چرا Google ممکن است برای الگوریتم های جستجو کدگذاری Vibe را اتخاذ کند

یک روند جدید در Silicon Valley ، برنامه نویسی VIBE ، باعث شتاب نمایی در چگونگی سریع مهندسان می تواند محصولات و الگوریتم ها را توسعه دهد. این رویکرد با اصول بیان شده توسط بنیانگذار Google ، سرگئی برین در یک ایمیل اخیر به مهندسان DeepMind مطابقت دارد.

خودی های برتر دره سیلیکون ، Vibe را کدگذاری می کنند “روش غالب برای کدگذاری” ، و پیام برین نشان می دهد که گوگل آن را در آغوش می گیرد تا به طور چشمگیری سرعت بخشیدن به پیشرفت AI را تسریع کند. با توجه به پتانسیل آن ، این رویکرد همچنین ممکن است به الگوریتم های جستجوی Google گسترش یابد و منجر به تغییر بیشتر در رتبه بندی نتایج جستجو شود.

برنامه نویسی VIBE برای ماندن اینجاست

چهار مدیر ترکیبی Y موافقت کردند که برنامه نویسی VIBE یک کار بسیار بزرگ است اما از اینکه چقدر سریع این صنعت را پشت سر گذاشته است تعجب کردند. جارد فریدمن اظهار داشت که مانند چیزی از جک پری و Beanstalk است ، جایی که لوبیای جادویی در حال تغییر جهان در طول شب به لوبیای غول پیکر می رسد.

گری تان موافقت کرد ، گفت:

“من فکر می کنم در حال حاضر حس ما این است که این یک مبهم نیست. این از بین نمی رود. این در واقع روش غالب برای کدگذاری است ، و اگر این کار را نمی کنید ، ممکن است پشت سر بگذارید. این اینجا برای ماندن است. “

کدگذاری VIBE چیست؟

برنامه نویسی VIBE مهندسی نرم افزار با هوش مصنوعی است:

• مهندسان نرم افزار از هوش مصنوعی برای تولید کد به جای نوشتن آن به صورت دستی استفاده می کنند.
• برای راهنمایی توسعه نرم افزار به زبان طبیعی اعتماد کنید.
• اولویت بندی سرعت و تکرار.
• زمان برای اشکال زدایی صرف نمی شود زیرا کد به سادگی بازسازی می شود تا زمانی که کار کند.
• Vibe Coding تمرکز مهندسی نرم افزار را از نوشتن کد به انتخاب نوع مشکلات برای حل تغییر می دهد.
• AI را برای بازسازی سریع کد به جای اشکال زدایی سنتی اهرم کنید.
• این برنامه نویسی را به صورت نمایی سرعت می بخشد.

برنامه نویسی VIBE راهی برای ایجاد کد با هوش مصنوعی با تأکید بر سرعت است. این بدان معناست که اشکال زدایی کد به طور فزاینده ای کمتر لازم است زیرا یک مهندس می تواند چندین بار کد را دوباره بچرخاند تا زمانی که هوش مصنوعی درست شود.

صدای جیر جیر اخیر آندره کرپاتای موجی از هیجان در دره سیلیکون را آغاز کرد. Karpathy ، یک محقق برجسته هوش مصنوعی و مدیر سابق AI در تسلا ، توضیح داد که کدگذاری Vibe چیست و توضیح داد که چرا سریعترین راه برای کدگذاری با هوش مصنوعی است. این بسیار قابل اعتماد است که او حتی اصلاحاتی را که AI ایجاد می کند (“تفاوت” نامیده نمی شود).

Karpathy توییت کرد:

“نوع جدیدی از برنامه نویسی وجود دارد که من آن را” برنامه نویسی Vibe “می نامم ، جایی که شما کاملاً به ویب ها تسلیم می شوید ، نمادها را در آغوش می گیرید و فراموش می کنید که کد حتی وجود دارد. این امکان پذیر است زیرا LLMS (به عنوان مثال Cresor Composer W Sonnet) خیلی خوب می شوند.

