Comments 8
Тогда здесь два вопроса.
Первый вопрос в том, научится ли ИИ генерировать рабочий код, а не полуфабрикат который человек должен дорабатывать.
Живой программист отличается от ИИ тем, что он умеет запускать код на исполнение, подставлять контрольные входные данные и оценивать результат.
Когда ИИ научится запускать код на исполнение (на реальном железе или в виде эмуляции), и проверять его работу, тогда он безусловно сможет генерировать рабочий код. Но пока что ИИ оценивает код только как language object. А должен оценивать как functional object. Оценивать он должен не сам текст кода, а результат его исполнения. И менять варианты кода до тех пор, пока результат работы не будет похож на ожидаемый.
Вопрос про энергоэффективность зависит от времени генерации. Нужно сравнивать сколько человеко-часов требуется для генерации рабочего кода, и сколько на это потребуется робо-часов.
Понятно что человек работает непосредственно на овсянке, сваренной на костре из сухих веток, а ИИ-программист требует чистой электрической энергии. А электричество из овса добывать сложно. Но если на генерацию кода человеком уйдет несколько тонн овса и сухих веток, а на генерацию кода машиной уйдет мегаватт электроэнергии, то всеядность человека может не быть преимуществом.
Спасибо за вопросы.
На первый вопрос ответ - уже научились. Мой личный опыт показывает, что GPT-чат может общаться с агентом через действия ("писать программы для выполнения HTTP-запросов"), анализировать ответ агента и изменять запрос в зависимости от ответа, если агент указал на невалидность входных данных. И выполнять запрос с новыми данными. Это уже есть.
2) Можно сравнивать кол-во потраченной энергии на выполнение действий. И не важно, из какого источника она. Меряем все, допустим в джоулях.
Мозг пока значительно более энергоэффективен. Для уменьшения разрыва идут работы по изменению "железа" - элементной базы с малыми напряжениями к примеру, что требует Fuzzy Logic и архитектуры - более нейроморфной.
Слишком много обсуждении про ИИ заменит или не заменит человека. В науке он сильно поможет представлять новые решения которые не видел человек. Способен заменить людей на конвейере, выполнять несложные задачи. Но человеческий интеллект не получиться заменить искусственным в сферах где требуется креативность и человеческий взгляд на это. Он может выступать инструментом (создавать, генерировать, автоматизировать, анализировать) но никак не разумом. Если же он сможет заменить человека во всех сферах, это будет катастрофой
Силиконовые - это импланты, которые ставят себе некоторые людии(по большей части женщины).
А вы скорей всего имеете в виду "кремниевые".
"Кожаные" в среднем требуют около 25 лет "энергии вникуда" для того чтобы начинать выдавать вменяемые результаты интеллектуальной деятельности. Также обычно они хотят пожить лет 20 в старости, уже не выдавая оных результатов. Не говоря уже о рабочих 40 часах в неделю из 168, отпусках, больничных, а также валом сопуствующих энергитических расходов на существование: отопление, горячая вода в месте жизни и работы, питание(и расходы на выращивание питания), расходы на передвижение по шарику и так далее до бесконечности.
Можно сравнить просто расходы энергии на датаценцентры и "на все остальное", просто чтобы понять обьем необходимых накладных энергорасходов.
Вопрос интересный, конечно, особенно на фоне огромных капитальных затрат на процессоры nVidia с одной стороны, и сокращения затрат на зарплаты с другой. С другой стороны, я пока не вижу особого смысла строить прогнозы дальше чем на год. Сейчас нейронки на маленьких контекстах показывают себя получше многих разработчиков. Ещё три года назад они не могли вообще чего-то похожего на рабочий код выдать. Никто не знает, где потолок развития даже LLM, не то что конкурирующих технологий.
Энергоэффективность интеллекта