Les programmeurs sont en danger ! On dit qu'OpenAI recrute des troupes d'externalisation dans le monde entier et forme étape par étape les agriculteurs de code ChatGPT.

Les codeurs sont vraiment en danger !

Récemment, on a appris qu'OpenAI avait discrètement formé ChatGPT pour lui permettre d'apprendre le processus de pensée humaine, maîtrisant ainsi véritablement l'ingénierie logicielle et remplaçant complètement les "codeurs juniors".

OpenAI recrute des troupes d'externalisation pour apprendre à l'IA à penser comme des humains

Plusieurs grandes entreprises de la Silicon Valley travaillent sur une IA capable de programmer.

AlphaCode de DeepMind est censé « battre 72 % des programmeurs humains », mais il n'a pas encore été ouvert ; le « projet mystérieux » de Google, Pitchfork, est également toujours en préparation et le GitHub Copilot de Microsoft est principalement en préparation ; Un outil de complétion de code.

Pour remplacer complètement les codeurs humains, ils ne sont pas qualifiés.

Mais si ChatGPT apprend vraiment à utiliser la pensée humaine pour programmer, ces amis/propres produits pourraient être battus.

Selon toutes les indications, OpenAI semble jouer un grand jeu.

Selon Semafor, au cours des six derniers mois, OpenAI a recruté environ 1 000 personnes externalisées dans des régions telles que l'Amérique latine et l'Europe de l'Est pour former leur code d'IA.

Il y a deux "points hua" dans cette actualité.

Tout d'abord, pourquoi les localisations ont-elles été choisies en Amérique Latine et en Europe de l'Est ? Nous le savons tous. Maintenant que la bulle de la Silicon Valley a éclaté, les grandes sociétés Internet se creusent la tête pour « réduire les coûts et accroître l'efficacité ». Certaines comptent sur les licenciements, tandis que d'autres vont dans d'autres pays pour trouver de la main d'œuvre bon marché.

Le deuxième « point Hua » est que beaucoup de ces sous-traitants ne sont pas diplômés en informatique et n'ont pas non plus de compétences avancées en programmation. Leur rôle est d’écrire le code de base de « l’automatisation » qu’OpenAI espère réaliser.

Plus précisément, 60 % d'entre eux sont engagés dans un travail d'« annotation de données » - créant de grandes quantités d'images, de clips audio et d'autres informations pour entraîner des outils d'intelligence artificielle ou des voitures autonomes.

Les 40 % restants sont de vrais programmeurs qui « nettoient à la main » les données des modèles d'OpenAI afin que l'IA puisse apprendre les tâches d'ingénierie logicielle.

Auparavant, OpenAI entraînait son modèle avec du code récupéré sur GitHub.

Cette fois, l'ensemble de données qu'OpenAI veut construire contient non seulement des codes, mais inclut également des explications humaines écrites en langage naturel derrière eux.

Adresse papier : https://arxiv.org/abs/2107.03374

A cet égard, Semafor a spécialement interviewé A développeur d'Amérique du Sud, il a déjà effectué gratuitement un test de codage de 5 heures pour OpenAI.

Dans ce test, il lui a été demandé de gérer deux tâches.

Tout d'abord, on lui pose un problème de programmation, et OpenAI lui demande d'expliquer par écrit en anglais comment il aborderait le problème.

Ensuite, il doit apporter une solution.

S'il trouve un bug, OpenAI lui demandera de décrire en détail quel est le problème et comment il doit être corrigé, plutôt que de simplement le réparer.

"Ils veulent probablement utiliser un type très particulier de données d'entraînement pour alimenter ce modèle. Dans ce cas, ils doivent montrer étape par étape comment les humains pensent."

Dans le précédent ChatGPT, de nombreux problèmes ont été trouvés dans le code écrit.

La raison est que ChatGPT n'a aucun enregistrement interne marquant le bien ou le mal. Il s'agit en fait d'un modèle statistique. Les réponses de ChatGPT sont essentiellement des résultats probabilistes glanés à partir du corpus de données Internet qui constitue GPT-3.

A cette époque, OpenAI disait également que le positionnement le plus approprié de ChatGPT devrait être un outil d'aide au codage.

Mais imaginez si OpenAI apprenait vraiment à ChatGPT à "penser étape par étape comme les humains", alors il pourrait complètement remplacer certaines des choses qui doivent être mémorisé par cœur La conséquence de l'écriture de code est que certains codeurs « juniors » sont complètement éliminés.

