ความสามารถในการเขียนโปรแกรม AI พัฒนาขึ้น! สามารถปรับปรุงคุณภาพของโค้ดได้ผ่าน PUA อย่างต่อเนื่องของโมเดลขนาดใหญ่ - บทความ AI

ในช่วงไม่กี่ปีที่ผ่านมา ความสามารถในการเขียนโปรแกรมปัญญาประดิษฐ์ (AI) ได้รับการพัฒนาอย่างต่อเนื่อง แต่ยังไม่ถึงความสมบูรณ์แบบ เมื่อเร็วๆ นี้ Max Woolf นักวิทยาศาสตร์ข้อมูลอาวุโสของ BuzzFeed ค้นพบจากการทดลองว่า หากโมเดลภาษาขนาดใหญ่ (LLM) ได้รับแจ้งให้ "เขียนโค้ดได้ดีขึ้น" อย่างต่อเนื่อง AI จะสามารถสร้างโค้ดที่ดีขึ้นได้อย่างแน่นอน การค้นพบนี้ดึงดูดความสนใจอย่างกว้างขวาง และนักวิทยาศาสตร์ AI ที่มีชื่อเสียงในอุตสาหกรรมก็แสดงความสนใจอย่างมากเช่นกัน โดยเน้นย้ำถึงความสำคัญของการทำซ้ำและการออกแบบคำที่รวดเร็ว

ในการทดลองของวูล์ฟ เขาใช้โมเดล AI เวอร์ชัน Claude3.5Sonnet เพื่อทำงานชุดการเขียนโปรแกรม ในตอนแรก เขาตั้งปัญหาการเขียนโปรแกรมง่ายๆ ให้กับโมเดล: วิธีค้นหาความแตกต่างระหว่างค่าต่ำสุดและค่าสูงสุดระหว่างจำนวนเต็มสุ่มล้านจำนวนซึ่งมีตัวเลขรวมกันเป็น 30 หลังจากได้รับงานนี้ Claude ได้สร้างโค้ดที่ตรงตามข้อกำหนด แต่ Woolf เชื่อว่าโค้ดยังมีพื้นที่สำหรับการปรับให้เหมาะสม

จากนั้น Woolf ตัดสินใจขอให้ Claude ทำการเพิ่มประสิทธิภาพแบบวนซ้ำผ่านข้อความแจ้ง "เขียนโค้ดให้ดีขึ้น" ทุกครั้งหลังจากสร้างโค้ด หลังจากการวนซ้ำครั้งแรก Claude ได้ปรับโครงสร้างโค้ดใหม่เป็นคลาส Python เชิงวัตถุ และปรับใช้การปรับให้เหมาะสมที่สำคัญสองประการ ทำให้ความเร็วในการทำงานเพิ่มขึ้น 2.7 เท่า ในการทำซ้ำครั้งที่สอง Claude ได้เพิ่มการประมวลผลแบบมัลติเธรดและการคำนวณแบบเวกเตอร์ ซึ่งท้ายที่สุดแล้วทำให้โค้ดทำงานได้เร็วกว่าเวอร์ชันพื้นฐานถึง 5.1 เท่า

อย่างไรก็ตาม เมื่อจำนวนการวนซ้ำเพิ่มขึ้น การปรับปรุงคุณภาพโค้ดก็เริ่มช้าลง หลังจากการเพิ่มประสิทธิภาพหลายรอบ แม้ว่าโมเดลจะพยายามใช้เทคนิคที่ซับซ้อนมากขึ้น เช่น การคอมไพล์ JIT และการเขียนโปรแกรมแบบอะซิงโครนัส แต่การวนซ้ำบางอย่างส่งผลให้ประสิทธิภาพลดลง ท้ายที่สุดแล้ว การทดลองของ Woolf ได้เผยให้เห็นถึงศักยภาพและข้อจำกัดของการแจ้งเตือนแบบวนซ้ำ ทำให้ผู้คนมีความคิดใหม่ๆ เกี่ยวกับอนาคตของการเขียนโปรแกรม AI

งานวิจัยนี้ไม่เพียงแสดงให้เห็นถึงศักยภาพในการประยุกต์ใช้ AI ในด้านการเขียนโปรแกรมเท่านั้น แต่ยังเตือนเราด้วยว่าแม้ว่า AI จะสามารถปรับปรุงคุณภาพโค้ดผ่านการวนซ้ำอย่างต่อเนื่องในการใช้งานจริง วิธีการออกแบบคำพร้อมท์อย่างเหมาะสม รวมถึงความสมดุลระหว่างประสิทธิภาพและความซับซ้อนยังคงคุ้มค่า ประเด็นที่กล่าวถึงในเชิงลึก