Walaupun pertanyaan tentang bahaya pengembangan AI telah sedikit mereda, dan alat AI yang digunakan dalam pekerjaan sehari-hari masih banyak yang perlu diperbaiki, perkembangan dan terobosan baru membuat kita terus bertanya-tanya. Pengembangan kecerdasan buatan dalam bisnis dan pemrograman menghasilkan banyak kegembiraan dan perdebatan.
Melihat dari sudut pandang pemrograman, ada pertanyaan mendasar tentang masa depan profesi ini – apakah AI benar-benar merupakan ancaman bagi pemrogram, atau akan menjadi sekutu terbesar mereka, sehingga pemrogram yang terampil dalam menggunakan AI akan dapat membangun aplikasi apa pun dengan cepat dan tanpa cacat? Untuk menjawab pertanyaan ini, perlu melihat beberapa argumen kunci:
Salah satu contohnya adalah penggunaan AI untuk mengotomatiskan tugas rutin, memungkinkan pengembang untuk fokus pada masalah yang lebih kompleks.
Namun, AI mampu mengotomatiskan beberapa tugas dan secara signifikan meningkatkan efisiensi para spesialis ini. Misalnya, AI dapat secara otomatis menghasilkan kode untuk fungsi yang relatif sederhana.
Namun, ini seharusnya tidak menjadi alasan untuk khawatir. Contohnya termasuk memeriksa kode secara otomatis terkait dengan pola pemrograman yang diterapkan atau mengotomatiskan pembuatan tes dasar.
Pemrogram masih akan dibutuhkan untuk membuat keputusan penting, menyelesaikan masalah kompleks, dan menciptakan perangkat lunak bernilai tambah. Misalnya, merancang arsitektur sistem informasi, yang memerlukan analisis mendalam dan pemahaman tentang bisnis.
Tetapi mari kita beralih ke Devin, alat inovatif yang, meskipun saat ini hanya teaser yang diterbitkan oleh Cognition (https://www.cognition-labs.com), menunjukkan masa depan pengembangan kecerdasan buatan di bidang pemrograman.
Devin, insinyur perangkat lunak AI otonom sepenuhnya pertama di dunia, adalah jawaban atas permintaan yang semakin meningkat untuk otomatisasi dalam industri pengembangan perangkat lunak. Kemampuannya untuk mempelajari teknologi baru, menemukan dan memperbaiki bug dalam kode, serta melatih dan menyesuaikan model AI-nya sendiri, menjadikannya alat yang sangat berharga bagi pengembang. Fitur utama Devin meliputi:
Cognition telah menerbitkan perbandingan kemampuan Devin dengan kinerja model bahasa terkenal yang mendukung pemrograman. Dalam hal penalaran dan inferensi, Devin mengungguli model terbaik yang tersedia saat ini, seperti GPT-4 dari OpenAI dan Claude 2 dari Anthropic, dengan beberapa poin persentase.
Langkah selanjutnya dalam otomatisasi proses pengembangan adalah AutoDev, lingkungan pengembangan perangkat lunak berbasis AI yang sepenuhnya otomatis. Prinsip kuncinya adalah meningkatkan otonomi, efisiensi, dan keamanan sistem AI. Dan yang terpenting, tidak seperti Devin, AutoDev tersedia dalam model sumber terbuka, yang berarti dapat diakses oleh semua orang.
Sumber: ArXiv (https://arxiv.org/html/2403.08299v1)
Manfaat utama menggunakan AutoDev adalah bahwa ia sangat membantu dalam mengotomatiskan tugas-tugas berulang. Salah satu contohnya adalah pembuatan otomatis tes unit, yang memungkinkan pengembang untuk fokus pada aspek-aspek proyek yang lebih kompleks.
Masalah kedua adalah kemampuan untuk membuat agen yang memeriksa kinerja satu sama lain. Ini mengurangi kesalahan dan memungkinkan kecerdasan buatan untuk memeriksa kinerja solusi yang dibuatnya sendiri, yang akan memungkinkan pengembang untuk fokus pada pemecahan masalah kreatif dan inovasi. Misalnya, AutoDev secara otomatis membangun dan menerapkan aplikasi, dan ini memberi pengembang lebih banyak waktu untuk merancang fitur baru.
