Dla mnie to niesamowite, że "kodowanie", jak to wcześniej postrzegaliśmy, zostało w dużej mierze rozwiązane w tym momencie. Po raz pierwszy usłyszałem o koncepcji kodu generowanego przez AI w 2015 roku, kiedy mój przyjaciel zaczął pracować w startupie o nazwie @trygigster. Cała idea Gigster polegała na tym, aby być platformą do zatrudniania freelancerów programistów. Ich plan polegał na wykorzystaniu kodu, który ci freelancerzy pisali dla klientów, do trenowania ich sieci neuronowych. Nadzieją było, że te modele w końcu będą mogły generować kod i całkowicie zastąpić freelancerów programistów. W tamtym czasie głębokie uczenie zaczynało naprawdę zyskiwać na popularności (to było przed odkryciem LLM), a zespół Gigster wierzył, że mogą wykorzystać najnowsze badania - rekurencyjne sieci neuronowe (RNN) do nauczenia maszyny pisania kodu samodzielnie. Problem z RNN polega na tym, że generują one bełkot, który wygląda jak ważny kod, ale tak naprawdę nie działa. Brakuje im zdolności do utrzymywania dużych kontekstów i są bardzo wolne w trenowaniu, więc pomysł automatycznego generowania kodu po prostu nie był wtedy wykonalny. Przesuwając się do przodu o 10 lat, wszystko, co Gigster próbował zrobić, jest teraz dostępne dla wszystkich. Postępy, jakie osiągnęły Anthropic, Google i OpenAI w generowaniu kodu, są zdumiewające, jeśli spojrzeć z szerszej perspektywy. To, co uważałem za nierealne marzenie, jest teraz rzeczywistością.