בירור | מה דעתכם - איזה בינה הכי מועילה כיום לקוד?

המלאך

@aiib אם אתה ממש רוצה.

המודל מקבל קלט.
הופך אותו לטוקנים.
מעביר ליצוגיים מספריים [ווקטורים].
הייצוג הוקטורי מקבל אינפורמציה נוספת על ההקשר שלו לדברים אחרים.
מתחיל תהליך שנקרא טרנספורמר, שבו המודל כל טוקן חוזה את הטוקן הבא.
[דרך אגב עיקר החידוש בשנה האחרונה היה שהמודלים יכולים להשתמש בטכנולוגיה שנקראת attention mechanism, שמאפשרת למודל לא לבצע טרנספורמר רגיל אלא חיזוי על סמך הבנה של כלל המשפט].
יצירת פלט.
אני די בטוח שמי שלא מונח ממש בתחום לא יבין חצי ממה שאמרתי.
אבל בגלל שביקשת.
ובכל מקרה לגופו של עניין.
אנחנו לא יודעים איך שניהם עובדים.
אבל אנחנו יודעים בוודאות שלמח יש איזשהו הבנה עליונה.
[לא רוצה להיכנס לתחום בגלל הסיבות שלעיל אבל זה מחלוקת ראשונים גדולה, האם זה הנשמה או שזה עוד חלק במח].

ובשבילכם -
@תותחוביץ ו @cfopuser זה כן משנה.
כי א' מחסור בהבנה גורם שהם מסתמכים נטו על דאטה שהונח עליהם.
וככל שהעולם מתקדם עם הבינה הדרישות גדלות יותר.
לדוגמא, אם נניח פעם היו מבקשים מערכת קבלת נתונים פשוטה, כיום יבקשו הרבה יותר מורכבת כי את הפשוטה הבינה יוצרת בקלות.
והבעיה היא שמורכבת הבינה לא יכולה לעשות.
כי אין לי דאטה של מורכבות כזו.
ודבר אחרון - @י.-פל. שופט ושוטר זה הליך אימון שבו על תשובה נכונה מתגמלים ועל לא נכונה מענישים [כביכול] וזה כמעט הדרך היחידה לאמן מודל אחרי גמר האימון המקורי.

cfopuser

@המלאך כתב בבירור | מה דעתכם - איזה בינה הכי מועילה כיום לקוד?:

שופט ושוטר זה הליך אימון שבו על תשובה נכונה מתגמלים ועל לא נכונה מענישים [כביכול] וזה כמעט הדרך היחידה לאמן מודל אחרי גמר האימון המקורי.

זה נקרא llm as a judge וזה ממש לאו דווקא דרך לאימון אלא דרך לזהות ה אם התוצאות של הllm הינם מדויקות ועומדות בקריטריונים שהצבנו.
זה משמש בלא מעט אם לא כול פיתוחים מבוססי ai כדי למנוע שגיאות כולשהן.

אני בכול אופן קלטתי שאיש פה לא בא עם צד לשנות את דעתו,
אלא לשנות את דעת הצד השני ככה שכול הויכוח לא כזה משנה כבר.

@המלאך כתב בבירור | מה דעתכם - איזה בינה הכי מועילה כיום לקוד?:

sli זה מונח תאורטי כמו שאמרתי לעיל אז להגיד שנחכה שזה יקרה זה לא תשובה.

אמרתי שנחכה לasi במה שאנחנו בני האדם קוראים לו ציניות

המלאך

@cfopuser רק להבאיר את המציאות.
הבינה לא תחליף בני אנוש נקודה.
ואני משתמש בבינה כמו כולכם.
רק להבאיר מציאות.

sli זה מונח תאורטי כמו שאמרתי לעיל אז להגיד שנחכה שזה יקרה זה לא תשובה.
כי זה לא יקרה.

