» ծրագրային ապահովման մշակման գործում ( Սեմ Ալտմանն ասում է, որ արհեստական ​​բանականության գործակալները շուտով կկատարեն այն առաջադրանքները, որոնք կատարում են ծրագրային ապահովման ինժեներները. Ամբողջական պատմությունը 5 կետում՝ India Today ): Նրանք կգործեն որպես «վիրտուալ գործընկերներ» , որոնք կկատարեն մարդ ինժեներների համար հստակ սահմանված առաջադրանքներ, հատկապես այն առաջադրանքները, որոնք բնորոշ են ցածր մակարդակի ծրագրային ապահովման ինժեներին, որն ունի մի քանի տարվա փորձ: Այլ կերպ ասած, արհեստական ​​բանականությունը կարող է որոշ ոլորտներում կատարել կրտսեր մշակողի աշխատանքը, բայց այդ կրտսեր մշակողը չի դառնա գործազուրկ. նրանք կվերածվեն արհեստական ​​բանականությանը վերահսկելու և այն բարձր մակարդակի առաջադրանքները լուծելու դերի, որոնք արհեստական ​​բանականությունը չի կարող կատարել: Նույնիսկ ապագային նայելով, որտեղ որոշ հետազոտողներ կանխատեսում են, որ մինչև 2040 թվականը արհեստական ​​բանականությունը կարող է գրել իր սեփական կոդի մեծ մասը ( Արդյո՞ք ապագա կա ծրագրային ապահովման ինժեներների համար: Արհեստական ​​բանականության ազդեցությունը [2024] ), ընդհանուր առմամբ համաձայն է, որ մարդ ծրագրավորողները դեռևս անհրաժեշտ կլինեն վերահսկելու, ուղղորդելու և ապահովելու ստեղծագործական կայծը և քննադատական ​​մտածողությունը, որը բացակայում է մեքենաներում :

Նաև հարկ է նշել, որ ծրագրային ապահովման մշակումը ավելին է, քան պարզապես կոդավորումը ։ Այն ներառում է շահագրգիռ կողմերի հետ շփում, օգտատերերի պատմությունների ըմբռնում, թիմերում համագործակցություն և իտերատիվ դիզայն՝ բոլոր այն ոլորտները, որտեղ մարդկային հմտությունները անփոխարինելի են։ Արհեստական ​​բանականությունը չի կարող նստել հաճախորդի հետ հանդիպման՝ պարզաբանելու, թե ինչ է նա իրականում ուզում, ոչ էլ կարող է բանակցել առաջնահերթությունների շուրջ կամ ոգեշնչել թիմին՝ արտադրանքի տեսլականով։ Մարդկային գործոնը մնում է կենտրոնական։

Ամփոփելով՝ արհեստական ​​բանականությունն ունի կարևոր թույլ կողմեր՝ իրական ստեղծագործականության բացակայություն, համատեքստի սահմանափակ ըմբռնում, սխալների հակում, պատասխանատվության բացակայություն և ծրագրային որոշումների ավելի լայն հետևանքների ըմբռնում: Այս բացթողումներն են հենց այն, որտեղ փայլում են մարդ մշակողները: Արհեստական ​​բանականությունը որպես սպառնալիք դիտարկելու փոխարեն, ավելի ճիշտ կլինի այն դիտարկել որպես մարդ մշակողների հզոր ուժեղացուցիչ ՝ լուծելով առօրյա խնդիրները, որպեսզի մարդիկ կարողանան կենտրոնանալ խորքայինի վրա: Հաջորդ բաժնում կքննարկվի, թե ինչպես կարող են մշակողները օգտագործել այս ուժեղացուցիչը՝ հարմարեցնելով իրենց հմտություններն ու դերերը՝ արհեստական ​​բանականությամբ լրացված մշակման աշխարհում արդիական և արժեքավոր մնալու համար:

Հարմարվելը և բարգավաճումը արհեստական ​​բանականության դարաշրջանում

Ծրագրավորողների և մշակողների համար արհեստական ​​բանականության (ԱԲ) աճը կոդավորման մեջ պարտադիր չէ, որ լուրջ սպառնալիք լինի. այն կարող է հնարավորություն լինել։ Հիմնականը հարմարվելն ու զարգանալն ավելի կդառնան , մինչդեռ նրանք, ովքեր անտեսում են այն, կարող են պարզել, որ հետ են մնացել։ Այս բաժնում մենք կենտրոնանում ենք մշակողների համար գործնական քայլերի և ռազմավարությունների վրա՝ արդիական մնալու և զարգանալու համար, քանի որ ԱԲ գործիքները դառնում են առօրյա զարգացման մաս։ Պետք է ընդունել անընդհատ ուսուցման և ԱԲ-ի հետ համագործակցության մտածելակերպ, այլ ոչ թե մրցակցության։ Ահա, թե ինչպես կարող են մշակողները հարմարվել և ինչ նոր հմտություններ ու դերեր պետք է դիտարկեն.

1. Ընդունեք արհեստական ​​բանականությունը որպես գործիք (սովորեք արդյունավետորեն օգտագործել արհեստական ​​բանականության կոդավորման օգնականները). Նախևառաջ, մշակողները պետք է հարմարվեն առկա արհեստական ​​բանականության գործիքներին: Վերաբերվեք Copilot-ին, ChatGPT-ին կամ այլ կոդավորման արհեստական ​​բանականություններին որպես ձեր նոր զույգ ծրագրավորման գործընկերների: Սա նշանակում է սովորել, թե ինչպես գրել լավ հուշումներ կամ մեկնաբանություններ ՝ օգտակար կոդի առաջարկներ ստանալու համար, և իմանալ, թե ինչպես արագորեն վավերացնել կամ վրիպազերծել արհեստական ​​բանականության կողմից ստեղծված կոդը: Ճիշտ այնպես, ինչպես մշակողը պետք է սովորեր իր IDE-ն կամ տարբերակի կառավարումը, արհեստական ​​բանականության օգնականի առանձնահատկությունները սովորելը դառնում է հմտությունների մի մասը: Օրինակ, մշակողը կարող է պրակտիկա անցնել՝ վերցնելով իր գրած կոդի մի մասը և խնդրելով արհեստական ​​բանականությանը բարելավել այն, այնուհետև վերլուծելով փոփոխությունները: Կամ, առաջադրանքը սկսելիս, ուրվագծեք այն մեկնաբանություններում և տեսեք, թե ինչ է ապահովում արհեստական ​​բանականությունը, այնուհետև այդտեղից կատարելագործեք: Ժամանակի ընթացքում դուք կզարգացնեք ինտուիցիա այն մասին, թե ինչում է արհեստական ​​բանականությունը լավ և ինչպես համատեղ ստեղծել դրա հետ: Մտածեք դրա մասին որպես «արհեստական ​​բանականության աջակցությամբ մշակում» ՝ նոր հմտություն, որը կարող եք ավելացնել ձեր գործիքակազմին: Իրոք, մշակողները այժմ «արագ ինժեներիայի» մասին խոսում են որպես հմտություն՝ իմանալ, թե ինչպես արհեստական ​​բանականությանը տալ ճիշտ հարցեր: Նրանք, ովքեր տիրապետում են դրան, կարող են զգալիորեն ավելի լավ արդյունքների հասնել նույն գործիքների միջոցով: Հիշե՛ք, որ «արհեստական ​​բանականություն օգտագործող մշակողները կարող են փոխարինել նրանց, ովքեր չեն օգտագործում» , ուստի ընդունեք տեխնոլոգիան և դարձրեք այն ձեր դաշնակիցը:

