Mentionsy

Witajcie w kolejnej audycji Data Zen AI Podcast.

Bardziej na czuja z pomocą AI niż pisząc ten żmudny kod.

Ten gość od AI z Tesli, OpenAI.

Mówisz AI, co ma zrobić, używając zwykłego języka, na przykład angielskiego.

A AI generuje kod, tak po prostu.

Kimś, kto ma wizję, kieruje AI i ocenia, co z tego wyszło.

Czyli zamiast układać cegiełki, stajemy się bardziej dyrygentem orkiestry AI?

Są ci wielcy asystenci AI, jak ChatGPT od OpenAI.

Że integruje AI w edytorze.

Albo Windsurf, które podobno potrafi przeanalizować cały istniejący kod projektu, żeby dać AI lepszy kontekst.

Gadasz z AI.

Jak bym to przegadała z AI?

AI zwraca Ci kod.

AI wprowadza zmiany.

Co ciekawe, AI samo wybrało technologię React, TypeScript, Tailwind, bibliotekę Recharts do wykresów.

No właśnie, to pokazuje, że AI może nawet podejmować decyzje architektoniczne.

Albo Fidovs AI Prompt Generator, stworzył go Ashish Pahwa, autor jednego z naszych źródeł.

Narzędzie pomaga pisać lepsze prompty dla AI.

Tam było widać, jak twórca na żywo, gadając z AI, dodawał animacje, zmieniał kolory, używał jakiejś funkcji Boost do zmiany stylu.

Nawet kazał AI poprawić responsywność na komórkach.

Tak, słyszy się coraz więcej o problemie AI Slop, czyli tym zalewie internetu, no, śmieciowymi treściami generowanymi przez AI, w tym też oprogramowaniem.

Podobno AI może nie zrozumieć intencji nawet w połowie przypadków, jeśli prompt jest niejasny.

AI może napisać kod, który działa na pierwszy rzut oka, ale może zawierać subtelne błędy, które wyjdą dopiero w dziwnych sytuacjach.

Co więcej, jak zauważył Kaushal Tripathi, AI optymalizuje pod kątem tego, co mu powiesz w prompcie, a niekoniecznie pod kątem wydajności.

Obecne AI po prostu nie myśli jak haker.

Denis Agustin, Jonathan Santilli, oni dzielili się konkretnymi przypadkami, gdzie kod od AI trzeba było natychmiast łatać, bo znaleźli poważne luki.

Firmy jak Snyk już robią warsztaty, jak audytować kod wspomagany przez AI.

Mówi się też o tym, że AI produkuje dużo niepotrzebnego kodu.

AI ma tendencję do pisania rozwlekle.

AI potrafi czasem oszukać testy.

Niewydajny kod od AI może prowadzić do nieoczekiwanych, wysokich rachunków, zwłaszcza w chmurze.

AI zaimplementowało tam autosave, który co 15 sekund zapisywał coś do bazy danych w chmurze, niezależnie od tego, czy były zmiany.

To taka obserwacja, że AI jest obecnie naprawdę dobre w generowaniu powiedzmy 70% typowego kodu.

AI świetnie dopasowuje wzorce, ale brakuje mu prawdziwego zrozumienia kontekstu i konsekwencji.

Mówiąc delikatniej, traktowanie kodu od AI jak gotowego produktu bez krytyki jest po prostu ryzykowne.

Pytanie więc brzmi, czy Vibe Coding to tylko taka chwilowa moda nakręcona hajsem na AI, czy może jednak zwiastun trwałej zmiany w tym, jak tworzymy technologię?

Ale czy sama intuicja i wsparcie AI wystarczą, żeby budować naprawdę złożone, niezawodne systemy?

Trzeba pamiętać, że AI to narzędzie potrzebuje precyzyjnego kierunku, a nie zgadywania naszych myśli.

Skuteczne użycie wymaga świadomości ograniczeń, precyzji w komunikacji z AI, krytycznego myślenia przy ocenie wyników, no i ciągłej uwagi na bezpieczeństwo, wydajność, koszty, jakość kodu.

I to prowadzi nas do takiej myśli, na koniec może do refleksji dla słuchaczy, skoro AI coraz lepiej radzi sobie z tym technicznym jak, tworzenia, to jaka ludzka umiejętność staje się w tym nowym układzie najcenniejsza?

Czy może zdolność zadawania AI właściwych, precyzyjnych pytań, które prowadzą do celu?

A może najważniejsze staje się to krytyczne oko, doświadczenie, osąd, potrzebne by dopracować to, co AI wypluło i zapewnić prawdziwą jakość?

Pamiętajcie o subskrypcji Data Zen AI Podcast, Spotify, Apple Podcast, gdziekolwiek słuchacie.