​Сopilot X: программеры, держитесь!

Команда GitHub Next решила прокачать GitHub Copilot, чтобы уделать любого программиста, ой, простите, чтобы он стал AI-помощником на всех этапах разработки. Они не только использовали GPT-4 от OpenAI, но и добавили чат и голосовые функции для Copilot, интегрировали его с пул-реквестами, командной строкой и документацией. Короче, одним словом - киберпанк. Все это обозвали Copilot X.

Copilot Chat предоставляет разработчикам ChatGPT-подобный опыт прямо в редакторе, интегрированном с VS Code и Visual Studio. Copilot Chat не просто предлагает код - он анализирует написанный разработчиком код, ошибки и становится неразлучным компаньоном в среде разработки. Таким образом, разработчик получает подробный анализ и объяснения блоков кода, может генерировать юнит-тесты и даже исправлять ошибки (см видео).

Еще выкатили GitHub Copilot для Docs - экспериментальный инструмент с чат-интерфейсом, который предоставляет AI-генерированные ответы на вопросы о документации, включая языки, фреймворки и технологии.

Copilot для пулл-реквестов: этот маленький хитрец автоматически находит тех, кто забыл о тестировании пулл-реквеста. А после, словно волшебник, предложит потенциальные тесты на выбор, чтобы наши уважаемые кодеры могли поредактировать, принять или отвергнуть их в зависимости от капризов своего проекта. Ну разве не чудо?

Также стоит отметить GitHub Copilot CLI для командной строки. Разработчики проводят много времени в терминале, и даже опытным иногда приходится листать страницы мануалов, чтобы вспомнить точный синтаксис команд. Вот здесь на помощь приходит Copilot CLI, который компонует команды и циклы, манипулирует сложными флагами, чтобы облегчить страданья разработчика.

С Copilot X, разработчики смогут увольнять некоторых коллег, ведь AI-помощник возьмет на себя их рутинные задачи. Разработка станет не только продуктивнее, но и дешевле веселее!

@ai_newz

Друзья, без паники. Пост сверху – сугубо ироничный. Конечно, никто никого из-за драного Copilot-а увольнят не станет.

По крайней мере в текущем состоянии, и пока у компаний есть легальный риск отдавать ему на анализ свой проприетарный код.

В любом случае, Copilot, GPT, LLaMa и прочие языковые модели уже могут увеличить продуктивность кодинга, и это нужно эксплуатировать!

@ai_newz

Может ли GPT-4 на самом деле писать код?

https://habr.com/ru/post/723238/

Можно ли доверять ответам на математические вопросы ChatGPT и другим языковым моделям?

https://habr.com/ru/post/723462/

«Разработчики, подвиньтесь!» — ваш ChatGPT-4 🤠
Сергей Пахандрин, в прошлом основатель приложения «ВКармане», несказанно порадовал несколько дней назад всех пользователей русскоязычного Twitter’а своим тредом о том, как он за 5 часов пинания ChatGPT заставил ИИ разработать для него iOS приложение «Курсор».

Как?!
Не писав ничего, кроме грамотных инструкций к нейросети, Сергею удалось получить, спустя несколько циклов исправлений и совершенствований, абсолютно готовый код для приложения! Потратив еще некоторое время на то, чтобы ChatGPT прописал верстку приложения и создал виджеты для домашнего экрана iOS, а также на проверку результата на iOS симуляторе, Сергей стал свидетелем того, как его творение зашевелило цифровыми усиками и получило завершенное визуальное оформление.

Не хватало малого: иконки и названия приложения, домена и «Политики приватности» для App Store. С первой задачей справился креативный разум Midjourney, а остальные также разрешил ChatGPT.

Что получилось?
Хоть приложение «Курсор» не может похвастаться богатым функционалом или сверхсложным интерфейсом, пройти мимо такого события в мире разработки и не вдохновиться им может только самый черствый сухарик. Интересно, какие рубежи в этом направлении возьмут разработчики в самое ближайшее время?

P.S. Кстати, а может ли ChatGPT уличить Сергея в нарушении авторских прав и обратиться в профсоюз защиты труда представителей ИИ?

Наконец-то

Грандиозные новости в мире искусственного

Ученые из Беркли, Стэнфорда и Сан-Диего представили новую модель Vicuna с 13 миллиардами параметров (для сравнения, у GPT-3 их 175), которая уже превосходит своего предшественника Llama и приближается к уровню GPT-4, показывая результаты на уровне ~90% от него! Самое удивительное: вы сможете запускать эту модель на обычном десктопе!

Тренировка Vicuna обходится всего в 300-500 долларов на AWS, в то время как тренировка подобных моделей от OpenAI стоит около 10 миллиардов долларов.

Web: https://vicuna.lmsys.org/
Github: https://github.com/lm-sys/FastChat
Demo: https://chat.lmsys.org/

Из минусов - коммерческое использование запрещено лицензионным соглашением, но первые шаги в OpenSource сделаны.

#ai #news #gpt #llm

Помните я писал в посте про животноботство, что ждём викунью?
Дождались.
Опен сорс силен в вивисекции языковых моделей.
Обещают веса и код.