2. Կենտրոնացեք բարձր մակարդակի հմտությունների վրա (խնդիրների լուծում, համակարգի նախագծում, ճարտարապետություն). Քանի որ արհեստական ​​բանականությունը կարող է ավելի շատ ցածր մակարդակի կոդավորում կատարել, մշակողները պետք է բարձրանան աբստրակցիայի սանդուղքով : Սա նշանակում է ավելի շատ շեշտադրում կատարել համակարգի նախագծման և ճարտարապետության հասկացման վրա: Զարգացրեք բարդ խնդիրներ լուծելու, մասշտաբային համակարգեր նախագծելու և ճարտարապետական ​​որոշումներ կայացնելու հմտություններ՝ ոլորտներ, որտեղ մարդկային ներհայացքը կարևոր է: Կենտրոնացեք լուծման «ինչու»-ի և «ինչու»-ի վրա, այլ ոչ թե միայն «ինչ»-ի վրա: Օրինակ, ձեր ամբողջ ժամանակը տեսակավորման ֆունկցիան կատարելագործելու վրա ծախսելու փոխարեն (երբ արհեստական ​​բանականությունը կարող է մեկը գրել ձեզ համար), ժամանակ ծախսեք հասկանալու վրա, թե որ տեսակավորման մոտեցումն է օպտիմալ ձեր ծրագրի համատեքստի համար և ինչպես է այն տեղավորվում ձեր համակարգի տվյալների հոսքի մեջ: Դիզայն մտածողությունը ՝ հաշվի առնելով օգտագործողի կարիքները, տվյալների հոսքերը և բաղադրիչների փոխազդեցությունները, բարձր կգնահատվի: Արհեստական ​​բանականությունը կարող է կոդ ստեղծել, բայց մշակողն է որոշում ծրագրի ընդհանուր կառուցվածքը և ապահովում է, որ բոլոր մասերը ներդաշնակորեն աշխատեն: Սրելով ձեր ընդհանուր պատկերի մտածողությունը՝ դուք ձեզ անփոխարինելի եք դարձնում որպես այն անձը, որը առաջնորդում է արհեստական ​​բանականությանը (և թիմի մնացած մասին) ճիշտ բանը կառուցելու գործում: Ինչպես նշվում է ապագային ուղղված մի զեկույցում, մշակողները պետք է «կենտրոնանան այն ոլորտների վրա, որտեղ մարդկային ներուժը անփոխարինելի է, ինչպիսիք են խնդիրների լուծումը, դիզայնի մտածողությունը և օգտագործողի կարիքների ըմբռնումը» ( Is AI Going Replace Developers in 2025: A Sneak Peek to the Future ):

3. Բարելավեք ձեր արհեստական ​​բանականության և մեքենայական ուսուցման գիտելիքները. արհեստական ​​բանականության հետ մեկտեղ աշխատելու համար օգտակար է հասկանալ արհեստական ​​բանականությունը : Մշակողները պարտադիր չէ, որ բոլորը դառնան մեքենայական ուսուցման հետազոտողներ, բայց օգտակար կլինի լավ հասկանալ, թե ինչպես են այդ մոդելները գործում: Սովորեք մեքենայական ուսուցման և խորը ուսուցման հիմունքները. սա ոչ միայն կարող է բացել նոր կարիերայի ուղիներ (քանի որ արհեստական ​​բանականության հետ կապված աշխատատեղերը ծաղկում են ապրում ( Արդյո՞ք ապագա կա ծրագրային ապահովման ինժեներների համար: Արհեստական ​​բանականության ազդեցությունը [2024] )), այլև կօգնի ձեզ ավելի արդյունավետ օգտագործել արհեստական ​​բանականության գործիքները: Եթե, օրինակ, գիտեք մեծ լեզվական մոդելի սահմանափակումները և թե ինչպես է այն մարզվել, կարող եք կանխատեսել, թե երբ այն կարող է ձախողվել և համապատասխանաբար մշակել ձեր հուշումները կամ թեստերը: Բացի այդ, շատ ծրագրային արտադրանքներ այժմ ներառում են արհեստական ​​բանականության գործառույթներ (օրինակ՝ առաջարկությունների շարժիչով հավելված կամ չաթբոտ): Որոշակի մեքենայական ուսուցման գիտելիքներ ունեցող ծրագրային ապահովման մշակողը կարող է նպաստել այդ գործառույթներին կամ գոնե ինտելեկտուալ համագործակցել տվյալների գիտնականների հետ: Սովորելու համար դիտարկվող հիմնական ոլորտներն են՝ տվյալների գիտության հիմունքները , տվյալների նախնական մշակման եղանակը, ուսուցումն ընդդեմ եզրակացության և արհեստական ​​բանականության էթիկան: Ծանոթացեք արհեստական ​​բանականության շրջանակներին (TensorFlow, PyTorch) և ամպային արհեստական ​​բանականության ծառայություններին. նույնիսկ եթե դուք մոդելներ չեք կառուցում զրոյից, արհեստական ​​բանականության API-ը հավելվածի մեջ ինտեգրելու եղանակը իմանալը արժեքավոր հմտություն է: Ամփոփելով՝ «արհեստական ​​բանականության գրագետ» դառնալը արագորեն դառնում է նույնքան կարևոր, որքան վեբ կամ տվյալների բազայի տեխնոլոգիաների գրագետ լինելը: Այն մշակողները, ովքեր կարող են հաղթահարել ավանդական ծրագրային ապահովման ճարտարագիտության և արհեստական ​​բանականության աշխարհները, կլինեն առաջատար դիրքում՝ ապագա նախագծերը ղեկավարելու համար:

