AI для разработки - базовый навык для 2024. Доклад Владислава Куклева
ฝัง
- เผยแพร่เมื่อ 29 ส.ค. 2024
- «С начала 2023 года я использую ChatGPT для разработки продуктов. За это время я набрал коллекцию промтов и инструментов, которые ускоряют каждый этап разработки. На этом докладе я поделюсь своими наработками, которые каждый сможет вынести и начать применять у себя.» - Владислав поделился самыми актуальные вещами в мире AI for software developers и в смежных вопросах применения ИИ.
Смотрите прямо сейчас, а еще больше интересного на тему AI на нашем летнем AgileDays FEST 2-3 августа в Санкт-Петербурге: dtrek.ru/YT_Fest
Презентация выступления Влада: drive.google.c...
➡️ Переходите на наш сайт: scrumtrek.ru/?...
🔔 Подписывайтесь на канал и узнавайте, как:
- построить стратегию компании;
- прокачать hard skills и soft skills;
- провести оптимизацию бизнес-процессов;
- находить новые бизнес-модели, зоны роста и т. д.
Мы знаем тренды, можем оценить перспективность подходов, а также подскажем, как выстроить структуру и процессы компании. 💥
Пообщаться со спикером и получить полезные AI-навыки для разработки можно здесь: dtrek.ru/aitools-yt
Это слишком хорошо. Вы мне сейчас такой простор для идей дали. Какие цифры по доходам у похожей на вас компании?
много читаю отчёты маккинзи )))) уже норм
Как итог по видео и докладу в целом:
1) модный тренд на AI создаст ещё больший перекос рынка и разрыв между специалистами, владеющими знаниями и опытом, и толпой войтишников, умеющих делать промты, но не понимающих как действительно всё работает. С одной стороны позитивно для специалистов, с другой стороны грустно, тк тренд на создание управляемой био-массы человеков, и, видимо, доступ к реальным знаниям будет вымываться.
2) остаётся и всё больше возникает вопрос в том - а кто будет ответственный за ошибки? Можно вспомнить задачу для автопилота "Кого сбивать автомобилю с автопилотом - ребенка или бабушку?". Тут тоже, например, если была хирургическая ошибка у роборуки, которая привела к гибели человека, которую программировал AI-специалист, и операция делалась под управлением AI-ассистента. Или же авария на пром. заводе, которая привела к экологической катастрофе - а программировалось AI-специалистом и управляется AI-ассистентом?
3) По докладчику уровень знаний "я читал статьи или смотрел видео". Т.е. ни опыта, ни знаний как всё работает. Особенно чётко подсветили это два последних вопроса из зала. Новомодный AI-специалист, умеющий составлять промты.
Но за список очередных проектов спасибо, пойдём составлять помощников для линейного персонала.
Реальные знания, скорее, будут не нужны людям здесь и сейчас, поэтому обучению будет уделяться ещё меньше внимания: зачем учиться на программиста(даже дома по учебникам), если можно промптами сделать бота в телеге и продавать какой-нибудь кал? Вот вот.
Доклад на уровне массовой попсовости. Также можно изучать бизнес по книжонке "Как стать миллионером за неделю" из подземного перехода...
Дело в том, что для производства будет недостаточно LLM с картиной мира в том числе мультимодальных и вот почему: потому что нужна интеграция с экспертными системами. Это к вопросу из зала. И вот тут агенты, настоящие, не промтинг агенты как раз и нужны
🔥🔥🔥🔥🔥🔥🔥🔥
топ доклад, спасибо!
🎯 Key points for quick navigation:
02:01 *🎤 Introduction to AI in Development*
Discusses the growing interest and challenges in integrating AI into development processes.
02:44 *🧠 Architecture of Language Models*
Language models compress vast amounts of internet data during training to predict sequences of words with high accuracy.
They excel in predicting the next word based on learned world knowledge but can experience hallucinations due to data compression.
05:02 *🤖 Advances in Prompt Engineering*
Prompt engineering has evolved with models like GPT, enhancing AI's ability to engage in human-like interactions and provide accurate responses.
05:28 *🛠️ Importance of Prompt Engineering*
- Prompt engineering enhances AI model accuracy by guiding responses based on predefined instructions.
06:00 *📝 Working Step-by-Step with AI Models*
- Instructing AI models step-by-step improves their ability to predict subsequent words by leveraging context.
06:42 *🤝 Contextual Feedback for AI Models*
- Providing contextual feedback helps AI models understand errors and improves response quality.
