Blog Autori Uroš Jelić
Uroš Jelić

Uroš Jelić

139

Nekada IT novinar, a sada PR u tehnološkom svetu koji svaki dan gleda da otkrije i nauči nešto novo i to prenese na druge (silom ili milom). Pogotovo kada je potreban savet za kupovinu telefona.

Svi tekstovi autora

22.04.2024. ·
1 min

Python veštine postaju sve važnije developerima koji ulaze u napredni AI

Status Pythona kao glavnog programerskog jezika za AI i projekte mašinskog učenja, od njegovih obimnih mogućnosti obrade podataka do fleksibilnosti i prenosivosti, potpuno je opravdan. A, koliko tačno je to opravdano može se videti u novim korisničkim podacima iz Snowflake-a. Provajder podataka u oblaku izvestio je da je, iz godine u godinu, upotreba Pythona porasla za 571% u Snowpark-u, skupu biblioteka Snowflake-a koje sigurno implementiraju i procesuiraju ne-SQL kod. Drugim rečima, neće biti iznenađenje videti Python, Scalа i Java programske jezike na vrhu ove liste, ali su brojevi ono što čini stvar interesantnom: Scala je videla porast od 387%, u poređenju sa Javom koja je imala rast od 131%. Pored toga, izveštaj je primetio da je korišćenje najpopularnijih otvorenih Python biblioteka za AI/ML u Snowpark-u poraslo za 335%. Scikit-learn je zabeležio porast od 474%, dok je XGBoost zabeležio porast od 357%. Iz perspektive Snowflake-a, kompanija je istakla da porast nije samo rezultat premeštanja postojećih radova na njihovu platformu, već neto povećanje eksperimentisanja sa naprednim AI. Istraživanje je takođe otkrilo da preduzeća sve više dobijaju vrednost iz svojih nestrukturiranih podataka; povećanje od 123% u analizi korisnika tokom šest meseci. Snowflake je takođe istražio kako zajednica developera u Streamlit-u koristi velike jezičke modele (LLM). Od aprila do januara, kompanija je primetila da je 20.076 developera radilo na 33.143 aplikacije pokrenute LLM-om, uključujući i one aplikacije koje su još u razvoju. Skoro dve trećine (65%) od 1.500 ispitanika u anketi reklo je da su to bili poslovni projekti. Među najvećim brigama developera pri radu sa LLM-ovima, na osnovu ankete od 980 korisnika, bile su poverenje, navedeno od 36% ispitanika, privatnost (28%), troškovi (19%) i mogućnost učenja potrebnih veština (17%).

19.04.2024. ·
3 min

Da li u AI eri developeri i dalje moraju da uče programske jezike?

Ako kreirate i razvijate softver i želite da znate koji su najpopularniji ili najplaćeniji programski jezici u industriji, na raspolaganju imate nepresušne izvore koji će vam pružiti odgovor, a svaki savet koji se tiče posla developera istog trenutka će vam preporučiti da je konstantno usavršavanje ključna stvar. Međutim, ukoliko je AI u stanju da stvori kod od svega nekoliko promptova, da li je učenje i usavršavanje programskih jezika upravo postalo stvar prošlosti? Sudeći po izvršnom direktoru kompaniije Nvidia, Džensenu Huangu, definitivno. Huang smatra da buduće generacije neće morati da uopšte uče programske jezike. „Naš posao jeste stvaranje kompjuterske tehnologije koju niko ne mora da programira, a sam programski jezik je ljudski. Svako na svetu trenutno može da bude programer. Po prvi put u istoriji čovečanstva sada možete da zamislite da je svako u kompaniji tehnološki stručan“, izjavio je Huang. Zajedno sa veštačkom inteligencijom, budućnost koju Huang vidi potpomognuta je širenjem alata koji zahtevaju jako malo kodiranja, ili ono uopšte nije potrebno i koje ne koriste samo osobe koje nisu developeri. Istraživanje koje je sproveo Forrester, pokazalo je da 87% komercijalnih developera koristi platfrome za development sa malo kodiranja. Ipak, ovo predviđanje treba uzeti sa rezervom. Kompanija Nvidia ima svoj interes u održavanju AI “hajp mašine” u punom gasu, ali je programiranje opstajalo decenijama, uprkos raznim procesima automatizacije koji su se pojavljivali. Zapravo, generatori koda su razvijani od samog početka kompjuterske nauke. Otvaranje puta za generativni AI Alati koji koriste prediktivne modele bazirane na neuronskim mrežama pojavili su se početkom 90-ih godina kako bi detektovali probleme u kodu korišćenjem prepoznavanja šablona. Nakon toga, dolaze generativni AI modeli koje imamo i danas – od ChatGPT-ja do GitHubovog Copilota, i svega između. Kako generativni AI modeli počinju da probijaju svoj put ka procesu razvijanja softvera, i dalje je važno da developeri budu u toku sa ovim novim trendovima i tehnologijama. Ako AI ima ulogu asistenta, onda bi svakako značilo da developer mora da bude stručniji u ovom paru. Kako biste briljirali u budućnosti softverskog developmenta, morate da znate više nego botovi. Sve više novih istraživanja fokusira se na uticaj koji će AI imati na obrazovanje. Primera radi, instruktori kompjuterskog kursa na Harvardu eksperimentisali su sa virtuelnim AI asistentom za programiranje pazeći da studentima ne izbacuje samo odgovore na pitanja, već i da ih vodi ka odgovoru koji sami moraju da otkriju, baš onako kako bi to radio bilo koji profesor. Ako se AI tehologiji samo okrećete zbog odgovora, nikada nećete naučiti bitne procese i razviti osnov za razumevanje kodiranja. Istraživanja koja je sproveo GitHub, u vezi sa tim kako developeri koriste njegove Copilot alate otkrila su da u proseku zadatak može biti finalizovan 55% brže kada developer ima pomoć AI. Ovo ušteđeno vreme može pružiti developerima priliku da se posvete novim jezicima kako bi proširili svoje znanje, umesto da ga ograničavaju. Naravno, potrebno je naučiti i nove veštine za razvoj softvera uz pomoć veštačke inteligencije. Prompt inženjerstvo, primera radi, može značajno unaprediti komunikacione veštine developera. Ukoliko ste u stanju da kreirate jasne i direktne instrukcije koje će biti upućene AI asistentu, zauzvrat ćete naučiti kako da komunicirate i sa kolegama. Developeri će takođe morati da sprovode revizije koda, a to će svakako biti drugačije od proveravanja koda kolega. AI generisan kod će vrlo verovatno imati manje predvidive greške, i samim tim će provera koda morati da bude detaljnija. Ukratko, developeri ne bi trebalo da se plaše osoba koje nisu stručni koderi i zapravo mogu da imaju brojne prednosti od prečica koje novi alati kreiraju. Kodiranje već godinama teži da postane pristupačnije, i dovoljno je samo da pogledamo popularnosti korisnički lakših jezika kao što je Python. Ipak, uz AI pomagača, developeri možda više neće morati da pamte sintakse i strukture, ali će i dalje morati da ih razumeju.  