4. Զարգացրեք ավելի ուժեղ փափուկ հմտություններ և ոլորտի գիտելիքներ. Քանի որ արհեստական ​​բանականությունը ստանձնում է մեխանիկական առաջադրանքներ, մարդկային եզակի հմտությունները դառնում են ավելի կարևոր: Հաղորդակցությունը, թիմային աշխատանքը և ոլորտի փորձագիտությունը այն ոլորտներն են, որոնց վրա պետք է կրկնապատկել ուշադրությունը: Ծրագրային ապահովման մշակումը հաճախ վերաբերում է խնդրի ոլորտը հասկանալուն՝ լինի դա ֆինանսներ, առողջապահություն, կրթություն, թե որևէ այլ ոլորտ՝ և դա լուծումների վերածելուն: Արհեստական ​​բանականությունը չունի այդ համատեքստը կամ շահագրգիռ կողմերի հետ կապ հաստատելու ունակությունը, բայց դուք ունեք: Ձեր աշխատանքային ոլորտում ավելի շատ գիտելիքներ ձեռք բերելը ձեզ դարձնում է այն անձը, որին դիմելու եք՝ ապահովելու համար, որ ծրագիրը իրականում բավարարի իրական աշխարհի կարիքները: Նմանապես, կենտրոնացեք ձեր համագործակցության հմտությունների վրա՝ մենթորություն, առաջնորդություն և համակարգում: Թիմերը դեռևս կարիք կունենան ավագ մշակողների՝ կոդը (ներառյալ արհեստական ​​բանականության կողմից գրված կոդը), կրտսերներին լավագույն փորձի վերաբերյալ խորհրդատվություն տրամադրելու և բարդ նախագծերը համակարգելու համար: Արհեստական ​​բանականությունը չի վերացնում նախագծերում մարդկային փոխազդեցության անհրաժեշտությունը: Փաստորեն, արհեստական ​​բանականության կողմից կոդ ստեղծող կոդի դեպքում, ավագ մշակողի մենթորությունը կարող է տեղափոխվել կրտսերներին արհեստական ​​բանականության հետ աշխատելու և դրա արդյունքը վավերացնելու , այլ ոչ թե for-loop գրելու ուղղությամբ: Այս նոր մոդելում ուրիշներին ուղղորդելու կարողությունը արժեքավոր հմտություն է: Նաև կիրառեք քննադատական ​​մտածողություն ՝ հարցեր տվեք և փորձարկեք արհեստական ​​բանականության արդյունքները, և խրախուսեք ուրիշներին անել նույնը: Առողջ սկեպտիցիզմի և ստուգման մտածելակերպի ձևավորումը կկանխի արհեստական ​​բանականության վրա կույր կախվածությունը և կնվազեցնի սխալները: Ըստ էության, բարելավեք այն հմտությունները, որոնք բացակայում են արհեստական ​​բանականության մեջ՝ մարդկանց և համատեքստի ըմբռնում, քննադատական ​​վերլուծություն և միջառարկայական մտածողություն:

5. Կյանքի ընթացքում ուսուցում և հարմարվողականություն. Արհեստական ​​բանականության ոլորտում փոփոխությունների տեմպը չափազանց արագ է: Այն, ինչ այսօր համարվում է առաջատար, մի քանի տարի անց կարող է հնացած դառնալ: Մշակողները պետք է ավելի շատ ընդունեն ցմահ ուսուցումը , քան երբևէ: Սա կարող է նշանակել արհեստական ​​բանականության նոր կոդավորման օգնականների պարբերաբար փորձարկում, արհեստական ​​բանականության/մեքենայական ուսուցման առցանց դասընթացների կամ հավաստագրերի անցում, հետազոտական ​​բլոգների ընթերցում՝ առաջիկա իրադարձությունների մասին տեղեկացված լինելու համար, կամ արհեստական ​​բանականության վրա կենտրոնացած մշակողների համայնքներին մասնակցելը: Հարմարվողականությունը գլխավորն է՝ պատրաստ եղեք անցում կատարել նոր գործիքների և աշխատանքային հոսքերի, երբ դրանք ի հայտ գան: Օրինակ, եթե ի հայտ գա նոր արհեստական ​​բանականության գործիք, որը կարող է ավտոմատացնել UI դիզայնը ուրվագծերից, առջևի մասի մշակողը պետք է պատրաստ լինի սովորել և ներառել դա՝ իր ուշադրությունը կենտրոնացնելով, գուցե, ստեղծված UI-ի կատարելագործման կամ ավտոմատացման կողմից բաց թողնված օգտագործողի փորձի մանրամասների բարելավման վրա: Նրանք, ովքեր ուսուցումը համարում են իրենց կարիերայի շարունակական մաս (ինչը շատ մշակողներ արդեն անում են), ավելի հեշտ կգտնեն, որ արհեստական ​​բանականության մշակումները ինտեգրելը: Մի ռազմավարություն է ձեր շաբաթվա մի փոքր մասը նվիրել ուսուցմանը և փորձարկումներին՝ վերաբերվեք դրան որպես ձեր սեփական ապագայի մեջ ներդրում կատարելուն: Ընկերությունները նաև սկսում են իրենց մշակողներին վերապատրաստում տրամադրել արհեստական ​​բանականության գործիքների արդյունավետ օգտագործման վերաբերյալ. նման հնարավորություններից օգտվելը ձեզ առաջ կտանի: Հաջողակ մշակողները կլինեն նրանք, ովքեր արհեստական ​​բանականությունը համարում են զարգացող գործընկեր և անընդհատ կատարելագործում են այդ գործընկերոջ հետ աշխատելու իրենց մոտեցումը։

