Παραδοσιακή Ανάπτυξη
- Οι άνθρωποι γράφουν κώδικα χειροκίνητα.
- Ο ντετερμινιστικός έλεγχος υπάρχει ήδη.
- Η απόδοση παραμένει περιορισμένη από την ανθρώπινη ταχύτητα.
Ανθρωπογραφικό, ντετερμινιστικό
Επιστροφή στις στρατηγικές διατριβές
Στρατηγική διατριβή 01
Το μοντέλο εξέλιξης ανάπτυξης λογισμικού AI
Η euphile βλέπει την ανάπτυξη λογισμικού AI ως εξέλιξη μέσω επιπέδων ελέγχου. Το σημαντικό ερώτημα δεν είναι μόνο πόσο κώδικα μπορεί να παράγει η τεχνητή νοημοσύνη, αλλά πόσο ντετερμινιστικό, κυβερνήσιμο και επαναχρησιμοποιήσιμο γίνεται το περιβάλλον σύστημα καθώς το AI αναλαμβάνει περισσότερη δουλειά.
Ανάπτυξη λογισμικού AI Εξέλιξη Μοντέλο
Από τον παραδοσιακό προγραμματισμό έως την παραγωγή κώδικα πιο κοντά στη μηχανή, η πραγματική πρόοδος δεν είναι μόνο η ταχύτητα. Είναι μια μετατόπιση προς περισσότερο έλεγχο, περισσότερο ντετερμινισμό και ισχυρότερη τυπική μόχλευση.
Κωδικοποίηση με AI
- Το AI γίνεται ο κύριος παράγοντας παραγωγής κώδικα.
- Η κωδικοποίηση Vibe και οι αυτόνομοι βρόχοι επιταχύνουν την έξοδο.
- Η ευθραυστότητα αυξάνεται καθώς τα συστήματα γίνονται πιο πολύπλοκα.
Γρήγορο, με τεχνητή νοημοσύνη, πιο εύθραυστο
AI με μηχανισμούς ελέγχου
- Το AI λειτουργεί μέσα σε μια ελεγχόμενη ροή εργασίας.
- Οι δοκιμές, οι κατασκευές, οι σαρώσεις και οι επικυρωτές περιορίζουν την έξοδο.
- Οι βρόχοι ανατροφοδότησης καθοδηγούν την επόμενη διόρθωση.
Με τεχνητή νοημοσύνη, ελεγχόμενη από ανατροφοδότηση
Deterministic Tools κατασκευασμένα με AI
- Το AI δημιουργεί γεννήτριες και επικυρωτές.
- Τα εργαλεία μπαλωμάτων, οι μετασχηματιστές και οι ιμάντες γίνονται περιουσιακά στοιχεία.
- Η επαναχρησιμοποιήσιμη μόχλευση ξεπερνά την εφάπαξ απόδοση.
Μοχλός εργαλείων, βάσει σχεδίου
Οντολογίες Επιχειρήσεων, DSL και Compilers
- Οι κοινόχρηστες οντολογίες μοντελοποιούν τον τομέα.
- DSL, μεταγλωττιστές, γεννήτριες και μηχανές πολιτικής δομούν την παραγωγή.
- Το λογισμικό γίνεται πιο επίσημο και επαναλαμβανόμενο σε κλίμακα.
Επίσημη παραγωγή με επίγνωση του τομέα
Παραγωγή κώδικα πιο κοντά στη μηχανή
- Η παραγωγή πλησιάζει περισσότερο σε αυτό που εκτελούν πραγματικά οι μηχανές.
- Τα τεχνουργήματα χρόνου εκτέλεσης και τα επαληθευμένα σχέδια αποκτούν μεγαλύτερη σημασία.
- Ο κώδικας παύει να είναι το κύριο τεχνούργημα.
Απαιτεί διαφορετική γενιά μοντέλων AI
Μόνο πρόβλεψη
Αυτό το πάνελ περιγράφει ποιες ευφιλικές εκτιμήσεις είναι πιθανό να συμβούν, όχι τι θεωρεί επιθυμητό, ηθικό ή υπεύθυνο από προεπιλογή.
Τι λέει το μοντέλο
AI SDLC αλλάζει καθώς αλλάζουν τόσο ο παράγοντας παραγωγής κώδικα όσο και η επιφάνεια ελέγχου.
Στην αρχή, οι άνθρωποι γράφουν απευθείας το λογισμικό. Στα υψηλότερα επίπεδα, οι οργανισμοί χρησιμοποιούν την τεχνητή νοημοσύνη για να βοηθήσουν στη δημιουργία ντετερμινιστικών συστημάτων, επικυρωτών και επίσημων διεπαφών τομέα. Μεταξύ αυτών των σημείων, η βασική μεταβλητή είναι πόσο αξιόπιστος έλεγχος υπάρχει γύρω από την παραγωγή λογισμικού.
