MIT-ovo istraživanje: bolji način generiranja AI coda
Istraživački rad s američkog MIT-a tvrdi da nova tehnika koju su razvili za velike jezične modele daje bolji i točniji kod za bilo koji programski jezik ili format koji se koristi
Na stranicama američkog MIT-a osvanuo je članak o novom istraživanju koje stvara probabilistički okvir koji bi mogao temeljito promijeniti ekonomiju generiranja AI koda, osporavajući pretpostavku da veći modeli automatski daju bolje rezultate.
Ova inovacija koristi „sekvencijalnu Monte Carlo (SMC) tehniku“ i omogućuje manjim jezičnim modelima da nadmaše specijalizirane komercijalne sustave koji su k tome višestruko veći.
Ideja je da se sustavu učinkovitost poboljša kroz natjecanje, pa sustav dinamički dodjeljuje računalne resurse perspektivnim sekvencama koda, ranije odbacujući putanje sklone pogreškama.
U testovima novog modela, ovaj je za generiranja Python koda nadmašio je komercijalni model dvostruko veće veličine te isto tako u SQL upitima te aplikacijama za molekularnu biologiju i robotiku. Nova metoda osigurava da izlazni podaci poštuju pravila programskog jezika i namjeru korisnika.
Istraživanje sugerira da bi algoritamska inovacija mogla biti korisna u „specifičnim domenama“, smanjujući troškove i povećanje dostupnosti AI sustava za generiranje koda.
Trenutno tržište AI asistenata za kodiranje djeluje pod pretpostavkom da golemi računalni sustavi stvaraju nepremostivu prednost, ali ovo istraživanje sugerira da bi algoritamska inovacija mogla biti jednako vrijedna u određenim domenama.
Istraživački tim planira proširiti svoju tehniku za kontrolu većih dijelova koda i ugraditi sposobnosti učenja koje bi sustavu omogućile poboljšanje tijekom vremena.