6. Ուսումնասիրեք ի հայտ եկող դերերը և կարիերայի ուղիները. Քանի որ արհեստական ​​բանականությունը միահյուսվում է մշակման հետ, ի հայտ են գալիս նոր կարիերայի հնարավորություններ: Օրինակ՝ հուշումների ինժեները կամ արհեստական ​​բանականության ինտեգրման մասնագետը դերեր են, որոնք կենտրոնացած են արտադրանքներում արհեստական ​​բանականությունն օգտագործելու համար ճիշտ հուշումների, աշխատանքային հոսքերի և ենթակառուցվածքների ստեղծման վրա: Մեկ այլ օրինակ է արհեստական ​​բանականության էթիկայի ինժեները կամ արհեստական ​​բանականության աուդիտորը ՝ դերեր, որոնք կենտրոնացած են արհեստական ​​բանականության արդյունքների վերանայման վրա՝ կողմնակալության, համապատասխանության և ճշգրտության համար: Եթե դուք հետաքրքրված եք այդ ոլորտներով, ճիշտ գիտելիքներով դիրքավորվելը կարող է բացել այս նոր ուղիները: Նույնիսկ դասական դերերի շրջանակներում կարող եք գտնել այնպիսի խորշեր, ինչպիսիք են «արհեստական ​​բանականության օգնությամբ առաջնային պլանի մշակողը» ընդդեմ «արհեստական ​​բանականության օգնությամբ backend մշակողի», որտեղ յուրաքանչյուրն օգտագործում է մասնագիտացված գործիքներ: Հետևեք, թե ինչպես են կազմակերպությունները կառուցում թիմերը արհեստական ​​բանականության շուրջ: Որոշ ընկերություններ ունեն «արհեստական ​​բանականության գիլդիաներ» կամ գերազանցության կենտրոններ՝ նախագծերում արհեստական ​​բանականության ներդրումը ուղղորդելու համար. նման խմբերում ակտիվ լինելը կարող է ձեզ առաջատար դիրք գրավել: Ավելին, մտածեք արհեստական ​​բանականության գործիքների մշակմանը նպաստելու մասին. օրինակ՝ աշխատել բաց կոդով նախագծերի վրա, որոնք բարելավում են մշակողների գործիքակազմը (գուցե բարելավելով արհեստական ​​բանականության կոդը բացատրելու ունակությունը և այլն): Սա ոչ միայն խորացնում է ձեր գիտելիքները տեխնոլոգիաների վերաբերյալ, այլև ձեզ տեղավորում է մի համայնքում, որը առաջնորդում է փոփոխությունները: Հիմնականը կարիերայի ճկունության : Եթե ձեր ներկայիս աշխատանքի որոշ մասեր ավտոմատացվեն, պատրաստ եղեք անցնել այդ ավտոմատացված մասերը նախագծող, վերահսկող կամ լրացնող դերերի:

7. Պահպանեք և ցուցադրեք մարդկային որակը. Աշխարհում, որտեղ արհեստական ​​բանականությունը կարող է միջին կոդ ստեղծել միջին խնդրի համար, մարդ մշակողները պետք է ձգտեն ստեղծել բացառիկ և համակրելի լուծումներ, որոնք արհեստական ​​բանականությունը չի կարող ստեղծել: Սա կարող է նշանակել կենտրոնանալ օգտագործողի փորձի նրբագեղության, անսովոր սցենարների համար կատարողականի օպտիմալացման կամ պարզապես մաքուր և լավ փաստաթղթավորված կոդ գրելը (արհեստական ​​բանականությունը լավը չէ իմաստալից փաստաթղթեր կամ հասկանալի կոդի մեկնաբանություններ գրելու հարցում. դուք կարող եք արժեք ավելացնել դրանում): Նպատակ դրեք ինտեգրել մարդկային պատկերացումները աշխատանքի մեջ. օրինակ, եթե արհեստական ​​բանականությունը ստեղծում է կոդի մի կտոր, դուք ավելացնում եք մեկնաբանություններ՝ բացատրելով հիմնավորումը այնպես, որ մեկ այլ մարդ ավելի ուշ կարողանա հասկանալ, կամ դուք այն հարմարեցնում եք ավելի ընթեռնելի դարձնելու համար: Դա անելով՝ դուք ավելացնում եք պրոֆեսիոնալիզմի և որակի մի շերտ, որը բացակայում է զուտ մեքենայական աշխատանքի մեջ: Ժամանակի ընթացքում իրական աշխարհում «պարզապես աշխատող» բարձրորակ ծրագրային ապահովման հեղինակություն ստեղծելը ձեզ կառանձնացնի: Հաճախորդներն ու գործատուները կգնահատեն այն մշակողներին, ովքեր կարող են համատեղել արհեստական ​​բանականության արդյունավետությունը մարդկային վարպետության հետ :

Եկեք նաև քննարկենք, թե ինչպես կարող են կրթական ուղիները հարմարվել: Ոլորտ մուտք գործող նոր մշակողները չպետք է խուսափեն արհեստական ​​բանականության գործիքներից իրենց ուսումնական գործընթացում: Ընդհակառակը, միջոցով (օրինակ՝ արհեստական ​​բանականության օգտագործումը տնային աշխատանքների կամ նախագծերի հետ կապված հարցերում օգնելու համար, ապա արդյունքների վերլուծությունը) կարող է արագացնել նրանց ըմբռնումը: Այնուամենայնիվ, կարևոր է նաև խորությամբ սովորել հիմունքները ՝ ալգորիթմներ, տվյալների կառուցվածքներ և ծրագրավորման հիմնական հասկացություններ, որպեսզի ունենաք ամուր հիմք և կարողանաք հասկանալ, թե երբ է արհեստական ​​բանականությունը շեղվում: Քանի որ արհեստական ​​բանականությունը կատարում է պարզ կոդավորման վարժություններ, ուսումնական ծրագրերը կարող են ավելի մեծ կշիռ հաղորդել նախագծում և ինտեգրում պահանջող նախագծերին: Եթե դուք նորեկ եք, կենտրոնացեք պորտֆոլիո կառուցելու վրա, որը կցուցադրի բարդ խնդիրներ լուծելու և արհեստական ​​բանականությունն որպես բազմաթիվ գործիքներից մեկը օգտագործելու ձեր կարողությունը:

