Az AI hatalmas mértékben megváltoztatja a szoftverfejlesztést, mondja a MongoDB műszaki igazgatója

Az AI, különösen a generatív fajta, „lehetővé teszi a fejlesztőknek, hogy olyan minőségben, sebességgel és olyan teljességgel írjanak kódot, mint amilyenre mindig is vágytunk” - mondja Mark Porter.

„Van ez a sztereotípia arról, hogy mennyi ideig tart egy számítógépes szoftver megírása, és mennyi időbe telik, hogy a megfelelő helyre kerüljön” - mondja Mark Porter, a MongoDB műszaki igazgatója. "Szerintem a generatív mesterséges intelligencia mindezt hatalmas módon megváltoztatja."

A mesterséges intelligencia, beleértve a jelenleg legnépszerűbb formát, a generatív mesterséges intelligenciát, mint például az OpenAI ChatGPT-je, óriási befolyást fog nyújtani a szoftverfejlesztőknek, és jelentősen termelékenyebbé teszi őket, állítja a MongoDB, a dokumentumadatbázis-gyártó vezető technológusa.

"Az egyik dolog, amiben szilárdan hiszek, az a sok hírverés arról, hogy a generatív mesterséges intelligencia mennyire képes kiszorítani a fejlesztőket az üzletből, és szerintem ez helytelen" - mondta Mark Porter, a MongoDB technológiai igazgatója a ZDNET-nek adott interjújában.

"A generatív mesterséges intelligencia segít nekünk kóddal, tesztesetekkel, kódhibák megtalálásában és a dokumentáció gyorsabb felkutatásában" - mondta Porter.

"Lehetővé teszi a fejlesztők számára, hogy olyan minőségben, sebességgel és teljességgel írjanak kódot, ahogyan mindig is szerettük volna."

Porter szerint nem csak a generatív mesterséges intelligencia, hanem a 15-20 éve létező modellek és minden más dolog, ami mára már nagyon szilárd, azt jelenti, hogy „olyan dolgokat is megtehetünk, amelyek átalakítják a fejlesztők kódírását”.

Porter a múlt héten találkozott a ZDNET-tel a MongoDB.local, a vállalat New York-i fejlesztői konferenciáján. A konferencia egyike annak a 29 ilyen fejlesztői eseménynek, amelyet a MongoDB idén rendez az Egyesült Államok és külföld különböző városaiban.

Mielőtt három és fél évvel ezelőtt a MongoDB műszaki igazgatója lett volna, Porter számos kulcsfontosságú adatbázis-szerepet töltött be, beleértve az Amazon AWS RDS relációs adatbázis-műveleteit, az alapvető technológiai fejlesztéseket CTO-ként a Grabnél, a délkelet-ázsiai utazási szolgáltatásnál, és több mint egy évtizedben számos szerepet töltött be az Oracle-nél, beleértve az egyik eredeti adatbázis-kernel-fejlesztőt.

Az AI „a fejlesztői ökoszisztéma felgyorsítása” - tette hozzá Porter. "Szerintem több alkalmazást fognak írni."

"Van ez a sztereotípia arról, hogy mennyi időbe telik egy számítógépes szoftver megírása, és mennyi időbe telik a megfelelő helyrehozása" - mondta Porter. "Úgy gondolom, hogy a generatív mesterséges intelligencia mindezt hatalmas mértékben megváltoztatja, és képesek leszünk megírni azokat az alkalmazásokat, amilyen gyorsan szeretnénk, olyan minőségben, ahogyan azt szeretnénk."

A MongoDB egynapos rendezvényének nagy eleme volt, hogy a vállalat megvitatta a MongoDB adatbázis új AI-képességeit.

"A MongoDB tulajdonképpen több száz mesterséges intelligencia építő cég alapja" - mondta Porter. Valójában a manhattani Jacob Javits kongresszusi központ bemutatóterén számos olyan stand szerepelt, mint a Confluent, a Hashicorp, az IBM és az Amazon AWS, ahol az előadók elmagyarázták a MongoDB és a megfelelő szoftvertechnológiák használatát.

Tömegek a MongoDB New York-i helyi konferenciáján a fejlesztők számára.

Porter hangsúlyozta a MongoDB új funkcióit, amelyek vektorértékeket tartalmaznak az adatbázis natív adattípusaként. A vektorok támogatásával a fejlesztő átveheti a nagy nyelvi modell által előállított kontextusvektorokat, amelyek hozzávetőleges választ adnak egy lekérdezésre, eltárolhatják azokat az adatbázisban, majd később lekérhetik azokat relevancia keresésekkel, amelyek pontos választ adnak a szükséges visszahívással. paramétereket.

Amikor egy felhasználó kérdést tesz fel a ChatGPT-nek vagy egy másik LLM-nek, Porter elmagyarázta: "Megkapom ennek a kérdésnek a vektorát, majd felteszem ezt a vektort az adatbázisomba, és meg fogom kérni vektorok a közelében", amely például egy sor releváns cikket fog létrehozni.

"Akkor fogom ezeket a cikkeket, és felkérem az LLM-emet azokkal a cikkekkel, és azt fogom mondani, hogy nem mondhat semmit, ami nem szerepel ezekben a cikkekben, kérjük, válaszoljon erre a kérdésre ezekkel a cikkekkel."

Az LLM ezután olyan funkciókat hajthat végre, mint például egy hosszú cikk összefoglalása, felajánlotta Porter. "Szeretek LLM-eket használni egy cikk elkészítésére és rövidítésére."

Ily módon az AI és az adatbázis munkamegosztásban van.

"Soha nem akarna egy LLM-et egy online tranzakciófeldolgozó rendszerbe helyezni" - mondta Porter. "Azt hiszem, az LLM-eket ott szeretné használni, ahová tartoznak, és ott akarja használni az adatbázis- és mátrixtechnológiát, ahol a helyük van."

Bár léteznek más gyártók önálló vektoradatbázisai is, Porter a ZDNET-nek elmondta, hogy a funkcionalitás beépítése csökkenti az alkalmazásfejlesztők terheit. "Ez azt jelenti, hogy nincs szükséged csővezetékekre a két [adatbázis] között, az adatok másolására" - mondta Porter. "Nem kell két különböző rendszert kezelned, minden egy rendszerben van, az alapadatok, a metaadatokat, és a vektorok egy adattárban helyezkednek el."

Nem számít, mi következik az AI-val, mondta Porter: "Ez nem fogja kiszorítani a fejlesztőket az üzletből.

"A fejlesztők továbbra is azok lesznek, akik hallgatnak ügyfeleikre, hallgatják vezetőiket, és eldöntik, mit írjanak."