Ο έλεγχος είναι η μεταβλητή
Κάθε επίπεδο αλλάζει ποιος παράγει τον κώδικα, αλλά το πιο σημαντικό ερώτημα είναι τι περιορίζει, επικυρώνει και διέπει αυτήν την παραγωγή.
Το Copilot δεν είναι Επίπεδο 1
Οι προτάσεις αυτόματης συμπλήρωσης και ενσωματωμένης εφαρμογής παραμένουν τοπικοί επιταχυντές ενώ ο προγραμματιστής παραμένει στη θέση του οδηγού. Χρήσιμη, αλλά όχι ακόμα ανάπτυξη με τεχνητή νοημοσύνη.
Τα προστατευτικά κιγκλιδώματα καθιστούν το AI λειτουργικό
Οι δοκιμές, τα linters, οι έλεγχοι κατασκευής, οι σαρώσεις ασφαλείας, οι επικυρωτές και οι σουίτες παλινδρόμησης δημιουργούν τον ντετερμινιστικό βρόχο ανάδρασης που απαιτείται για την ασφαλή διόρθωση.
Η επισημοποίηση δημιουργεί ανθεκτικό μοχλό
Κοινές οντολογίες, DSL, οι μεταγλωττιστές, οι γεννήτριες και οι μηχανές πολιτικής μετατρέπουν τη σιωπηρή γνώση τομέα σε συστήματα που κλιμακώνονται πιο αξιόπιστα από την άτυπη ερμηνεία μόνο.
Επίπεδα ελέγχου
Το μοντέλο περιγράφει μια εξέλιξη από τη χειροκίνητη απόδοση στην ντετερμινιστική παραγωγή λογισμικού.
Η σειρά αφορά λιγότερο τον εορτασμό της αυτονομίας για χάρη της και περισσότερο την κατανόηση του πού η ταχύτητα γίνεται εύθραυστη, όπου τα προστατευτικά κιγκλιδώματα γίνονται απαραίτητα και όπου τα επίσημα συστήματα αρχίζουν να ξεπερνούν τις ανεπίσημες ροές εργασιών κωδικοποίησης.
Παραδοσιακή ανάπτυξη λογισμικού
Οι άνθρωποι παραμένουν οι άμεσοι δημιουργοί του λογισμικού. Η ροή εργασίας είναι σε μεγάλο βαθμό ντετερμινιστική, αλλά η απόδοση περιορίζεται από τη μη αυτόματη προσπάθεια.
- Ο κώδικας που έχει γραφτεί από άνθρωπο είναι ο προεπιλεγμένος.
- Ο γνωστός βρόχος σχεδίασης, αναθεώρησης, δοκιμής, δημιουργίας και ανάπτυξης εξακολουθεί να ισχύει.
- Ο έλεγχος είναι υψηλός, αλλά η κλίμακα περιορίζεται από ανθρώπους.
Βοήθεια τύπου Copilot
Η τεχνητή νοημοσύνη επιταχύνει τοπικές ενέργειες, όπως η αυτόματη συμπλήρωση, οι ενσωματωμένες προτάσεις και οι μικρές αναπαραστάσεις, ενώ ο προγραμματιστής παραμένει ο κύριος παράγοντας παραγωγής κώδικα.
- Αυτή είναι χρήσιμη επιτάχυνση, όχι καινούργια SDLC μοντέλο από μόνο του.
- Ο άνθρωπος εξακολουθεί να οδηγεί τη δομή και τις αποφάσεις.
- Η παραγωγικότητα βελτιώνεται τοπικά, αλλά ο κύκλος ζωής δεν αλλάζει ουσιαστικά.
Κωδικοποίηση με τεχνητή νοημοσύνη
Η τεχνητή νοημοσύνη γίνεται ο κύριος παράγοντας παραγωγής κώδικα μέσω κωδικοποίησης vibe, αυτόνομων βρόχων, ροών εργασίας πρώτα από τον προγραμματισμό ή αιτημάτων από άκρο σε άκρο.
- Η ταχύτητα μπορεί να είναι εξαιρετικά υψηλή σε περιορισμένα προβλήματα.
- Μεγάλοι όγκοι κώδικα μπορούν να εμφανιστούν γρήγορα.
- Η αξιοπιστία υποβαθμίζεται όσο αυξάνεται η πολυπλοκότητα, η σύζευξη και το λειτουργικό περιβάλλον.
Ανάπτυξη ενορχηστρωμένη με AI με ντετερμινιστικά προστατευτικά κιγκλιδώματα
Η τεχνητή νοημοσύνη εξακολουθεί να γράφει ένα μεγάλο μέρος του κώδικα, αλλά τώρα λειτουργεί μέσα σε μια ελεγχόμενη ροή εργασίας που ελέγχει την εργασία της και καθοδηγεί την επόμενη διόρθωση.