Հարմարվողականության ռազմավարությունը ամփոփելու համար՝ եղեք օդաչուն, այլ ոչ թե ուղևորը։ Օգտագործեք արհեստական ​​բանականության գործիքներ, բայց մի՛ չափազանց կախված եղեք դրանցից կամ մի՛ ինքնագոհացեք։ Շարունակեք կատարելագործել զարգացման եզակիորեն մարդկային կողմերը։ Գրեյդի Բուչը՝ ծրագրային ապահովման ճարտարագիտության հարգված ռահվիրա, լավ է ասել. «Արհեստական ​​բանականությունը հիմնարար կերպով փոխելու է ծրագրավորող լինելու իմաստը։ Այն չի վերացնի ծրագրավորողներին, բայց կպահանջի, որ նրանք զարգացնեն նոր հմտություններ և աշխատեն նոր ձևերով» ( Արդյո՞ք ապագա կա ծրագրային ապահովման ինժեներների համար։ Արհեստական ​​բանականության ազդեցությունը [2024] ): Այդ նոր հմտություններն ու աշխատանքի եղանակները նախաձեռնողաբար զարգացնելով՝ մշակողները կարող են ապահովել, որ մնան իրենց կարիերայի առաջատարը։

Այս բաժինը ամփոփելու համար ահա արագ հղման ցանկ այն մշակողների համար, ովքեր ցանկանում են իրենց կարիերան ապագայի համար պատրաստել արհեստական ​​բանականության դարաշրջանում.

Հետևելով այս ռազմավարություններին՝ մշակողները կարող են արհեստական ​​բանականության հեղափոխությունը իրենց օգտին դարձնել։ Նրանք, ովքեր կհարմարվեն, կհասկանան, որ արհեստական ​​բանականությունը կբարելավի իրենց կարողությունները և թույլ կտա ստեղծել ավելի լավ ծրագրային ապահովում, քան երբևէ, այլ ոչ թե այն հնացած կդարձնի։

Ապագայի հեռանկար. համագործակցություն արհեստական ​​բանականության և մշակողների միջև

Ի՞նչ է սպասվում ծրագրավորմանը արհեստական ​​բանականությամբ կառավարվող աշխարհում: Հիմնվելով ներկայիս միտումների վրա՝ մենք կարող ենք ակնկալել մի ապագա, որտեղ արհեստական ​​բանականությունը և մարդ-մշակողները կաշխատեն ձեռք ձեռքի տված ավելի սերտորեն : Ծրագրավորողի դերը, հավանաբար, կշարունակի տեղափոխվել վերահսկողական և ստեղծագործական դիրքի, որտեղ արհեստական ​​բանականությունը կկատարի «ծանր աշխատանքը» մարդկային ղեկավարության ներքո: Այս եզրափակիչ բաժնում մենք կանխատեսում ենք որոշ ապագա սցենարներ և հավաստիացնում, որ մշակողների համար հեռանկարը կարող է մնալ դրական՝ եթե շարունակենք հարմարվել:

Մոտ ապագայում (հաջորդ 5-10 տարիների ընթացքում) շատ հավանական է, որ արհեստական ​​բանականությունը (ԱԲ) մշակման գործընթացում կդառնա այնքան ամենուրեք, որքան համակարգիչներն իրենք։ Ճիշտ այնպես, ինչպես այսօր ոչ մի մշակող կոդ չի գրում առանց խմբագրիչի կամ Google/StackOverflow-ի մատների տակ լինելու, շուտով ոչ մի մշակող կոդ չի գրի առանց ֆոնային ռեժիմով աշխատող ԱԲ-ի որևէ տեսակի օգնության։ Ինտեգրված մշակման միջավայրերը (IDE) արդեն զարգանում են՝ իրենց հիմքում ներառելով ԱԲ-ով աշխատող գործառույթներ (օրինակ՝ կոդի խմբագրիչներ, որոնք կարող են ձեզ բացատրել կոդը կամ առաջարկել ամբողջական կոդի փոփոխություններ նախագծի ընթացքում)։ Մենք կարող ենք հասնել այն կետին, երբ մշակողի հիմնական աշխատանքը կլինի խնդիրներն ու սահմանափակումները ձևակերպել այնպես, որ ԱԲ-ն կարողանա հասկանալ, ապա մշակել և կատարելագործել ԱԲ-ի կողմից տրամադրվող լուծումները ։ Սա նման է ծրագրավորման ավելի բարձր մակարդակի ձևի, որը երբեմն անվանում են «արագ ծրագրավորում» կամ «ԱԲ-ի կազմակերպում»։

Այնուամենայնիվ, անհրաժեշտության էությունը՝ մարդկանց համար խնդիրների լուծումը, մնում է անփոփոխ: Ապագայի արհեստական ​​բանականությունը կարող է նկարագրությունից ստեղծել ամբողջական հավելված («ստեղծեք ինձ համար բջջային հավելված՝ բժշկի մոտ հանդիպումներ պատվիրելու համար»), բայց այդ նկարագրությունը պարզաբանելու, դրա ճիշտությունը ապահովելու և արդյունքը օգտատերերին գոհացնելու համար ճշգրտելու աշխատանքը կներառի մշակողներին (ինչպես նաև դիզայներներին, ապրանքի մենեջերներին և այլն): Իրականում, եթե հիմնական հավելվածների ստեղծումը հեշտանա, մարդկային ստեղծագործականությունն ու նորարարությունը ծրագրային ապահովման մեջ կդառնան ավելի կարևոր ՝ ապրանքները տարբերակելու համար: Մենք կարող ենք տեսնել ծրագրային ապահովման ծաղկում, որտեղ շատ սովորական հավելվածներ ստեղծվում են արհեստական ​​բանականության կողմից, մինչդեռ մարդ մշակողները կենտրոնանում են սահմանները ընդլայնող առաջադեմ, բարդ կամ ստեղծագործական նախագծերի վրա:

