Η γενετική τεχνητή νοημοσύνη (γενιά AI) ανοίγει την ευκαιρία σε όλους να γίνουν προγραμματιστές λογισμικού. Αλλά την ίδια στιγμή, η τεχνητή νοημοσύνη μπορεί να καταστήσει περιττές πολλές εξαιρετικές δεξιότητες.
Αυτά είναι τα λόγια του Thomas Davenport από το Babson College και του Ian Barkin, ενός venture capitalist, στο τελευταίο τους βιβλίο, All Hands on Technology: The Citizen Revolution Powered by Artificial Intelligence. Για αρχή, σημειώνουν ότι χάρη στα εργαλεία χαμηλού κώδικα και χωρίς κώδικα, τον αυτοματισμό ρομποτικών διαδικασιών και τώρα την τεχνητή νοημοσύνη, οι πύλες της ανάπτυξης λογισμικού είναι ανοιχτές σε όλους.
Επίσης: η δουλειά του προγραμματισμού των ονείρων σας απαιτεί αυτή τη γλώσσα, συμφωνούν όλοι οι ιστότοποι.
«Η τεχνολογία δεν ανήκει πλέον σε κανένα λειτουργικό τμήμα», εξηγούν. «Τα δεδομένα και η ανάλυση δεδομένων δεν είναι πλέον ο τομέας μόνο των διδακτορικών σπουδών και των αριθμών. Από εδώ και πέρα, όλοι οι εργαζόμενοι έχουν την ευκαιρία να είναι σχεδιαστές συστημάτων, αναλυτές δεδομένων, προγραμματιστές και δημιουργοί».
Οι Davenport και Barkin σημειώνουν ότι η γενετική τεχνητή νοημοσύνη θα οδηγήσει την ανάπτυξη των πολιτών σε ένα εντελώς νέο επίπεδο. «Πρώτον, είναι διεπαφές χρήστη συνομιλίας», γράφουν. «Σχεδόν κάθε προμηθευτής λογισμικού σήμερα έχει ανακοινώσει ή θα ανακοινώσει σύντομα μια γενετική διεπαφή AI».
«Τώρα ή στο πολύ κοντινό μέλλον, κάποιος που ενδιαφέρεται για προγραμματισμό ή πρόσβαση/ανάλυση δεδομένων χρειάζεται μόνο να ρωτήσει το σύστημα AI σε απλή γλώσσα για να αποκτήσει ένα πρόγραμμα που περιέχει ένα σύνολο καθορισμένων λειτουργιών, μια ροή εργασιών αυτοματισμού με βασικά βήματα και αποφάσεις ή εκπαίδευση μηχανικής ανάλυσης, συμπεριλαμβανομένων ορισμένων μεταβλητών ή συναρτήσεων.”
Όπως σημειώνουν οι συγγραφείς, μέρος αυτού του μέλλοντος, που δεν έχει ακόμη πλήρως διαμορφωθεί, αποτελείται από εξειδικευμένα ρομπότ που έχουν σχεδιαστεί για να εκτελούν συγκεκριμένους τύπους εργασίας. «Υπάρχουν ψηφιακοί εργαζόμενοι από προμηθευτές RPA και άλλες νεοφυείς επιχειρήσεις που ισχυρίζονται ότι κάνουν όλη τη δουλειά, όταν η έρευνά μας δείχνει ότι στην πραγματικότητα κάνουν μόνο μερικές εργασίες και είναι σίγουρα λιγότερο ευέλικτοι από τους ανθρώπινους εργάτες».
Επίσης: Η έρευνα της Google δείχνει ότι περισσότερο από το 75% των προγραμματιστών βασίζεται στην τεχνητή νοημοσύνη. Αλλά υπάρχει ένα πιάσιμο
Αυτό περιλαμβάνει εκκολαπτόμενα ρομπότ ανάπτυξης λογισμικού, τα οποία οι πωλητές ισχυρίζονται ότι είναι «ικανά να γράφουν προγράμματα από την αρχή μέχρι το τέλος», λένε οι Davenport και Barkin. «Αναμένουμε ότι τα επόμενα χρόνια, αυτά τα bots θα είναι σε θέση να βελτιώσουν την παραγωγικότητα των πολιτών, αλλά δεν θα τα αντικαταστήσουν».
Η τεχνητή νοημοσύνη της γενιάς, λένε, θα αισθάνεται σαν ιδανικός επιστήμονας ή προγραμματιστής «επειδή δημιουργεί τον κώδικα για αυτήν την ανάλυση. Θα προσδιορίσει τι θέλετε, λειτουργεί πολύ γρήγορα και θα σας επιτρέψει να αλλάξετε γνώμη σχετικά με την εφαρμογή που θέλετε άπειρες φορές.” αυτοματισμού ή μοντέλου».
«Η γενιά της τεχνητής νοημοσύνης θα διευκολύνει επίσης την εύρεση υπαρχόντων μοντέλων, λειτουργιών ή στοιχείων λογισμικού που μπορείτε να χρησιμοποιήσετε για να ξεκινήσετε το αστικό σας έργο», καταλήγουν.
