A fejlesztői szerep jövője

Ami nem adható át

Bármennyit is fejlődik a modell, néhány dolog az ember kezében marad. A cél megfogalmazása az egyik. A modell nem tudja helyettünk eldönteni, mit érdemes megépíteni, kinek és miért. Ez üzleti, emberi és etikai kérdés, amihez a helyzet megértése kell. A másik az ítélet. Amikor több jó megoldás közül kell választani, vagy mérlegelni kell egy kockázatot, az mindig döntés, és a döntésért valaki felel. A harmadik a végeredmény ellenőrzése. Azt, hogy a kész rendszer valóban azt csinálja-e, amit kell, és nem árt-e, embernek kell megítélnie.

Ezek a felelősségek nem véletlenül maradnak nálunk. A modell egy eszköz, amely mintázatok alapján dolgozik, és magabiztosan tud tévedni. Nem érzi a következményeket, és nem tudja, mi a tét. Ezért nem az a kérdés, hogy megbízhatunk-e benne mindenben, hanem hogy hol húzzuk meg a határt, ameddig hasznos, és ahonnan az ember lép be. Ez a határ kijelölése maga is szakértelmet igényel.

Mit érdemes ma tanulni

Ha a hangsúly a gépeléstől a cél megfogalmazása és az ellenőrzés felé tolódik, akkor a tanulás iránya is változik. A problémamegoldás fontosabb lesz, mint bármely konkrét eszköz betéve tudása. Aki jól fel tud bontani egy nehéz feladatot kisebb, kezelhető részekre, az bármelyik rendszernek jó feladatot tud adni. A rendszerszemlélet szintén felértékelődik. Aki átlátja, hogyan kapcsolódnak össze a részek, hol keletkezik a hiba, és mi függ mitől, az meg tudja ítélni, jó-e, amit a modell visszaadott.

A harmadik terület maga az AI eszközök ellenőrzött használata. Nem elég beírni egy kérést és elfogadni a választ. Meg kell tanulni jól kérdezni, felismerni, mikor téved a modell, és tudatosan eldönteni, mit bízunk rá és mit nem. Ez új készség, amit gyakorolni kell, és amiben egyre nagyobb lesz a különbség a felületes és az igényes felhasználó között. A jó hír, hogy ezek a képességek nem kötődnek egyetlen technológiához, ezért akkor is értékesek maradnak, ha az eszközök tovább változnak.

Érdemes hozzátenni, hogy az alapok ismerete sem válik feleslegessé, épp ellenkezőleg. Ahhoz, hogy valaki megítélje a modell munkáját, továbbra is érteni kell, mi történik a felszín alatt. Aki soha nem tanulta meg, hogyan épül fel egy program, az nem fogja tudni megmondani, hogy a modell által adott megoldás jó-e, biztonságos-e, karbantartható-e. A modell nem helyettesíti a megértést, hanem felgyorsítja azt, aki már rendelkezik vele. A tanulás iránya tehát nem az, hogy kevesebbet kell tudni, hanem hogy máshova kerül a hangsúly. A gépelés apró fogásai helyett a gondolkodás, a döntés és az ellenőrzés kerül előtérbe.

Nem eltűnő, hanem elmozduló szerep

Könnyű a változást fenyegetésként megélni, pedig inkább egy régi minta ismétlődik. Ahogy a fordítóprogramok és a magas szintű nyelvek annak idején nem szüntették meg a programozást, csak feljebb emelték, úgy a modellek is a munka jellegét változtatják meg, nem a létét. A fejlesztő kevesebb időt tölt majd a gépelés apró részleteivel, és többet azzal, ami valójában a legnehezebb. Megérteni a problémát, jól megfogalmazni a célt, és megbízhatóan ellenőrizni az eredményt.

Aki ezt az elmozdulást elfogadja és tudatosan készül rá, az nem elveszíti, hanem kitágítja a lehetőségeit. Ugyanabban az időben többet és nagyobbat tud létrehozni, feltéve, hogy nem adja fel az irányítást. A modell a legjobb esetben egy erős, gyors társ. A cél kijelölése és a felelősség viszont az emberé marad, és éppen ez teszi a munkát továbbra is értelmessé.

Hogyan kezdj hozzá a gyakorlatban

A tananyag végén jogos a kérdés, mi a következő lépés. A legjobb tanulás a valódi kipróbálás. Válassz egy kicsi, jól körülírt feladatot a saját munkádból, olyat, amit ma is kézzel csinálsz, és próbáld meg egy nyelvi modellel megoldani. Figyeld meg, mikor segít igazán, hol téved, és mi az, amit előre meg kellett fogalmaznod, hogy jó eredményt kapj. Ez a fajta közvetlen tapasztalat többet ér bármelyik leírásnál, mert a saját területeden mutatja meg, hol a modell erőssége és hol a határa.

Ahogy egyre több feladaton kipróbálod, magadtól kialakul benned az az érzék, amiről a tananyag végig beszélt. Megtanulod, hogyan fogalmazz meg egy célt tisztán, hogyan ismerd fel a magabiztosan hangzó tévedést, és mit érdemes rábízni a modellre, illetve mit tartasz meg magadnak. Nem kell egyszerre nagy rendszert építened. Elég, ha egyetlen szűk feladattal indulsz, és onnan bővíted a tudásodat, ugyanazzal a lépcsőzetes logikával, amelyet egy jó AI alkalmazás felépítésénél is követnénk. A technológia gyorsan változik, de ez a szemlélet, a tudatos cél, az ellenőrzött használat és a megőrzött felelősség, hosszú távon is megtart.

Forrás

A Harvard CS50 két Tech Talk előadása alapján, „GPT-4 - How does it work, and how do I build apps with it?" és „Large Language Models and The End of Programming" (Dr. Matt Welsh), önálló magyar feldolgozásban.