07:25 *🧩 Effective Use of Incentives*
- Incentivizing AI models with rewards or highlighting importance significantly enhances response quality.
08:12 *🎨 Evolution to Visual Outputs*
- Transitioning from textual to visual outputs broadens AI's application scope, facilitating tasks like technical project design.
09:38 *📊 Utilizing Markdown for Structured Outputs*
- Generating Markdown enables clearer communication of complex data structures, enhancing readability and usability.
10:16 *🚀 Practical Applications of AI*
- AI can generate various outputs like presentations, websites, and media content, powering diverse production services.
10:44 *🎨 Transition to Visual Outputs*
- Using intermediate languages like simplified HTML or specific pseudo-languages improves AI model output quality, especially for design tasks.
11:51 *📊 Leveraging Mermaid JS for Diagrams*
- Mermaid JS facilitates textual generation of diagrams, well-recognized by AI models, enhancing the visualization of technical architectures and workflows.
13:00 *🚀 Beyond Text: Enhancing Communication*
- Overcoming text limitations by integrating visual outputs improves communication and workflow efficiency, leveraging tools like Mermaid for diagrammatic representations.
14:08 *⚙️ Addressing Development Constraints*
- Developers face challenges with context management and model limitations when using AI prompts for code generation, but specialized tools like integrated AI terminals mitigate these issues effectively.
15:48 *🖥️ AI-First Code Editors*
- Tools like Kite integrate AI to suggest and generate code directly within the editor, enhancing developer productivity by reducing manual coding efforts.
16:24 *🌐 GitHub Copilot Integration*
- GitHub Copilot, leveraging OpenAI's GPT models, represents a significant advancement in AI-assisted coding, promising future updates with GPT-5 integration and broader market impact.
17:18 *🚀 Future of AI Tools*
- Tools like Kite and GitHub Copilot aim to automate a substantial portion of developer tasks, potentially redefining the role of developers as AI handles tasks from coding to testing and documentation.
18:15 *🔄 Seamless Integration*
- AI integration should streamline workflows without the need for developers to manually adjust prompts or context, fostering a more efficient and integrated development process.
21:00 *🔄 Sequential Queries Enhance Performance*
- Sequences of queries in AI models, compared to single queries, significantly improve performance by iterating through multiple stages of critique and adjustment before producing final outputs.
22:50 *🤖 AI Agents in Development*
- AI agents act similarly to AI coworkers, processing tasks through iterative planning, execution, and tool utilization within a structured framework, potentially reshaping workflows in fields like sales and software development.
24:24 *🌐 Multi-Agent Systems*
- Multi-agent systems involve integrating AI agents into a network where they collaborate and communicate, solving complex tasks collectively, exemplified in successful applications like game development.
26:30 *🌐 Future of Multi-Agent Systems*
- Multi-agent systems are poised to revolutionize problem-solving efficiency, making traditional approaches obsolete by leveraging extensive internal re-evaluation and tool utilization.
27:47 *🚀 Rise of AI Agents in 2024*
- 2024 is predicted to be the year of AI agents, advancing beyond basic AI and GPT models towards sophisticated multi-agent networks capable of profound impacts across various domains.
28:34 *💼 AI in Sales: Real-World Applications*
- AI agents are already enhancing real estate sales processes by qualifying leads and managing communication through automated systems capable of handling thousands of interactions daily.
31:48 *🤖 Role of Transformers in Production*
- Transformers like GPT models are proving effective in industrial settings, where they interpret a broad understanding of tasks without extensive datasets, demonstrating potential for enhanced automation.
32:31 *🏭 Future Impact of GPT Models in Manufacturing*
- GPT models, potentially even future versions like GPT-5, are expected to integrate visual information and advanced capabilities, making them pivotal for complex manufacturing tasks by leveraging their comprehensive world understanding.
33:29 *🌍 AI in Sanctioned Environments*
- Despite sanctions affecting GPU availability, GPT models remain crucial for cutting-edge applications. Innovations and adaptations are essential for leveraging AI advancements under constrained hardware conditions.
34:24 *💻 Challenges and Access to AI Training*
- Access to advanced AI training, especially with models like GPT-4 and beyond, remains challenging and expensive, primarily accessible to large corporations due to the substantial costs involved in hardware and infrastructure.
Made with HARPA AI
Ведущий ТОП стэндэпер :)))) зажигал на вечеринке уныния :))
Странно слышать от программиста высказывание о том, что люди плохо воспринимают кучу текста...
Он про людей, а не про программистов.