企业官网建设流程全解析

手机网站建设在哪儿,wordpress4.x版本,游戏是怎么做的视频网站,群晖NAS建WordPressThoughtworks首席科学家、面向对象编程长期专家Martin Fowler认为#xff0c;AI是他整个职业生涯中见过的最大编程转变。在由Gergely Orosz主持的Pragmatic Engineer播客采访中#xff0c;Fowler坦言关于AI#xff0c;我们仍在学习如何做到这一点。对于行业来说…Thoughtworks首席科学家、面向对象编程长期专家Martin Fowler认为AI是他整个职业生涯中见过的最大编程转变。在由Gergely Orosz主持的Pragmatic Engineer播客采访中Fowler坦言关于AI我们仍在学习如何做到这一点。对于行业来说最接近的类比是从汇编语言的转变。汇编语言编写起来很繁琐因为大部分工作涉及在寄存器之间移动内存值。这就是为什么转向更高级编程语言如COBOL和Fortran对程序员来说是如此大的福音。至少在像Fortran这样相对简陋的高级语言中我可以编写条件语句和循环之类的东西Fowler说。这些新语言比硬件本身提供了更高层次的抽象。对于大语言模型这是类似程度的思维转变他说。但大语言模型并不是另一种抽象而是一种完全不同的计算类型。也就是说大语言模型是非确定性计算的一种形式它具有与我们今天认为的计算确定性计算不同的特征。确定性计算是严格二进制的。计算要么正确要么错误。如果不正确我们可以调试代码看看哪里出了问题。非确定性计算更加模糊。大语言模型可能在某个时候产生一个答案而在另一个时候产生完全不同的答案。它构建的答案依赖于统计推理这是建立在二进制数学之上的一组概率但并不是万无一失的。这完全改变了你必须考虑计算的方式他说。Thoughtworks是一家技术驱动的咨询公司因此一直在关注AI是如何成功应用的。据Fowler说一个用例是快速构建原型部分归功于氛围编码的出现。在这里你可以比以前更快速地探索想法。但真正的杀手级应用是使用AI来帮助理解遗留系统。在该公司最新的年度Radar报告第33期新兴技术中使用生成式AI来现代化遗留系统是获得公司最高采用评级的唯一AI技术。对于试图现代化旧系统的客户Thoughtworks创建了一个例程基本上对代码库进行语义分析将结果放入图数据库中然后可以通过检索增强生成过程来询问以了解应用程序如何运行。如果你在做任何遗留系统的工作你应该以某种方式使用大语言模型来帮助你Fowler说。但是虽然大语言模型可以帮助我们理解遗留代码但它们是否能以安全的方式修改该代码是另一个问题。然而更高级的编程在大语言模型方面仍然很困难。在这里你必须将AI工作分解成非常薄的切片并非常仔细地审查所有内容他说。你必须把每个切片都当作来自一个相当靠不住的合作者的拉取请求这个合作者在代码行数意义上的生产力很高但你知道你不能相信他们正在做的任何事情Fowler说。尽管如此以这种方式使用AI可以为开发人员节省时间尽管可能不如倡导者一直声称的那么多时间。特别是他建议我们想出一种更严格的方式与大语言模型对话以获得更好的结果。领域驱动设计和领域特定语言可能提供前进的道路。结构工程的实践也可以帮助更好地衡量在哪里使用AIFowler指出。我妻子是结构工程师。她总是从容差的角度思考除了数学告诉我的之外我还需要做多少额外的工作因为我需要它的容差Fowler说。就像我们知道混凝土桥梁能承受多少重量一样大语言模型也应该配备描述它们能支持的精度水平的指标。我们必须处理的非确定性容差是什么他问道。了解这一点软件开发人员就会知道在哪里不要滑得太接近边缘。Fowler向软件开发人员推荐了一本帮助思考非确定性的书那就是Daniel Kahneman的《思考快与慢》。他在试图给你关于数字的直觉以及发现我们在概率和统计方面思考时犯的许多错误和谬误方面做得非常好Fowler说。一如既往Fowler是一个雄辩的演讲者在这次采访中对各种主题都有一些见解包括重构、敏捷过程、企业中的大语言模型、企业应用模式当然还有每个面向对象程序员最喜欢的语言Smalltalk。QAQ1什么是非确定性计算它与传统计算有什么不同A非确定性计算是大语言模型采用的计算形式与传统的确定性计算不同。确定性计算是严格二进制的计算要么正确要么错误可以通过调试找到问题。而非确定性计算更加模糊大语言模型可能在不同时候产生不同答案依赖统计推理和概率不是万无一失的。Q2大语言模型在遗留系统现代化中如何发挥作用AThoughtworks将使用生成式AI现代化遗留系统列为最高采用评级技术。他们创建了一个例程对代码库进行语义分析将结果放入图数据库然后通过检索增强生成过程来查询帮助理解应用程序如何运行。Fowler建议任何做遗留系统工作的人都应该使用大语言模型。Q3如何安全地使用大语言模型进行编程开发AFowler建议将AI工作分解成很薄的切片并仔细审查所有内容。要把每个切片当作来自不可靠合作者的拉取请求虽然代码产出高但不能完全信任。需要建立更严格的方式与大语言模型对话领域驱动设计和领域特定语言可能是解决方案。