Կա նաև հնարավորություն, որ ծրագրավորման մուտքի արգելքը կնվազի , ինչը նշանակում է, որ ավելի շատ մարդիկ, ովքեր ավանդական ծրագրային ապահովման ինժեներներ չեն (օրինակ՝ բիզնես վերլուծաբան, գիտնական կամ մարքեթոլոգ), կարող են ստեղծել ծրագրեր՝ օգտագործելով արհեստական ​​բանականության գործիքներ («առանց կոդի/ցածր կոդի» շարժման շարունակությունը, որը գերհզորացված է արհեստական ​​բանականությամբ): Սա չի վերացնում պրոֆեսիոնալ մշակողների անհրաժեշտությունը, այլ փոխում է այն: Նման դեպքերում մշակողները կարող են ստանձնել ավելի շատ խորհրդատվական կամ ուղղորդող դեր՝ ապահովելով, որ քաղաքացիների կողմից մշակված այս հավելվածները լինեն անվտանգ, արդյունավետ և պահպանելի: Մասնագիտական ​​ծրագրավորողները կարող են կենտրոնանալ այն հարթակների և API-ների կառուցման վրա, որոնք օգտագործում են արհեստական ​​բանականության օգնությամբ «ոչ ծրագրավորողները»:

Աշխատանքի տեսանկյունից, որոշակի ծրագրավորման պաշտոններ կարող են նվազել, մինչդեռ մյուսները կարող են աճել: Օրինակ, որոշ սկսնակ ծրագրավորողների պաշտոնների թիվը կարող է նվազել, եթե ընկերությունները պարզ առաջադրանքների համար ապավինեն արհեստական ​​բանականությանը: Կարելի է պատկերացնել մի փոքր ստարտափ, որը ապագայում կարիք կունենա կրտսեր ծրագրավորողների թվի կեսի, քանի որ նրանց ավագ ծրագրավորողները, որոնք հագեցած են արհեստական ​​բանականությամբ, կարող են կատարել հիմնական աշխատանքների մեծ մասը: Բայց միևնույն ժամանակ, կհայտնվեն բոլորովին նոր աշխատատեղեր (ինչպես մենք քննարկեցինք հարմարվողականության բաժնում): Ավելին, քանի որ ծրագրային ապահովումը ավելի շատ է ներթափանցում տնտեսության մեջ (արհեստական ​​բանականությունը ստեղծում է ծրագրային ապահովում նիշային կարիքների համար), ծրագրային ապահովման հետ կապված աշխատատեղերի ընդհանուր պահանջարկը կարող է շարունակել աճել: Պատմությունը ցույց է տալիս, որ ավտոմատացումը հաճախ հանգեցնում է ավելի շատ աշխատատեղերի երկարաժամկետ հեռանկարում , չնայած դրանք տարբեր աշխատատեղեր են. օրինակ, որոշակի արտադրական առաջադրանքների ավտոմատացումը հանգեցրել է ավտոմատացված համակարգերի նախագծման, պահպանման և բարելավման աշխատատեղերի աճի: Արհեստական ​​բանականության և ծրագրավորման համատեքստում, մինչդեռ կրտսեր մշակողի կողմից նախկինում կատարվող որոշ առաջադրանքներ ավտոմատացված էին, մեր կողմից ստեղծվող ծրագրային ապահովման ընդհանուր շրջանակը ընդլայնվում է (քանի որ այժմ այն ​​ստեղծելն ավելի էժան/արագ է), ինչը կարող է հանգեցնել ավելի շատ նախագծերի և, հետևաբար, ավելի շատ մարդկային վերահսկողության, նախագծերի կառավարման, ճարտարապետության և այլնի անհրաժեշտության: Համաշխարհային տնտեսական ֆորումի կողմից ապագա աշխատատեղերի վերաբերյալ զեկույցը ցույց է տվել, որ ծրագրային ապահովման մշակման և արհեստական ​​բանականության ոլորտում աշխատատեղերը թվային փոխակերպման պատճառով աճող

Մենք պետք է նաև հաշվի առնենք 2040 թվականի կանխատեսումը, որը նշվեց ավելի վաղ. Օուք Ռիջի ազգային լաբորատորիայի հետազոտողները ենթադրել են, որ մինչև 2040 թվականը «մեքենաները… կգրեն իրենց կոդի մեծ մասը» ( Արդյո՞ք ապագա կա ծրագրային ապահովման ինժեներների համար: Արհեստական ​​բանականության ազդեցությունը [2024] ): Եթե դա ճշգրիտ լինի, ի՞նչ կմնա մարդ ծրագրավորողներին: Հավանաբար, ուշադրությունը կկենտրոնանա շատ բարձր մակարդակի ուղղորդման վրա (մեքենաներին ընդհանուր գծերով ասել, թե ինչ ենք ուզում, որ նրանք անեն) և այն ոլորտների վրա, որոնք ներառում են համակարգերի բարդ ինտեգրացիա, մարդկային հոգեբանության ըմբռնում կամ նորարարական խնդիրների ոլորտներ: Նույնիսկ նման սցենարում մարդիկ կստանձնեն արտադրանքի դիզայներների, պահանջների ինժեներների և արհեստական ​​բանականության մարզիչների/ստուգողների : Կոդը կարող է մեծ մասամբ ինքնուրույն գրվել, բայց ինչ-որ մեկը պետք է որոշի, թե ինչ կոդ պետք է գրվի և ինչու , ապա ստուգի, որ վերջնական արդյունքը ճիշտ է և համապատասխանում է նպատակներին: Դա նման է նրան, թե ինչպես կարող են ինքնավար մեքենաները մի օր ինքնուրույն վարել, բայց դուք դեռ ասում եք մեքենային, թե որտեղ գնա և միջամտի բարդ իրավիճակներում, բացի այդ, մարդիկ նախագծում են ճանապարհները, երթևեկության կանոնները և դրա շուրջը գտնվող բոլոր ենթակառուցվածքները:

Այսպիսով, մասնագետների մեծ մասը պատկերացնում է համագործակցության ապագա , այլ ոչ թե փոխարինման ։ Ինչպես ձևակերպել է մի տեխնոլոգիական խորհրդատվական ընկերություն. «զարգացման ապագան մարդկանց կամ արհեստական ​​բանականության միջև ընտրություն չէ, այլ համագործակցություն, որն օգտագործում է երկուսի լավագույն կողմերը» ( Is AI Going to Replace Developers in 2025: A Sneak Peek into the Future ): Արհեստական ​​բանականությունը, անկասկած, կվերափոխի ծրագրային ապահովման մշակումը, բայց դա ավելի շատ մշակողի դերի զարգացում է, քան անհետացում։ Մշակողները, ովքեր «ընդունում են փոփոխությունները, հարմարեցնում իրենց հմտությունները և կենտրոնանում իրենց աշխատանքի եզակի մարդկային կողմերի վրա», կհայտնաբերեն, որ արհեստական ​​բանականությունը բարելավում է իրենց կարողությունները, այլ ոչ թե նվազեցնում դրանց արժեքը։

