Trendek az LLM fejlesztésben való felhasználásában az Anthropic felmérése alapján

Az Anthropic a mesterséges intelligencia kutatásában és fejlesztésében az élvonalhoz tartozó vállalat, amelyet leginkább Claude nevű nagy nyelvi modelljéről ismerünk. A Claude.ai és a Claude Code termékcsalád az utóbbi években különösen népszerűvé vált a szoftverfejlesztők körében, köszönhetően kiemelkedő kódgenerálási képességeinek és az automatizálásban elért magas szintű teljesítményének.

Legutóbbi felmérésükben az Anthropic 500 000 kódolással kapcsolatos interakciót elemezve vizsgálta, hogy miként használják a fejlesztők ezeket a modelleket. Az elemzés során a beszélgetéseket két csoportra osztották: a standard chatbot-felületet képviselő Claude.ai-ra, valamint a kifejezetten kódolási feladatokra optimalizált Claude Code ügynökre. A vizsgált paraméterek közé tartozott, hogy az AI mikor működik „automatizált” módon (feladatok önálló végrehajtása) és mikor „kiegészítő” módon ( emberrel együttműködve).

Három fő mintázat rajzolódott ki:

  • Növekvő automatizálási hajlandóság A Claude Code beszélgetések 79 %-a automatizálási célú volt, míg a Claude.ai esetében ez az arány csupán 49 %. A visszacsatolási hurok (feedback loop) és a direktív automatizálás (minimális emberi beavatkozással végzett feladat) mindkét ügynök esetén jelen volt, ám ezek aránya a kódolásra szakosodott agentnél volt a magasabb. Ez arra utal, hogy az LLM-alapú ügynökök térhódításával a fejlesztési folyamatok egyre inkább automatizálttá válhatnak.

  • Felhasználóbarát alkalmazások előretörése A leggyakrabban alkalmazott programozási nyelvek a webes stackből kerültek ki: JavaScript és TypeScript (31 %), HTML és CSS (28 %). A leggyakrabban kért feladatok közé a UI/UX komponensek fejlesztése (12 %) és webes/mobilalkalmazások építése (8 %) tartozott. Ez azt mutatja, hogy a „vibe coding” – amikor a fejlesztő természetes nyelven ad instrukciókat az AI-nak – különösen a felhasználói felületek létrehozásában terjedhet el.

  • Startupok mint korai adaptálók A Claude Code használatának 33 %-át startup-projektekhez kötötték, míg a nagyvállalati alkalmazásokra mindössze 13 % jutott. Ez a „korai” és „késői” elfogadók közötti szakadékot tükrözi: a gyorsan mozgó, innovatív szervezetek előnyre tehetnek szert az új AI-ügynökökben rejlő produktivitásnövelő lehetőségek kihasználásával.

Az elemzés korlátai között szerepel, hogy csak a Claude.ai és a Claude Code interakcióit vizsgálták (nem tértek ki a Team, Enterprise vagy API használatra), továbbá a felhasználói kontextusok besorolása részben becsléseken alapult. Emellett a tanulmány a szoftverfejlesztés ciklikus mintázatait – például sprintciklusok hatását – nem vette figyelembe.

Előre tekintve a kérdés az, hogy a visszacsatolási hurkok túlsúlya meddig marad fenn, és mikor érik el az ügynöki rendszerek azt a képességet, hogy minimális emberi beavatkozással végezzenek el komplex feladatokat. Ahogy az AI egyre fejlettebbé válik, a fejlesztők szerepe átalakulhat: a részletek írása helyett inkább az AI-rendszerek irányítására, felügyeletére és finomhangolására fókuszálhatnak. A szoftverfejlesztés így előre mutató példaként szolgálhat más szakmák számára is, hogy miként alakulhat át a munka világa az egyre nagyobb képességű LLM-modellek integrációjával. 

