Jak wielu z Was, prowadzimy wiele rozmów na temat sztucznej inteligencji (AI) i przyszłości internetu. Jest sporo szumu i ciężko jest określić, co dokładnie powinniśmy wiedzieć, jako programista.
Internet jest znacznie większy niż nasz zespół, dlatego chcieliśmy dowiedzieć się, co myślisz o AI, czego chcesz się nauczyć i co chcesz zrobić z tymi nowymi technologiami. Dzięki temu będziemy mogli najlepiej udostępniać treści, które pozwolą nam przebić się przez ten szum informacyjny.
W ciągu ostatnich kilku miesięcy rozmawialiśmy z specjalistami internetowymi, aby dowiedzieć się, jak wygląda sztuczna inteligencja i co myślisz o AI. Oczywiście nie możemy rozmawiać z wszystkimi o każdym. Prowadziliśmy krótkie rozmowy z programistami, w tym z ekspertami Google Developers dotyczącymi tego, jak deweloperzy wykorzystują sztuczną inteligencję do oferowania funkcji dla użytkowników i zwiększania produktywności w codziennych zadaniach.
Uważamy, że to, czego się dowiedzieliśmy, może przydać się innym użytkownikom internetu. Pomyśleliśmy, że społeczność może zainteresować, czego się nauczyliśmy.
Przeanalizowaliśmy te opinie, a także inne badania dotyczące programistów stron internetowych, aby utworzyć naszą nową kolekcję sztucznej inteligencji. Ta kolekcja zawiera omówienia skierowane do programistów internetowych, ćwiczenia z programowania i prezentacje oraz inne zasoby ułatwiające analizę narzędzi i modeli AI w internecie.
A to dopiero początek. W najbliższych miesiącach udostępnimy Ci jeszcze więcej.
Większa produktywność dzięki generatywnej AI
Zauważyliśmy, że deweloperzy stron internetowych chcą wykorzystać generatywną AI, aby zwiększyć swoją produktywność i wchodzić w interakcje z botami na czacie, aby poznawać nowe technologie lub szukać odpowiedzi na pytania dotyczące tworzenia stron.
Deweloperzy, z którymi rozmawialiśmy, już używają AI w swoich codziennych przepływach pracy, w firmach lub projektach osobistych, albo znają kogoś, kto już nim używa.
Generowanie kodu
Zauważyliśmy, że narzędzia do generowania kodu, takie jak Gemini i Copilot, doskonale nadają się do standardowych testów jednostkowych, podstawowego autouzupełniania (gdzie wiesz, co napisać, ale tylko muszą to napisać) i prostych funkcji, które nie wymagają rozległej wiedzy o bazie kodu. Narzędzia te są zwykle mniej przydatne przy pisaniu bardziej złożonych kodów i funkcji, które wymagają szerokiego kontekstu konkretnego projektu.
Bardziej doświadczeni deweloperzy wspominali o problemach z długoterminową jakością baz kodu, w tym z duplikowaniem kodu i długoterminową obsługą. Niektórzy obawiają się, że mniej doświadczeni członkowie zespołu mogą nie wykrywać błędów ani nie wiedzieć, jak dokładnie zweryfikować kod generowany przez narzędzia generatywnej AI.
Deweloperzy podają też, że narzędzia do generowania kodu, które wypróbowali, przypadki użycia wymagające wiedzy z konkretnej dziedziny, takie jak pisanie dostępnych komponentów, nie są jeszcze odpowiednio dostosowane.
Nauka z LLM
Wielu deweloperów używa ChatGPT i Gemini do poznawania zagadnień związanych z tworzeniem oprogramowania, np. proszenie dużego modelu językowego (LLM) o wyjaśnienie sposobu działania algorytmu sortowania, poszerzanie zakresu języków programowania lub wypełnianie luk w wiedzy.
Uważasz, że modele LLM są bardzo przydatne ze względu na szybką interaktywność pytań i odpowiedzi oraz dlatego, że AI nie krytykuje zadawanych pytań, tylko udziela odpowiedzi.
Ponownie pojawia się problem związany z mniejszą liczbą deweloperów, ponieważ minimalny poziom wiedzy jest konieczny do wychwycenia przypadków, w których model się umyka i generuje nieprawidłowe odpowiedzi.
Ochrona adresu IP jako ważna kwestia dla firmy
Wielu deweloperów, z którymi rozmawialiśmy, stwierdziło, że ich firmy nie mają jeszcze zasad dotyczących używania generatywnej AI w celu zwiększania produktywności. Korzystanie z narzędzi generatywnej AI często jest podejmowane przez programistów, którzy z nimi eksperymentują.
„Moja firma zwykle źle rozumie, co oznacza AI, dlatego nie opracowuje odpowiednich zasad”.
Jednak firmy, które wdrożyły te zasady, zniechęcają do korzystania z nich ze względu na obawy związane z wyciekiem należących do nich własności intelektualnej osobom trzecim. W niektórych przypadkach zasady uległy zmianie po bezpośredniej konsultacji z firmami odpowiedzialnymi za te narzędzia, aby zrozumieć, w jaki sposób wykorzystywane są dane, i poznać potencjalne zagrożenia.