Επίσης: Πώς το ChatGPT σάρωσε 170 χιλιάδες γραμμές κώδικα σε δευτερόλεπτα, εξοικονομώντας μου ώρες εργασίας
Προχωρώντας πέρα από αυτές τις πρώιμες αρχές, με την ανάπτυξη της τεχνητής νοημοσύνης, του RPA και άλλων εργαλείων, «μερικοί πολίτες προγραμματιστές πιθανότατα δεν θα χρειάζονται πλέον και κάθε πολίτης θα πρέπει να αλλάξει τον τρόπο που κάνει τη δουλειά του», προτείνουν οι Davenport και Barkin. Η γενιά του AI θα αναλάβει μεγάλο μέρος αυτής της εργασίας, συμπεριλαμβανομένης της δημιουργίας κώδικα εφαρμογών, του αυτοματισμού και της ανάλυσης δεδομένων.
Ο Dominique Ligo, Διευθύνων Σύμβουλος και CTO της CirroLytix, επαναλαμβάνει τις παρατηρήσεις των Davenport και Barkin σε ένα πρόσφατο άρθρο για το HackerNoon, σημειώνοντας πώς επέτρεψε σε ημιτεχνικούς επαγγελματίες στην τάξη να χρησιμοποιούν εργαλεία επιστήμης δεδομένων:
«Οι συμμετέχοντες, κυρίως οι CISO που συνήθως δεν κωδικοποιούν, βρήκαν τις ασκήσεις που σχεδιάστηκαν από AI έξυπνες και πρακτικές. Ο στόχος μου ήταν να τους βυθίσω στην απευθείας εργασία με δεδομένα και κώδικα. Εκτίμησαν ιδιαίτερα την ευκαιρία να εξετάσουν χειροκίνητα τι αυτοματοποιούν συνήθως οι σύγχρονες πλατφόρμες παρακολούθησης απειλών στον κυβερνοχώρο και οι πλατφόρμες SIEM για να αποκτήσουν πληροφορίες για το τι συμβαίνει κάτω από το καπό.
Ταυτόχρονα, το Ligo προτείνει επίσης ότι οι πολίτες προγραμματιστές και οι επιστήμονες δεδομένων δεν χρειάζονται απαραίτητα τεχνικές δεξιότητες, καθώς μεγάλο μέρος αυτής της εργασίας αναλαμβάνεται από την τεχνητή νοημοσύνη. «Το κύριο συστατικό μου από το μάθημα ήταν εκπληκτικά αδιανόητο: η επιστήμη των δεδομένων όπως την ξέρουμε θα αντικατασταθεί τελικά από την τεχνητή νοημοσύνη», είπε.
Επίσης: Ο τεχνολόγος Bruce Schneier για την ασφάλεια, την κοινωνία και γιατί χρειαζόμαστε μοντέλα «δημόσιας τεχνητής νοημοσύνης».
«Η εμφάνιση εργαλείων που βασίζονται στην τεχνητή νοημοσύνη που μπορούν να αναλύουν δεδομένα, να μοντελοποιούν και να δημιουργούν πληροφορίες έχει τη δυνατότητα να αλλάξει τον τρόπο που σκεφτόμαστε τον ρόλο και το μέλλον της ίδιας της επιστήμης δεδομένων», δήλωσε ο Ligo. «Εργασίες όπως η προετοιμασία δεδομένων, ο καθαρισμός, ακόμη και η βασική ποιοτική ανάλυση –δραστηριότητες που καταναλώνουν το μεγαλύτερο μέρος του χρόνου ενός επιστήμονα δεδομένων– αυτοματοποιούνται πλέον εύκολα από συστήματα τεχνητής νοημοσύνης».
«Αυτό που είναι χειρότερο (ή καλύτερο, ανάλογα με το πού βρίσκεστε) είναι ότι η τεχνητή νοημοσύνη είναι ταχύτερη, πιο ακριβής και λιγότερο επιρρεπής σε ανθρώπινο λάθος ή κόπωση».
Ωστόσο, το να φτάσουμε στο σημείο όπου η εξόρυξη και η επεξεργασία δεδομένων μπορεί να γίνει απρόσκοπτα με την τεχνητή νοημοσύνη θα πάρει χρόνο, εξηγούν οι Davenport και Barkin. «Είναι πιθανό ότι στο μέλλον, η τεχνητή νοημοσύνη γενιάς και η τεχνητή νοημοσύνη συνομιλίας γενικά θα γίνουν η διεπαφή για όλες τις μη στρατιωτικές εφαρμογές», λένε. «Αυτό είναι δυνατό με πολλά εργαλεία σήμερα, αλλά χρειάζεται τουλάχιστον λίγη πολυπλοκότητα για να δημιουργήσετε συμβουλές που θα σας βοηθήσουν να αποκτήσετε πρώτη πρόσβαση στην εφαρμογή, την ανάλυση δεδομένων ή τη ροή εργασιών αυτοματισμού που χρειάζεστε. Αυτό ισχύει επίσης όταν πρόκειται για τη δημιουργία κώδικα και είναι ένας από τους λόγους για τους οποίους οι έμπειροι προγραμματιστές τείνουν να έχουν καλύτερη τύχη από τους άπειρους προγραμματιστές».
Επίσης: Καλύτερο AI για κωδικοποίηση το 2024 (και τι να μην χρησιμοποιήσετε)
Ωστόσο, συνέχισαν: «Σε ένα ή δύο χρόνια, θα είναι δυνατό να έχουμε μια επαναληπτική συζήτηση με τη διεπαφή AI της γενιάς ανάλυσης μηχανικής μάθησης».
