Es ist für mich unglaublich, dass "Programmierung", wie wir sie zuvor betrachtet haben, zu diesem Zeitpunkt größtenteils gelöst ist. Ich habe zum ersten Mal 2015 von dem Konzept des KI-generierten Codes gehört, als ein Freund von mir bei einem Startup namens @trygigster zu arbeiten begann. Die gesamte Prämisse von Gigster war, eine Plattform für die Anwerbung von freiberuflichen Softwareentwicklern zu sein. Ihr Plan war es, den Code, den diese Freiberufler für Kunden schrieben, zu nutzen, um ihre neuronalen Netze zu trainieren. Die Hoffnung war, dass diese Modelle schließlich Code generieren und freiberufliche Entwickler vollständig ersetzen könnten. Zu dieser Zeit begann Deep Learning wirklich an Bedeutung zu gewinnen (das war bevor LLMs entdeckt wurden), und das Gigster-Team glaubte, sie könnten die neuesten Forschungen - rekurrente neuronale Netze (RNNs) - nutzen, um eine Maschine zu trainieren, die selbstständig Code schreiben kann. Das Problem mit RNNs ist, dass sie Kauderwelsch erzeugen, das wie gültiger Code aussieht, aber tatsächlich nicht funktioniert. Sie sind nicht in der Lage, große Kontexte aufrechtzuerhalten, und das Training ist sehr langsam, sodass die Idee, Code automatisch zu generieren, damals einfach nicht machbar war. Zehn Jahre später ist alles, was Gigster zu erreichen versuchte, jetzt für alle verfügbar. Der Fortschritt, den Anthropic, Google und OpenAI in der Code-Generierung gemacht haben, ist erstaunlich, wenn man einen Schritt zurücktritt. Was ich für einen Lufttraum hielt, ist jetzt Realität.