Osszd meg ezt a cikket
A Replit vezérigazgatója szerint emberibb jövő vár a programozókra az MI-nek köszönhetően
A mesterséges intelligencia térnyerése számos iparágat átalakít, és a szoftverfejlesztés sem kivétel. Sokan aggódnak, hogy az MI elveszi majd a munkahelyeket, és disztópikus jövőképeket festenek. Azonban Amjad Masad, a Replit vezérigazgatója szerint a valóság sokkal inkább az, hogy az MI emberibbé, interaktívabbá és sokoldalúbbá teszi a munkát. Ezt a gondolatot fejtette ki a Y Combinator YouTube csatornáján adott interjújában, amelyből a cikk főbb információi is származnak.
Az Amazon Bedrock és Knowledge Base használatának megkezdése – Egyszerű módszer a dokumentumok csevegésre való felkészítéséhez
Az AI világában gyakran hatalmas szakadék tátong az elmélet és a gyakorlat között. Ugyan rendelkezésre állnak olyan hatékony modellek, mint a Claude 4, az Amazon Titan vagy akár a GPT-4, de hogyan lehet őket ténylegesen felhasználni egy valós probléma megoldására? Itt jön képbe az Amazon Bedrock és Knowledge Base.
A mesterséges intelligencia által hajtott startupok korszaka
A startupok mindig is a gyors alkalmazkodásról és az új ötletek megvalósításáról szóltak. Az utóbbi években azonban a mesterséges intelligencia megjelenése alapjaiban változtatta meg a startupok működési sebességét és stratégiáját. Andrew Ng, a világszerte ismert MI-szakértő és az AI Fund vezetője, egy friss előadásában arról beszélt, hogyan tudják a vállalkozások kihasználni az MI adta lehetőségeket a villámgyors végrehajtás és az üzleti siker érdekében.
Svájc új nyelvi modellje megmutatja, hogyan lehet az AI valóban közjó
Miközben a mesterséges intelligencia (AI) gyors ütemben formálja a tudományos kutatást, az ipart és a közszolgáltatásokat, egyre több kérdés merül fel a technológia átláthatóságával, társadalmi hasznosságával és szabályozhatóságával kapcsolatban. A svájci kutatók egy új kezdeményezéssel kívánnak választ adni ezekre a kérdésekre: teljesen nyílt forráskódú, közfinanszírozású nagy nyelvi modellt (LLM) fejlesztettek, amelyet idén nyáron terveznek nyilvánosan elérhetővé tenni. A projekt hátterében az ETH Zürich, az EPFL és a Svájci Nemzeti Szuperszámítógépes Központ (CSCS) áll, a számítási kapacitást pedig a „Alps” nevű, kifejezetten AI-feladatokra tervezett szuperszámítógép biztosította.
 Fázisátmenet figyelhető meg a nyelvi modellek tanulásában
Mi történik a mesterséges intelligencia „elméjében”, amikor megtanulja megérteni a nyelvet? Hogyan jut el oda, hogy nem csupán a szavak sorrendjét, hanem azok jelentését is képes követni? Egy nemrég megjelent kutatás a mesterséges intelligencia e belső folyamataiba enged elméleti betekintést, és olyan átváltozást azonosít, amely a fizikából ismert fázisátmenetekhez hasonlítható.
Hol tart ma valójában a mesterséges intelligencia?
A mesterséges intelligencia fejlesztése az elmúlt években látványos és gyakran lenyűgöző eredményeket produkált. Az olyan rendszerek, mint a ChatGPT, képesek természetes nyelvű szövegeket generálni, problémákat megoldani és sokszor az emberi teljesítményt is meghaladni különféle feladatokban. Ugyanakkor egyre több neves kutató és technológiai vezető – köztük John Carmack és François Chollet – hívja fel a figyelmet arra, hogy ezek az eredmények nem feltétlenül jelentik az általános mesterséges intelligencia (AGI) közeledtét. A színfalak mögött most új típusú problémák és kérdések kerültek a figyelem középpontjába, amelyek messze túlmutatnak a puszta teljesítményen.