AI는 프로그래밍 효율성을 향상하지만 너무 많은 코드를 너무 빨리 생성하는 것은 좋지 않습니다.
6월 1일 뉴스, 생성 인공 지능 기술이 효율성을 높이고 소프트웨어 개발을 더 쉽게 만들었음에도 불구하고, 기술 부서장은 너무 많은 양의 코드를 너무 빨리 생성하면 후속 문제가 발생하고 업무가 더 어려워질 것이라고 우려하고 있습니다.
다음은 번역입니다.
생성 AI 프로그래밍 도구는 개발 효율성을 크게 향상시킬 수 있지만 일부 기술 경영진은 너무 많은 코드를 너무 빨리 생성하면 부정적인 결과를 초래할 수 있다고 우려합니다.
United Airlines, Johnson & Johnson, Visa, Cardinal Health, Goldman Sachs와 같은 주요 기업의 IT 책임자는 모두 프로그래밍 프로세스의 일부를 자동화할 수 있는 생성 AI의 잠재력에 대해 매우 기대하고 있으며 이를 통해 작업이 크게 향상될 것으로 기대한다고 말했습니다. 능률.
그러나 일부 IT 경영진은 코드 개발의 기준을 낮추면 점점 더 늘어나는 소프트웨어 제품 스택을 관리해야 하기 때문에 복잡성 증가, "기술적 부채" 및 혼란이 발생할 수 있다고 우려합니다. '기술적 부채'란 개발자가 빠른 개발을 위해 짧은 시간 안에 타협을 하게 되어 향후 추가적인 부담을 안겨주는 것을 말합니다.
금융 서비스 회사 Truist의 최고 데이터 책임자인 Tracy Daniels는 빠른 배송으로 인해 "기술적 부채"와 "고아 코드"가 증가할 수 있는 잠재적 위험이 주목할 만하다고 말했습니다.
"사람들은 오랫동안 '기술적 부채'에 대해 이야기해 왔으며 이제 이전에는 불가능했던 방식으로 '기술적 부채'를 축적할 수 있는 완전히 새로운 신용 카드를 갖게 되었습니다.", MIT 컴퓨터 과학 및 인공 정보국의 연구실 교수인 아르만도 솔라-레자마(Armando Solar-Lezama)는 말했다. 그는 "기계로 작성된 나쁜 코드가 많이 쌓일 수 있다고 생각한다. 기업은 비슷한 상황이 다시 발생하지 않도록 새로운 도구와 상호 작용하는 방식을 재고해야 한다"고 덧붙였다.
Saul-Lezama에 따르면 일부 코드 개발 프로세스는 다음과 같습니다. 지루하고 시간이 많이 걸리며 이러한 개발 노력을 자동화하려는 시도가 수년 동안 진행되어 왔으며, 자동화된 생성 AI 모델의 크기와 정확성이 계속 증가하여 ChatGPT와 같은 자동화된 프로그래밍이 발전했습니다.
Amanda. Microsoft의 부사장 겸 제품 개발 책임자인 Silver는 좋은 개발자가 부족하여 회사가 개발 도구에 대한 투자를 늘리는 계기가 되었다고 말했습니다.
다양한 회사에서 이를 평가하고 Microsoft Github의 Copilot과 같은 다양한 도구를 배포하고 있습니다. Amazon, IBM, 스타트업인 Tabnine 및 Magic AI에서 출시한 다른 도구입니다. 이러한 도구는 종종 코드 조각 생성 및 테스트를 권장하거나 프로그램 작성에 기술적 제안을 제공할 수 있습니다. 그러나 IT 리더인 Vivek Jetley는 말합니다. 데이터 분석 및 디지털 운영 솔루션 회사인 EXL의 분석 책임자이기도 한데, 이것이 최고정보책임자(CIO)의 업무를 더욱 복잡하게 만든다고 생각합니다. ”
이러한 도구를 사용하면 프로그래밍이 더 쉬워지므로 점점 더 많은 직원이 새로운 애플리케이션 시나리오를 위한 코드 작성을 시작할 수 있습니다. 그러나 Jaitley는 코드의 양이 폭발적으로 증가함에 따라 CIO는 유지할 코드, 유지할 코드의 우선 순위를 지정하여 코드를 제어하고 관리해야 한다고 말했습니다. OutSystems의 CEO인 Paulo Rosado는 폐기할 코드와 시스템을 실행하는 방법이 더 복잡해질 것이라고 말했습니다. "책임"과 "고아 코드"는 오랫동안 CIO의 문제였습니다. 코드 양이 계속 증가함에 따라 이는 불가피합니다. 사람들은 일부 코드가 무엇을 하는지, 어떻게 만들어졌는지 혼란스러워할 것입니다. 개발자가 회사를 떠나면 이러한 문제는 더욱 복잡해질 것입니다. Rosado는 생성 AI 프로그래밍 도구가 이러한 문제를 더욱 악화시킬 것이라고 확신합니다. . United Airlines 최고 메시지입니다. 시간이 갈수록 클라우드 환경의 탄력성 설계와 보안이 더욱 중요해질 것이며, 적절한 검토와 테스트 없이 소프트웨어를 출시하는 것은 더욱 어려워질 것입니다
위험에도 불구하고 CIO는 전진합니다, Birnbaum United는 자동 코드 생성 기능을 포함하여 여러 가지 생성 AI 애플리케이션
을 테스트하고 있습니다. 또한 Nuo는 최근 관련 사용 사례 및 위험을 평가하기 위해 다기능 실무 그룹을 설립하고 새로운 코드 생성 및 코드 주석 도구를 탐색하고 있습니다. Goldman Sachs의 초기 파일럿 프로젝트 효율성 향상은 두 자릿수에 도달했습니다(Chenchen).위 내용은 AI는 프로그래밍 효율성을 향상하지만 너무 많은 코드를 너무 빨리 생성하는 것은 좋지 않습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도

검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.

AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.

LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.

머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

1일 본 사이트 소식에 따르면 SK하이닉스는 오늘(1일) 블로그 게시물을 통해 8월 6일부터 8일까지 미국 캘리포니아주 산타클라라에서 열리는 글로벌 반도체 메모리 서밋 FMS2024에 참가한다고 밝혔다. 많은 새로운 세대의 제품. 인공지능 기술에 대한 관심이 높아지고 있는 가운데, 이전에는 주로 NAND 공급업체를 대상으로 한 플래시 메모리 서밋(FlashMemorySummit)이었던 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage) 소개를 올해는 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage)으로 명칭을 변경했습니다. DRAM 및 스토리지 공급업체와 더 많은 플레이어를 초대하세요. SK하이닉스가 지난해 출시한 신제품

Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다