אה סליחה.. אם כי ציניות זה דבר שקיים גם היום. עיין ערך CynicBot [gpt]

aiib

@המלאך כתב בבירור | מה דעתכם - איזה בינה הכי מועילה כיום לקוד?:

המודל מקבל קלט.
הופך אותו לטוקנים.
מעביר ליצוגיים מספריים [ווקטורים].
הייצוג הוקטורי מקבל אינפורמציה נוספת על ההקשר שלו לדברים אחרים.
מתחיל תהליך שנקרא טרנספורמר, שבו המודל כל טוקן חוזה את הטוקן הבא.
[דרך אגב עיקר החידוש בשנה האחרונה היה שהמודלים יכולים להשתמש בטכנולוגיה שנקראת attention mechanism, שמאפשרת למודל לא לבצע טרנספורמר רגיל אלא חיזוי על סמך הבנה של כלל המשפט].
יצירת פלט.
אני די בטוח שמי שלא מונח ממש בתחום לא יבין חצי ממה שאמרתי.
אבל בגלל שביקשת.
ובכל מקרה לגופו של עניין.
אנחנו לא יודעים איך שניהם עובדים.
אבל אנחנו יודעים בוודאות שלמח יש איזשהו הבנה עליונה.
[לא רוצה להיכנס לתחום בגלל הסיבות שלעיל אבל זה מחלוקת ראשונים גדולה, האם זה הנשמה או שזה עוד חלק במח].

אתה מתאר תהליך, שאת רובו גם אתה לא מבין גם אם אתה יודע לצטט את המושגים. וכמו שכתבת בעצמך 'אנחנו לא יודעים איך שניהם עובדים' התחלת בלומר שזה חיזוי מתמטי ואז עכשיו הוספת מושגים כמו הבנה והקשר וכו'...
ברור שלמח ישנה הבנה עליונה, השאלות הן- כמה ולמה בדיוק הפער משמעותי, האם תוספת כח העיבוד והידע שקיים בAI לא מפצה אותו במקומות אחרים.
אתה להבנתי באת ואמרת שבגלל שלמח יש הבנה מסויימת שלAI אין אז זה אומר פחות או יותר שהעתיד של הAI נורא מוגבל ותמיד יצטרכו בני אדם, אני הקטן ורבים וטובים ממני אומרים ששתי הנקודות שטענתי יחד עם פיתוח עתידי ייגברו על ההבנה העמוקה של המוח האנושי לכל הפחות לשימושים הנצרכים. (אין צורך שהAI יהיה אנושי, הוא פשוט צריך לעשות את העבודה...)

החכם התם

@המלאך
תשובה של גימיני פרו:
אם היו לך 3 תפוחים ואכלת אחד מהם, נותרו לך 2 תפוחים.
(אך אם התכוונת שיש לך כרגע 3 תפוחים ביד, אז יש לך 3 תפוחים).

אחרית לעמך

@המלאך כתב בבירור | מה דעתכם - איזה בינה הכי מועילה כיום לקוד?:

להבאיר

*להבהיר

שמואל5

@המלאך כתב בבירור | מה דעתכם - איזה בינה הכי מועילה כיום לקוד?:

השאלה ששאלתי הייתה:יש לי 3 תפוחים, אם אכלתי תפוח אחד אתמול כמה תפוחים נותרו לי?
התשובה של ג'י פי טי הייתה: שנותרו לי שני פתוחים.
זה לא נכון כי כתבתי מפורש שנותרו לי שלוש תפוחים, ואתמול אכלתי שנים, החידוש בזה הוא שהבינה לא מסוגלת לחשוב, היא רק משתמשת בתבניות של אלה שאימנו אותה.

אני די בטוח שגם רוב האנשים היו מתבלבלים...

י. פל.

@המלאך כתב בבירור | מה דעתכם - איזה בינה הכי מועילה כיום לקוד?:

הבינה לא תחליף בני אנוש נקודה.