22.03.2024. ·
2 min

Šta sve možemo da očekujemo od Google I/O 2024 konferencije

Vreme je da obeležite svoje kalendare jer nam se približava Google I/O konferencija za developere. Google I/O konferencija zakazana je za 14. maj sa obećanjem da nas očekuju brojne revolucionarne najave i tehnološki pomaci. I dok sa velikim iščekivanjem očekujemo sve što nam je Google spremio, brojne glasine već sada nam otkrivaju neke od stvari koje bi mogle biti predstavljene. Google odgovor na AI trku Celokupna industrija svoju pažnju usmerila je ka veštačkoj inteligenciji, pa tako možemo očekivati i detaljniji uvid u Google-ove poduhvate na ovom polju. Reflektori će bez sumnje biti upereni ka Gemini četbotu i njegovoj AI funkciji generisanja slika. Nakon Microsoftove integracije GPT-4 u Bing, Google se nalazi u ozbiljnoj trci naoružanja. I dok su inicijative kao što je „search generative experiences“ videle svetlo dana, mnogi i dalje očekuju konkretnije projekte koji bi Google trebalo da drže ispred konkurencije u AI ratu. Da li će tehnolški gigant uspeti da se suprotstavi ozbiljnijm ponudama konkurencije? Odgovor ćemo uskoro dobiti. Android 15 Očekivanja su velika i kada je Googleov mobilnih operativni sistem u pitanju, pa tako mnogi čekaju nova i revolucionarna iskustva koja bi mogla da redefinišu način na koji koristimo telefone. Od unapređenja ključnih servisa kao što su Google Photos i Gmail, potencijalnog predstavljanja novog Pixel 8a telefona, otkrivanja OS 5, kompanija će pokušati da opčini publiku svojom vizijom za Android. Proširenje Google ekosistema Google-ov ekosistem, koji obuhvata Google asistenta, Google Home i brojne druge online servise, trebalo bi da dobije značajna unapređenja. Velike su šanse da ćemo videti novitete koji čine uređaje pametnijim i međusobno povezanijim, nudeći korisnicima intutivnije i personalizovanije digitalno iskustvo. Google I/O događaj mogao bi čak i da postavi novi standard za način na koji će tehnologija obogatiti naš život. Budućnost rada i zabave Sa sve zastupljenijim radom van kancelarije, digitalna produktivnost i zabava stavljeni su u prvi plan mnogih. Google bi vrlo verovatno mogao da predstavi inovacije koje će ispratiti ovaj trend. Od novih opcija za kolaboraciju u Workspace-u, do YouTube i Stadia funkcija koje će transformisati zabavu, Google I/O mogao bi da ponudi nešto za svakoga. Permošćavanje digitalnog jaza Google je već dugo vremena posvećen misiji da tehnologiju učini dostupnu svima, i svuda. Ove godine bismo mogli da vidimo nove inicijative u vezi sa Googleovim planovima da donese internet visoke brzine u zabačene delove sveta, alate koji će unaprediti obrazovanje i tehnologiju koja će podržati male biznise.