Maintenant, les dirigeants de la Silicon Valley envisagent des produits qui permettraient aux personnes ayant peu d'expérience en programmation de décrire leurs idées et leurs visions à une IA, puis de pouvoir construire ce qu'elles veulent, quoi qu'il arrive. un site Web ou un jeu.

Il y a quelques jours, Andrej Karpathy, ancien responsable de l'intelligence artificielle de Tesla, vient de déclarer sur Twitter : « Le nouveau langage de programmation le plus en vogue est l'anglais. »

Utilisez ChatGPT pour déboguer, l'effet est exceptionnel

Ce n'est peut-être pas une blague, comme le populaire poulet frit ChatGPT, juste Très potentiel.

Récemment, une étude de l'Université de Mayence et de l'University College London a révélé que ChatGPT fait non seulement un excellent travail de correction des bugs, mais que les développeurs peuvent également améliorer considérablement le taux de réussite grâce aux conversations.

Les chercheurs ont déclaré que les performances de débogage de ChatGPT sont presque les mêmes que celles des méthodes courantes d'apprentissage en profondeur CoCoNut et Codex, et sont nettement meilleures que la méthode standard de réparation automatique de programme (APR).

Adresse papier : https://arxiv.org/abs/2301.08653

Utiliser ChatGPT pour résoudre des problèmes de code n'est pas La capacité nouvelle mais unique de parler aux humains lui donne un avantage sur les autres méthodes et modèles.

Pour évaluer les performances de débogage de ChatGPT, les chercheurs l'ont testé en utilisant 40 problèmes Python purs du benchmark QuixBugs puis ont vérifié manuellement si les solutions proposées étaient correctes.

Comme il existe un certain degré d'aléatoire dans les réponses données par ChatGPT, les chercheurs ont testé chaque question 4 fois individuellement.

Contrairement à d'autres benchmarks pour la réparation automatique de programmes, QuixBugs contient des problèmes relativement petits (moins de lignes de code), ce qui est idéal pour une utilisation dans les systèmes conversationnels.

Lors des tests, les chercheurs ont supprimé tous les commentaires et ont demandé à ChatGPT si ce code contenait un bug et comment le corriger.

Par exemple, la figure 1 est un exemple du problème BITCOUNT. Parmi eux, les lignes 1 et 2 sont des requêtes adressées à ChatGPT ; à partir de la ligne 4, des extraits de code erronés.

Pour cet exemple, nous espérons que la réponse de ChatGPT résoudra l'erreur de la ligne 7, c'est-à-dire que nˆ= n - 1 doit être remplacé par n &= n - 1. En réponse, ChatGPT fournira soit un morceau de code fixe, soit une description de la façon dont nous devrions le modifier.

Les résultats montrent que ChatGPT a résolu 19 des 40 bugs, ce qui est comparable à CoCoNut (19) et Codex (21), mais l'APR standard La méthode n’a résolu que 7 des problèmes.

Bien sûr, puisque ChatGPT et Codex appartiennent tous deux à la même série de modèles de langage, il n'est pas surprenant que le nombre de problèmes résolus soit presque le même.

De plus, si l'on regarde attentivement les résultats, on constate également que ChatGPT ne résout pas les bugs du benchmark à chaque fois. Uniquement sur les deux numéros BUCKETSORT et FLATTEN, le bug a été trouvé quatre fois, alors que les autres n'ont généralement réussi qu'une à deux fois.

En d'autres termes, les utilisateurs devront peut-être essayer plusieurs fois pour obtenir les bons résultats lorsqu'ils l'utilisent réellement.

Cependant, ChatGPT a un puissant avantage : nous pouvons interagir avec le système dans la conversation et expliquer le problème plus en détail pour obtenir la bonne réponse.

Les résultats réels des tests sont en effet les mêmes.

Après un dialogue plus approfondi avec le modèle, les chercheurs ont réussi à actualiser la précision de ChatGPT à 77,5 %, ce qui signifie que 31 des 40 erreurs ont été corrigées, dépassant de loin SOTA.

Au moins, pour l'instant, cela semble tout à fait possible : les développeurs n'auront plus besoin d'écrire du code passe-partout.

Au lieu de cela, ils peuvent se concentrer sur des domaines tels que l'architecture d'applications complexes ou la sécurité des réseaux.

Cela dit, même si ChatGPT peut effectuer certains travaux de programmation, tels que l'écriture de fonctions communes ou de code passe-partout, il ne remplacera pas complètement les programmeurs. Parce que le travail d’un programmeur ne se limite pas à écrire du code.

