In der ChatGPT-Ära stehen wir möglicherweise vor der Tür der Programmierung in natürlicher Sprache

​ChatGPT ist ein großer Erfolg, und ich habe jetzt das Gefühl: Wir stehen möglicherweise vor der Tür der Programmierung in natürlicher Sprache, und wenn wir zurücktreten, können wir möglicherweise die Tür aufstoßen.

Natürlich darf man auch gegen eine Eisenplatte treten.

Wenn wir auf unsere Programmierreise zurückblicken, ist sie im Grunde eine Geschichte des kontinuierlichen Abbaus von Programmierbarrieren.

Die frühesten Vorgänger gaben das Programm durch manuelles Ein- und Ausstecken von Schaltkreisen in den Computer ein, und jede Programmiersitzung dauerte mehrere Stunden oder sogar Tage.

Nach dem Aufkommen der von Neumann-Architektur können Programme im Speicher gespeichert und nach Belieben geändert werden, was viel praktischer ist. Die alten Meister verwendeten jedoch immer noch Assembler zum Schreiben von Betriebssystemen Compiler wie Unix sind derzeit selten und die Schwelle zum Programmieren ist zu hoch.

Das Aufkommen von Hochsprachen wie Fortran/COBOL/BASIC/C/C++/Pascal hat die Schwierigkeit der Programmierung um ein Vielfaches gesenkt. In Verbindung mit der Explosion der PC-Industrie in den 1980er Jahren entstand die Programmierindustrie gedeihen.

In den 1990er Jahren ermöglichten Programmiersprachen wie Java, Python, Ruby und JavaScript Programmierern, sich weiter von der Hardware- und Speicherverwaltung fernzuhalten und sich auf die Geschäftslogik zu konzentrieren.

Um mit den schnellen Marktveränderungen fertig zu werden, müssen Unternehmen dringend Geschäfte schnell umsetzen und auf den Markt bringen. Daher haben sich Low-Code und No-Code entwickelt Wave in der Benutzeroberfläche können Sie per Drag & Drop programmieren.

Um einen Schritt weiter zu gehen, weiß jeder sehr gut, dass es sich um Programmierung in natürlicher Sprache handelt.

In der Vergangenheit galt die Programmierung in natürlicher Sprache von allen als unglaublich, da sie erfordert, dass KI natürliche Sprache versteht und Code genau ausgibt, was eine sehr schwierige Sache ist.

Aber nach dem Aufkommen großer Modelle wie ChatGPT und Tongyi Qianwen haben wir plötzlich entdeckt, dass es einen großen Durchbruch in der Programmierung natürlicher Sprache gegeben hat. Wir können der KI unsere Bedürfnisse mitteilen und die KI Code generieren lassen!

Wir können AI sagen:

Ich muss mit SpringBoot eine RESTful-Schnittstelle für das Produkt implementieren. Zu den Attributen des Produkts gehören ID, Name, Beschreibung und Bild-Url.

In wenigen Sekunden kann KI schnell Code von oben bis unten generieren. Noch schockierender ist, dass sie auch Feinabstimmungsfunktionen unterstützt.

Wir können sagen: „Der Datenbankzugriff wird mit MyBatis implementiert.“ AI kann den Datenbankzugriffscode schnell in MyBatis ändern.

Wenn wir sagen: „Ändere imageUrl in image_url“, kann die KI sofort alle relevanten Codes finden und imageURL ändern.

Diese Art der Feinabstimmung geht weit über die bisher üblichen Codegeneratoren hinaus. Die KI scheint Ihre Anforderungen genau zu verstehen und präzise Änderungen am Code vorzunehmen.

Natürlich wird die KI in manchen Extremsituationen etwas unüberlegt vorgehen und sich auf die Erkenntnisse der Programmierer verlassen. Deshalb sage ich oft, dass KI 95 % des ausführbaren Codes generieren kann und die restlichen 5 % von den Fähigkeiten der Programmierer abhängen.

Hier wird lediglich Code generiert. Programmierer müssen den Code auch aus dem Chat-Fenster in die IDE kopieren, um ihn auszuführen und zu debuggen. Ehrlich gesagt ist dieser Vorgang ziemlich nervig.

Das gerade von DingTalk veröffentlichte KI-Generierungsszenario hat mir plötzlich einen neuen Weg gezeigt. Mit der Unterstützung des großen Modells von Tongyi Qianwen werden nicht nur Codes in natürlicher Sprache generiert, sondern auch direkt Anwendungen generiert Stellen Sie es bereit und führen Sie es dann direkt im DingTalk-Gruppenchat aus!

Es kann sogar eine Anwendung durch Aufnehmen eines Fotos generiert werden, sodass die Eingabemethode nicht mehr nur aus Text besteht:

GPT-4 demonstrierte in früheren Demonstrationen auch die Fähigkeit, Codes und Webseiten basierend auf Bildern zu generieren (Diese Funktion wurde noch nicht offiziell für alle freigegeben), aber DingTalk kann bereits Low-Code-Anwendungen generieren, die beispielsweise gängige Arbeitsauftragsverwaltungssysteme, Filialinspektionssysteme und Kundeninformationsverwaltungssysteme ausführen können an AI übergeben werden. Es wäre großartig, uns bei der Entwicklung zu helfen.

Wenn der automatisch generierte Antrag die Anforderungen nicht erfüllt, können Sie das Gespräch auch fortsetzen und sich von der KI dabei unterstützen lassen, den Antrag zu ändern, Optionen hinzuzufügen und Felder zu löschen.