20.03.2024. ·
2 min

Google je u 2023. godini lovcima na bagove isplatio malo bogatstvo

Google je lovcima na bagove isplatio 10 miliona dolara u 2023. godini. U pitanju je 600 lovaca iz preko 68 zemalja. Tokom godina, Google-ova zajednica lovaca na bagove igrala je ključnu ulogu u identifikovanju i ispravljanju velikog broja ranjivosti na brojnim platformama kompanije. Google-ova posvećenost motivisanju ovih istraživača izrodila je nekoliko novih programa, ali je donela i poboljšanja na postojećim. Među novitetima posebno se ističe lansiranje Bonus Awards programa koji nudi dodatne nagrade za sve izveštaje koji se odnose na Vulnerability Reward Program (VRP) mete. Dodatno, program nagrada proširen je i sada uključuje i Chrome i Cloud. Google je nedavno predstavio i Mobile VRP, gde je fokus stavljen na Android aplikacije, a vredno spomena je i lansiranje Bughunters bloga koji pruža detaljniji uvid u celokupno putovanje ka bezbednijem internetu. Tehnološki gigant nedavno je u Tokiju održao i svoju godišnju konferenciju posvećenu bezbednosti, ESCAL8, sa brojnim događajima koji su uključivali takmičenja, radionice i predavanja lovaca na bagove i zaposlenih u ovoj kompaniji. Kada je bezbednost Androida u pitanju, Google je ostvario nekoliko ključnih momenata dodeljujući 3.4 miliona dolara istraživačima koji su otkrili ranjivosti unutar ovog ekosistema, dok je maksimalna nagrada za otkrivanje kritične ranjivosti iznosila 15.000 dolara. Proširujući domet programa, dodat je i Wear OS kako bi se podstaklo istraživanje u novoj kategoriji nosivih uređaja i obezbedila bezbednost korisnika. Na ESCAL8 konferenciji, tokom hakerskog događaja za Wear OS i Android Automotive OS, dodeljeno je preko 70.000 dolara u nagradama istraživačima koji su tom prilikom otkrili kritične ranjivosti. Kada je reč o bezbednosti Chrome-a, gigant je predstavio različite inicijative koje uključuju MiraclePtr Bypass Reward i Full Chain Expoloit Bonus sa ciljem da motiviše istraživače da krenju sa proveravanjem bezbednosti potpuno novih sfera. Uprkos izazovima, Google je nagradio bezbednosne stručnjake sa 2.1 miliona dolara za njihov doprinos povećavanju bezbednosti Chrome pregledača. Kompanija je posebno naglasila i svoje delovanje na polju AI bezbednosti preko bugSWAT haking događaja koji targetiraju LLM proizvode. Kompanija je primila 35 izveštaja, koji su uspeli da sakupe 87.000 dolara u nagradama, ali i otkriju kritične probleme koji pogađaju AI sisteme.

15.03.2024. ·
1 min

GitHub: Tajno skeniranje repozitorijuma je sada aktivno svima

Kao odgovor na sve alarmantniji trend slučajnog otkrivanja API ključeva, tokena i drugih poverljivih infromacija, GitHub je preduzeo dodatne korake kako bi ojačao svoju platformu za borbu protiv potencijalnih propusta u bezbednosti. Tokom prva dva meseca 2024. godine, GitHub je otkrio milion procurelih tajni u javnim repozitorijumima, što je gotovo 12 incidenata svakog minuta. Ove cifre dodatno pojačavaju potrebu za robusnim bezbednosnim mehanizmima kako bi se zaštitili korisnici i njihovi podaci. GitHub od avgusta prošle godine korisnicima nudi mogućnost aktiviranja tajne opcije za skeniranje i zaštitu koja je dizajnirana da automatski presretne i blokira mogućnost čuvanja seta promena ili apdejta nakon detekcije prisustva osetljivih podataka. GitHub će sada ovu opciju učiniti obaveznom za sve korisnike. Ovo će svakako doprineti bezbednosti ogromne baze korisnika koji će sada pod novim frameworkom dobijati opciju da li žele da uklone detektovanu tajnu ili, ako je ona bezbedna, zaobiđu postavljenu blokadu. Svaki put kada developer zaobiđe zaštitu, admini repozitorijuma i organizacija dobiće mejlove koji će ih obavestiti o toj akciji. I dok će prelaz na novi i unapređeni bezbednosni protokol zahtevati nedelju ili dve dana, korisnici mogu proaktivno da verifikuju status i aktiviraju zaštitu kroz analysis podešavanja. Prihvatajući potencijalne posledice procurelih tajni, GitHub i dalje veliku pažnju posvećuje autonomiji svojih korisnika dajući im opciju da zaobiđu novopostavljenu blokadu ili u potpunosti blokiraju push zaštitu kroz user security podešavanja. Izlišno je i spomenuti da GitHub korisnicima ne preporučuje deaktiviranje ove opcije, i savetuje obazriv pristup koji će uključivati pravljenje izuzetaka na osnovu individualnih slučajeva.