Կարող ենք զուգահեռ անցկացնել մեկ այլ ոլորտի հետ. դիտարկենք համակարգչային նախագծման (CAD) աճը ճարտարագիտության և ճարտարապետության մեջ: Արդյո՞ք այդ գործիքները փոխարինեցին ինժեներներին և ճարտարապետներին: Ոչ՝ դրանք նրանց ավելի արդյունավետ դարձրին և թույլ տվեցին ստեղծել ավելի բարդ նախագծեր: Սակայն մարդկային ստեղծագործականությունն ու որոշումների կայացումը մնացին կենտրոնական: Նմանապես, արհեստական ​​բանականությունը կարելի է դիտարկել որպես համակարգչային կոդավորում՝ այն կօգնի հաղթահարել բարդությունն ու ծանր աշխատանքը, բայց մշակողը մնում է նախագծողը և որոշում կայացնողը:

Երկարաժամկետ հեռանկարում, եթե մենք պատկերացնենք իսկապես զարգացած արհեստական ​​բանականություն (ասենք՝ ընդհանուր արհեստական ​​բանականության որևէ ձև, որը կարող է անել մարդու կարողությունների մեծ մասը), հասարակական և տնտեսական փոփոխությունները շատ ավելի լայն կլինեն, քան պարզապես ծրագրավորման մեջ։ Մենք դեռ այդտեղ չենք, և մենք զգալի վերահսկողություն ունենք այն բանի վրա, թե ինչպես ենք արհեստական ​​բանականությունը ինտեգրում մեր աշխատանքում։ Խելամիտ ուղին արհեստական ​​բանականության ինտեգրումը շարունակելն է այնպես, որ մեծացնենք մարդկային ներուժը ։ Դա նշանակում է ներդրումներ կատարել գործիքների, պրակտիկայի (և քաղաքականության) մեջ, որոնք մարդկանց տեղյակ են պահում։ Արդեն տեսնում ենք, թե ինչպես են ընկերությունները սահմանում արհեստական ​​բանականության կառավարում ՝ ուղեցույցներ այն մասին, թե ինչպես պետք է արհեստական ​​բանականությունը օգտագործվի մշակման գործընթացում՝ էթիկական և արդյունավետ արդյունքներ ապահովելու համար ( Հարցումը բացահայտում է արհեստական ​​բանականության ազդեցությունը մշակողի փորձի վրա - The GitHub Blog ): Այս միտումը, հավանաբար, կաճի՝ ապահովելով, որ մարդկային վերահսկողությունը պաշտոնապես արհեստական ​​բանականության մշակման գործընթացի մի մասն է կազմում։

Ամփոփելով՝ «Արդյո՞ք արհեստական ​​բանականությունը կփոխարինի ծրագրավորողներին» հարցին կարելի է պատասխանել. Ոչ, բայց դա էապես կփոխի ծրագրավորողների գործունեությունը։ Ծրագրավորման առօրյա մասերը հիմնականում ավտոմատացվելու ճանապարհին են։ Ստեղծագործական, մարտահրավերներով լի և մարդակենտրոն մասերը կմնան այստեղ և իսկապես ավելի ակնառու կդառնան։ Ապագայում, հավանաբար, ծրագրավորողները կաշխատեն կողք կողքի ավելի ու ավելի խելացի արհեստական ​​բանականության օգնականների հետ, ինչպես թիմի անդամները։ Պատկերացրեք, որ ունեք արհեստական ​​բանականության մասնագետ գործընկեր, որը կարող է կոդ գրել 24/7 ռեժիմով. դա մեծ արտադրողականության խթան է, բայց այն դեռ կարիք ունի ինչ-որ մեկի, ով կասի, թե ինչ առաջադրանքների վրա աշխատի և կստուգի դրա աշխատանքը։

Լավագույն արդյունքների կհասնեն նրանք, ովքեր արհեստական ​​բանականությանը վերաբերվում են որպես համագործակցողի: Ինչպես ասել է մի գործադիր տնօրեն. «Արհեստական ​​բանականությունը չի փոխարինի ծրագրավորողներին, բայց արհեստական ​​բանականություն օգտագործող ծրագրավորողները կփոխարինեն նրանց, ովքեր դա չեն անում»: Գործնականում սա նշանակում է, որ մշակողների վրա է դրված տեխնոլոգիայի հետ զարգանալու պատասխանատվությունը: Ծրագրավորման մասնագիտությունը չի մեռնում, այն հարմարվում : Առաջիկայում կլինի շատ ծրագրային ապահովում և լուծելու խնդիրներ, հնարավոր է՝ նույնիսկ ավելի շատ, քան այսօր: Կրթված մնալով, ճկուն մնալով և կենտրոնանալով այն բանի վրա, թե ինչ են մարդիկ լավագույնս անում, մշակողները կարող են ապահովել հաջողակ և լիարժեք կարիերա արհեստական ​​բանականության հետ համագործակցելով :

Վերջապես, արժե նշել այն փաստը, որ մենք մտնում ենք մի դարաշրջան, երբ մշակողները ունեն գերուժեր։ Ծրագրավորողների հաջորդ սերունդը ժամերի ընթացքում կհասնի այն ամենին, ինչ նախկինում օրեր էր պահանջվում, և կլուծի նախկինում անհասանելի խնդիրները՝ օգտագործելով արհեստական ​​բանականությունը։ Վախի փոխարեն, առաջ շարժվելու տրամադրությունը կարող է լինել լավատեսությունն ու հետաքրքրասիրությունը ։ Քանի դեռ մենք արհեստական ​​բանականությանը մոտենում ենք բաց աչքերով՝ գիտակցելով դրա սահմանափակումները և գիտակցելով մեր պատասխանատվությունը, մենք կարող ենք ձևավորել մի ապագա, որտեղ արհեստական ​​բանականությունն ու ծրագրավորողները միասին կկառուցեն զարմանալի ծրագրային համակարգեր, որոնք շատ ավելի լավ են, քան յուրաքանչյուրը կարող էր անել միայնակ։ Մարդկային ստեղծագործականությունը՝ զուգորդված մեքենաների արդյունավետության հետ, հզոր համադրություն է։ Ի վերջո, խոսքը փոխարինման , այլ սիներգիայի։ Արհեստական ​​բանականության և ծրագրավորողների պատմությունը դեռ գրվում է, և այն կգրվի և՛ մարդու, և՛ մեքենայի կողմից՝ միասին։

