Künstliche Intelligenz, insbesondere generative KI auf Basis großer Sprachmodelle (LM), hat das Potenzial, die Existenz vieler Programmierer zu zerstören. Einige Experten argumentieren jedoch, dass KI menschliche Programmierer nicht ersetzen wird – zumindest nicht sofort.

Wie können sich Softwareentwickler im kommenden Zeitalter der LLM-zentrierten Codierung nützlicher und relevanter machen? Hier sind einige Tipps und Tricks für Programmierer, die ihnen helfen, in der Welt der generativen KI zu überleben und erfolgreich zu sein.

Eine der wichtigsten Programmierfähigkeiten ist immer noch das Vorrecht der Programmierer: Problemlösung. Das Analysieren eines Problems und das Finden einer eleganten Lösung dafür wird im Bereich Codierung immer noch hoch geschätzt.

„Es gibt einen kreativen Aspekt, und viele dieser Fähigkeiten zur Problemlösung sind wichtiger als die Sprache oder die Tools selbst“, sagt Ines Montani, Mitglied der Python Software Foundation. „Gehen Sie nicht in die Falle und vergleichen Sie sich mit KI, die mehr oder weniger ein statistisches Ergebnis eines großen Modells ist. Es gibt einen Unterschied zwischen dem, was ein Entwickler tut, und dem, was das Modell ausgibt – Entwickler zu sein bedeutet mehr als nur das Schreiben beliebiger Codezeilen.“

„Der menschliche Programmierer muss immer noch die Struktur eines Codestücks, die richtigen Abstraktionen, um die er organisiert werden soll, und die Anforderungen für die verschiedenen Schnittstellen herausfinden“, sagt Armando Solar-Lezama, stellvertretender Direktor und COO von . ist Mitglied des MIT-Labors für Informatik und künstliche Intelligenz und leitet die Computerprogrammierungsgruppe im Labor. „Diese sind alle von zentraler Bedeutung für die Praxis der Softwareentwicklung und werden so schnell nicht verschwinden.“

Es ist sehr wichtig, das richtige KI-basierte Tool zu finden. Jedes Tool hat seine eigenen Möglichkeiten, mit ihm zu interagieren, und es gibt unterschiedliche Möglichkeiten, jedes Tool in Ihren Entwicklungsworkflow zu integrieren – sei es die Automatisierung der Erstellung von Unit-Tests, die Generierung von Testdaten oder das Schreiben von Dokumentation.

Der Trick besteht darin, zu experimentieren. Experimentieren Sie mit dem KI-Tool, bekommen Sie ein Gefühl dafür, wie es funktioniert, denken Sie über die Qualität der Ergebnisse nach, aber seien Sie auf andere Tools vorbereitet. „Künstliche Intelligenz ist ein sich so schnell entwickelndes Feld. Man möchte sich nicht einfach auf ein Werkzeug beschränken und es dann für den Rest seines Lebens verwenden, daher muss man sich schnell an neue Werkzeuge gewöhnen“, sagt Abraham.

Als Konversations-KI-Programmierer müssen Sie wissen, wie Sie Ihre Eingabeaufforderungen am besten gestalten. Hier kommt Rapid Engineering ins Spiel.

Ein Ansatz, den Abraham vorschlägt, ist die Kette der Gedankenaufforderung. Dazu gehört eine „Teile-und-herrsche“-Strategie, bei der Sie ein Problem in mehrere Schritte aufteilen und jeden einzelnen lösen, um das gesamte Problem zu lösen. „Wenn man von einem Model verlangt, zu einem bestimmten Zeitpunkt zu viel zu tun, kann das zu einer Katastrophe führen. Sie möchten, dass es mit verwalteten Informationsausschnitten arbeiten und verwaltete Codeausschnitte erstellen kann“, sagt er.

Genauigkeit und Klarheit sind für ein schnelles Design von entscheidender Bedeutung. „Sie müssen das Model ganz klar fragen, was Sie wollen, ganz genau sagen, was Sie von ihr verlangen, und sicherstellen, dass Sie ihr folgen“, sagt Abraham.

Um Ihnen den Einstieg zu erleichtern, empfiehlt Abraham das OpenAI Cookbook, das Abschnitte zu Hinting-Bibliotheken und -Tools, Hinting-Anleitungen und Video-Tutorials enthält, während Whitelingam die Lektüre von Illustrated Transformer empfiehlt, um mehr über Modelle und Grundlagen des maschinellen Lernens zu erfahren.

Softwareentwickler sollten der Ausgabe großer Sprachmodelle kritisch gegenüberstehen, da diese dazu neigen, zu halluzinieren und ungenauen oder falschen Code zu produzieren. „Wenn man KI-generierten Code blind verwendet, bleibt man leicht im Debugging-Kaninchenloch stecken und subtile Fehler können schwer zu erkennen sein“, sagt Whitehillingam.

Aus diesem Grund ist die Validierung des generierten Codes von entscheidender Bedeutung, auch wenn damit ein zusätzlicher Schritt verbunden ist, der mehr Schaden anrichten als die Leistung verbessern kann. Aber Abraham argumentiert: „In manchen Fällen ist es einfacher, Code zu testen, als ihn von Grund auf zu schreiben, und es ist ein schnellerer Ansatz, ihn zu erstellen und dann zu testen, bevor man ihn in die Codebasis einfügt, die man hat.“

Entwickler sollten auch davor zurückschrecken, proprietären Code in diese Modelle einzuführen. Einige Unternehmen, wie zum Beispiel Tabnine, bieten Unternehmensversionen ihrer KI-basierten Codierungsassistenten an, die den Datenschutz gewährleisten und gleichzeitig die Codierungsmuster und -stile des Unternehmens erlernen.

Damit Programmierer in einer Welt der generativen KI überleben können, müssen sie KI als Werkzeug verwenden und KI in ihren Arbeitsablauf integrieren, während sie gleichzeitig die Fähigkeiten und Grenzen dieser Werkzeuge erkennen – und sich dennoch auf ihre menschlichen Programmierfähigkeiten verlassen, um erfolgreich zu sein.

Und wenn Sie sich noch mehr für das Thema KI interessieren, mehr wissen und keine Neuigkeiten und Rezensionen verpassen möchten, abonnieren Sie den Kanal in Tenge, ich freue mich –