12.03.2024. ·
2 min

Sigurnost pre svega: Poziv na napuštanje C i C++ u korist Rust-a

Administracija predsednika SAD, Džozefa Bajdena, želi da developeri počnu da koriste programske jezike koji su bezbedniji za memoriju, i da se polako udalje od problematičnih jezika kao što su C i C++. Kancelarija Nacionalnog direktora za sajber bezbednost Bele kuće (ONCD) objavila je izveštaj u kom poziva developere da smanje rizik od sajber napada tako što će se okrenuti programskim jezicima koji ne poseduju ranjivosti koje se tiču bezbednosti memorije. „Tehnološke kompanije mogu da spreče kompletne klase ranjivosti da dopru do digitalnog ekosistema usvajajući programske jezike sa većom memorijskom bezbednošću“, stoji u saopštenju koje je objavila Bela kuća. Memorijski bezbedni programski jezici zaštićeni su od softverskih bagova i ranjivosti koje se tiču pristupa memoriji, uključujući curenje memorije i čitanje podataka iz memorije koji su van granica onoga što je dozvoljeno. Nedavna istraživanja koja su sproveli Google i Microsoft otkrila su da oko 70% svih bezbednosnih ranjivosti izazivaju problemi koji se tiču bezbednosti memorije. Izveštaj koji je objavila kancelarija Nacionalnog direktora za sajber bezbednost navodi C i C++ kao dva primera programskih jezika sa mnoštvom ranjivosti, dok je kao primer potpuno bezbednog programskog jezika naveden Rust. Pored ovog izveštaja, dokument Nacionalne agencije za bezbednost SAD objavljen 2022. godine naveo je C#, Go, Java, Ruby i Swift kao najbezbednije programske jezike. Oko 22 odsto svih softverskih programera koristi C++, dok 19 odsto njih koristi C,  pokazjuju podaci sajta Statista objavljeni 2023. godine. Pomeranje odgovornosti Jedan od ciljeva novog izveštaja jeste da se odgovornost sajber zaštite pomeri sa individua i malih kompanija na velike organizacije, tehnološke kompanije i vladu SAD – koji su svi više sposobni da izađu na kraj sa digitalnim pretnjama koje iz dana u dan dobijaju na snazi. ONCD je u prošlosti radio sa privatnim sektorom, uključujući tu i tehnološke kompanije, akademsku zajednicu i druge organizacije kako bi razvio preporuke navedene u izveštaju. Pored javne rasprave u vezi sa ovom temom, ONCD je sakupio i podršku ovoj inicijativi od velikih kompanija kao što su Hewlett Packard, Acdenture i Palantir, a dosta pohvala na račun izveštaja upitio je i veliki broj stručnjaka za softversku bezbednost. Međutim, ovaj prelazak se ne može dogoditi preko noći, ali ono što ohrabruje jeste porast korišćenja drugih jezika kao što je Rust. Samim tim, možemo da očekujemo dalji otklon developera od manje bezbednih jezika, ali ne i potpuni prestanak korišćenja jezika kao što su C i C++.

13.02.2024. ·
5 min

Zašto developeri moraju da budu pametniji, a ne samo brži sa generativnom AI tehnologijom