המלאך

התייאשתי.
אין תשובות פה לאף אחד.
@aiib נכון שכל אחד יכול לכתוב בלי להבין.
אבל לא את מה שאני כתבתי.
וכבר כתבתי שהשאלה הזו התבסס על מחקר שנערך לפני חצי שנה.
זה שהיא לא אקטואלית כיום לא אומר כלום.
ככל שהמודלים מתקדמים גם הרצונות של בנ"א מתקדמים,
והבינה בשלב מסויים [שיקרא מהר מהצפוי] לא תוכל לספק את החומר.
תזכרו שאמרתי.

איש אמת

@המלאך כתב בבירור | מה דעתכם - איזה בינה הכי מועילה כיום לקוד?:

והבינה בשלב מסויים [שיקרא מהר מהצפוי] לא תוכל לספק את החומר.
תזכרו שאמרת

שמעתי על זה גם מאיזה שהוא נחשב בתחומו.
אבל די תפסיק להתנהג כמו איכר או פשוט עם מ 1760.
דוגמה לא הכי נכונה אבל לפני 30 שנה חשבתי שהנה אפל הוציאה מחשב, וככה זה הולך להראות. האם דמיינתי שבעוד 30 שנה ה mac סטודיו שלהם יהיה עם טרה זכרון ram?!, לא ממש לא כי פעם אחר פעם אנשים טועים בזה וחושבים שהגענו לתקרת הזכוכית ומציגים טענות, אי אפשר להקטין יותר תשבבים אין עוד אפשרות לחישובים מתמטים ובלבלה טענות שאולי נכונות בעצם אבל לא מתחשבות בזה שכמו שעברנו מ x86 ל x64 ככה נעבור להמצאה שהשכל הקטן שלי לא מסוגל להכיל עדיין, לא יודע אולי מעבדים נוירומורפיים. מקווה שהבנת את הרעיון - מה שאתה לא מסוגל להבין היום אל תצעק את זה כי זה יעשה לך פאדיחות מחר...

המלאך

@איש-אמת כנ"ל הפוך.
במהפכה התעשייתית אמרו שלא יצטרכו איכרים יותר.
בסוף ניהיו צריכים אותם עוד יותר מלפני.
כמות החקלאות גדלה בהרבה.

יוסף3

@המלאך כתב בבירור | מה דעתכם - איזה בינה הכי מועילה כיום לקוד?:

במהפכה התעשייתית אמרו שלא יצטרכו איכרים יותר.
בסוף ניהיו צריכים אותם עוד יותר מלפני.
כמות החקלאות גדלה בהרבה.

לפני המהפכה התעשייתית למעלה מ50 אחוז מכוח העבודה עבד בחקלאות, היום זה פחות מ 10 אחוז ברוב עולם

המלאך

@יוסף3 כן אבל באופן יחסי זה גדל.
החקלאות גדלה.
וגם כח האדם יכל לגדול אילולא רובם חיפשו אפיקים חדשים שמרוויחים יותר.

יוסף3

@המלאך
התכוונת באופן לא יחסי זה גדל, כי באופן יחסי זה צנח.
ולעומת כמות העובדים שכאמור צנחה באופן יחסי, התוצר החקלאי עצמו זינק, מה שדרש עבודה של 200 אנשים לפני 300 שנה היום קיבוצניק אחד עם טרקטור וזרעים מהונדסים עושה.

זה בדיוק התהליך שעובר כיום ההייטק, תוכנה שלפני 5 שנים דרשה 15 מתכנתים שיעבדו עליה במשך שנה, היום מפותחת על ידי 2 מתכנתים תוך חודשיים.

המלאך

@יוסף3 וזה מה שהסברתי.
שכיוון שגם הדרישות גדלות - תמיד יצטרכו עוד דברים שאותם הבינה לא תוכל לבצע.
לדוגמא.
פעם ביקשו יצירת דף נחיתה.
היום מבקשים אתר שלם.
ןמחר יבקשו מערכת נודיביבי...
שזה הבינה לא תוכל לעשות.

המלאך

דרך אגב @יוסף3 תן לי לנחש שאת בינתא יצרת עם הבינה.

