Új hozzászólás Aktív témák

• #1 LordAthis csendes tag

  Új Válasz 2025-08-21 03:56:18 #1

  Új hozzászólás

  Összes hozzászólása itt Válaszok az összes hozzászólására itt Válaszok erre a hozzászólásra

  Privát üzenet küldése

  

  LordAthis

  csendes tag

  LOGOUT blog (1)

  Miközben a cikket írtam, jött egy újabb hozzászólás ide: Az előző cikk hozzászólásai.

  Erre a hozzászólásra válaszolok:

  Igyekszem akkor szép sorban megválaszolni a felvetéseidet:

  - Ezt mondjuk még meg is értem, és tiszteletben tartom, hogy miért tartod vissza a konkrétumokat:
  "nem elsődlegesen magyar célközönségnek, ahol mondjuk 'XY' példa esetén nem beazonosítható, hogy ki vagyok."
  Bár a friss ACC ettől függetlenül is furcsa.

  - Az anonimitás és a cégek "b.sztatásának" elkerülése szintén jogos szempont.
  Azonban konkrét példák nélkül is lehetne olyan eseteket hozni, amelyek szakmai mélységet mutatnak anélkül, hogy bárkit beazonosítanának. Nem kell pont egy adott cég pontos forráskódját leírni hozzá, sem egy-egy hibajelenséget túlságosan mélységeiben.
  (Nem mellesleg nem esek hasra igen sok multinál dolgozó programozó munkájától. Így pl ha az M$ munkásságát nézem, és az eredményeket...
  ..de ezt tényleg hagyjuk, pereskedni egyikünk sem akar.)

  - "Előítéletekre építesz"
  Szerintem konkrét példákat írtam, pont Tőled kértem, hogy prekoncepciók helyett mutass példákat.

  - "Két AI által összeszögelt kusza blogposzt nem tesz szakértővé a témában"
  Egyenlőre nem tartom magam szakértőnek, mintha írtam is volna, hogy tanulás az egyik cél, éppen az, hogy a gyakorlati tapasztalatok megosztásával fejlődjek...
  ..a kusza jelzőért is köszi, nem vagyok újságíró sem.
  Ezektől függetlenül lehet ez szakmai cikk. Lett légyen az akár kusza, és összeszedetlen is szerinted.

  - "Nem lehülyéztelek"
  Ezt viszont nem is állítottam! A kettő nem ugyanaz. (Az "Az AI kódolás hülyeség", vagy a "Hülye vagy!" két különböző állítás.)
  A "pet project vs. üzleti cél" felvetésed jogos (Szerintem írtam is az egyik, vagy mindkét cikkben), nálam jelenleg a tanulás és a kísérletezés a fő motiváció, de hosszú távon üzleti cél is van. Ebből adódóan az AI-t arra használom, hogy gyorsítsam a prototipizálást, még ha nem is tökéletes az eredmény. Konkrét példák (akár absztraktabb formában) nagyon hasznosak lennének a tanácsaid alátámasztására!

  - "hanem segíteni próbáltam."
  Ezt kértem, az igazi segítség a példa, példák.

  - Ez mondjuk fura:
  "(elolvastam - nem volt belinkelve, de megtaláltam)"
  Leginkább a nem volt belinkelve része fura, mivel a témaindító Cikkre jött létre a fórum, amire írsz-írtál.

  - A 4.-es, 6.-os pontodra:
  Teljesen egyetértek, hogy az ingyenes AI modellek sokszor nem alkalmasak komplex refaktorálási feladatok tesztelésére. Az általad említett költség-összehasonlítás és előfizetési problémák is valósak – én is tapasztaltam, hogy a tokenlimit és a modell korlátai gyorsan falhoz vezetnek. Az új cikkemben (amit belinkeltem) próbáltam részletesebben körüljárni ezeket a kérdéseket, kíváncsi vagyok a véleményedre.
  Egyetértek, hogy a rendszertervezés kulcsfontosságú, és nem feltétlenül a kódolás mélysége a szűk keresztmetszet. Az én tapasztalatom is az, hogy az AI-val való munka során a pontos specifikáció és a rendszertervezési logika megértése a legnagyobb kihívás. Az általad említett "gap" a természetes nyelv és az AI értelmezése között valóban létezik, és sokszor csak iteratív próbálkozásokkal lehet áthidalni.
  Az új cikket ITT találod meg.