Upravljanje generativnom veštačkom inteligencijom dovešće do velikih promena u kompanijskim procedurama i samom radu developera i načinu na koji je koriste, pogotovo ako u obzir uzmemo brzinu kojom se ona širi kroz sve sfere poslovnog života. Ključna stvar neće biti samo usvajanje novih alata, već transformacija načina na koji developeri vrše interakciju sa tehnologijom, rešavaju probleme i kreiraju nove paradigme priliom kreiranja softvera. Ova sveobuhvatna kulturna i proceduralna metamorfoza je od velikog značaja kako bi se na pravi način suočili sa rizicima koji dolaze sa GenAi tehnologijom. Među ovim rizicima svakako se izdvajaju tehnička „prenadutost“, kršenje intelektualne svojine i sami AI modeli. Validnost modela može predstavljati veliku brigu korisnicima usled pristrasnosti. Svaki model baziran je na podacima, a oni su svakako pristrasni. Čak i kada je ta pristrasnost prisutna u maloj meri, kako develolperi krenu da šire količinu tih podataka, pristrasnost će se neminovno povećavati. Zato je važno biti oprezan sa količinom podataka koja se koristi u ovim modelima jer će pristrasnost definitivno završiti u njima i uticati na njihov kvalitet. Generisani sadržaj moraće da poseduje i određene bezbednosne ograde. Čak i kada je u pitanju generisanje izvornog koda, taj kod nije kompletan i bitno je da postoji način da se odredi njegov kvalitet. Struktura Napredne tehnike kodiranja – kada mašina „sedi“ zajedno sa developerom i bavi se inicijalnim podizanjem koda – su u porastu, a najveći izazov koji to stvara može biti gomilanje tehničkog duga usled lošeg upravljanja veštačkom inteligencijom. Iz tog razloga, potrebno je razviti strukturu unutar koje GenAI neće biti isključivo zadužen za štancovanje koda. Znatno bolji pristup bio bi korišćenje GenAI tehnologije za poslovni problem koji se kodom rešava – kako možemo ovaj proces bolje da optimizujemo? Koji je najbolji način da pružimo podršku korisnicima dok se pridržavamo pravila i regulativa? Cilj nove strukture kompanije bi trebalo da bude kreiranje optimalnog radnog toka, umesto korišćenja AI tehnologije za puko izbacivanje koda radi automatizacije procesa koja je u mnogim kompanijama već pogrešno postavljena. Pritisak radnog mesta Čak i ako kompanija uspe da postavi adekvatan nadzor koda na svim nivoima, pritisak radnog okruženja može dovesti do grešaka i propuštanja bitnih stvari. Bitno je da kompanije osiguraju da korisnici imaju "sigurne verzije alata", a da zatim koriste GenAI kako bi stekle poslovnu prednost. A ta prednost bi mogla da leži u korišćenju AI tehnologije za brzinu i inovacije sa protokolima koji se staraju da sve bude usklađeno sa pravilima. GenAI tehnologija bi trebalo da se koristi za generisanje radnih tokova i struktura podataka, umesto za pretvaranje svih zaposlenih u developere, što zauzvrat može samo povećati tehnički dug. Pažnju bi trebalo obratiti i na zaposlene koji moraju da budu u stanju da ove modele “hrane” boljim i relevantnijim informacijama korišćenjem ograničenih i dobro proverenih kolekcija podataka koje generativni alati mogu isključivo da koriste. Bez ovoga, jako je teško osigurati najbolje prakse i standarde u radu prilikom kreiranja novih aplikacija i servisa. Za kompanije je važno i da uvek mogu da budu u mogućnosti da ponište ono što je GenAI uradio. Potrebno je da razvojni timovi budu širi i opsežniji, sa većom dostupnošću ili kraćim ciklusima testiranja. Izgrađene aplikacije treba da budu testirane radi provere funkcija validacije, poput toga da li su korišćeni odgovarajući okviri za enkripciju, i da li su akreditacije zaštićene na odgovarajući i ispravan način. Zabrane neće funkcionisati onako kako želimo Zabranjivanje developerima da koriste GenAI neće imati veliki uspeh. Ljudi će koristiti tehnologiju za koju veruju da će im olakšati život, bez obzira na to da li je ona u skladu sa pravilima kompanije, ili ne. Sa druge strane, kompanije bi trebalo da obrate pažnju na klizav teren mediokritetnog rada kada preopterećen tim krene da koristi GenAI kako bi popunio nastale rupe u tehničkom dugu ili nadomestio manjak veštine. Uprkos tome što GenAI napreduje velikom brzinom, veliki jezički modeli su i dalje loši u pomaganju ljudi prilikom pisanja koda i njegove produkcije. Neke vrste ograničenja mogu biti neophodne u vezi sa njegovom upotrebom od strane timova programera, i organizacije će i dalje imati zahtev za softverskim inženjeringom, uključujući dobre inženjere sa čvrstim iskustvom i snažnim praksama pregleda koda. Mnogi veruju da je GenAI dobar izvor za rešavanje manjih problema brzo, ali da ne poseduje veštinu za veću kompleksnost. Sa druge strane, ljudi su dobri u tome jer imaju uvid u stvari, razum i mogućnost držanja kompletne slike u svojoj glavi. Dobar inženjer može da dekonstruiše ono šta pokušava da uradi u mnoštvo malih problema, i GenAi može biti korišćen za njihovo rešavanje, ali kada se od njega traži rešavanje velikih i kompleksnih problema, tada rezultat može biti izuzetno loš. Zaštita autorskih prava Veliki tehnološki igrači počeli su da nude poslovna rešenja sa integrisanim zaštitama oko podataka, ali je malo pažnje do sada bilo poklanjano zaštiti autorskih prava i drugim IP rizicima koji se odnose na kod. Dovoljno je da pogledamo šta se desilo kada je Oracle tužio Google usled korišćenja Java API-ja – izgubio jer je sud smatrao da je on dovoljno modifikovan da bi se smatrao drugačijim, i iz tog razloga, organizacije bi trebalo da obrate pažnju na slične situacije i presedane kako bi bile spremne za potencijalne probleme u budućnosti. Sigurno nas očekuju presedani u vezi sa tim šta je i koliko neko modifikovao ili promenio i da li je to dovoljno da se kaže da to nije isto kao nešto drugo. Sa rasprostranjenom upotrebom GenAI, podaci vrlo lako mogu da se sliju sa Googlea ili Stack Overflowa, i u svemu tome, algoritam može replikovati nečiji IP. Uprkos brojnim problemima sa kojima se kompanije i developeri suočavaju kada su nove tehnologije u pitanju, sasvim je sigurno da in oni neće odvratiti ukoliko su benefiti značajnije veći.

15.01.2024. ·
5 min

Šta su 10x developeri, i kako možete da postanete jedan?

