Ist KI-Codierung ein echtes Bedürfnis oder eine Spielerei?

Gastinterview von Xu Xiaoqiang

| Geschrieben von Zhang Xiaonan

|. 51CTO Technology Stack (WeChat-ID: blog51cto)

Seit Generative AI After Das Feuer, die KI schien die Rolle des Programmierers „am Haken“ zu haben.

Fast hin und wieder wird das Thema, ob KI-Programmiertools Programmierer ersetzen können, erneut diskutiert.

Die hitzige Diskussion rund um die KI-Programmierung verwirrt: Wird dies eine Produktivitätsrevolution im Programmierbereich auslösen? Oder ist das ein weiterer überbewerteter Stunt?

Dank der KI-Programmierung hat Baidu eine Verbesserung der menschlichen Effizienz um 10 % erreicht. Heute wurden 27 % des von Ingenieuren eingereichten neuen Codes durch KI generiert. Die Pioniere dieser Antwort sind die großen Hersteller, die diese Antwort erforschen.

Allerdings Als Baidu Comate-Architekt und erster Benutzer dieses Produkts ist Xu Xiaoqiang entschieden gegen die Aussage, dass „Entwickler durch Programmiertools ersetzt werden“.

Aufgrund seiner Berufserfahrung in Forschung und Entwicklung sowie in der Architektur ist er fest davon überzeugt, dass menschliche Entscheidungsfindung und Innovation einen unersetzlichen Wert haben.

„Werkzeuge sollen Menschen helfen, bessere Leistungen zu erbringen, und die Werkzeuge selbst werden nicht dazu verwendet, Menschen zu ersetzen.“ Diese Ansicht äußerte er oft in Interviews: „Menschliche Entscheidungs- und Innovationsfähigkeiten sind immer besser als Modelle“

Allerdings bemerkte er auch deutlich, dass sich der Bereich Software Engineering mit dem Eingreifen der KI tatsächlich einigen grundlegenden Veränderungen unterzieht. Die Grenzen der Rollen im F&E-Prozess verschwimmen und eine neue Paradigmenära, in der Entwickler und KI zusammenarbeiten, steht vor der Tür.

Als erfahrener Benutzer von Comate teilte Xu Xiaoqiang während der Live-Übertragung viele seiner Methoden und Erfahrungen mit der Verwendung von Programmiertools. Er schlug vor, dass Benutzer dieses Tool so oft wie möglich üben sollten, um „Übung macht den Meister“ zu erreichen. .

Das von Xu Xiaoqiang vorgestellte Ergebnis der KI-Programmierung ist weitreichend und großartig. Nach einem qualitativen Sprung bei den Programmierwerkzeugen hofft er, dass Menschen sich gemeinsam mit der KI gleichberechtigter und gesprächiger entwickeln können,

sogar direkt auf der Ebene des Bewusstseins jenseits der Sprache interagieren können, um das Ziel „Jeder ist ein“ zu erreichen Programmierer“ Die ultimative Blaupause.

Das Folgende sind die wichtigsten Punkte des Interviews:

Derzeit verbessern KI-Programmierprodukte weiterhin die Produktfunktionen horizontal und vertikal, um auf „echtere Bedürfnisse“ zu reagieren.

• Zusätzliche Programmiertools können Entwickler nicht ersetzen. Der Zweck von Tools besteht darin, besser mit Menschen zusammenzuarbeiten und dadurch die Fähigkeiten der Menschen zu verbessern.
• Grenzen der KI-Fähigkeiten: Es bestehen immer noch große Defizite im vertieften Verständnis von Informationen, der multimodalen Informationsverarbeitung und den Innovationsfähigkeiten.
• Die Ära des Software Engineering 3.0 wird ein neues Paradigmenzeitalter sein, in dem Menschen und KI zusammenarbeiten. Der F&E-Prozess wird neu aufgebaut und das Anforderungsmanagement wird zum Kern.
• Datenschutz- und Urheberrechtsfragen bei der KI-Programmierung erfordern einen „doppelten Ansatz“ sowohl auf technischer als auch auf rechtlicher Ebene.
• Konversation wird in Zukunft die wichtigste Interaktionsmethode von KI-Programmiertools sein, und Programmierprodukte werden von F&E-Szenarien bis hin zu Nicht-F&E-Szenarien reichen.
  Der Inhalt des Interviews lautet wie folgt:

