ทำไมคนเขียนโค้ดถึงชอบ AI ที่ทำให้พวกเขาตกงานได้

ทำไมคนเขียนโค้ดถึงชอบ AI ที่ทำให้พวกเขาตกงานได้

“เมื่อคุณเริ่มเขียนโค้ด มันทำให้คุณรู้สึกฉลาดในตัวเอง เหมือนอยู่ใน Matrix [ภาพยนตร์]” Janine Luk วิศวกรซอฟต์แวร์วัย 26 ปีที่ทำงานในลอนดอนกล่าว

เกิดในฮ่องกง เธอเริ่มต้นอาชีพการตลาดเรือยอทช์ทางตอนใต้ของฝรั่งเศส แต่พบว่า “ซ้ำซากและผิวเผินเล็กน้อย”

ดังนั้น เธอจึงเริ่มสอนตัวเองเขียนโค้ดหลังเลิกงาน ตามด้วยหลักสูตรติวเข้มการเขียนโค้ด 15 สัปดาห์

ในวันสุดท้ายของการฝึกปฏิบัติ เธอสมัครงานที่บริษัทซอฟต์แวร์ความปลอดภัยทางไซเบอร์ Avast

และเริ่มต้นที่นั่นในอีกหนึ่งสัปดาห์ต่อมา

“สองปีครึ่งผ่านไป ฉันคิดว่ามันเป็นการตัดสินใจที่ดีที่สุดที่ฉันเคยทำ” เธอสะท้อน

เมื่อเธอเริ่มต้นที่บริษัท เธอเป็นนักพัฒนาหญิงคนแรกที่ทำงานในทีมของเธอ ตอนนี้เธอใช้เวลาว่างเพื่อส่งเสริมให้ผู้หญิงคนอื่นๆ ที่มีผิวสี และกลุ่ม LGBT พยายามเขียนโค้ด

สำหรับโปรแกรมเมอร์เช่นเธอ เธอกล่าวว่าการเปลี่ยนแปลงที่น่าสนใจที่สุดเมื่อเร็วๆ นี้คือการมีเครื่องมือปัญญาประดิษฐ์ (AI) เพิ่มขึ้น ซึ่งสามารถกัดการเขียนโปรแกรมชิ้นใหญ่ๆ ได้ด้วยตัวเอง

ในเดือนมิถุนายน GitHub ซึ่งเป็นแพลตฟอร์มโฮสต์โค้ดในซานฟรานซิสโกซึ่งมีผู้ใช้ 56 ล้านคน ได้เปิดเผยเครื่องมือ AI ใหม่ที่เรียกว่า Copilot

คุณเริ่มพิมพ์โค้ดไม่กี่ตัวอักษร และ AI จะแนะนำวิธีทำให้เสร็จ

Mike Krieger ผู้ร่วมก่อตั้ง Instagram
รูปภาพที่มาของภาพ
คำบรรยายภาพ Mike Krieger ผู้ร่วมก่อตั้ง Instagram ปรบมือให้แอปพลิเคชันของ AI เพื่อเข้ารหัส
Mike Krieger ผู้ร่วมก่อตั้งของ Instagram กล่าวว่า “แอปพลิเคชันการเรียนรู้ของเครื่องที่น่าตื่นตาตื่นใจที่สุดเท่าที่ฉันเคยเห็นมา” มีความกระตือรือร้นเกี่ยวกับ Copilot

มันขึ้นอยู่กับปัญญาประดิษฐ์ที่เรียกว่า GPT-3 ซึ่งเปิดตัวเมื่อฤดูร้อนปีที่แล้วโดย OpenAI ซึ่งเป็นห้องปฏิบัติการ AI ในซานฟรานซิสโกซึ่งก่อตั้งโดย Elon Musk

กลไก GPT (ซึ่งย่อมาจาก generative pre-training) นี้ทำ “สิ่งที่เรียบง่ายแต่ใหญ่มาก – ทำนายตัวอักษรถัดไปในข้อความ” Grzegorz Jakacki ผู้ก่อตั้ง Codility ในวอร์ซอว์อธิบาย ซึ่งทำให้การทดสอบการว่าจ้างที่ได้รับความนิยม อธิบาย

OpenAI ฝึกฝน AI เกี่ยวกับข้อความที่มีอยู่แล้วทางออนไลน์ เช่น หนังสือ วิกิพีเดีย และหน้าเว็บหลายแสนหน้า ซึ่งเป็นอาหารที่ “จัดการได้ค่อนข้างดี แต่ในภาษาของมนุษย์ที่เป็นไปได้ทั้งหมด” เขากล่าว

และ “น่าขนลุก ที่มันไม่ได้สอนกฎของภาษาใดภาษาหนึ่ง” นายจากัคกิกล่าวเสริม

ผลที่ได้คือข้อความที่น่าเชื่อถือ

ต่อมามีคนขอให้เขียนในหลากหลายสไตล์ เช่น เรื่องแฮร์รี่ พอตเตอร์เรื่องใหม่ แต่ในสไตล์ของเออร์เนสต์ เฮมิงเวย์ หรือเรย์มอนด์ แชนด์เลอร์

