저자 | Anirudh VK
번역가 | Xu Jiecheng
자동 코딩 플랫폼은 이제 프로그래머를 위한 새로운 기술의 선두에 있으며 개발자가 코드 조각을 작성할 수 있는 새로운 인공 지능 기반 대안을 제공합니다. 특히 Microsoft의 GitHub Copilot 플랫폼에 의해 주도된 이러한 발전은 현재 전 세계 개발자의 작업 모델을 천천히 변화시키고 있습니다.
노코드 및 로우코드 플랫폼과 같은 최근 몇 년 동안의 많은 코딩 대안은 기술적인 지식이 없는 사용자에게 이상적입니다. 이러한 도구는 기술계의 일부 "하드코어 프로그래머"로부터 경멸과 분노를 불러일으키지만, 가장 경험이 풍부한 코딩 베테랑이라도 자동 코딩 알고리즘의 이점을 누릴 수 있다는 점을 인정해야 합니다. 자동 코딩 알고리즘은 개발자가 실제로 입력해야 하는 코드의 양을 크게 줄여주기 때문입니다.
Tesla 및 OpenAI의 전 인공 지능 이사인 Andrej Karpathy는 자신의 트윗에서 자동 코딩 도구에 대한 자신의 느낌을 다음과 같이 표현했습니다.
"Copilot을 사용하면 코딩 속도가 크게 향상됩니다. Copilot을 사용해 본 후 매우 기쁩니다." '수동 코딩'으로 돌아가면 어떨지 상상해 보세요. 아직 사용법을 배우는 중이지만 이미 코드의 약 80%를 작성하고 약 80%의 정확도를 유지하는 데 도움이 된다는 것입니다. Copilot으로 작업할 때 실제로 코딩을 하지도 않습니다.”
Andrej Karpathy의 발언은 대부분의 개발자들에게도 인정됩니다. 왜냐하면 자동 코딩 플랫폼은 개발자가 코딩 시간을 많이 절약하여 더 많은 에너지를 쏟을 수 있기 때문입니다. 응용 프로그램의 다른 문제를 처리하므로 자동 코딩 플랫폼도 단기간에 놀라운 속도로 전 세계적으로 급속히 채택되었습니다. GitHub Copilot을 예로 들어 보겠습니다. CitHub Copilot은 출시된 지 한 달 만에 400,000개 이상의 유료 구독(월 10달러, 연간 100달러)을 유치했습니다. 그러나 끊임없이 개선되는 이러한 도구가 더 많은 코딩 작업을 수행하기 시작하면서 새로운 질문이 제기됩니다. 개발자는 자동화된 코딩 도구에 대한 의존으로 인해 점차 코딩 기술을 잃게 될까요?
솔직히 자동 코딩 도구를 사용해 본 사람이라면 자동으로 작성하는 코드가 완벽하지 않다는 것을 알고 있습니다. 제안된 코드 조각의 구문에는 아무런 문제가 없을 수 있지만 이러한 도구는 종속성 문제를 일으킬 수 있는 비효율적인 방식으로 작성되는 경우가 많습니다. YCombinator 뉴스 포럼의 Aryamaan 사용자는 Replit에서 제공하는 자동 코딩 플랫폼 "Ghostwriter" 사용에 대해 다음과 같은 의견을 남겼습니다.
"그것이 내가 무엇을 할지 알고 있는 것처럼 정말 놀랐습니다. 하지만 어떤 경우에는 표준 자동 완성보다 더 멍청하지만 이미 정의된 변수를 인식하지 못하고 반쯤 작성된 변수를 완성하는 데 사용하지 않습니다."
사람들은 항상 자동 코딩 도구에 불만을 가져왔지만. 그러나 다른 관점에서 보면 거의 모든 자동 코딩 도구는 인공 지능 알고리즘을 기반으로 합니다. 이는 기술의 발전과 데이터 양의 증가에 따라 사용 편의성과 신뢰성이 계속해서 향상될 것임을 의미합니다. 새로운 세대의 개발자에게 자동화된 코딩 도구는 필수 불가결한 요소가 될 것입니다. 현재 학습 단계에 있는 예비 개발자는 몇 년 안에 현장에 들어갈 것이며, 그 기간 동안 자동화된 코딩 도구는 점차 일반 인간 개발자를 따라잡을 것입니다. 이는 다음 세대의 개발자들이 서서히 코딩을 중단할 가능성으로 이어지며, 다음 세대의 개발자들도 어느 정도 코딩 능력을 상실할 가능성도 있습니다.