1. AI hat 27 % des neuen Codes von Baidu fertiggestellt. Programmiertools müssen von Benutzern stärker erforscht werden, um „echte Bedürfnisse“ zu lösen

AIGC Practical School:

Jetzt gibt es ein Argument dafür, dass KI-Programmierung programmbezogene Positionen stark untergraben könnte, und diese Ansicht hat auch einige Panik ausgelöst. Andererseits werden viele Menschen feststellen, dass das Programmieren mit KI weitaus weniger effizient ist, als wir es uns vorgestellt haben. Ist die große Beliebtheit der KI-Programmierung auf die Nachfrage zurückzuführen oder ist es eine Spielerei?

Xu Xiaoqiang:

Lassen Sie uns diese Meinungen beiseite legen und uns die aktuellen Fakten ansehen. Obwohl die Popularisierung und Akzeptanz von KI-Programmiertools einige Zeit in Anspruch nimmt, ist die Beliebtheit der KI-Programmierung auf dem Markt für alle offensichtlich, und es werden immer mehr Implementierungsfälle und kommerzieller Wert auftauchen.

Zweitens werden sich KI-Programmierprodukte weiterentwickeln, um auf „realere Bedürfnisse“ zu reagieren. Am Beispiel unseres eigenen Produkts Comate 2.0 arbeiten wir ständig hart daran, die Produktfähigkeiten sowohl in vertikaler als auch in horizontaler Hinsicht zu verbessern.

Horizontal hoffen wir, dass die KI-Programmierung ein breiteres Spektrum an Forschungs- und Entwicklungsszenarien abdecken kann. Beispielsweise kann die RAG-Technologie verwendet werden, um Projekte und Codes tiefgreifend zu verstehen und so die Forschungs- und Entwicklungseffizienz in einer Vielzahl von Szenarien zu verbessern. Vertikal hoffen wir, dass KI tief in eine bestimmte Branche oder ein bestimmtes Szenario eindringen kann.

Schließlich kann die Wirksamkeit von KI-Programmiertools zwischen Einzelpersonen und Organisationen variieren. Benutzer müssen Nutzungsgewohnheiten entwickeln und sich mit den Tools vertraut machen. Um besser mit KI-Tools zusammenarbeiten zu können, sollten Benutzer ihre Bedürfnisse klar beschreiben und KI als persönlichen Assistenten betrachten, der jede Frage beantwortet und sie ständig erforscht und mit ihr interagiert.

Darüber hinaus gibt es viele Entwickler, die KI-Programmierung als Lernwerkzeug nutzen können, um unbekannte Sprachen, Frameworks und Code-Implementierungsideen zu verstehen und sich sogar eingehend nach Implementierungsdetails zu erkundigen.

Man kann sagen, dass die Verbesserung der KI-Effizienz im Bereich Programmierung keine Spielerei ist. Seit dem Aufkommen der Großmodelltechnologie hat Baidu eine Verbesserung der menschlichen Effizienz um 10 % erzielt. 27 % des von Ingenieuren eingereichten Codes wurden durch KI generiert und die Benutzerakzeptanzrate erreichte 46 %. Mittlerweile nutzen 80 % der Baidu-Ingenieure KI-Tools zur Unterstützung der Entwicklung.

Darüber hinaus haben Ingenieure die Veränderungen gespürt, die die neue Generation von Werkzeugen mit sich bringt, was nicht nur die Arbeitseffizienz verbessert, sondern auch die Zufriedenheit bei der Arbeit erhöht.

AIGC-Praktiker: Gibt es bei der Verwendung von KI-Programmierung eine Möglichkeit, das Potenzial des Tools besser zu nutzen?

