Комментарии 30
Далеко не во всех сферах сгодится Software 2.0 с непредсказуемыми багами и результатами. Там, где четкое ТЗ и нужна высокая точность еще долго будет актуально Software 1.0
Это будет не софт в общем понимании, скорее системы решения проблем. Причем рационально их использовать будет только в таких областях где применимо творчество, в котором отдельные ошибки не играют судьбоносных ролей.
разного софта уже понаписано много.
большая часть задач программистов - это комбинировать имеющиеся библиотеки и решать вопросы где оно плохо стыкуется.
на мой взгляд - эти задачи вполне поддаются статистике.
так что Software 2.0 - следующий прорыв в программном обеспечении (идея для стартапа если хотите) - сделает тот кто научит нейросеть складывать из блоков/библиотек/утилит новые решения.
для этого на мой взгляд потребуется:
0. модель нейросети обученная по SO, документации вендоров/библиотек и т.п. ресурсам;
1. инфраструктура - песочница на которой доступно необходимое ПО;
2. ресурсы для выполнения сгенерённого кода;
3. средства контроля результата (для контроля качества и обучения модели).
что вместе выглядит как сложно/дорого/много, но вроде бы ничего нереального или несуществующего.
кто возьмётся пилить стартап - за идею не благодарите
;-)
зовите на работу
Когда в Windows 13 калькулятор будет продуктом Software 2.0, все будут с умилением вспоминать как шустро работал Electron на десктопе и как мало памяти он требовал :)
Андрей Карпаты
Ка́рпати. Хоть Андрей и из Словакии, у него довольно распространённая венгерская фамилия, которую носит много известных людей (см., например, Википедию). На русском она обычно записывается с и на конце.
Ну хоть не Карпатый, как иногда пишут, и то ладно.
Впрочем, к тому времени из организации уже ушли двое сооснователей: Илон Маск и Андрей Карпаты (в 2017-м). Первый сослался на конфликт интересов в связи с разработкой автопилота Tesla
Поговаривают, что Маск хотел заправлять всей компанией, но ему отказали, после чего он ушёл.
Подумалось. Скоро чатбота не надо будет просить написать программу, что бы решить проблему. Достаточно будет просто попросить решить саму проблему.
Представляю как в будущем типичный софт будет "рендерится" в облаке некой AGI моделью, которая будет выполнять роль backend-а. Где её контекст памяти будет выступать памятью приложения а она будет интерпретировать действия приходящие с GUI и обновлять его соответственно. А приложения будем писать текстовым ТЗ, с минимальными уточнениями, поскольку AGI уже будут известны все сопутствующие требования для подобных приложений.
Вместе с ростом сложности системы будет увеличиваться и сложность ее описания, причем аналитически можно лучше охватить все возможные ее состояния.
Попробуйте описать все возможные корнер кейсы для любого более менее большого продукта, там их будут миллионы, плюс всякие внешние интеграции, когда может упасть что угодно по любой непонятной причине.
Если человек не может понять систему, которую ему нужно сделать, то он ее не сделает, имхо.
Это будет бесконечный цикл дополнительных ограничений, которыми нужно дополнять результат работы нс.
Это как wysiwyg редактор против верстки профессионала: можно что-то сделать, что непонятно как работает, и не имеет пространства для изменения и масштабирования.
Дело в том, что продвинутый AGI сделает это за вас, будет знать все возможные корнер кейсы и даже сможет их просимулировать в своем "воображении". То что вы ChatGPT или GPT-4 тыкаете носом в проблемные места, не означает, что в будущем будет так же. В идеале ИИ должен предугадывать мысли и намёки и думать на несколько шагов дальше чем человек. И это он будет тыкать вас, но это еще впереди.
Как же он узнает за вас, что вы хотите сделать, если вы сами этого не знаете? :)
Upd: в "Автостопом по галактике" был вопрос о жизни, вселенной и всём таком, а ответ на него был 42. Провидел Дуглас Адамс.
От нас надо будет только слепок "мыслеобраза" или на худой конец текстового описания, не обязательно детализированного. Всё остальное он придумает, протестирует за вас, потому что намного глубже будет знать контекст предметной области и его ньюансы. Сингулярность она такая, людям сейчас тяжело осознать.
“Если появление всемогущего искусственного интеллекта неизбежно, что ж, само собой разумеется, что, когда они придут к власти, наши цифровые повелители накажут тех из нас, кто не помог им достичь этого." (c) Gilfoyle
Андрей Карпаты — сооснователь компании OpenAI (GPT-4, ChatGPT) и ведущий разработчик автопилота Tesla. Впрочем, из «Теслы» он недавно ушёл по очевидной причине: есть вероятность, что человечество стоит на пороге грандиозного открытия, с которым ничто не сравнится по важности — оно разделит историю нашего вида на до и после сингулярности. Речь идёт об AGI, то есть ИИ общего назначения
Возможно всё куда банальней: с автопилотом Тесла ничего не вышло, гражданин расстроился, отдохнул годик и пришёл в OpenAI вслед за хайпом и инвесторами. А теперь вопрос знатокам, если лучший в мире обучатель нейросетей не смог обучить автомобиль ездить не хуже человека, каковы шансы, что он же сможет создать искина-программиста? При том, что, очевидно, водить машину проще, чем программировать.
Водить машину проще благодаря миллиардам лет эволюции. Если бы навык требовал обучения полностью с нуля, то не было бы шансов за одну человеческую жизнь обучится
Естественно, да. Но очевидно, что водить машину куда проще чем думать вообще. И программировать, в частности. В значительной степени, вождение автомобиля происходит на рефлексах. То есть используется более простая форма мозговой активности, по сравнению с сознательными рассуждениями.
В связи с этим, кажется очевидным, что обучить компьютер водить машину проще чем сознательно рассуждать. Однако, мы наблюдаем что граждане уже довольно много лет не могут решить более простую задачу, а тут вдруг рассказывают, что вот-вот решат более сложную
обезьяну можно научить водить машину за месяц, какая эволюция?
автопилот Теслы прекрасно работает
О да, еще больше сраного софта, который никто не понимает, как работает - это именно то, что нужно индустрии в данный момент.
Неплохая попытка понять, что такое Software 2.0
Но без одного уточнения у большинства остался вопрос:
Зачем новая парадигма, если работает и старая?
Ответ: старый подход работает, когда вы можете описать задачу с помощью алгоритма, и не работает, если такая попытка дает неудовлетворительный результат.
Т.е. существуют задачи, для решения которых нельзя создать математическую модель, и решение запрограммировать с приемлемым результатом. Тут и выручает новая парадигма Software 2.0. Например, перевод с одного языка на другой. Только с переходом на машинное обучение и внедрением нейросетевых end-to-end моделей перевода, мы увидели приемлемый результат, который ранее был доступен только человеку. Нейронные сети сами внутри себя построили модели перевода, а функция программиста (инженера по данным) свелась к выбору архитектуры нейросети и создания представительного датасета, который полно описывает предметную область.
6 минут видео дает исчерпывающее объяснение, что такое машинное обучение и парадигма Software 2.0 на примере игры "камень, ножницы, бумага".
Андрей Карпаты. Software 2.0. Непонятный софт будущего