Être programmeur nécessite des compétences : la capacité de créer des programmes, de suivre la logique et de produire quelque chose de plus grand que la somme de ses parties.

Codeur : je me "tue"

Évidemment, ChatGPT n'est pas le premier produit "d'auto-itération" réalisé par des codeurs.

Alignons une rangée d'IA capables d'écrire du code.

Le Pitchfork de Google

En novembre de l'année dernière, des rumeurs circulaient selon lesquelles Google préparait un projet secret. Ce produit utiliserait l'apprentissage automatique pour entraîner des codes, se coder, corriger les bugs par lui-même et se mettre à jour.

Selon des personnes proches du dossier, ce projet a été initialement développé par la division moonshot d'Alphabet, X Division, nom de code Pitchfork, et a été transféré à Google Labs l'été dernier.

Selon des informations internes, le rôle de Pitchfork est « d’apprendre au code à être écrit et réécrit par soi-même ».

Il peut apprendre différents styles de programmation et écrire du code selon ces styles.

Un employé de Google a déclaré que l'intention initiale du développement de Pitchfork était de créer un outil permettant de mettre à jour la base de code Python de Google vers une nouvelle version.

AlphaCode : battre 72 % des programmeurs

En février 2022, DeepMind a lancé le système "AlphaCode", qui peut utiliser l'intelligence artificielle pour générer du code.

Selon DeepMind, AlphaCode peut rivaliser avec les humains.

DeepMind a testé AlphaCode en utilisant 10 concours existants hébergés sur la plateforme de concours de programmation Codeforces, et il s'est classé dans le top 54,3 % au total, ce qui signifie qu'il a battu 46 % des participants.

DeepMind affirme qu'AlphaCode a résolu 34,2 % des problèmes sur 1 million d'échantillons lors de tests à l'aide de la plateforme de compétition de programmation Codeforces.

De plus, parmi les utilisateurs qui ont participé au concours au cours des 6 derniers mois, les données d'AlphaCode se sont classées dans le top 28 %, ce qui peut être considéré comme « battant 72 % des programmeurs humains » !

À cette époque, DeepMind soulignait que même si AlphaCode ne convient actuellement qu'aux domaines de programmation compétitifs, il est évident que ses capacités futures ne s'arrêteront pas là.

Cela ouvre la porte à la création d'outils qui rendront la programmation plus accessible et un jour entièrement automatisée.

Copilot : artefact de complétion de code

À l'avenir, en 2021, GitHub et OpenAI ont lancé conjointement un artefact de programmation d'IA : GitHub Copilot.

Lorsque vous entrez du code, Copilot vous demandera automatiquement les extraits de code qui peuvent apparaître ensuite dans le programme, tout comme un robot de saisie semi-automatique entraîné à parler en Python ou en JavaScript.

Copilot peut remplir les blocs de code nécessaires, à condition qu'ils ne soient pas particulièrement complexes ou créatifs, ce qui est très utile pour une programmation équivalente au travail manuel.

Le 22 juin 2022, Copilot a été officiellement lancé pour la face C, au prix de 10 $ US/mois ou 100 $ US/an, et est fourni gratuitement aux étudiants utilisateurs et aux responsables de projets open source populaires.

Des milliers de développeurs utilisent désormais Copilot. Jusqu'à 40 % du code écrit dans une douzaine de langages les plus populaires en dépend pour générer du code.

GitHub prédit que les développeurs utiliseront Copilot pour écrire jusqu'à 80 % de leur code d'ici cinq ans.

Kevin Scott, directeur de la technologie de Microsoft, a également déclaré : "Nous sommes convaincus que GitHub Copilot peut être appliqué à des milliers de types de travaux différents.

Cependant, en raison d'une violation présumée, moins de 5 mois après sa sortie, Copilot a été supprimé." Des programmeurs en colère sont allés au tribunal et ont réclamé 9 milliards de dollars.

ChatGPT, qui a appris la « pensée de l'ingénierie logicielle », peut-il les vaincre ? Au rythme d'OpenAI, je crains que nous n'ayons pas à attendre trop longtemps.

Référence :

https://www.semafor.com/article/01/27/2023/openai-has-hired-an-army-of-contractors-to-make-basic-coding-obsolete

https https://www.zdnet.com/article/chatgpt-can-write-code-now-researchers-say-its-good-at-fixing-bugs-too/

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!