详细内容或原文请订阅后点击阅览
人工智能注入的开发需要的不仅仅是提示
当前关于软件开发中人工智能的讨论仍然发生在错误的层面。大多数注意力都集中在代码生成上。该模型可以编写方法、构建 API、重构服务或生成测试吗？这些事情很重要，而且通常很有用。但它们并不是企业的困难部分 [...]
来源:O'Reilly Media _AI & ML当前关于软件开发中人工智能的讨论仍然发生在错误的层面。
大多数注意力都集中在代码生成上。该模型可以编写方法、构建 API、重构服务或生成测试吗？这些事情很重要，而且通常很有用。但它们并不是企业软件交付的困难部分。在真实的组织中，团队很少会失败，因为没有人能够足够快地生成代码。它们失败的原因是意图不明确、架构边界薄弱、本地决策偏离平台标准以及验证发生得太晚。
一旦人工智能进入工作流程，这一点就变得更加明显。人工智能不仅仅加速实施。它加速了工作中已经存在的任何条件。如果团队有明确的约束、良好的背景和强大的验证，人工智能可以成为强大的倍增器。如果团队存在模糊性、隐性知识和未记录的决策，人工智能也会放大这些内容。
这就是为什么人工智能注入发展的下一阶段不会由迅速的聪明来定义。它将由团队如何明确意图以及如何有效地保持对工作的控制来定义。
通过最近围绕 IBM Bob（我已经与人工智能驱动的开发合作伙伴密切合作几个月）以及人工智能辅助开发中出现的更广泛模式，我对这种转变变得更加清晰。
真正的价值不在于模型可以编写代码。当人工智能在一个暴露正确背景、限制行动空间并在错误假设传播之前验证结果的系统内运行时，真正的价值就会出现。
代码生成故事太小
市场喜欢简单的叙述，而“人工智能帮助开发者更快地编写代码”就是一个简单的叙述。它演示得很好。您可以在孤立的任务中对其进行测量。它生成屏幕截图和基准图表。这也没有抓住重点。
人工智能放大了歧义
人工智能并没有造成这些问题。它加速了他们。