AIプログラミング能力が進化！大規模モデルの継続的な PUA を通じてコードの品質を向上できる - AI の記事

近年、人工知能 (AI) プログラミング機能は発展を続けていますが、まだ完全には達していません。最近、BuzzFeed の上級データ サイエンティストであるマックス ウルフ氏は、大規模言語モデル (LLM) に「より良いコードを書く」というプロンプトが常に提供されていれば、AI は確かにより良いコードを生成できることを実験を通じて発見しました。この発見は広く注目を集めており、業界の著名な AI 科学者もこの発見に大きな関心を示し、反復とプロンプトワードデザインの重要性を強調しています。

ウルフ氏の実験では、Claude3.5Sonnet バージョンの AI モデルを使用して、一連のプログラミング タスクを実行しました。まず、彼はモデルに簡単なプログラミングの問題を提示しました。それは、桁の合計が 30 になる 100 万個のランダムな整数の中から最小値と最大値の差を見つける方法です。このタスクを受け取った後、クロードは要件を満たすコードを生成しましたが、ウルフはコードにはまだ最適化の余地があると信じていました。

次に、ウルフ氏は、コード生成後に毎回「より良いコードを書いてください」というプロンプトを通じて反復最適化を実行するようにクロードに依頼することにしました。最初の反復の後、クロードはコードをオブジェクト指向 Python クラスにリファクタリングし、2 つの重要な最適化を実装して、実行速度を 2.7 倍に向上させました。 2 回目のイテレーションでは、クロードはマルチスレッド処理とベクトル化された計算を追加し、最終的にコードの実行速度が基本バージョンより 5.1 倍速くなりました。

ただし、反復回数が増えると、コード品質の向上が遅くなり始めます。最適化を数回行った後、モデルは JIT コンパイルや非同期プログラミングなどのより高度な手法を使用しようとしましたが、一部の反復でパフォーマンスが低下しました。最終的に、ウルフの実験は反復プロンプトの可能性と限界を明らかにし、AI プログラミングの将来について人々に新たな考え方を与えました。

この研究は、プログラミング分野における AI の応用可能性を実証するだけでなく、AI は継続的な反復を通じてコードの品質を向上させることができますが、実際のアプリケーションでは、プロンプトワードを適切に設計し、パフォーマンスと複雑さのバランスをとる方法が依然として価値があることを思い出させます。トピックについて詳しく議論します。