Microsoft kann dies auch mit der Fotogenerierungsanwendung tun, aber ich habe festgestellt, dass DingTalk auch eine großartige Funktion bietet, nämlich das intelligente Empfehlungsoptionsfeld, das Ihnen bei der Vervollständigung hilft. Obwohl diese Funktion einfach erscheint, ist sie technisch sehr schwierig zu implementieren und erfordert die Einbeziehung großer Branchenkenntnisse in das große Modell.

Dingding verwendet seine eigenen Low-Code-Anwendungsvorlagen zum Lernen großer Modelle, was der Integration verschiedener Branchen (Fertigung, Medizin, Bauwesen usw.) und verschiedener hochfrequenter Geschäftsszenarien (Personalverwaltung, finanzielle Erstattung, Produktion usw.) entspricht Fertigung usw.) werden der KI zugeführt, um umfangreiche Domänengeschäftsdaten zu erstellen.

Mit Domänengeschäftskenntnissen erhalten große Modelle bei der Generierung von Anwendungen ein genaueres Verständnis für die Anforderungen des Geschäftspersonals und die generierten Anwendungen werden auch genauer.

Diese Funktion ist sehr praktisch und benutzerfreundlich für Geschäftsmitarbeiter, die sich mit Code nicht auskennen. Sie müssen sich nicht mehr auf Programmierer verlassen, um ähnliche Anforderungen zu erfüllen, und können Anwendungen innerhalb von Minuten selbst entwickeln.

Diese Art von Anwendungen zum Fotografieren oder zur Erzeugung natürlicher Sprache, kombiniert mit den coolen Anwendungsfunktionen von DingTalk, die ich Ihnen letztes Jahr vorgestellt habe, können mit einem Klick auch in Gruppenchats eingesetzt werden. Durch dynamische Karten können Geschäftsmitarbeiter die Mensch-Computer-Interaktion in einer Gruppe durchführen und Aufgaben erledigen, während sie chatten.

Nachdem Sie das gesehen haben, werden Sie sich bestimmt fragen: KI unterstützt die Programmierung in natürlicher Sprache. Sie ist so leistungsfähig, kann sie Programmierer vollständig ersetzen?

Für Nachwuchsprogrammierer ist die Bedrohung durch KI sehr groß, wenn sie nur CRUD beherrschen, denn klare und regelbasierte Anforderungen sind für KI ein Kinderspiel und können in wenigen Minuten gelöst werden.

Für erfahrene Programmierer sind das Hinzufügen, Löschen, Ändern und Überprüfen beim Programmieren unverzichtbar. Derzeit ist KI ein sehr guter Helfer, da mühsame und sich wiederholende Codearbeiten von KI erledigt werden können. In diesem Prozess müssen erfahrene Programmierer ihn nur „leiten“ und „führen“, wodurch ineffektive Zeitverschwendung reduziert wird.

Leitende Programmierer können sich auf Arbeiten konzentrieren, die mehr Kreativität erfordern. Die aktuelle KI ist immer noch nicht in der Lage, riesige komplexe Systeme direkt zu generieren.

Zum Beispiel sagen wir AI:

Ich möchte ein E-Commerce-System erstellen, das Benutzerverwaltung, Produktverwaltung, Auftragsverwaltung, Lagerverwaltung und andere allgemeine Funktionen umfasst. Es muss Flash-Sale-Aktivitäten, Coupons und ein Punktesystem unterstützen und andere Funktionen. Bitte helfen Sie mir.

Es ist für KI absolut unmöglich, dies für Sie zu realisieren, da solche Anforderungen zu vage sind. Wenn Sie Flussdiagramme, Schnittstellendiagramme, Anwendungsfälle usw. verwenden, um die Anforderungen dieser großen Systeme zu beschreiben, ist dies nicht der Fall ohne Hunderte von Seiten möglich. Selbst wenn Sie diese Hunderte von Dokumentenseiten der KI zuführen, wird sie diese nicht vollständig für Sie umsetzen können.

Erfahrene Programmierer müssen eingreifen, um große Systeme in verschiedene Module zu zerlegen, und dann die KI eingreifen lassen, um Code und Anwendungen zu generieren.

Es zeigt sich, dass die Programmierung in natürlicher Sprache ein sehr hohes Niveau erreicht hat und für Programmierer eine große Hilfe bei der Effizienzsteigerung sein kann.

In Zukunft wird es keine reinen Programmierer mehr geben. Jeder muss die Herausforderungen, vor denen er steht, genau verstehen und Probleme mithilfe intelligenter Produktivitätstools schnell lösen.

Mehrere Szenendemonstrationen auf der DingTalk-Pressekonferenz stellen zwar nur einen kleinen Schritt in Richtung Arbeitsintelligenz dar, haben aber weit über die „Fähigkeit, Code per Chat zu generieren“ demonstriert, die direkt in der Gruppe erstellt, bereitgestellt und ausgeführt werden kann. Es ist wirklich sehr praktisch.

Der Wert von Werkzeugen liegt darin, ob sie den Menschen besser dienen und Maschinen nutzen können, um die Produktivität der Menschen zu steigern.

Wir können uns vorstellen, dass die Fähigkeit, Anwendungen zu entwickeln, mit der Weiterentwicklung der Intelligenz zu einer universellen Fähigkeit wie die Verwendung von Word wird? Das ist eine besonders einfallsreiche Sache, die niemand vorhersagen kann. Nur die Zeit wird es beweisen.

Das obige ist der detaillierte Inhalt vonIn der ChatGPT-Ära stehen wir möglicherweise vor der Tür der Programmierung in natürlicher Sprache. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!