همچنین من فقط با Superwhisper با آهنگساز صحبت می کنم ، بنابراین حتی به سختی صفحه کلید را لمس می کنم. من از گنگ ترین چیزهایی مانند “کاهش بالشتک در نوار کناری به نصف” می خواهم زیرا من برای یافتن آن خیلی تنبل هستم. من همیشه “همه را می پذیرم” ، دیگر تفاوت ها را نمی خوانم.

وقتی پیام های خطا دریافت می کنم ، فقط آنها را بدون هیچ نظری کپی می کنم ، معمولاً آن را برطرف می کند. این کد فراتر از درک معمول من رشد می کند ، من باید برای مدتی از طریق آن بخوانم.

بعضی اوقات LLM ها نمی توانند یک اشکال را برطرف کنند ، بنابراین من فقط در اطراف آن کار می کنم یا تا زمانی که از بین برود ، تغییرات تصادفی را درخواست می کنم. برای پروژه های آخر هفته Throwaway خیلی بد نیست ، اما هنوز هم کاملاً سرگرم کننده است.

من در حال ساختن یک پروژه یا WebApp هستم ، اما واقعاً برنامه نویسی نیست – من فقط چیزهایی را می بینم ، چیزهایی را می گویم ، موارد را اجرا می کنم و چیزهای خمیر را کپی می کنم ، و بیشتر کار می کند. “

سرگئی برین بر اصول برنامه نویسی VIBE تأکید می کند

یک ایمیل اخیر از بنیانگذار Google ، سرگئی برین به مهندسان DeepMind بر لزوم ادغام هوش مصنوعی در گردش کار خود برای کاهش زمان صرف شده برای برنامه نویسی تأکید کرد. در این ایمیل آمده است که کد بیشترین اهمیت را دارد و هوش مصنوعی خود را بهبود می بخشد ، توصیه می کند که اگر ساده تر از یک راه حل برای راه حل باشد ، پس از آموزش یک مدل کاملاً جدید ترجیح می دهد. برین این را برای تبدیل شدن به رمزگذارهای کارآمد بسیار مهم توصیف می کند. این اصول با برنامه نویسی VIBE تراز می شوند ، که در اولویت ، سادگی و توسعه AI محور است.

برین همچنین به جای تکیه بر نرم افزار منبع باز یا شخص ثالث ، از کد شخص اول (کد توسعه یافته توسط Google) استفاده می کند. این به شدت نشان می دهد که گوگل قصد دارد پیشرفتهای هوش مصنوعی خود را اختصاص دهد و نه منبع باز. این ممکن است به معنای پیشرفت های ایجاد شده توسط Google منبع باز نباشد و ممکن است در مقالات تحقیقاتی ظاهر نشود اما در عوض ممکن است از طریق پرونده های ثبت اختراع قابل کشف باشد.

پیام برین بر استفاده از LORA تأکید می کند ، یک روش یادگیری ماشین که برای تنظیم دقیق مدل های AI استفاده می شود. این بدان معنی است که وی می خواهد مهندسان DeepMind به جای صرف وقت بیش از حد مدل های تنظیم دقیق ، در اولویت قرار دادن گردش کار کارآمد قرار بگیرند. این همچنین نشان می دهد که Google در حال تغییر تمرکز به سمت رویکردهای ساده تر و مقیاس پذیر مانند برنامه نویسی VIBE است که به مهندسی سریع متکی است.

سرگئی برین نوشت:

“کد بیشترین اهمیت را دارد – AGI با برخاستن اتفاق می افتد ، هنگامی که AL خود را بهبود می بخشد. احتمالاً در ابتدا با کمک زیادی به انسان خواهد بود ، بنابراین مهمترین عملکرد کد ما است. علاوه بر این ، این باید روی کد 1P خود ما کار کند. ما باید با استفاده از AL خود ، کارآمدترین رمزگذار و دانشمندان AL در جهان باشیم.