W przypadku kont firmowych i partnerów, których zadaniem jest ochrona danych, firmy mogą z większym prawdopodobieństwem zachęcić deweloperów do korzystania z tej usługi.
Generatywna AI na potrzeby funkcji, które widzą użytkownicy
Jeśli chodzi o usługę, nie zaskoczyło nas to, że gdy rozmawialiśmy z terminem „AI / ML”, odpowiedź często koncentrowała się na generatywnej AI. Deweloperzy są ciekawi, jak generatywną AI można wykorzystać do poprawy wrażeń użytkowników, ale nie są pewni, jak będzie ona wyglądać i jakie narzędzia są dostępne do wykorzystania w środowisku produkcyjnym.
Najczęściej w przypadku deweloperów, którzy wbudowali lub dodają do swoich usług funkcje generatywnej AI, najczęściej wykorzystują ją do odpowiadania na pytania użytkowników za pomocą czatbotów lub jednorazowych interfejsów.
Naszym głównym problemem jest jakość dźwięku. Deweloperzy chcą w szczególności zadbać o dokładność odpowiedzi i zapobiec generowaniu przez LLM treści niezwiązanych z zamierzonym celem. Dotyczy to zwłaszcza sytuacji, gdy dane wyjściowe LLM są bezpośrednio skierowane do użytkownika, np. przez czatbota.
„Demogramy z AI są dzikie. Za każdym razem, gdy pokazuję swój projekt, wyniki są zupełnie inne”.
Wkładasz dużo pracy w tworzenie pakietów testowych do weryfikowania danych wyjściowych generatywnej AI przeznaczonej dla wielu różnych promptów, ale nie ma jasnego i ustalonego sposobu testowania czy monitorowania tych odpowiedzi. Większość ocen jest wykonywana ręcznie. Wielu programistów nie ma doświadczenia w obsłudze niedeterministycznych danych wyjściowych. Jako społeczność nie stworzyliśmy jeszcze systemów, które z nimi działałyby dobrze.
Ważnym problemem jest również koszt uruchomienia generatywnego modelu AI, a deweloperzy starannie oceniają koszty względem korzyści dla użytkowników.
Modele standardowe i niestandardowe
Deweloperzy, z którymi rozmawialiśmy, najczęściej polegali na gotowych modelach i interfejsach API. Pozwala to zoptymalizować czas wprowadzania produktów na rynek oraz wykorzystanie czasu i wiedzy inżynierów, które były ograniczone.
„Chcę pozostać w branży programowania. Nie chcę zostać inżynierem ML”.
Choć deweloperzy wiedzą o potencjale zaawansowanych technik, takich jak pobieranie dodatkowych aktualizacji (RAG) i dostrajanie, dostrzegają ich potencjalną wartość, w Twojej pracy lepiej jest skupić się na tworzeniu stron internetowych. Ostatecznie wolisz używać narzędzi domyślnych lub polegać na innych zespołach, które opracowują zoptymalizowane modele do swoich potrzeb.
Kwestie związane z prywatnością i bezpieczeństwem
Prywatność i bezpieczeństwo były jednymi z najważniejszych kwestii, szczególnie w przypadku branż o rygorystycznych wymaganiach dotyczących danych, takich jak branża medyczna. Sztuczna inteligencja na urządzeniu może okazać się kluczowa w takich zastosowaniach, ale ta kwestia pozostaje w dużej mierze niezbadana.
Udostępnianie danych użytkowników większej liczbie osób trzecich za pomocą interfejsów API w chmurze to problem. Wielu deweloperów dostrzega wartość systemów uczących się i generatywnej AI na urządzeniu w celu eliminacji potencjalnych zagrożeń dla prywatności i bezpieczeństwa.
AI dla programistów stron internetowych
Sztuczna inteligencja jest wszędzie i rozwija się w niesamowitym tempie. Jak możemy być na bieżąco, włączać obecne narzędzia i modele lub współpracować z inżynierami ML, aby tworzyć nowe modele, które najlepiej odpowiadają naszym potrzebom?
Na podstawie tego, czego się od Ciebie dowiedzieliśmy, pracujemy nad wskazówkami dla programistów stron internetowych na temat AI. Chcemy pomóc Ci zrozumieć koncepcje związane z AI na poziomie ogólnym, odkryć możliwości zastosowania generatywnej AI w celu zwiększenia produktywności oraz wykorzystać AI do tworzenia przydatnych wrażeń użytkowników przy użyciu istniejących narzędzi, modeli i interfejsów API. Zaglądaj tu co jakiś czas, ponieważ będziemy publikować kolejne treści w naszej kolekcji o sztucznej inteligencji.
Większość programistów stron internetowych skupia się na tym, co robią najlepiej (jest to programowanie stron internetowych), ale zachęcamy tych z Was, którzy chcą dokładniej tworzyć narzędzia, modele i interfejsy API, których potrzebują programiści. Chętnie poznamy Twoją opinię i dowiedz się, jak możemy Ci pomóc w osiągnięciu sukcesu.
AI to szybko rozwijający się obszar. Będziemy więc nadal kontaktować się ze społecznością, gdy zajdą jakieś zmiany, prowadząc więcej rozmów i ankiet. Jeśli chcesz z nami porozmawiać, zaplanuj konsultacje z naszym zespołem.