יוסף3

@המלאך כתב בבירור | מה דעתכם - איזה בינה הכי מועילה כיום לקוד?:

ןמחר יבקשו מערכת נודיביבי...
שזה הבינה לא תוכל לעשות.

בוודאי שהיא יכולה לעשות.
כמובן לא בפרומט אחד או שנים, אלא בעבודה רצינית על זה שתיקח חמישית הזמן ממה שהיה לוקח ללא הבינה.

יוסף3

פוסט זה נמחק!

המלאך

@יוסף3 לקחתי כדוגמא.
יש דברים שהיא לא יכולה לעשות.
וכשנגיע לבעיה לוגית שהיא לא תצליח לפתור - אנחנו נהיה בבעיה גדולה.
כי אף אחד לא ידע קוד מלבדה.
אבל זה לא משנה.
וודאי שמקצוע התכנות יתדלל.
ובאותה מידה וודאי שלכולם יהיו עבודות חדשות שקשורות למקצוע הזה.
אי אפשר עכשיו לדעת.
בשביל זה צריך לחכות לsli ש @cfopuser ממש מעריך..
אם כי אני חייב לציין שלדעתי זה לא משהו אפשרי טכנית.
לא מוצא עוד טעם להמשיך את הוויכוח הזה.
הוא לא יגיע לשום מקום.
אז בואו נחזור לנושא האשכול.
איזה בינה הכי טובה בקוד.
ולזה כבר אמרו שאין פיתרון חד משמעי.
למי שמתכנת רק בעזרת הבינה - קלוד קוד, קורסור וקודקס, ולמי שרוצה אתר - רפליט.
למי שנעזר בה בלבד ולא רוצה, תוכנות - ג'מיני פרו וקלוד,
עם עדיפות לקלוד.

sivan22

@המלאך אפשר לחלק את רמת האוטונומיה/עצמאות של הבינה המלאכותית ל10 דרגות:

דרגה 1: העתק-הדבק
הכלי: ChatGPT/ Claude.ai/ Gemini
השיטה: האדם נתקל בבעיה, עובר לאתר אינטרנט של בינה מלאכותית, שואל שאלה (או מראה קטע קצר מהבעיה), מקבל תשובה, ומעתיק אותה חזרה לתוכנה שהוא בונה.

דרגה 2: השלמת קוד על סטרואידים
הכלי: Tabnine/ codeium
השיטה: הבינה המלאכותית נמצאת בתוך תוכנת הכתיבה של המתכנת. כשהוא מתחיל לכתוב משפט או פקודה, היא ממליצה לו על סוף המשפט - קצת כמו intelisense הישן והמוכר, אבל עם מודלי שפה חכמים מתחת.

דרגה 3: צ'אט מובנה בעורך הקוד (שיחה בלבד)
הכלי : הגרסאות הישנות של copliot/windsurf
השיטה: האדם מתכתב עם עוזר חכם שיכול "לקרוא" את כל הקלסרים, התיקיות והמסמכים של הפרויקט כולו ולתת ניתוח והצעות לתיקון. אבל אין לו רשות לערוך כלום בעצמו. האדם צריך לעשות את עבודת התיקון.

דרגה 4: עורך קוד מובנה בסביבת הפיתוח
כלי: copilot/windsurf/cline
השיטה: האדם נותן פקודה (למשל: "תוסיף לאפליקציה מסך הרשמה"), והבינה המלאכותית כותבת ומשנה שינוי אחד בכל פעם. האדם מקבל את השינויים שהעוזר עשה, עובר עליהם, וצריך רק ללחוץ "אשר" או "בטל".
בשלב המתקדם של דרגה זו, הסוכן מקבל את רוב ההרשאות בצורה אוטומטית, והמתכנת בודק רק דברים קריטיים.

