Dług technologiczny na sterydach: co AI robi z kodem, którego nie sprawdzasz

Natomiast nie mówię, że tak nie będzie za 2-3 lata, że już powiedzmy dojdziemy do jakiegoś stanu ustalonego i będziemy mieli finalną wersję jakiegoś modelu do kodowania i będziemy go używać i będziemy w stanie stwierdzić, że ten efekt, który dostaniemy jest przewidywalny. No dobra, to jakby kontynuując ten twój wątek, Mateuszu, to powiedz mi, czy jesteś w stanie w ogóle powiedzieć mi, jakie czynniki, jakie cechy musiałyby być spełnione, żebyś ty się poczuł komfortowo z tym, że tak trochę zaufasz bardziej w ten output, który ci ten LLM generuje. Bez zaglądania już w kod.

Dobrze, a powiedz mi, bo ty jeszcze poruszyłeś taki aspekt jednej swojej poprzedniej odpowiedzi czarnej skrzynki, którą trochę reprezentuje LLM. Czy ta czarna skrzynka ma taką cechę statystyczną, że w sensie Im więcej jest użytkowników na końcu odbiorców tego, tym trochę jednak rośnie pewność przez to, że ta stabilność wyników osiąga jakieś takie plateau. Może nie jest idealnie, ale przynajmniej wiemy, w którym miejscu jesteśmy. Czy to trochę nie jest taki obraz? Chcielibyśmy w takim razie wziąć to w model statystyczny, że ci użytkownicy zgadzają się z tą odpowiedzią. Tak rozumiem to pytanie. Czy w inny sposób? W sensie, że jakby ty na bazie feedbacku tych użytkowników jesteś w stanie mniej więcej zaakceptować, jaki masz poziom zaufania do outputu, który płynie z tego modelu, nie?

Czy z wprowadzeniem LLM-ów, które same generują kod, przestaniemy umieć pisać kod? Ale z drugiej strony to jest taka dyskusja, którą mieliśmy w latach 60-tych. Czy z wprowadzeniem kalkulatora ludzie przestaną umieć liczyć? Albo czy z wprowadzeniem Wikipedii ludzie przestaną umieć czytać? Czy to nie jest w kółko ten sam temat, tylko w innym wariancie, Patryku? Troszkę jest, natomiast inflacja skilli technicznych jest zauważalna na rynku. Moim zdaniem, i to też wszystko jest tak zwanie, wiadomo, żyjemy w swojej bańce informacyjnej i każdy żyje w swojej bańce jakby w pracy.

Ale nie odpowiedziałem do końca na twoje pytanie, bo za wszelką cenę chciałem tutaj dodać trzy grosze. Jakbyś mógł je jeszcze przeformułować, to może bym spróbował. Przeformułować, bo mi tak zasadniczo chodziło o to, czy Jest trochę za czym płakać, w sensie czy są umiejętności, które teraz na przykład tracisz, bo przeniosłeś je do LLM-a, zwróciłeś je na walki LLM-a, a wcześniej były w Tobie, ale jakby nie płaczesz z tego powodu, w zasadzie możesz powiedzieć, że się cieszysz, bo ja na przykład zauważyłem u siebie, że coraz słabiej pamiętam jakieś specyfikacje bibliotek webowych, Pythonowych,

Powiedzmy, że jeszcze OpenAPI sobie sam napiszę. No ale sam sobie napiszę OpenAPI, wrzucę je w LLM-a, wygeneruj mi we flasku. Dziękuję, do widzenia. Ja się osobiście cieszę, że przestałem śledzić changelog flaska, bo to jest dla mnie czas stracony. Czy to jest dług kognitywny? Dla mnie nie, ale znowu zrobię Krzysiu Ibisz i biorę 200 złotych o kod kapitanów drużyn i słucham państwa, co wy sądzicie na ten temat. No to ja zacznę. Dla mnie jest to w pewnego rodzaju koszt utopiony, w sensie takim, że masz pewnego rodzaju lata życia, które spędziłeś nad doszlifowaniem warsztatu i w pewnym momencie bolicie, że masz te świetne, wyolowione, wyrzeźbione dłuta, które są perfekcyjne do tej roboty.

Zgadzam się. Dziękuję Wam za udział w dzisiejszym podcaście. Sądzę, że drodzy widzowie, możemy Was na koniec zostawić przede wszystkim z taką radą, że o ile może i możecie spróbować zaufać temu, co generuje LLM, to na pewno musicie wiedzieć, na czym to uruchamiacie. To był kolejny podcast z serii Data Driven, a moimi gośćmi był Patryk Kiepel i Mateusz Salik. Dzięki.