سادگی – اجازه می دهیم از راه حل های ساده ای که در آن می توانیم استفاده کنیم. به عنوان مثال اگر اقدامات را انجام دهید ، فقط این کار را انجام دهید ، یک مدل جداگانه را پس از آن انجام ندهید. هیچ پیچیدگی فنی غیر ضروری (مانند لورا). در حالت ایده آل ، ما واقعاً یک دستور العمل و یک مدل خواهیم داشت که به سادگی می توان برای استفاده های مختلف از آن استفاده کرد.

سرعت – ما به محصولات ، مدل ها ، ابزارهای داخلی خود نیاز داریم تا سریع باشند. نمی توانید 20 دقیقه صبر کنید تا کمی از پایتون در بورگ اجرا شود. “

این اظهارات با اصول برنامه نویسی VIBE هماهنگ است ، بنابراین مهم است که بفهمید چه چیزی است و چگونه می تواند بر نحوه توسعه Google الگوریتم های جستجو و هوش مصنوعی تأثیر بگذارد که ممکن است برای اهداف رتبه بندی وب سایت ها استفاده شود.

مهندسان نرم افزار در حال انتقال به مهندسان محصول هستند

یک پادکست اخیر توسط Y Combinator ، یک شرکت شتاب دهنده راه اندازی Silicon Valley ، در مورد چگونگی تغییر برنامه نویسی VIBE به معنای مهندس نرم افزار و چگونگی تأثیر آن در شیوه های استخدام ، بحث کرد.

میزبان پادکست به نقل از چندین نفر:

لئو پاز ، بنیانگذار Outrit مشاهده کرد:

“من فکر می کنم نقش مهندس نرم افزار به مهندس محصول منتقل می شود. اکنون طعم انسان از همیشه مهمتر است زیرا ابزارهای Codegen همه را به عنوان یک مهندس 10 برابر می کنند. “

Abhi Aiyer از Mastra نحوه تغییر شیوه های برنامه نویسی آنها را به اشتراک گذاشت:

“من کد زیادی نمی نویسم. من فقط فکر می کنم و مرور می کنم. “

یکی از میزبان پادکست ، جارد فریدمن ، شریک مدیریت ، Y Combinator گفت:

وی گفت: “این یک بنیانگذار فوق العاده فنی است که آخرین شرکت نیز یک ابزار DEV بود. او بسیار قادر به کدگذاری است و بنابراین جذاب است که افرادی مانند این موارد مانند این حرفی بزنند.

آنها بعد از Abhi Balijepalli از copycat نقل کردند:

وی گفت: “من الان به كد خود بسیار كمتر پیوسته ام ، بنابراین تصمیمات من در مورد تصمیم گیری در مورد ضرر كردن یا كد بازپرداخت كمتر مغرضانه است. از آنجا که من می توانم 3 بار سریعتر کد کنم ، در صورت نیاز برای من آسان است و بازنویسی می کنم. “

گری تان ، رئیس جمهور و مدیرعامل ، Y Combinator اظهار داشت:

“من حدس می زنم نکته بسیار جالب در مورد این چیزها این است که در واقع به خوبی موازی می شود.”

او به نقل از یوو تامیر از Casixty:

“من همه چیز را با مکان نما می نویسم. بعضی اوقات حتی دو پنجره مکان نما را به طور موازی باز می کنم و آنها را با دو ویژگی مختلف سوق می دهم. “

قهوهای مایل به زرد اظهار داشت که چقدر حس می کند و چرا سه نمونه از مکان نما را باز نمی کند تا بتواند حتی بیشتر نیز انجام شود.

پانل های موجود در پادکست سپس به جکسون استوکس از Trainloop اشاره کردند که مقیاس نمایی از سرعت کدگذاری سریع را توضیح می دهد:

“چگونه برنامه نویسی شش تا یک ماه پیش تغییر کرده است: سرعت 10 برابر. یک ماه پیش تا الان: 100 برابر سرعت. شتاب نمایی. من دیگر مهندس نیستم ، من یک فرد محصول هستم. “

گری تان اظهار داشت:

“من فکر می کنم این ممکن است چیزی باشد که به طور گسترده ای اتفاق می افتد. می دانید ، واقعاً دو نقش مختلف مورد نیاز شما به پایان می رسد. این در واقع نقشه برداری می کند که چگونه مهندسان امروز خود را به خود اختصاص می دهند ، به این ترتیب که شما جلوی آن هستید یا پس زمینه. و پس از آن به عنوان زیرساخت ها به پایان می رسد و سپس در جلو بسیار بیشتر از PM (مدیر محصول) است … “

Harj Taggar ، شریک مدیریت ، Y Combinator اظهار داشت که LLM ها قصد دارند مردم را به سمت نقش انتخاب ها سوق دهند ، که نوشتن واقعی کد اهمیت کمتری خواهد داشت.