Xu Xiaoqiang: Ich denke, wir müssen noch mehr ausprobieren. Nach und nach kann man das Gefühl entwickeln: In welchen Szenarien kann KI Dinge schneller erledigen als Menschen? Durch die Anhäufung solcher Szenarien nacheinander wird das Tool nach und nach die erwarteten Ergebnisse erzielen.

AIGC-Praktiker: Gerade haben Sie erwähnt, dass 27 % der neuen Baidu-Codes jeden Tag von Comate generiert werden. Manche Menschen befürchten also, dass es zu Entlassungen kommen wird, wenn das F&E-Team ihres Unternehmens mehr KI-Programmiertools einsetzt?

Xu Xiaoqiang: Am Anfang waren wir auch verwirrt und hatten Angst, dass so etwas passieren würde. Aber mit einer tieferen Nutzung und einem tieferen Verständnis der KI-Programmierung wurde mir klar, dass es bei der Verbesserung der Effizienz nicht darum geht, den Menschen durch Werkzeuge ersetzen zu lassen, sondern darum, dass Werkzeuge besser mit Menschen zusammenarbeiten und dadurch die menschlichen Fähigkeiten verbessern.

Derzeit ist die KI noch nicht so weit entwickelt, dass die Programmierung und der Entwicklerberuf verschwinden werden. Doch genau wie die Geburtsstunde des Automobils für den Kutscher – auch wenn eines Tages dieses Stadium erreicht, besteht kein Grund zur Sorge.

2. Der Wert menschlicher Entscheidungsfindung und Innovation wird für immer bestehen bleiben, und Programmierer müssen sich keine Sorgen machen, ersetzt zu werden Programmiertools? Werden die Tools limitiert sein?

Xu Xiaoqiang: Um über die Grenzen der KI-Programmierfunktionen zu sprechen, müssen wir meiner Meinung nach zunächst die Kernvorteile des Tools betrachten.

Ich denke, es liegt hauptsächlich an Aufgaben mit diesen drei Eigenschaften: sehr repetitiv, einfach und trivial.

Dementsprechend können KI-Fähigkeiten in Szenarien, die Kreativität, Entscheidungsfindung und Komplexität erfordern, nicht den hervorragenden Standards genügen. Ich denke, seine Fähigkeiten werden hauptsächlich durch die folgenden Aspekte eingeschränkt. Erstens versteht das Modell selbst die Informationen nicht tief genug. Obwohl wir über größere Modelle verfügen, ist unser Verständnis des Codes immer noch nicht gut genug. Ich glaube, dass Code ein Träger mit geringer Informationsdichte ist. Sein Zweck besteht nicht darin, Modellen und Maschinen zu dienen, sondern ein Gleichgewicht zwischen menschlicher und maschineller Sprache zu finden. Daher kann die KI die Gesamtsituation nicht mit Code erfassen, was die Genauigkeit der Entscheidungsfindung erheblich schwächt.

Zweitens speichern und übermitteln Menschen Informationen auf verschiedene Weise, aber die KI ist nur begrenzt in der Lage, multimodale Informationen wie Flussdiagramme und Klassendiagramme zu verstehen. Dies ist derzeit auch eine sehr beliebte Forschungsrichtung.

Drittens, ausgehend vom Prinzip des Modells, als probabilistisches Modell, ist der Output der KI durch vorhandenes Wissen begrenzt und es mangelt an Kreativität. Für normale Benutzer ist es schwierig, KI-Eingabeaufforderungen selbst anzupassen, was das Eingreifen professioneller Rollen wie Eingabeaufforderungsingenieure erfordert.

Schließlich ist das Verständnis der KI für professionelles Domänenwissen noch gering, und sowohl privates Domänenwissen als auch professionelles Domänenwissen müssen weiter gestärkt werden.

Basierend auf den oben genannten Faktoren gibt es in bestimmten Szenarien Grenzen für die Leistung von KI. Der Mensch wird als Brücke benötigt, um spezifische Probleme zu analysieren und zu entscheiden, welche Aufgaben am besten von der KI und welche besser von uns selbst erledigt werden können. Dies ist ein Bereich, in dem Menschen Vorbilder immer übertreffen werden.

