В начале этого месяца компания Элона Маска по разработке искусственного интеллекта OpenAI выпустила Codex - новую систему, которая автоматически пишет программный код, используя только простые подсказки, написанные на обычном языке. Codex основан на GPT-3, революционной платформе глубокого обучения, которую OpenAI обучила почти на всех общедоступных письменных текстах, созданных человечеством до 2019 года.
В качестве раннего бета-тестера у меня было много возможностей испытать GPT-3 и Codex на практике. Самый частый вопрос, который мне задают о Codex: "Заменит ли он программистов?" Поскольку такие мировые державы, как США, вкладывают миллиарды в обучение новых разработчиков программного обеспечения, естественно беспокоиться, что все усилия и деньги могут оказаться напрасными.
Если вы сами являетесь разработчиком программного обеспечения - или ваша компания потратила кучу денег на их наем - вы можете вздохнуть спокойно. Codex не заменит разработчиков в ближайшее время - хотя он может сделать их гораздо более мощными, эффективными и сфокусированными.
Почему Codex не является экзистенциальной угрозой для разработчиков-людей? Много лет назад я работал с высокопоставленным (и высокооплачиваемым) специалистом по данным и разработчиком программного обеспечения из крупной американской консалтинговой компании над проектом по созданию правительственной базы данных. Нашей задачей было понять, как государственное агентство использует свою базу данных для назначения грантов организациям, а затем посоветовать агентству, как улучшить базу данных.
Когда я только начинал работать со своим коллегой-разработчиком, у меня было много предвзятых представлений о том, как он будет проводить свое время. Я представлял, что он будет целыми днями сидеть за ноутбуком, набирая код в R или составляя блестящие формулы в Mathematica, чтобы помочь нам лучше понять базу данных нашего клиента. Я представлял себе бешеные каракули в стиле Beautiful-Mind, регрессионные анализы и много времени, проведенного перед экраном, за написанием тысяч строк кода на Python.
Вместо этого мой коллега начал работу с того, что встретился с клиентом и провел несколько дней, изучая процесс предоставления грантов. Это привело к встречам с отдельными сотрудниками, заинтересованными сторонами, избирателями агентства и т.д. Только после нескольких месяцев такой работы он наконец сел за анализ данных агентства, используя R и различные графические библиотеки. Собственно кодирование и анализ заняли всего два дня. Результаты анализа были точными, и его программа работала идеально. Клиент был в восторге.