Sam Altman ผู้บริหารระดับสูงของ OpenAI
รูปภาพที่มาของภาพ
คำบรรยายภาพ AI สามารถทำ “ผิดพลาดอย่างโง่เขลา” ชี้ให้เห็นว่าผู้บริหารระดับสูงของ OpenAI Sam Altman
ในที่สุดโฆษณา GPT-3 ก็ “มากเกินไป” และผู้คนจำเป็นต้องเตือน AI “บางครั้งทำผิดพลาดโง่มาก” ทวีต Sam Altman ผู้บริหารระดับสูงของ OpenAI

ถึงกระนั้น GitHub ซึ่งเป็นเจ้าของ Microsoft ได้ซื้อใบอนุญาตพิเศษเพื่อใช้ GPT-3 ในเดือนกันยายน ได้ตัดสินใจฝึกอบรมรุ่นอื่นที่คล้ายคลึงกัน แต่คราวนี้ฝึก AI เกี่ยวกับซอร์สโค้ดซอฟต์แวร์แทน

GitHub เป็นโฮสต์ซอร์สโค้ดที่ใหญ่ที่สุดในโลก มีที่เก็บข้อมูลสาธารณะอย่างน้อย 28 ล้านแห่ง (สถานที่จัดเก็บแพ็คเกจซอฟต์แวร์ไว้) ดังนั้น บริษัทจึงได้ให้ Copilot รับประทานอาหารเพื่อสุขภาพของรหัสสาธารณะ

ผลที่ได้คือ Copilot สามารถให้ “โซลูชันที่ค่อนข้างดี แม้ว่าบางครั้งจะต้องมีการปรับแต่ง” Miss Luk ผู้ซึ่งพยายามท้าทายการเข้ารหัส AI

ในฐานะโปรแกรมเมอร์ ยังห่างไกลจากการมองว่าเครื่องมือเสี่ยงต่องานของเธอ เธอชอบความคิดที่จะมี AI มาสนับสนุนเธอด้วย “ส่วนที่น่าเบื่อกว่า” ของการเขียนโค้ด เช่น การตรวจสอบสตริงที่ซับซ้อน เรียกว่านิพจน์ทั่วไป ที่เธอต้อง “สี่เท่า” เสมอ ตรวจสอบ”.

Dina Muscanell โปรแกรมเมอร์อาวุโสในเวอร์มอนต์ บริษัทซอฟต์แวร์โอเพนซอร์ซ Red Hat
หมวกที่มารูปภาพ
คำบรรยายภาพ โปรแกรมเมอร์อาวุโสของ Red Hat Dina Muscanell กล่าวว่าผู้เขียนโค้ดที่ไม่มีประสบการณ์ควรระมัดระวังในการพึ่งพาความช่วยเหลือจาก AI
Dina Muscanell โปรแกรมเมอร์อาวุโสในเวอร์มอนต์ บริษัทซอฟต์แวร์โอเพนซอร์ซ Red Hat กล่าวว่า เนื่องจาก AI ได้รับการป้อนโค้ดที่เขียนขึ้นโดยโปรแกรมเมอร์มืออาชีพ มันจึงช่วยให้ผู้เขียนโค้ดได้ใช้ความรู้ร่วมกันของเพื่อนร่วมงาน

มีเว็บไซต์ชุมชนการเข้ารหัสอยู่แล้ว เช่น Stack Exchange ซึ่งโปรแกรมเมอร์สามารถตั้งคำถามและรับคำแนะนำได้ อาจจะไม่ต่างกันมาก?

“ถ้าคุณคิดที่จะรับคำติชมนั้นทันทีขณะที่คุณพิมพ์ ถือว่าเยี่ยมมาก คุณมีทีมงานที่คอยป้อนโค้ดนี้ให้คุณ” แม้ว่าจะมี AI ประกอบอยู่ก็ตาม เธอตั้งข้อสังเกต

แต่โปรแกรมเมอร์มืออาชีพยังมีความรู้สึกไม่สบายใจเกี่ยวกับเด็ก AI ตัวใหม่ที่อยู่ในกลุ่มนี้

หนึ่งคือการจำความผิดพลาด ในงานวิศวกรรมซอฟต์แวร์ “คุณโชคดีที่ขยะ [ขยะ] ชัดเจนมาก แต่สิ่งนี้สามารถสร้างขยะที่ละเอียดอ่อนได้” คุณ Jakacki กล่าว

ข้อผิดพลาดเล็กน้อยในโค้ดอาจมีค่าใช้จ่ายสูงเป็นพิเศษและหายากมาก

คำตอบที่เป็นไปได้ในอนาคตอาจเกี่ยวข้องกับการใช้ AI เพื่อตรวจหาจุดบกพร่อง เช่น การสังเกตว่าการกดปุ่มบางปุ่มบนไมโครเวฟ “เป็นอินพุตที่ถูกต้อง แต่ไม่สมเหตุสมผล” แต่เราไม่ได้อยู่ที่นั่น