- Οι δοκιμές, τα linters, οι έλεγχοι κατασκευής, οι σαρώσεις και οι επικυρωτές περιορίζουν την έξοδο.
- Οι αυτοματοποιημένες λειτουργίες φυσικής κατάστασης και οι σουίτες παλινδρόμησης εντοπίζουν έγκαιρα το σπάσιμο.
- Ο βρόχος ανάδρασης γίνεται αρκετά ευανάγνωστος για αξιόπιστη επανάληψη.
Ντετερμινιστικά εργαλεία που δημιουργούνται από AI
Ο στόχος μετατοπίζεται από την επανειλημμένη δημιουργία κώδικα στη δημιουργία εργαλείων που μπορούν να παράγουν, να μετασχηματίσουν, να επικυρώσουν, να επιδιορθώσουν και να δοκιμάσουν κώδικα με επαναλαμβανόμενους τρόπους.
- Οι γεννήτριες, οι μετασχηματιστές, οι επικυρωτές και οι πλεξούδες γίνονται βασικά περιουσιακά στοιχεία.
- Η τεχνητή νοημοσύνη αρχίζει να παράγει επαναχρησιμοποιήσιμους μηχανισμούς, όχι μόνο άμεση έξοδο.
- Το αποτέλεσμα είναι επαναλαμβανόμενη μόχλευση και όχι εφάπαξ επιτάχυνση.
Οντολογία εταιρικής ποιότητας, DSL, και μεταγλωττιστές που δημιουργούνται με το GenAI
Οι οργανισμοί επισημοποιούν τον ίδιο τον τομέα και επιτρέπουν στο GenAI να βοηθήσει στο σχεδιασμό και την εξέλιξη της αλυσίδας εργαλείων γύρω από αυτό το επίσημο μοντέλο.
- Οι κοινόχρηστες οντολογίες ορίζουν τον επιχειρηματικό τομέα.
- DSL, μεταγλωττιστές, γεννήτριες, επικυρωτές και μηχανές πολιτικής δομούν την παραγωγή.
- Το λογισμικό γίνεται πιο επίσημο, επαναλαμβανόμενο και λιγότερο εξαρτώμενο από την εύθραυστη ερμηνεία.
Παραγωγή κώδικα πιο κοντά στη μηχανή
Με τον χρόνο, η AI μπορεί να παράγει τεχνουργήματα πιο κοντά σε αυτό που εκτελούν οι μηχανές παρά στις σημερινές ανθρωποκεντρικές αφαιρέσεις, όπως αρχεία, αποθετήρια και πηγαίο κώδικα διαμορφωμένο από frameworks.
- Οι εκτελέσιμες αναπαραστάσεις και τα βελτιστοποιημένα τεχνουργήματα χρόνου εκτέλεσης μπορεί να κυριαρχούν.
- Οι οδηγίες που γνωρίζουν το υλικό και τα επαληθευμένα σχέδια γίνονται πιο κεντρικά.
- Ο αναγνώσιμος από τον άνθρωπο κώδικας γίνεται διεπαφή, όχι απαραίτητα το κύριο τεχνούργημα.
Στρατηγική επίπτωση
Η άποψη του euphile είναι ότι η εξέλιξη της ανάπτυξης λογισμικού τεχνητής νοημοσύνης γίνεται όλο και περισσότερο θέμα ζητώντας από την τεχνητή νοημοσύνη να βοηθήσει στη δημιουργία ντετερμινιστικών συστημάτων που παράγουν λογισμικό αξιόπιστα. Η άμεση δημιουργία κώδικα εξακολουθεί να έχει σημασία, αλλά το πιο ανθεκτικό πλεονέκτημα προέρχεται από τις ελεγχόμενες ροές εργασίας, τα επαναχρησιμοποιήσιμα εργαλεία και τις επίσημες διεπαφές τομέα. Καθώς αυτά τα ντετερμινιστικά εργαλεία γίνονται πολύ πιο εύκολα στη δημιουργία, καθίσταται δυνατή η κατασκευή πολύ πιο περίπλοκων συστημάτων με μεγαλύτερη εμπιστοσύνη. Αυτό, με τη σειρά του, μπορεί τελικά να επιτρέψει την προσπάθεια επαναφοράς γύρω από μια νέα γενιά μοντέλων τεχνητής νοημοσύνης που λειτουργούν πολύ χαμηλότερα στη στοίβα, πιο κοντά σε αναπαραστάσεις σε επίπεδο μηχανής από ό,τι στις σημερινές αφαιρέσεις πηγαίου κώδικα προσανατολισμένες στον άνθρωπο.