Tilanne on kyllä muuttunut erittäin nopeasti. Olen ollut IT-alalla vasta vähän aikaa, mutta ilmeisesti tällaiset vaihtelut on aina olleet alalla melko normaaleja.
Aika vähän olen jutellut ihmisten kanssa jotka helpon rahan perässä ovat alalle päätyneet. Nykyajan webbikehitys on kuitenkin sen verran helposti lähestyttävää hommaa että alalla on aika paljonkin kevyellä osaamisella liikkeellä olevaa työvoimaa, jolla voi olla vaikea kehittyä (ja työllistyä) jos raha on ainoa motivaattori. Työt ovat nyt tiukemmassa ja palkankorotuksetkin ovat monesta lähteestä kuultuna käytännössä jäissä (pl. selvät kehityskohdat). Konsulttifirmatkin ovat käytännössä lakanneeta palkkaamasta penkille ja työtarjoukset tuntuvat usein sisältävän ehdon että projekti pitää löytyä ennen työsuhteen aloittamista.
Vaihtelut on alalla normaaleja, mutta kyllä tämänhetkinen ohjelmistokehityksen kysynnän painuminen on aika poikkeuksellisen syvä, eikä se ihan just näytä kääntyvän nousuun. Esim. Vincitin osarista:
Iso osa hypestä on AI-puolella? Jos olisin miettimässä mitä seuraavaksi ja olisi aikaa niin tekisin nvidian rtx chatbotin päälle jonkinlaisen ai chatbot demon. Demon kanssa myymään itseänsä firmoihin työntekijäksi/alihankkijaksi. Kulmia on monia. Syöttää firman(jotain open source projekteja demossa?) bugikannat, koodit, dokkarit botille ja tekee härvelin joka tuottaa automaattiset status raportit, summaroinnin bugeista, tukee random kyselyitä. Jos firmassa samaa tietoa säilötään monessa paikassa niin botti voisi päivittää työkalut yhden päälähteen pohjalta. Voi ottaa toisenlaisen kulman missä syöttää vaikka finlex(lait,käytännöt), oikeustapaukset yms bottiin. Kokeilee saisiko asianajajan tai taviksen elämää parannettua botilla mikä vastailee lakikysymyksiin. Miksei myös joku uutisbotti minkä avulla saa pyöritettyä helsingin sanomia puolella nykyistä väkimäärästä ja samalla lokalisoituu kaikille maailman kielille + sokeita varten speech to text + uutisclipit ai:n generoimana annetun sisällön pohjalta( sora).
wccftech.com
Tämä on myös sen sudenkuoppa. Generatiivinen AI on Gartnerin hype cyclen huipun korkeimmassa pisteessä. Kukaan ei tiedä mihin se menee seuraavan 2-3 vuoden aikana - edes Gartner.
Onneksi siinä mun ehdotusta toteuttaessa omakohtaisesti oppii onko noista mihinkään vai ei. Huonoimmassakin tapauksessa saa jonkinlaisen demon tehtyä millä nyt ainakin jotain osaamista ja uudenoppimiskykyä voi demonstroida mahdollisille työnantajille.
Tuo nyt oli se mitä mä lähtisin tekemään. Harjoituksen jälkeen on mahdollista myydä itsensä muuhunkin positioon kuin "kooderiksi" kun on vähän pidemmällä kuin muut. Nvidian systeemi on vain wrapperi eri open source mallien päälle(llama, mistral, google gemma 2B/7B, nvidian omat mallit jne) + purkkaa esim. RAG:ia varten. Pääsee nopeammin alkuun, kun nvidian installerilla saa "kaiken" asennettua sen sijaan, että alkaa miettimään mitä kymmeniä palasia tarvii ja säätämään niitä kohdallensa.
Väittäisin, että konealgoritmeilla on jo paljonkin tekemistä softakehityksessä. Ei AI softaa toki tee, mutta github copilot esim. on kiva apu ja nopeuttaa tekemistä kunhan sitä käyttää niiden rajoitusten puitteissa missä copilot luo lisäarvoa eikä yritä generoida koko softaa promptista. Github CoPilotilla pari miljoonaa maksavaa käyttäjää.
Kyllä noilla copiloteilla tekee paljon jo. Jos tarvit jonkin hyvin tunnetun algoritmin tms. niin copilot luo rungon hyvin. Yksikkötestien sun muun aikaavievää boilerplaten tekeminen myös nopeutuu oleellisesti. Toinen pointti sitten chatgpt ja sen avulla uusien asioiden oppimisen nopeuttaminen. Ei tuosta pari miljoonaa ihmistä maksaisi kymppiä kuussa, jos siitä ei olisi iloa.
Näin juuri.
Vähän nolottaa lainata taas Gartneria, mutta heidän tuoreen näkemyksen/tutkimustulostensa mukaan nykyiset genai -avusteiset työkalut tuovat 5-20% tehokkuuslisän softakehitykseen.
developer.nvidia.com
Juuh, sehän olisi ihan täydellinen työkalu jos voisi vaan nopeasti kirjoittaa logiikat ja AI sen jälkeen luo virheenkäsittelyn, tarkistaa testit ja lisäksi vielä raportoi mahdolliset bugit ja ongelmat.Nvidiahan teki tuon itsellensä. Laittoivat firman bugikannan, dokumentaation ja koodit omaan optimoituun kielimalliin. Botti osaa summaroida bugista oleellisen ulos ja tehdä samankaltaisia skriptejä/... kuin mitä koodeista jo löytyy. Odottavat, että yksittäisen ihmisen työteho yli tuplaantuisi, kun boilerplaten saa tehtyä nopeasti. Nvidia tosin tekee piirisuunnittelua. Piiripuolella logiikalle järjettömän paljon testejä ja pieniä irrallisia yksiköitä. Toteutus pitää testataja varmistaa täysin ennen kuin piiri valmistetaan. Tämä aika erilaista kuin softa missä voi vain unelmoida kattavista testeistä.