ระหว่างนี้ “ถ้าเธอไม่มีประสบการณ์และกำลังพยายามเรียนรู้อยู่

คุณอาจจะทำสิ่งเลวร้ายโดยไม่รู้ตัว” Ms Muscanell เตือน

การนำเสนอเส้นสีเทา
เทคโนโลยีเพิ่มเติมของธุรกิจ

การรีไซเคิลจัมโบ้เจ็ทยากแค่ไหน?
วิธีแบ็คอัพข้อมูลของคุณให้ปลอดภัย
วิธีรักษาความเย็นเมื่อออฟฟิศร้อน
เหตุใดจึงใช้ปัญญาประดิษฐ์ในการเขียนโฆษณา
เทคโนโลยีใหม่สามารถปกป้องคนงานกลางแจ้งได้อย่างไร?
การนำเสนอเส้นสีเทา
คำถามสำคัญอีกข้อหนึ่งเกี่ยวข้องกับความเป็นเจ้าของโค้ดที่สร้างโดยอัตโนมัตินี้ จะเกิดอะไรขึ้นถ้า Copilot ซึ่งได้รับการฝึกอบรมเกี่ยวกับโปรแกรมของผู้อื่น จัดเตรียมบางสิ่งที่ใกล้เคียงกับการเขียนโปรแกรมที่โปรแกรมเมอร์คนอื่นเขียนไว้ แล้วคุณใช้หรือไม่

การใช้เครื่องมือ AI “อาจละเมิดใบอนุญาตโอเพ่นซอร์สเพราะสามารถอ้างอิงบางอย่างจากชุดฝึกอบรมได้” นางสาวลูกกล่าว และนั่นอาจทำให้คุณต้องจมอยู่ในน้ำร้อนเพื่อลอกเลียนผลงาน

ทั้งหมดนี้เป็นพื้นที่ “ที่กฎหมายไม่สอดคล้องกับเทคโนโลยี” นายจากัคกิกล่าว

ในทางทฤษฎี คุณสามารถวัดว่าโค้ดที่ค้างอยู่ในโค้ดการฝึกอบรมหนึ่งบิตนั้นมีจำนวนเท่าใด โดยการฝึก AI อื่นโดยใช้ซอร์สโค้ดอื่นๆ ทั้งหมด แต่ปล่อยบิตนั้นออกไป

แต่การทำเช่นนี้จะ “มีค่าใช้จ่ายสูงมาก” นายจากัคกีตั้งข้อสังเกต

ในความเป็นจริง ในขณะนี้ AI ให้โค้ดสั้น ๆ เท่านั้น ไม่ได้เปิดออกโปรแกรมซอฟต์แวร์อย่างสมบูรณ์

โดยการเปรียบเทียบ 10,000 บรรทัดคือความยาวขั้นต่ำของโค้ดเว็บไซต์ ‘เมื่อคุณได้รับฟังก์ชันที่มีความหมาย’ คุณ Jakacki กล่าว

ดังนั้นจึงยังไม่พร้อมที่จะแทนที่โปรแกรมเมอร์ที่เป็นมนุษย์

หรือทำให้เกิดภาวะเอกฐานของ AI ในตำนาน ซึ่งเป็นแนวคิดแรกที่นักคณิตศาสตร์ จอห์น ฟอน นอยมันน์ ตั้งสมมติฐาน ซึ่งความฉลาดทางคอมพิวเตอร์จะเข้าสู่วัฏจักรการพัฒนาตนเองที่ระเบิดออกมาอย่างหลีกเลี่ยงไม่ได้ และเหนือกว่าสติปัญญาของมนุษย์อย่างรวดเร็ว

และยิ่งไปกว่านั้น สำหรับผู้เขียนโค้ดอย่าง Miss Luk “แม้ว่าจะช่วยได้ แต่ก็ไม่ได้หมายความว่าภาระงานจะลดลงเสมอไป”

โค้ดยังคงต้องได้รับการตรวจสอบอย่างละเอียด และอยู่ภายใต้การทดสอบทั้งที่เกี่ยวข้องกับวิธีการทำงาน (เรียกว่าการทดสอบหน่วย) และความเหมาะสมกับโค้ดส่วนอื่นๆ (การทดสอบการรวม)

ซึ่งทั้งหมดก็เช่นกันเธอกล่าวเสริม

เหตุผลหลักที่เธอชอบเขียนโค้ด “คือองค์ประกอบในการแก้ปัญหาของมัน และถ้าทุกอย่างเสร็จเรียบร้อยสำหรับคุณ มันก็หมดสนุกแล้ว” นางสาวลูกกล่าว

หากคอมพิวเตอร์คิดมากเกินไป “คุณจะไม่ได้รับความพึงพอใจหลังจากแก้ปัญหาแล้ว”

และในขณะที่เธอคิดว่ามีศักยภาพสำหรับเครื่องมือการเขียนโปรแกรม AI เมื่อพวกเขาเรียนรู้มากขึ้นและปรับตัว “แต่หวังว่าจะไม่เร็วเกินไปที่เราจะไม่ต้องการเราอีกต่อไป” เธอหัวเราะ