AIGC-Praktische Schule:

Angenommen, es gibt eine Person, die keine Programmierkenntnisse hat, wenn sie leistungsstarke Hilfsprogrammierwerkzeuge verwendet, kann sie dann das erreichen, was einige Programmierer tun?

Xu Xiaoqiang: Ich denke, dieser Effekt wurde bis zu einem gewissen Grad erreicht.

AIGC Practical School: Aber wirklich kreative und herausfordernde Codierungsarbeit muss noch von Programmierern erledigt werden?

Xu Xiaoqiang: Ja.

AIGC-Praktiker: Aus dieser Perspektive müssen Programmierer keine Angst haben, ersetzt zu werden.

Xu Xiaoqiang: Ja. Ich denke, darüber müssen Sie sich überhaupt keine Sorgen machen.

3. Auf dem Weg zum Zeitalter des Software-Engineerings 3.0 wird die Zusammenarbeit mit KI den Forschungs- und Entwicklungsprozess neu gestalten. . Welche Veränderungen werden sich unter dem Einfluss von KI im Software-Engineering ergeben? Wie sollten Praktiker diese Veränderungen sehen und darauf reagieren? Xu Xiaoqiang:

Ja. Das Konzept des Software Engineering 3.0 ist in letzter Zeit immer beliebter geworden, obwohl es meiner Meinung nach nur der Ausgangspunkt für das Erreichen der 3.0-Ära ist.

Wenn man auf die Entwicklung der Software-Engineering-Paradigmen zurückblickt, erkennt man, dass Software-Engineering in der 1.0-Ära wirklich standardisierte Prozesse für Softwareentwicklung und Teamzusammenarbeit darstellte. Allerdings ist diese Methode in der tatsächlichen Entwicklung nicht agil genug und der Bereitstellungsprozess ist nicht reibungslos genug. Mit Beginn der 2.0-Ära ist die Entwicklung agil geworden und die Infrastruktur wurde kontinuierlich verbessert, repräsentiert durch Cloud Computing und SaaS. Im Vergleich zur 1.0-Ära haben große Veränderungen in der Denkweise und Produktform stattgefunden.

Was die Ära 3.0 betrifft, glaube ich nicht, dass wir in eine Phase des werkzeuggesteuerten Wandels eingetreten sind. Das Potenzial großer Modelle (LLMs) ermöglicht es ihnen in vielerlei Hinsicht, eher als Katalysatoren als als Vorreiter von Veränderungen zu fungieren. In der Vergangenheit war es unrealistisch, jedem Entwickler eine Rolle zuzuweisen, mit der er arbeiten kann, aber heute befinden wir uns im Zeitalter eines neuen Paradigmas der Arbeit mit KI.

Die kollaborative Arbeitsmethode KI kann unsere Arbeit in folgenden Aspekten verbessern: Erstens kann KI die operativen Schritte in der tatsächlichen Arbeit vereinfachen.

Zweitens reduziert KI meine Kosten für den Aufgabenwechsel, sodass ich mich darauf verlassen kann, Aufgaben wie das Stellen von Fragen, das Einarbeiten in Projekte, das Verstehen und Finden von Informationen usw. innerhalb einer Benutzeroberfläche zu erledigen. Hand Mann. Derzeit befindet sich unsere Zusammenarbeit mit KI noch im Befehlsmodus, aber in Zukunft kann KI möglicherweise mehr tun, wie zum Beispiel einfache Entscheidungsaufgaben usw. Nur so können wir ein wirklich neues Modell der Mensch-Maschine-Zusammenarbeit erreichen .

Mit dem Eingreifen der KI erfährt der Bereich des Software-Engineerings tatsächlich einige grundlegende Veränderungen. Der F&E-Prozess wird neu strukturiert und das Anforderungs-Engineering wird zum Ausgangspunkt und Endpunkt der Lieferung. Die Obergrenze der Funktionalität der aktuellen Version kann der Ausgangspunkt neuer Anforderungen sein, wodurch die Produktiteration kontinuierlich gefördert wird.