Ne postoji developer koji na svojoj listi želja u samom vrhu nema veću produktivnost i postizanje ciljeva bez ikakve greške. Nažalost, ove želje najčešće ostaju samo to – želje. Pojedinim danima mnogi developeri bez većih problema izlaze na kraj sa svi taskovima, ali ima i onih kada se čini kao da sve stoji u mestu bez ikakvih izgleda za napretkom. Zbog toga, svaki profesionalac koji uspeva da ostane konstantno efikasan i isporučuje kod izuzetnog kvaliteta kod svojih kolega izaziva divljenje. Međutim, da li takvi super-produktivni developeri zaista postoje, i da li je moguće postati jedan od njih? Odgovor na ovo pitanje glasi da. Tu nailazimo na koncept 10x developera koji nam jasno stavlja do znanja da takvi ljudi zaista postoje. U pitanju su programeri koji su produktivniji od svih drugih programera i koji su u stanju da obave 10 puta više taskova i napišu 10 puta bolji kod od svih ostalih kolega koji rade u identičnim uslovima. Prirodni talenat Bez obzira na sve kontroverze koje okružuju koncept 10x developera, jedna stvar je sigurna: izuzetni softverski inženjeri i programeri zaista hodaju među nama. U stanju su da osmisle svežije ideje od ostalih, uvek imaju neverovatne rezultate i sve što rade je savršeno. Ipak, oni predstavljaju izuzetak od ustaljenog pravila. Superiorna inteligencija, beskrajna kompetentnost i jedinstven pogled na svetu čine ih zaista retkim zverima u svetu programiranja. Sa druge strane, veoma je teško zamisliti ih na standardnom radnom mestu i u prosečnom development timu jer oni prosto ne mogu da budu deo takvog sveta. Čak i ako imate sreće da dođete do jednog 10x developera, on neće imati interes da radi na vašem softveru ukoliko se njegovi i vaši interesi ne poklope savršeno. Svaki 10x developer bio bio veoma nesrećan i neefiksana da mora da radi na prosečnom projektu jer bi njegove sposobnosti bile trošene na pogrešan način i sasvim sigurno bi više predstavljale prepreku nego prednost. Ukoliko ipak odluči da ostane u takvom okruženju zarad zajedničkih interesa, njegovo prisustvo bi kvalitet rada tima podiglo na potpuno nov nivo i pomoglo svima da postaju još bolji zahvajujući iskustvu koje je svetlsonim miljama ispred svega što ostali članovi tima mogu da ponude. Veštine koje 10x developer poseduje Postoji nekoliko stvari koje 10x developere odvajaju od svih ostalih, a ovo su neke od najvažnijih: Tehnička briljantnost: 10x developeri poseduju izuetno duboko i intuitivno razumevanje kompleksnih sistema, algoritama i softverske arhitekture i vrlo lako su su stanju da naučerazličite jezike i paradigme Sposobnost rešavanja problema: 10x developeri su u stanju da kompleksne probleme rastave na prosta i elegantna rešenja Produktivnost: Oni stvari obavljaju brže isporučujući dobro napisan i brzo testiran kod Automatizacija: U stanju su da automatizuju repetitivne taskove i koriste alate koji doprinose njihovoj produktivnosti Komunikacija: 10x developeri su u stanju da jasno artikulišu kompleksne koncepte svim čalnovima tima, bez obzira na njihovu tehničku stručnost Šta tačno znamo o 10x developerima i kako možemo da postanemo jedan od njih? Bilo da verujete ili ne verujete u njihovo postojanje, super-efikasni i ekstra-produktivni developeri postoje i deo njihovih sposobnosti može se pripisati prirodnom talentu. Na svu sreću, postoje brojne tehnike koje odličnim developerima mogu pomoći da postanu još bolji u svemu što rade, a mi bismo izdvojili tri najefikasnije: Ne prestajte sa učenjem Izuzetni rezultati proizilaze iz sigurnosti u vaše sposobnosti koje su rezultat znanja i umeća. Kako biste vaš posao radili dobro i brzo, potrebno je da budete upoznati sa svim najfinijim detaljima programiranja. Pored toga, više je nego korisno istraživati i van okvira vašeg posla jer vam šire znanje može pružiti objektivniji pogled na stvari i olakšati rešavanje problema. Budite timski igrač Čak i u slučaju da jeste 10 puta stručniji od kolega, poslednja stvar koju želite jeste da kritikujete njihove mane. Činjenica da ste bolji od manje iskusnih programera ne čini vas 10x developerom. Ako želite da se dokažete kao 10x developer, znatno je korisnije da pomognete koelgama da postanu bolji deljenjem znanja i stručnosti. Optimizujte svoje radne procese Efikasnost nam omogućava da isporučujemo izuzetne rezultate bez bespotrebnog trošenja resursa. A kako biste bili efikasni, potrebno je da se fokusirate na prave stvari, smanjite sve distrakcije na minimum i implementirate efikasne prakse i alate. Saznajte šta vas usporava – ovo može uključivati nejasne specifikacije i lošu komunikaciju unutar tima. Redovno testirajte trenutne radne procese i svoju radnu sredinu kako biste videli koliko su efikasni, i potom probajte da eliminišete sve faktore i aktivnosti koje negativno utiču na produktivnost. Kontrolišite vreme i energiju – ovo su dva glavna stuba produktivnosti. Ako ne znate kako da raspodelite svoje vreme ili koristite mentalne i fizike resurse kao prednost, znatno je težće ostvariti uspeh u bilo kojoj živnotnoj sferi. Postarajte se da naučite što više možete o upravljanju vremenom i obratite pažnju na svoje dobrostanje i sate kada ste najproduktivniji. Rezultat toga će biti više obavljenog posla bez nepotrebnog sagorevanja. Naučite sve prečice – one će vam ubrzati kodiranje jer ćete se lakše kretati kroz velike količine koda. Koristite alate koji povećavaju produktivnost – pravi alati i najnoviji softver bez sumnje moraju da budu deo vašeg arsenala, ali nikako ne biste smeli da se ograničite samo na njih. Efikasni alati za komunikaciju, upravljanje projektima i praćenje utrošenog vremena su stvari koje mora da poseduje svaki 10x developer. Na kraju dana, srž svakog 10x developera čine 4 veštine: komunikacija, kritičko razmišljanje, proces i pisanje dobrog koda. Odlična komunikacija smanjuje rizik od kreiranja pogrešne stvari, što zauzvrat može trošiti dodatno vreme, a ujedno smanjuje i tenzije unutar tima koje mogu usporiti rad. Kritičko razmišljanje pomaže u bržem dolasku do odgovora i izbegavanju trošenja vremena na pogrešne stvari prilikom debugginga. Praćenje efikasnih procesa takođe pomaže u minimalnom bacanju vremena prilikom programiranja. I na samom kraju, pisanje dobrog koda koji se lako razume i menja, može da olakša sve buduće promene. Sve ove stvari dodatno vam mogu pomoći da unapredite brojne aspekte svog profesionalnog rada i vremenom stignete do prestižne titule 10x developera.