오늘날의 개발자는 자신이 사용하는 언어에 대한 깊은 이해와 실제로 문제에 대한 솔루션을 작성하는 방법에 대한 지식이 필요합니다. 그러나 미래의 코더는 언어의 작동 방식만 알면 됩니다. 이러한 지식을 신속한 엔지니어링과 결합하여 코드 조각을 생성할 수 있기 때문입니다. 프롬프트 엔지니어링은 NLP 기술을 사용하여 LLM에 올바른 질문을 함으로써 알고리즘이 최적으로 응답하도록 유도하는 프로세스입니다.
다양한 분야를 뒤흔드는 다른 인공지능 애플리케이션과 마찬가지로, 현재 사람들이 직면하고 있는 문제는 프로그래밍 언어를 보는 방법에 대한 합의에 도달해야 한다는 것입니다. 차세대 개발자는 신속한 엔지니어링을 통해 자동 코딩 도구를 최대한 활용하는 방법을 배우거나 프로그래밍 언어 학습에 대한 현재의 내부 접근 방식을 고수할 것입니다. 앞으로 몇 년.
최근 몇 년 동안 자동 코딩 도구의 채택률이 증가하고 있으며 이러한 제품을 개발하는 회사도 새로운 기능을 추가하고 사용자 경험을 최적화하기 위해 계속해서 혁신하고 있습니다. Github Copilot은 사용자 코드를 수집하고 이를 사용하여 알고리즘을 훈련하는 것에 대해 비판을 받아왔지만, 사실 Github Copilot의 알고리즘은 데이터베이스에 추가되는 모든 코드 조각과 함께 계속 발전하고 있습니다.
물론 현재 데이터 사용에 대해 보다 책임감 있는 접근 방식을 취하고 있는 회사도 많습니다. 예를 들어 공개적으로 사용 가능한 데이터만 사용하여 알고리즘을 훈련하는 Tabnine을 생각해 보세요. Tabnine의 모델은 사용자의 코딩 스타일에서도 학습할 수 있습니다. 사용자 컴퓨터에서 로컬로 알고리즘을 실행함으로써 모델은 프로그래머의 스타일을 학습하고 사용자의 요구에 더 잘 맞는 스니펫 제안을 제공할 수 있습니다. 이는 또한 모든 데이터가 중앙 저장소로 다시 전송되는 것을 방지하여 추가적인 가치를 제공하는 동시에 개인 정보를 보호합니다.
여러 프로그래밍 언어로 권장 사항을 제공할 수 있는 하나의 대규모 모델(예: Codex)을 만드는 현재 접근 방식과 달리, 미래의 자동화 코딩 플랫폼은 여러 모델을 가져와 가장 적합한 언어에 연결할 수 있습니다. Tabnine은 다양한 프로그래밍 언어로 다양한 오픈 소스 모델을 사용하여 성공을 거두었습니다. 최근 공개 인터뷰에서 Tabnine의 생태계 및 비즈니스 개발 담당 부사장인 Brandon Jung은 다음과 같이 말했습니다.
“우리는 다른 곳에서 최고의 모델을 선택하고 있습니다. 그들은 오픈 소스이며 매우 훌륭한 모델입니다. 훈련하는 데 비용이 많이 들고, 우리는 각 언어에 가장 적합한 코딩을 전문으로 합니다. 이러한 모델 중 일부는 다른 언어보다 특정 언어에 더 적합한 것으로 나타났습니다."
이 접근 방식을 사용하면 자동으로 코딩 플랫폼의 효율성이 향상되면 기업이 개인 코드 저장소에서 이를 실행하고 미세 조정하는 것이 더 쉬워집니다. 현재 많은 데이터가 GitHub, AWS, GCP와 같은 서비스 제공업체로부터 격리되어 있지만 이러한 플랫폼에서 벗어나면 일반적으로 개발자가 자동화된 코딩 도구에 더 쉽게 접근할 수 있습니다. 이는 결과적으로 더 많은 사람들이 자동 인코더를 도구로 보다 효과적으로 활용하도록 장려하여 도구 예측의 정확도를 높일 것입니다.
GitHub Copilot과 Tabnine을 예로 들면, 자동 코딩 도구는 미래의 개발자를 위한 새로운 작업 환경을 구축하고 있으며, 이것이 프로그래머에게 제공하는 이점은 부인할 수 없습니다. 더욱 발전된 AI 도구는 개발자가 코드 작성 효율성을 크게 향상시키는 데 도움이 될 뿐만 아니라 종종 과로하는 코더의 스트레스를 줄여줍니다. 이와 관련하여, 이 단계의 기업은 이러한 추세와 개발자가 자동 코딩 도구를 사용하여 가져올 수 있는 효율성을 인식하고 개발자에게 필요한 미래 지향적 개발 도구를 제공하는 것을 고려해야 합니다.
원본 링크: https://analyticsindiamag.com/have-developers-forgotten-how-to-code/
위 내용은 그렇다면 프로그래밍 능력은 사라질 것인가?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!