Gleichzeitig hat das Aufkommen der KI auch die Rollenverteilung verwischt. Jetzt können Produktmanager große Modelle verwenden, um schnell Prototypen zu erstellen und einen Teil der Entwicklungsarbeit zu übernehmen. Ähnliche dynamische Funktionen helfen dem Team, Produktkonzepte intuitiver zu verstehen und zu bewerten.

Ich glaube, dass Veränderungen in den Mensch-Maschine-Zusammenarbeits- und Bereitstellungsmodellen sowie Veränderungen in der gesamten Kette gemeinsam die Weiterentwicklung des Software-Engineerings vorantreiben werden.

AIGC-Praktiker: Ich habe gerade erwähnt, dass die 3.0-Ära noch nicht offiziell begonnen hat. Wird es in dieser Übergangsphase einige neue Schlüsselrollen geben?

Xu Xiaoqiang: Ja, wir haben einige neue Änderungen bemerkt. Zum Beispiel gibt es in letzter Zeit eine relativ beliebte neue Position: Prompt-Ingenieur. Diese Position gab es vorher nicht, sie hat sich eigentlich aus einer F&E- oder Produktrolle entwickelt. Dies zeigt, dass mit der Integration von KI die Anforderungen an Originalpositionen aktualisiert werden und auch spezialisiertere Unterteilungen gebildet werden, sodass Menschen mit diesen Fähigkeiten einen größeren Wert spielen können.

AIGC-Praktiker: Wie werden neue Rollen in das Unternehmen aufgenommen? Wird es im Unternehmen generiert oder muss es durch Personalbeschaffung erreicht werden?

Xu Xiaoqiang: Ich denke, dass der Prompt Engineer eine unverzichtbare Rolle bei der Entwicklung nativer KI-Anwendungen spielt. Allerdings ist diese Rolle aus heutiger Sicht zu neu und es ist schwierig, erfahrene Kandidaten auf dem Markt zu finden. Daher besetzen wir diese Rolle häufig durch interne Transfers, beispielsweise von F&E- oder Produktmanagern. Während des Transformationsprozesses werden wir auf andere hervorragende Praktiken verweisen und erfolgreiche Praktiken sammeln.

Darüber hinaus unterstützen wir Sie auch auf Tool-Ebene. Um den Betrieb der gesamten Verbindung zu unterstützen, haben wir innerhalb von Baidu eine Reihe von Tools entwickelt, z. B. Comate Stack, Playground usw.

AIGC-Praktiker: Gerade haben Sie gesagt, dass KI neue Arbeitsplätze geschaffen hat, was ins Auge fällt, aber als sich das Thema änderte, haben wir tatsächlich viele Produktfunktionen, die die Anforderungen dieser Positionen erfüllen können. . (Ja, bedeutet das nicht, dass keine neuen Arbeitsplätze geschaffen werden?)

. 4. Die Lösung von Datenschutz- und Urheberrechtsproblemen erfordert einen zweigleisigen Ansatz aus Technologie und Recht

AIGC Practical School:

Das von GitHub im letzten Jahr eingeführte KI-Programmiertool stieß auf einen Artikel des Codes, aber dieser Code Es wurde nachgewiesen, dass er nicht original war und sich die Klage um die Frage der Verletzung drehte. Wie können wir solche Probleme beim Einsatz von Programmiertools vermeiden?

Xu Xiaoqiang:

Dies ist ein sehr neues Thema, und es mangelt an ausreichenden Referenzen sowohl in Bezug auf Gesetzgebung als auch Rechtsprechung. Ich denke, das ist tatsächlich ein Problem auf zwei Ebenen. Die erste Ebene der Probleme sind technische Probleme und die zweite Ebene sind rechtliche Probleme. Auf der technischen Ebene gibt es viele technische Lösungen, und dabei geht es eher um die Verteidigung. Wir arbeiten daran, die Zuverlässigkeit und Konformität unserer Technologie sicherzustellen, indem wir beispielsweise beim Training von Modellen urheberrechtlich geschützte Codefragmente identifizieren und deren Verbreitung verhindern. Auf Produktebene ist es notwendig, die konforme Übertragung von Daten sicherzustellen und die Daten- und Datenschutzsicherheit des Benutzerinteraktionsprozesses sicherzustellen.