"Vicuna-13B достигает более 90% * качества OpenAI ChatGPT и Google Bard, превосходя при этом другие модели, такие как LLaMA и Stanford Alpaca, более чем в 90% * случаев. Стоимость обучения Vicuna-13B составляет около 300 долларов. Код обучения, а также онлайн- демонстрация общедоступны для некоммерческого использования"

Интересно, а когда придут ребята с бюджетом не 300 долларов, а хотя бы в 300 000, мы познаем дзен?

https://vicuna.lmsys.org/

Три страшных слова: тестирование баз данных
Жили-были разработчики StarRocks, проекта с открытым кодом для Linux. И вздумалось им сравнить, кто лучше тестирует базы данных: SQLsmith и SQLancer или ChatGPT.

Долго ли, коротко ли, да затеяли они для ChatGPT испытание. Не подвел добрый молодец ChatGPT и сумел-таки написать сложные SQL запросы и даже сгенерировать свои аналоги Ternary Logic Partitioning (TLP), метода, применяемого в SQLancer для поиска багов в базах данных.

А если серьезно, то ребята из StarRocks действительно постарались, чтобы натренировать модель ChatGPT составлять SQL запросы, необходимые для проверки эффективности и надежности баз данных. Вот яркий пример одного из преимуществ ChatGPT по сравнению с классическими инструментами: при добавлении нового оператора или функции, необходимо также обновлять исходный код в инструменте, используемом для тестирования. В случае же с ChatGPT, разработчики просто указали в чате документы JSON, которого ранее не было в проекте, и нейросеть сгенерировала нужные SQL запросы без каких-либо дополнительных хлопот.

Конечно, в этой сказке не все так гладко: ChatGPT не защищен от ошибок и может составить некорректный запрос, однако однозначно можно сказать, что возможности этой генеративной модели в будущем трансформируют классический подход к работе с базами данных и положат начало инструментам тестирования нового поколения.

Podlodka #314 – AI пишет код

Разговоры про то, что программистов вот-вот заменит какая-то технология, ведутся каждые пару лет. Но в этот раз, кажется, все серьезно – ChatGPT пишет полноценные мобильные приложения, конфиги для AWS и разбирает сложные баги. Чтобы разобраться с тем, а как конкретно LLM генерируют код, как этим можно управлять, и что нас ждет в будущем, мы позвали Егора Богомолова, исследователя в лаборатории ML4SE JetBrains Research.

🎧 Слушать выпуск

Автоматизируют ли датавиз?

Не думаю, что датавиз профи всерьёз переживают о том, что АИ их заменит, но все же, Nick Desbaratas следует тренду и тоже, вслед за Steve Wexler и Andy Cotgrave, рассуждает на эту тему.

Свои рассуждения он выкладывает вот в такой статье.

https://www.practicalreporting.com/blog/2023/3/27/will-ai-automate-data-visualization

Заменят? 😁😁😁

😱😱😱BabyAGI😱😱😱

Ребята реализовали идею, о которой я давно думаю.

Что если поставить GPT-4 высокоуровневую задачу (например сделать мир лучше или сделать исследование в определенном направлении), а затем запустить в бесконечный цикл последовательность
1) С помощью GPT-4 разбить задачу на подзадачи
2) Добавить все подзадачи в список
3) Приоритезировать список
4) Выполнить задачу в таком же цикле (разбить на позадачи, добавить в список и т.д.)

Интересно, но в таком подходе нейронка
а) уходит в очень интересные идеи
б) тратит очень много токенов API 😂

P.S. Изначально проект задумывался как AI стартапер, но на выходе стало понятно, что подход применим к любой задаче.
P.P.S. То, о чем думал я и чего не хватает в проекте, это реального выполнения. Ребята “выполняют” задачу с помощью лингвистической модели в то время как я думал в ключе “сгенерируй код” которой я бы отправлял в python execution.

Ребята заопенсорсили проект

Github: https://github.com/yoheinakajima/babyagi
Paper: https://yoheinakajima.com/task-driven-autonomous-agent-utilizing-gpt-4-pinecone-and-langchain-for-diverse-applications/

UPD: Huston, у нас проблемы!
Другие ребята заопенсорсили похожий проект, который помимо того, что умеет лазить в интернет, так же генерит код и пытается его исполнять 😱😱😱

Github: https://github.com/Torantulino/Auto-GPT

#agi

мне кажется мы еще не понимаем, что Ящик Пандоры приоткрыт и насколько это серьезно 🤔

#agi

🗓 08 апреля 20:00 по мск ChatGPT в помощь архитектору / Николай Голов, Иван Шумов

Недавно мы обсуждали как устроен и как работает ChatGPT, и что он может полезен для разработчиков. В эту субботу мы планируем в примерах разобрать применение ChatGPT 4.0 для решения задач ИТ-архитектора вместе с Иваном Шумовым. Эта встреча будет полезна разработчикам, архитекторам и всем, кто интересуется технологиями разработки ПО. Присоединяйтесь - будущее уже наступило 🤩

Встречаемся в субботу в 20:00 по мск, подключайтесь к YouTube трансляции или в Zoom

А в комментариях к этому посту оставляйте свои вопросы, которые хотели бы задать Коле и Ване ⤵️