Ohjelmakoodia luovan tekoälyn opettaminen

[SHT]

Siis viime vuoden lopulla oli uutisia, miten tekoäly korvaa ohjelmistokehittäjät tai ainakin helpottaa heidän työtään. Miten tekoäly koulutetaan, kun ohjelmointikieliä on niin monta?

[Pattinero]

Eihän tekoälyn kaikkea koodaamista tarvitse osata. Ei ainakaan heti alkuun. Riittänee, kun se osaa tehdä rutiinikoodia kaikkein käytetyimmille kielille. Mutta, kuinka pitkälle sillä tavoin pääsee tekoälynkään avulla, onkin sitten toinen jutu. Koodaaminen ei nimittäin ole sellaista, jossa pelkät rutiinit ratkaisevat. Täytyy myös ymmärtää se, että miten joku juttu pitää tehdä, jotta se toimii oikein.

Eniten epäilen tekoälyn korvaavan niitä töitä, joissa on eniten rutiinia ja esimerkiksi numeroiden pyörittelyä. Ja niitä hommia riittää vaikka kuinka paljon. Yritysten ylin johtokin voi olla korvattavissa juuri tekoälyllä. Ihmisen hommaksi jääkin sitten se kaikkein paskin, eli koneen touhujen valvonta.

[KultaKikkare]

ChatGPT on koulutettu internetistä löytyvällä informaatiolla. Se lukee internettiä ja oppii siitä.

Ennen koodaajan tärkein työkalu oli google, nyt se on ChatGPT joka yleensä tarjoilee valmiimmaksi pureskellun vastauksen kuin google.

Aina välillä vastaus on puutaheinää ja usein vähän väärä tai huonosti tehty koodinpätkä.

Tekoäly ei missään nimessä korvaa osaamista, päinvastoin se vaatii ehkä jopa enemmän osaamista. Mutta näpyttelytyötä se vähentää.

Se säästää aikaa, ja säästyneen ajan ainakin vielä toistaiseksi voi käyttää netissä surffailuun tai lähtee etuajassa töistä.

[KultaKikkare]

Tekoäly toimii yllättävän hyvin myös informaatioteknologisessa tutkimustyössä.

Siltä voi kysellä kysymyksiä tyyliin onko mahdollista että... sen sijaan että voisiko tehdä niin että...

Se antaa usein hyvin spesifisiä ja kattavia vastauksia nykytiedon rajaseudulta juuri siinä asiassa mitä kysymys koski. Kertoo onko joku fakta ristiriidassa annetun ehdotuksen kanssa. Ja antaa listan täsmälinkkejä joihin vastauksensa perustaa.

[Jalo Arkkivalo]

Tekoäly ei missään nimessä korvaa osaamista, päinvastoin se vaatii ehkä jopa enemmän osaamista. Mutta näpyttelytyötä se vähentää.

Veikkaan että tämä vertautuu vähän kuin lujuuslaskentaan tai vaikka virtausanalyyseihin.
Kone kyllä murskaa numeroita tehokkaasti, mutta osaamista tarvitaan siihen että tulkitaan niitä tuloksia. Onko konetta käskytetty oikein, onko reunaehdot asetettu oikein. Vastaako tulos reaalimaailman tilannetta.

Sitte kun löydetään analyysistä kupru, esimerkiksi outo jännityshuippu, aletaankin tarvitsemaan syvää osaamista, jotta asia saadaan selvitettyä. Onko kyseessä laskennasta johtuva ominaisuus, tai väärä määrittely jne.

Yksityiskohdan tarkastelu voidaan joutua tekemään pilkkomalla asia osiin tai jopa manuaalisesti laskemalla. Tarvitaan taas osaamista laskentamallin rakentamiseen.

[MooM]

Koodaamisesta: en tiedä, millä nämä kielimallit (yleisemmin perustamallit, eli foundation models) on toteutettu. Sen varmaan saa selvitettyä, kun tutkii näiden netissä olevien palveluiden projektikuvauksia.

Mutta tyypillisemmät tekoälymallit soveltavissa kohteissa taidetaan koodata usein Pythonilla, koska siinä yhdistyy ilmainen alusta hyvään valikoimaan erilaisia paketteja. Ainakin laskennallisissa sovelluksissa, joiden kanssa itse olen tekemisissä.