  - Az 5.-ös pontodra:
  A Fekete humor és AI korlátai: A körkörös érvelés és az AI "eredeti kiindulási pontra" való visszatérése tényleg frusztráló, és nagyon találó a fekete humor párhuzam! A kameramodulos példád tökéletesen mutatja, hogy az AI sokszor nem képes az emberi gondolkodás rugalmasságát követni, és "hekkelni" kell a promptokat. Ha van konkrét tipped arra, hogyan lehet hatékonyabban megkerülni ezeket a korlátokat, szívesen kipróbálnám. Például milyen konkrét lépésekkel vezettél végig egy problémát (pl. hogyan strukturáltad a promptokat, milyen iterációkat végeztél).

  - "Feltételezed, hogy komoly programozó kell a feladatokhoz"
  Mondjuk ez pont nem igaz rám.
  Alap programozói tudással, de 25 éves informatikai tapasztalattal, átfogó képpel AI segítségével olyan dolgokat csinálok, amiket jól megfizetett programozó sem csinált meg nekem!
  Akár azt is mondhatnám, hogy lelépett a pénzemmel.

  Igazából az a furcsa, hogy pontosan el tudtam Neki mondani, hogy mit kérek, mert ennyire megy a programozás, az is, hogy hogyan valósítsuk meg, aztán mégsem lett belőle semmi.
  Arra is felhívtam a figyelmét, hogy nekem nem egy kirakat (Frontend) kell, működő belső (BackEnd) nélkül, és pontosan hol vannak a hibák.
  Ezeken most AI-al pár óra alatt túl is jutunk, míg a programozónak (egészen pontosan a végén csapatot említett, szerintem kiadta kis indiaiaknak.... ) hónapok alatt sem sikerült, 5, vagy 6 online Meeting és 4 személyes találkozó után sem.
  Pedig még csoportos Meeting is volt, időközben felvett vmi projekt menedzsert, mert állítólag nem győzte a munkát.

  - 7.-es pont:
  Ai és AI között is van különbség. Sajnos egyre jobban összekeverednek az elnevezések, szerintem messze vagyunk még attól, amit eredetileg az AI kifejezés jelentett, csak ezzel adható el a fejlődés, hogy megelőlegezik, ami még nem...
  Egyszerűen matematika és valószínűség a legtöbb, főleg az LLM-ek.
  Persze folyamatosan csiszolnak rajtuk, de a lényeget leírtad, ahogy számtalanszor (Nem itt) már én is!
  Nem érti amit kérdezel, a válaszát sem, csak valószínűségeket köp vissza, kontextusba, témakörbe helyezve. Ez egybevág azzal, amit a szakirodalom is mond: az LLM-ek statisztikai modellek, amelyek nem "értenek", csak mintákat követnek.

  Egy kifejezetten kódolásra írt AI még hülyébb beszélgetésben, de lényegesen jobban kódol, mint egy beszélgetős. Ezek a képességek erősen képzés specifikusak! (Mint az embereknél is.) A beszélgetős modellek (pl. ChatGPT) gyakran csak "elfogadható" kódot adnak, amit - ahogy írtad: - "utólag szögelni kell".

  AI hibázásának okai gyakran a kontextus megértésének hiánya és a memóriaproblémák, ezek tökéletesen leírják az LLM-ek jelenlegi korlátait.
  A te példád (kameramodul keresése) és az én tapasztalataim is azt mutatják, hogy az AI sokszor csak "valószínűségi szöveggenerálást" végez, nem pedig valódi problémamegoldást. Az általad említett "átlagtól eltérő gondolkodási sémák" kezelése valóban gyenge pont, és itt az emberi kreativitás még mindig verhetetlen. A "token-alapú memóriakorlát" téma is érdekes, még vissza fogok térni rá, mert a saját gépen futtatott modellek esetén a hardver erőforrások (CPU, RAM, VRAM) és a modell optimalizálása jelentősen befolyásolhatja a teljesítményt.

  Tudnál egy konkrét, de anonimizált példát hozni arra, hogyan "hekkelted meg" az AI-t egy komplex feladat megoldására? Ez nagyon hasznos lenne a további tanuláshoz, és szerintem másokat is érdekelne! (A cikk-sorozat egyik célja, hogy ilyen használható ficsőröket összeszedjünk.)
  Az AI-val való hatékony munka kulcsa gyakran az, hogy a promptokat kreatívan, lépésről lépésre kell megfogalmazni, és sokszor teljesen más megközelítést kell választani. Mint ahogy Te is írod: mást, "mint amit egy emberi fejlesztőnek mondanál".

  A "token-alapú memóriakorlát" téma is érdekes, még vissza fogok térni rá. Arról is lesz egy külön cikk, mivel érinti a sorozat témáját, szervesen kapcsolódik hozzá!

Új hozzászólás Aktív témák