چرا اشکال زدایی با هوش مصنوعی غیر ضروری است

یک چین و چروک جالب توجه در کد این است که یکی از راه هایی که پیشرفت آن را افزایش می دهد این است که مهندسان نرم افزار دیگر مجبور نیستند ساعت های طولانی را برای اشکال زدایی بگذرانند. در واقع ، آنها دیگر نیازی به اشکال زدایی ندارند. این بدان معنی است که آنها می توانند کد را سریعتر از گذشته از درب بیرون بیاورند.

قهوهای مایل به زرد درباره چگونگی اشکال زدایی در مورد اشکال زدایی اظهار داشت:

“… یک مورد که این نظرسنجی نشان می دهد این است که این مسائل در اشکال زدایی وحشتناک است. و بنابراین … انسان ها باید اشکال زدایی را هنوز انجام دهند. آنها باید خوب بفهمند ، کد در واقع چه کاری انجام می دهد؟

به نظر نمی رسد راهی برای گفتن آن ، اشکال زدایی وجود داشته باشد. شما می گفتید که باید بسیار صریح باشید ، مثل اینکه به عنوان اولین بار به مهندس نرم افزار برای اولین بار دستورالعمل دهید. “

جارد مشاهده خود را در مورد توانایی AI در اشکال زدایی ارائه داد:

وی گفت: “من واقعاً باید آن را قاشق تهیه کنم که دستورالعمل های آن را برای اشکال زدایی مطالب تهیه کنم. یا می توانید نوعی آغوش را در آغوش بگیرید. من می گویم آندره کارپتی سبک ، نوع دوباره رول ، درست مثل اینکه بگویید دوباره از ابتدا امتحان کنید.

این وحشی است که چگونه سبک برنامه نویسی شما هنگام نوشتن کد تغییر می کند به 1000x ارزان تر تبدیل می شود. مانند یک انسان ، شما هرگز دوست ندارید چیزی را که برای مدت زمان طولانی روی آن کار کرده اید ، منفجر کنید و از ابتدا بازنویسی کنید زیرا یک اشکال داشتید. شما همیشه اشکال را برطرف می کنید. اما برای LLM ، اگر فقط می توانید هزار خط کد را فقط در شش ثانیه بازنویسی کنید ، مانند چرا نه؟ “

تان مشاهده کرد که این مانند این است که مردم از ژنراتورهای تصویر هوش مصنوعی استفاده می کنند ، جایی که اگر چیزی وجود ندارد که دوست ندارند آنها فقط مجدداً تکرار کنند ، حتی بدون تغییر سریع ، آنها فقط پنج بار روی دوباره روی رول کلیک می کنند و سپس در پنجمین بار کار می کنند.

برنامه نویسی Vibe و الگوریتم های جستجوی Google

در حالی که ایمیل سرگئی برین به صراحت الگوریتم های جستجو را ذکر نمی کند ، از توسعه سریع مبتنی بر AI ، مبتنی بر مقیاس و سرعت بالا حمایت می کند. از آنجا که برنامه نویسی VIBE اکنون روش غالب برای کدگذاری است ، به احتمال زیاد Google این روش را در پروژه های خود اتخاذ خواهد کرد ، از جمله توسعه الگوریتم های جستجوی آینده.

میزگرد ویدیوی Y Combinator را تماشا کنید

برنامه نویسی VIBE آینده است

https://www.youtube.com/watch؟v=iachfkmzmr8

تصویر برجسته توسط Shutterstock/Bluestork