דרגה 5: כלי CLI
כלי: codex/claude-code/gemini-cli
השיטה: ה-AI יוצא מגבולות עורך הקוד ומקבל גישה לטרמינל. הוא יכול לכתוב קוד, להריץ טסטים, לראות את הודעות השגיאה בטרמינל, ולתקן את הקוד שוב בעצמו בלולאה (Loop) עד שהטסט עובר. הוא גם מסוגל לבצע פעולות Git (כמו לבנות קומיטים עם הסברים אוטומטיים).

דרגה 6: כלי פייפליין CI/CD
הכלי: claude for github/ OpenCoder/ Aider
השיטה: ה-AI מפסיק להיות כלי של מתכנת בודד והופך ל"חבר צוות" שחי בשרת. ברגע שמתכנת מעלה Pull Request, ה-AI סוקר את הקוד, מחפש חולשות אבטחה, מוודא עמידה בסטנדרטים של החברה, ואף מציע או דוחף תיקוני קוד ישירות לענף (Branch) לפני שהקוד מגיע ל-Production.

דרגה 7: סוכנים אוטונומיים למשימות מלאות
הכלי: Devin, SWE-agent.
השיטה: המתכנת פועל כמו מנהל משימות. הוא מקצה כרטיס משימה מ-Jira (למשל: "הוסף התחברות עם Google Auth") לסוכן ה-AI. הסוכן "מתעורר", מקים סביבת עבודה, קורא את הדוקומנטציה של גוגל ב-Browser וירטואלי, כותב את ה-Logic, מריץ בדיקות, ומגיש את הפיצ'ר כמוגמר (פותח PR בעצמו). המתכנת רק קורא את התוצר הסופי ומאשר.

דרגה 8: מערכת מרובת סוכנים
הכלי: AutoGen, CrewAI, LangGraph.
השיטה בשטח: למשימות מורכבות, מופעל "צוות" של סוכנים, שלכל אחד תפקיד (Role) מוגדר: ארכיטקט, מפתח, בודק תוכנה (QA) ואיש אבטחה (SecOps). המתכנת מזין דרישה והסוכנים "מדברים" ביניהם: המפתח כותב את הקוד, ה-QA מריץ תסריטים כדי לשבור אותו ומוצא באג, המפתח מתקן, עד שיש הסכמה. המתכנת רק צופה ב-Logs של הדיון שלהם ומקבל פיצ'ר שנבדק מכל הכיוונים.

דרגה 9: המוח הארגוני המרכזי (Enterprise Orchestrator)
הכלי: מערכות פנימיות מותאמות אישית (תשתיות של Palantir, או פיתוח פנימי מעל LangChain).
השיטה: ה-AI מחובר לכל המערכות הקריטיות של החברה: ה-Codebase, ה-Database, כלי הניטור (Logs) ושרתי ה-Cloud (כמו AWS). אם יש קריסה (Crash) ב-Production ב-3:00 בלילה, ה-Orchestrator מזהה אותה, שולח סוכן לחקור את ה-Logs, סוכן אחר שכותב תיקון חירום (Hotfix), וסוכן שמבצע Deploy לשרתים. המתכנת הכונן מקבל בבוקר רק דוח שמתאר איך התקלה תוקנה אוטומטית בלילה.

דרגה 10: "מפעל התוכנה" המונע ע"י AI
הכלי: פלטפורמות הדור הבא / סביבות פיתוח מבוססות AI-First לחלוטין.
השיטה: האדם שמול המסך הוא מנהל מוצר (Product Manager) או יזם, וכתיבת קוד ידנית (Hard-coding) הופכת לנחלת העבר. הוא מזין דרישה עסקית: "בנה מערכת חיוב חודשית עם סליקה מול Stripe". המערכת מפרקת את זה למאות תת-משימות (Micro-tasks) ומייצרת "נחיל" (Swarm) של מאות סוכנים זמניים שכותבים, מחברים APIs, בודקים Scale ועושים Deploy. המערכת כוללת יכולת Self-Healing – אם ה-API של חברת האשראי ישתנה עוד שנה, המערכת תזהה את זה, תשכתב את הקוד של עצמה, ותעדכן את השרת, כשהאדם רק מפקח על הביצועים העסקיים.