26.12.2023. ·
5 min

Istraživanja pokazuju da je GenAI izuzetno neprecizan za poslovnu upotrebu

Kako Ai generativne platforme u sebe “usisavaju” sve veće količine podataka i povezuju se sa više i više korporativnih baza podataka, stručnjaci polako počinju da aktiviraju alaram kako bi skrenuli pažnju na jednu važnu stvar – ovi alati su izuzetno neprecizni i polako počinju da budu sve zatvoreniji. Veliki jezički modeli (LLM), algoritamske platofrme na kojima se generativni AI alati kao što je ChatGPT grade, izuzetno su neprecizni kada su povezani sa korporativnim bazama podataka i sve manje transparentni u svom radu, tvrde dva nova istraživanja. Studija Stenford univerziteta pokazala je da dok veliki jezički modeli nastavljaju da upijaju masivne količine informacija i rastu, postaje sve teže pratiti izvore tih podataka. Zauzvrat, to kompanijama otežava da saznaju da li mogu da bezbedno kreiraju aplikacije koje koriste komercijalne genAI modele, dok istražvači ne mogu biti sigurni da su podaci koje dobijaju za svoja istraživanja precizni. Takođe, sve ovo otežava i zakonodavcima da dizajniraju smislene zakone koji bi zauzdali moćnu tehnologiju, tvrdi ovo istraživanje. Veliki jezički modeli kao što su GPT, LLAMA i DALL-E, pojavili su se tokom protekle godine i transformisali veštačku inteligenciju, pružajući mnogim kompanijama priliku da sa njima eksperimentišu i poboljšaju svoju produktivnost i efikasnost. Međutim, sve te prednosti dolaze sa određenom dozom nesigurnosti. Transparentnost i odgovornost u AI tehnologiji „Transparentnost je ključan preduslov za bilo kakvu javnu odgovornost, naučne inovacije i efikasno regulisanje digitalnih tehnologija. Manjak transparentnosti oduvek je bio problem sa kojm su se suočavali korisnici digitalnih tehnologija“, izjavio je Rishi Bommasani, vođa istraživanja. Primera radi, OpenAI, koji u svom imenu sadrži reč „open“ (otvoren), jasno je stavio do znanja da neće biti transparentan kada su u pitanju brojni aspekti GPT-4 modela, naglasili su istraživači Stenford univerziteta. Ocena transparentnosti jezičkih modela Kako bi procenili nivo transparentnosti, istraživači su oformili tim koji je uključivao saradnike sa MIT i Prinston univerziteta, kako bi razvili sistem bodovanja nazvan Foundation Model Transparency Index. Ovaj sistem procenjuje 100 različitih aspekata ili indikatora transparentnosti, uključujući i način na koji neka kompanija kreira osnovni model, ako on radi i kako se koristi. Istraživanje je ocenjivalo 10 jezičkih modela, a rezultati su pokazali da je srednja ocena transparentnosti bila svega 37%. Najvišu ocenu dobio je LLAMA (52%), a potom slede GPT-4 (48%) i PaLM 2 (47%). „Ako nemate transparentnost, regulatorna tela ne mogu da postavljaju prava pitanja, a kamoli da nešto preduzmi“, dodao je Bommasani. Sa druge strane, gotovo 95% šefova vetuje da njihovi zaposleni regularno koriste genAI alate, dok 53 odsto njih veruje da oni sada praktično vode određene sektore unutar kompanije, pokazalo je istraživanje koje je sproveo Kaspersky Lab. Rezultati su pokazali i da gotovo 59% odsto direktora poseduje određenu dozu zabrinutosti u vezi sa bezbednosnim rizicima koje ovi modeli nose sa sobom i načinom na koji bi oni mogli da ugroze osetljive kompanijske podatke. Problem sa ovim jezičkim modelima ide znatno dublje od puke transparentnosti jer je i preciznost njihovih podataka dovedena u pitanje. Preciznost i pouzdanost jezičkih modela Juan Sequeda, glavni istraživač data.world