Աղբյուրներ՝

1. Brainhub, «Արդյո՞ք ծրագրային ապահովման ինժեներների համար ապագա կա։ Արհեստական ​​բանականության ազդեցությունը [2024]» ( Արդյո՞ք ծրագրային ապահովման ինժեներների համար ապագա կա։ Արհեստական ​​բանականության ազդեցությունը [2024] ):

2. Brainhub, Սաթյա Նադելլայի և Ջեֆ Դինի փորձագետների մեջբերումները արհեստական ​​ինտելեկտի մասին՝ որպես գործիք, այլ ոչ թե փոխարինող ( Արդյո՞ք ծրագրային ապահովման ինժեներների ապագա կա։ Արհեստական ​​ինտելեկտի ազդեցությունը [2024] ) ( Արդյո՞ք ծրագրային ապահովման ինժեներների ապագա կա։ Արհեստական ​​ինտելեկտի ազդեցությունը [2024] ):

3. Medium (PyCoach), «Կփոխարինի՞ արհեստական ​​բանականությունը ծրագրավորողներին։ Ճշմարտությունը աղմուկի հետևում» հոդվածում, որտեղ նշվում է նրբերանգային իրականության և աղմուկի տարբերությունը ( Կփոխարինի՞ արդյոք արհեստական ​​բանականությունը ծրագրավորողներին։ Ճշմարտությունը աղմուկի հետևում | հեղինակ՝ The PyCoach | Artificial Corner | Մարտ, 2025 | Medium ) և Սեմ Ալտմանի մեջբերումն այն մասին, որ արհեստական ​​բանականությունը լավ է կատարում առաջադրանքներ, բայց ոչ լիարժեք աշխատանք։

4. DesignGurus-ի «Արդյո՞ք արհեստական ​​բանականությունը փոխարինելու է մշակողներին… (2025)» հոդվածում ընդգծվում է, որ արհեստական ​​բանականությունը կբարձրացնի և կբարձրացնի ծրագրավորողների որակը, այլ ոչ թե կդարձնի նրանց ավելորդ ( Արդյո՞ք արհեստական ​​բանականությունը փոխարինելու է մշակողներին 2025 թվականին. ապագայի ակնարկ ) և թվարկվում են այն ոլորտները, որտեղ արհեստական ​​բանականությունը հետ է մնում (ստեղծագործականություն, համատեքստ, էթիկա):

5. Stack Overflow Developer Survey 2023, մշակողների 70%-ի կողմից արհեստական ​​բանականության գործիքների օգտագործում, ճշգրտության նկատմամբ ցածր վստահություն (3%-ը բարձր վստահություն ունի) ( մշակողների 70%-ը օգտագործում է արհեստական ​​բանականության կոդավորման գործիքներ, 3%-ը բարձր վստահություն ունի դրանց ճշգրտության նկատմամբ - ShiftMag ):

6. GitHub-ի 2023 թվականի հարցումը ցույց է տալիս, որ մշակողների 92%-ը փորձարկել է արհեստական ​​բանականության կոդավորման գործիքներ, և 70%-ը տեսնում է դրանց օգուտները ( Հարցումը բացահայտում է արհեստական ​​բանականության ազդեցությունը մշակողի փորձի վրա - The GitHub Blog ):

7. GitHub Copilot-ի հետազոտությունը ցույց է տվել, որ արհեստական ​​բանականության օգնությամբ առաջադրանքների կատարումը 55%-ով ավելի արագ է ( Հետազոտություն. GitHub Copilot-ի ազդեցության քանակական գնահատում մշակողների արտադրողականության և երջանկության վրա - The GitHub Blog ):

8. GeekWire-ը, DeepMind-ի AlphaCode-ի վերաբերյալ, ցույց է տալիս միջին մարդ ծրագրավորողի մակարդակ (առաջին 54%), բայց հեռու է լավագույններից ( DeepMind-ի AlphaCode-ը համապատասխանում է միջին ծրագրավորողի հմտություններին ):

9. IndiaToday (փետրվար 2025), Սեմ Ալտմանի՝ արհեստական ​​բանականության «գործընկերների» տեսլականի ամփոփումը, որոնք կատարում են կրտսեր ինժեներների առաջադրանքները, բայց «չի փոխարինի մարդկանց ամբողջությամբ» ( Սեմ Ալտմանն ասում է, որ արհեստական ​​բանականության գործակալները շուտով կկատարեն ծրագրային ապահովման ինժեներների կատարած առաջադրանքները. Ամբողջական պատմությունը 5 կետում - India Today ):

10. McKinsey & Company-ն գնահատում է, որ ծրագրավորման աշխատատեղերի մոտ 80%-ը կմնա մարդակենտրոն՝ չնայած ավտոմատացմանը ( Արդյո՞ք ապագա կա ծրագրային ապահովման ինժեներների համար։ Արհեստական ​​բանականության ազդեցությունը [2024] ):

Հոդվածներ, որոնք կարող են ձեզ դուր գալ կարդալ սրանից հետո.

🔗 Արհեստական ​​բանականության զույգերի ծրագրավորման լավագույն գործիքներ։
Ուսումնասիրեք առաջատար արհեստական ​​բանականության գործիքները, որոնք կարող են համագործակցել ձեզ հետ՝ որպես ծրագրավորման գործընկեր՝ ձեր մշակման աշխատանքային հոսքը խթանելու համար։

🔗 Ինչ արհեստական ​​բանականությունն է լավագույնը կոդավորման համար – Լավագույն արհեստական ​​բանականության կոդավորման օգնականներ։
Ուղեցույց կոդի ստեղծման, վրիպազերծման և ծրագրային նախագծերի արագացման ամենաարդյունավետ արհեստական ​​բանականության գործիքների վերաբերյալ։

🔗 Արհեստական ​​բանականության ծրագրային ապահովման մշակում – Տեխնոլոգիաների ապագան վերափոխելով՝
հասկացեք, թե ինչպես է արհեստական ​​բանականությունը հեղափոխություն կատարում ծրագրային ապահովման կառուցման, փորձարկման և տեղակայման եղանակում։