Minden felkapott téma sorsa, hogy hiába hangsúlyozzák az előnyöket, idővel a használat alatt egyre szaporábban felbukkanó negatívumok is előkerülnek vele kapcsolatban.
Rájár a rúd az AI-ra
Miközben már a legtöbb terméket és szolgáltatást a mesterséges intelligencia hívószavával próbálnak eladni a kereskedők, az idő előrehaladtával látszik, hogy még nagyon gyerekcipőben jár a technológia.
Egyik portálon arról olvashatunk, hogy a Google nálunk még nem elérhető MI-t és keresést egyesítő terméke, az AI Overview éppen ragasztót ajánl a pizzára, hogy a sajt stabilabban álljon rajta, illetve kőevést javasol, mivel az sok vitamint és ásványi anyagot tartalmaz, (LINK) majd a következő pillanatban szembe jön a hír, miszerint egyes szoftverfejlesztő társaságok szembefordultak az AI programozási felhasználásával, azzal indokolva a lépésüket, hogy az általában pontatlan kódot generál.
MI alkalmazásának ellenzése
Már több nyílt forráskódú projekt ellenzi az MI alkalmazását a kódgenerálás területén. A Gentoo és a NetBSD egyenesen megtiltotta, ugyanakkor a Debian egyelőre a kivárásos stratégiát alkalmazza a kérdésben. (LINK)
A Gentoo három fő problémát emel ki, amivel indokolja az NLP AI eszközök tiltását:
- Első helyre sorolja a szerzői jogi aggályokat, miszerint jelenleg világszerte még kialakulóban vannak a létrehozott tartalmakra vonatkozó szerzői jogi szabályozások. Az így születő produktumok használata a szerzői jogok megsértésének veszélyét hordozza magában.
- Megemlíti a minőségbeli aggályokat is, ugyanis a népszerű nagy nyelvi modellek (LLM, LINK) igazán jók abban, hogy hihetőnek tűnő, de valójában értelmetlen tartalmakat készítsenek. Ez egyrészt a projektek minőségromlásának kockázatát jelenti, másrészt azt, hogy a fejlesztőktől tisztességtelen emberi erőfeszítést követelnek meg az AI használatából eredő hibák feltárása érdekében.
- Végül pedig etikai aggályokat hangsúlyoz a cég. Szerintük a kereskedelmi mesterséges intelligencia-projektek gyakran szembetűnő szerzői jogsértéseket követnek el modelljeik képzése érdekében, valamint az AI-modellek reklámozása és használata jelentős károkat okozott az alkalmazottaknak, és az LLM-ek megkönnyítették a spam- és átverési trükkök alkalmazását. (LINK)
A programozók idejük kétharmadát, nem kódolással töltik
Ugyanakkor egy hangzatos cikkben arról olvashatunk, hogy a fejlesztők idejük jelentős részét nem kódolással töltik. (LINK)
Az erősen PR szagú cikk interjúalanya, Jyoti Bansal, a Harness alapítója arra próbálja felhívni a figyelmet, hogy a kódolás utáni munka, mint a tesztelés, a telepítés, a biztonság kérdése, az irányítás és az egyezkedés mind a fejlesztői munka rovására megy. A cikkből nem egyértelműen vehető ki, hogy mire gondol, de a szakember cégének termékoldalán körülnézve egyértelműsödik mondandója, miszerint a fejlesztők rengeteg eszközzel dolgoznak egyszerre, ezért sok idő megy el a felületek közötti váltásokkal, meg kell tanulniuk a különböző munkafolyamatokat, és külön fiókokat és licenceket kell kezelniük. „Ez zavartsághoz, kognitív túlterheltséghez és a fejlesztési környezet következetesség hiányához vezethet.” (LINK) Jól kivehető, hogy valójában a saját – állítása szerint egyszerűbben kezelhető – termékét promótálja, de ettől függetlenül mindenképpen töprengésre késztető a gondolatmenete.
Az interjú egy pontján viszont egy nagyon érdekes kijelentést tesz a mesterséges intelligencia és a tesztelés vonatkozásában. Felhívja a figyelmet, hogy az AI segíthet például egy meghiúsult telepítés okainak feltárásában, ezzel levéve a fejlesztők válláról az időigényes problémakeresést, log-böngészést. Ugyanakkor az MI hibázási rátája miatt nagyobb teret kényszerülünk engedni a következő generációs ellenőrzéseknek. A mesterséges intelligencia segítségével megspórolt kódgenerálási és hibanyomozási idő egy részét, a tesztelés hangsúlyosabbá tételére kell fordítanunk.
„A minőségbiztosítás szerepe még fontosabbá válhat, mint a fejlesztő szerepe az AI világában. A mesterséges intelligencia meg tudja írni a kódot, de az embernek érvényesítenie kell és ellenőriznie kell, hogy működik-e.” – teszi hozzá Bansal. (LINK)
Láthatóan az AI tiltásával szemben ez is a lehetőségek között szerepel a fejlesztés számára. A több hibát tartalmazó generált kód kitesztelése valóban időigényesebb a megtalált hibák kezelése, majd javítás utáni újratesztelése miatt. Összességében elképzelhető, hogy kevesebb programozói munkát, de nagyobb tesztelői erőforrást jelent ennek a megoldásnak az alkalmazása. Ezen a ponton egy érdekes fordulatra lehetünk figyelmesek: míg ugyanis nem olyan régen még azt a kérdést hallhattuk, hogy az AI ki fogja-e váltani a tesztelői munkát, most már inkább arra a kérdésre szeretnénk választ kapni, hogy mennyivel nagyobb hangsúlyt kell helyeznünk a minőségbiztosításra az elkövetkező időkben.