AI laboratorije, izjavio je da je njegova kompanija testirala jezičke modele povezane sa SQL bazama podataka tražeći od njih odgovore na specifična pitanja u vezi sa kompanijom. Rezultati su pokazali da su u svega 22% slučajeva dobijali tačne odgovore, dok su gotovo sva pitanja koja su zahtevala napredne odgovore dobila netačne odgovore. Nedostatak odgovarajućih text-to-SQL benčmark testova koji su skrojeni po potrebama poslovnih korisnika može da utiče na davanje tačnih odgovora ovih velikih jezičkih modela. Strategije za poboljšanje tačnosti i upravljanje rizikom Već sada je vidljivo da im nedostaje interni poslovni kontekst određene kompanije, a to je jedna od ključnih stvari koja garantuje preciznost i tačnost odgovora. Sa druge strane, kompanije ulažu milione dolara u cloud skladištenje podataka, poslovnu inteligenciju, alate za vizualizaciju i ELT i ELT sisteme, kako bi mogle da bolje upravljaju podacima. Mogućnost korišćenja jezičkih modela za postavljanje pitanja u vezi sa tim podacima otvara velike prilike za unapređivanje ključnih procesa kao što su ključni indikatori performansi i strateško planiranje. Ovo istraživanje bilo je fokusirano isključivo na GPT-4, a preciznost dobijenih podataka iznosila je svega 16%. „Podaci koje smo dobili uopšte nisu ohrabrujući. Šta se dešava kada pred bordom direktora koristite netačne cifre, ili pred istražnom komisijom? Cena te nepreciznosti mogla bi da bude izuzetno visoka“, izjavio je Sequeda. Problem sa ovim jezičkim modelima leži u činjenici da su u pitanju statističke mašine koje predviđaju sledeću reč na osnovu reči koje su bile pre nje. Ova predviđanja bazirana su na šablonima posmatranja kompletnog interneta, Zbog toga, rezultati koje će dati će biti mogući, ali i neprecizni, pogotovo ako nikada ranije nisu uočili šablon koji je vezan za neku specifičnu kompaniju. Tačnost velikih jezičkih modela (LLM) povećava se na 54% kada se postavljaju pitanja preko reprezentacije baze podataka SQL preduzeća u obliku grafikona znanja. "Zbog toga, ulaganje u prućžaoce ove usluge obezbeđuje veću tačnost sistema za odgovaranje na pitanja koji koriste LLM", rekao je Sequeda. "Još uvek nije jasno zašto se ovo dešava, jer ne znamo šta se dešava unutar LLM-a. "Ono što znamo je da, ako LLM-u pružite upit sa ontologijom mapiranom unutar grafikona znanja, koji sadrži ključni poslovni kontekst, tačnost je tri puta veća nego kada to ne učinite", nastavio je Sequeda. "Međutim, važno je postaviti pitanje, šta znači 'dovoljno tačno'?" Da bi povećale mogućnost tačnih odgovora od LLM-a, kompanije moraju da imaju "snažnu osnovu podataka", ili ono što Sequeda i drugi nazivaju podacima spremnim za veštačku inteligenciju; to znači da su podaci mapirani unutar grafikona znanja kako bi se povećala tačnost odgovora i obezbedila objašnjivost, "što znači da možete naterati LLM da pokaže svoj rad". Još jedan način da se poveća tačnost modela je korišćenje malih jezičkih modela (SLM) ili čak specifičnih jezičkih modela neke industrije (ILM). "Mogu zamisliti budućnost u kojoj svako preduzeće koristi nekoliko specifičnih LLM-ova, svaki podešen za određene vrste pitanja", rekao je Sequeda. Za sada, pristup i dalje ostaje isti: predviđanje sledeće reči. Ta predikcija može biti precizna, ali uvek će postojati šansa i da će ona biti pogrešna. Svaka kompanija mora da se postara da pruži nadzor i regulaciju ovih sistema kako bi sprečila da osetljivi podaci budu ugroženi od strane modela koji nisu precizni.