Aus rechtlicher Sicht sind Gesetze erforderlich, um damit verbundene Probleme zu lösen und die Interessen der meisten Menschen zu schützen. Tatsächlich gab es in diesem Jahr einige Maßnahmen im privaten Sektor. Als Kernmitglied des Standards für die generative Großmodell-Intelligenzentwicklung haben wir Vorschriften in Bezug auf Großmodellprinzipien und Datensicherheit zusammengestellt. Daher besteht Grund zu der Annahme, dass der gesamte rechtliche Aspekt in naher Zukunft vollständiger und fundierter sein wird, was die Entwicklung der Branche unterstützen wird.

AIGC-Praxisschule: Was Lehrer Da großen Modellen viel Aufmerksamkeit geschenkt wird und einige Menschen der KI-Programmiertechnologie immer noch skeptisch gegenüberstehen, können sich die (negativen Auswirkungen) einzelner Fälle verstärken.

Xu Xiaoqiang: Ja.

5. Das Endspiel der KI-Codierung erfordert qualitative Veränderungen und wird zu einer gleichberechtigteren und natürlicheren Art der Interaktion führen schließlich iterativ optimiert werden. In welchem ​​Umfang? Wir sind neugierig auf die sogenannte ultimative Form der KI-Codierung.

Xu Xiaoqiang: Auf lange Sicht denke ich, dass sich das Endergebnis qualitativ stark vom aktuellen Produkt unterscheiden wird.

Das erste ist die Veränderung in der Art und Weise der Mensch-Computer-Interaktion. Derzeit erfolgt unsere Interaktion hauptsächlich über Tastatureingaben. Ich gebe der Maschine aktiv Informationen und lasse die Maschine meine Absichten analysieren und verstehen. In Zukunft wird es eine völlig neue Erfahrung sein, ob wir gleichberechtigter, gesprächiger oder sogar direkt auf der Bewusstseinsebene jenseits der Sprache interagieren können. Zweiter Punkt, ich habe gerade einige Ideen erwähnt, das heißt, zukünftige Änderungen bei Informationsträgern könnten dazu führen, dass das Konzept des Codes nicht mehr notwendig ist. Ich glaube, dass in Zukunft neue Formen von Modellen und deren peripheren Anwendungen entstehen werden. Diese Anwendungen werden auf den Modellen basieren und die Interaktion zwischen Benutzern und KI wird nicht mehr auf der Übertragung von Code oder Daten beruhen. Auf diese Weise nähern wir uns dem ultimativen Ziel „Jeder ist ein Programmierer“.

Stellen Sie sich ein Szenario vor, in dem ich einen Antrag für die Einladung von Freunden zu einer Party erstellen muss. Ich muss meine Bedürfnisse nur in einem Satz ausdrücken, und die KI kann diesen Antrag für mich erstellen und senden, damit meine Freunde direkt antworten können teilnehmen möchten, zusammen mit ihren Gedanken und Geschenkauswahl.

Zurück zur Realität, dieser Idealzustand ist noch relativ weit entfernt.

AIGC-Praktiker:

Was sind die nächsten Pläne für dieses Produkt?

Xu Xiaoqiang: Ich habe zwei Haupterwartungen an die Entwicklung von Comate. Zunächst hoffen wir, es auf weitere F&E-Szenarien auszuweiten und es sogar auf Nicht-F&E-Szenarien anzuwenden und so verschiedenen Rollen dabei zu helfen, die Effizienz der Zusammenarbeit zwischen Entwicklung und Softwareentwicklung zu verbessern.

Zweitens hoffe ich auch, dass Comate tiefergehende Unterstützung bei der Bedarfsanalyse während der Entwicklung im Bereich der vertikalen Entwicklung bieten kann. Es erleichtert jedem den Einstieg, erreicht schnell sein Kompetenzniveau und erzielt bei der Anwendung bessere Ergebnisse. Um mehr über AIGC zu erfahren, besuchen Sie bitte:

51CTO AI.x Community

https://www.51cto.com/aigc/