Pemrograman pasangan AI adalah solusi yang paling banyak digunakan oleh pengembang perangkat lunak saat ini, menurut survei oleh GitHub – sebanyak 92% pengembang di AS. Ini membantu mempercepat pekerjaan hingga 55% (https://github.blog/2023-06-13-survey-reveals-ais-impact-on-the-developer-experience/). Kecerdasan buatan dapat menyelesaikan baris kode yang berulang atau menyarankan fungsi lebih lanjut dari pola pemrograman atau contoh sebelumnya.
Dalam konteks kolaborasi dengan AI dan otomatisasi tugas pemrograman, penting untuk mempertimbangkan pendekatan mana yang lebih menguntungkan. Dan apakah kita perlu memilih satu atau menggabungkannya dengan bijak. Di satu sisi, kolaborasi dengan AI dapat secara signifikan meningkatkan pekerjaan pengembang, misalnya, dengan mengotomatiskan pengujian kode, yang memungkinkan deteksi bug potensial yang lebih cepat dan lebih akurat.
Di sisi lain, otomatisasi penuh tugas pemrograman dapat menyebabkan bug perangkat lunak yang sulit terdeteksi dan berpotensi berbahaya, serta kurangnya fungsionalitas penting, seperti keamanan. Penting untuk diingat bahwa AI belajar dari repositori yang tersedia yang dibuat oleh pemrogram dengan berbagai tingkat kecanggihan. Bahkan dengan bug. Selain itu, banyak solusi perangkat lunak tidak memiliki dokumentasi yang komprehensif atau sejumlah besar contoh yang tersedia untuk umum, sehingga kecerdasan buatan memiliki pemahaman yang terbatas tentang cara kerjanya. Ini dapat menyebabkan halusinasi, yaitu, AI membuat bagian-bagian solusi yang digunakan dan API-nya.
Sumber: ArXiv (https://arxiv.org/html/2403.08299v1)
Pengembangan AI dan alat seperti Devin dan AutoDev yang menggunakan agen AI menciptakan peluang dan tantangan baru bagi industri pengembangan perangkat lunak. Dengan peran bahasa Inggris yang semakin meningkat sebagai bahasa pemrograman baru – yang digunakan untuk memberikan perintah kepada asisten – ini akan menjadi bahasa lain yang perlu dikuasai oleh banyak pemrogram bahkan lebih baik daripada sebelumnya. Untuk mewujudkan potensi penuh AI, penting untuk fokus tidak hanya pada aspek teknis pemrograman, tetapi juga pada pengembangan keterampilan komunikasi dan pemahaman tentang konteks bisnis dan budaya yang penting untuk membangun perangkat lunak yang dirancang…untuk orang.
Jika Anda menyukai konten kami, bergabunglah dengan komunitas sibuk kami di Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.
Ahli JavaScript dan instruktur yang melatih departemen TI. Tujuan utamanya adalah untuk meningkatkan produktivitas tim dengan mengajarkan orang lain bagaimana berkolaborasi secara efektif saat melakukan pengkodean.
Perusahaan menghadapi tantangan dalam mengelola sejumlah besar konten yang dipublikasikan secara online, mulai dari pos…
Di era transformasi digital, perusahaan memiliki akses ke jumlah data yang belum pernah terjadi sebelumnya…
Apakah Anda tahu bahwa Anda dapat mendapatkan inti dari rekaman multi-jam dari pertemuan atau percakapan…
Bayangkan sebuah dunia di mana perusahaan Anda dapat membuat video yang menarik dan dipersonalisasi untuk…
Untuk sepenuhnya memanfaatkan potensi Model Bahasa Besar (LLM), perusahaan perlu menerapkan pendekatan yang efektif dalam…
Pada tahun 2018, Unilever telah memulai perjalanan sadar untuk menyeimbangkan kemampuan otomatisasi dan augmentasi. Dalam…