В последние годы искусственный интеллект (ИИ) все более широко используется в области программирования, но его возможности все еще имеют определенные ограничения. Недавно Макс Вулф, старший ученый для данных в BuzzFeed, обнаружил, что он обнаружил, что качество кода, генерируемого ИИ, может быть значительно улучшено путем постоянного предоставления советов для крупных языковых моделей (LLMS). Это открытие не только вызвало жаркие дискуссии в технологическом круге, но и привлек внимание многих ученых ИИ, еще больше подчеркивая важность итеративной оптимизации и быстрого дизайна слов в программировании искусственного интеллекта.
В эксперименте Вульфа он выбрал модель ИИ Claude3.5sonnet в качестве объекта исследования. Первый шаг в эксперименте состоит в том, чтобы позволить модели решить относительно простую проблему программирования: как найти разницу между минимальным и максимальным значением суммы каждой цифры составляет 30 за миллион случайных целых чисел. После получения задачи Клод быстро сгенерировал код, который соответствует требованиям, но Вульф считает, что в этом коде все еще есть место для улучшения.
Чтобы еще больше оптимизировать код, Вульф решил попросить Клода итеративно оптимизировать итеративно после каждого поколения кода. После первой итерации Клод превратил код в объектно-ориентированный класс Python и реализовал две значительные оптимизации, которые увеличили код в 2,7 раза быстрее. Во второй итерации Клод далее представил многопоточную обработку и векторизованные вычисления, что в конечном итоге позволило коду работать в 5,1 раза быстрее, чем основная версия.
Однако по мере увеличения количества итераций улучшение качества кода постепенно замедляется. Хотя модель пробовала более сложные методы, такие как компиляция JIT и асинхронное программирование в последующих итерациях, эти оптимизации не привели к ожидаемому улучшению производительности и даже привели к снижению производительности в некоторых случаях. Это явление показывает, что, хотя итеративные подсказки могут значительно улучшить качество кода на ранних стадиях, их эффект будет постепенно ослабеваться после достижения определенного уровня.
Эксперимент Вульфа не только демонстрирует огромный потенциал ИИ в области программирования, но и показывает его ограничения в практических применениях. Хотя ИИ может оптимизировать код через итеративно, как сбалансировать производительность и сложность при разработке быстрых слов, все еще является проблемой, которую необходимо подробно обсуждать. Это исследование предоставляет новые идеи для будущего программирования ИИ, а также напоминает нам, что ИИ не является всемогущим, а стратегии рационального использования и оптимизации являются ключевыми.