Nvidia käyttänyt myös piirisuunnittelussa koneälyä. Ada/hopperin yksi suoritusyksikkö optimoitiin konealgoritmin avulla. Mielenkiinnolla odotan maaliskuun gtc messua missä julkaistaan nvidian seuraava gpu-arkkitehtuuri. Oletan, että samalla kerrotaan jotain uutta siitä miten keinoälyä on käytetty yhä enemmän piirisuunnittelussa.
Ei tuo nvidian touhu vie kooderin/suunnittelijan työtä. Toisaalta tehoastaa paljon tekemistä.
ChipNeMo: Domain-Adapted LLMs for Chip Design | Research
ChipNeMo aims to explore the applications of large language models (LLMs) for industrial chip design. Instead of directly deploying off-the-shelf commercial or open-source LLMs, we instead adopt the following domain adaptation techniques: custom tokenizers, domain-adaptive continued pretraining...research.nvidia.com
Designing Arithmetic Circuits with Deep Reinforcement Learning | NVIDIA Technical Blog
Learn how NVIDIA researchers use AI to design better arithmetic circuits that power our AI chips.
Mielenkiintoista nähdä miten copilotit kehittyvät. Jäävät junnaamaan paikoillensa vai mahdollisesti exponentiaalisen nopeasti parantuvaa toiminnallisuutta? todellisuus lienee jotain tuolta välistä.
Nvidialla varmaan vähän epäreilua etua versus softa. Joku kertolaskuyksikkö niin niillähän on ollut toteutus ja testit iät ja ajat. Senkun miettii miten saa AI:n kokeilemaan erilaisia toteutuksia käytetyn prosessin kirjastoilla ja valitsee parhaan. Aikaisemmin ihminen arvannut pari vaihtoehtoa ja käsin kokeiltu mikä olis paras ja eikun tuotantoon. Saa niitä viimeisiä prosentteja puristettua irti mitä ihminen ei rajallisella käytössä olevalla ajalle kerkeä löytämään.
Minäkin käytän copilottia päivittäin työssä ja nopeuttaa kyllä hommia merkittävästi. Monesti riittää, että kirjoittaa vain kommentin valmiiksi ja painaa enteriä, niin copilot tarjoaa tarvittavan koodin alle ja homma on hetkessä valmis. Hyvin tuntuu isossa projektissakin tulevan osuvat ehdotukset, miten jossain toisessa paikkaa sama asia toteutettuna.
Miksi sen pitäisi olla deterministinen, kun ei koodaritkaan ole deterministisiä tuolla mittarilla? Jos annat samat speksit sadalle eri koodarille, niin saat sata erinäköistä toteutusta jos puhutaan mistään muusta kuin yhden rivin hello-worldista.
Käyttöliittymä ei synny ilman iterointia. Designerit sanoo, että tuota marginaalia pienemmäksi, toi nappi pois, tuohon erivärinen viiva. Kun näkevät lopputuloksen mieli muuttuu ja uusiksi meni. Isompiakin asioita tapahtuu, kuten, että tiputetaan tämä fiitsöri pois ja tuo tilalle seuraavaan versioon mikä myllää UI:n uusiksi. Vielä isompiakin asioita tapahtuu, kun saadaan palautetta käyttäjätesteistä(contextual design) tai loppukäyttäjiltä ja aletaan rappaamaan uusiksi.
Vaikka kuvakaappauksia ohjelmallisesti ja automatisoidusti vertaamalla voi todeta ovatko identtiset? Voi tehdä myös yksikkötestit millä ohjelmallisesta kyselemällä(nappi, missä koordinaateissa, minkä kokoinen ja minkä värinen,... sinä olet) ja pikselivertailulla(kuvakaappaukset?) käydään läpi onko asiat oikeissa paikoissa ja oikean näköisiä. Voi toki myös appsin käynnistyksessä assertoida, että button.x,y,width,height,...=halutut arvot.
Ehkä on ihan positiivista jos se generoi hienomman käyttöliittymän? Kerran vuodessa uusi versio puhtaasti AI’n generoimana.
Tämä on se omakin ykköskäyttötarkoitus kohtuu pitkän kokeilun jälkeen eli perusjuttujen generointi dokkareiden selaamisen sijaan. ChatGPT ja copilot toimii noissa hyvin ja nopeuttaa perusoperaatioiden kirjoittamista, mutta hankalien ongelmien suoraan ratkomiseen niistä ei käytännössä ole.
Tää käytännössä tarkoittaa, että jos olen scrum-masterina / PO:na teille, niin tiedän vaan nakittaa enemmän hommia kun tiedän, että tietyt jutut saadaan nopeammin tehtyä.
Jep, näinhän se käytännössä menee, helpot jutut nopeutuu eniten. Vaikeammatkin featuret yms. nopeutuu kuitenkin jonkin verran, kun voi keskittyä niihin visaisiin osuuksiin ja aikaa kuluu vähemmän triviaalien osien tekemiseen.
Jos huonon johtamisen ja rekryämisen korjaamiseksi aletaan ehdottaa copilottia, niin en kyllä ole aivan varma että se on se oikea työkalu…
