Wanneer software begon met het schrijven van software

Als je code levert, verandert je werk.

Je bent verschoven van het schrijven van elke regel naar het gebruik van autocomplete. Nu schrijf je specificaties en kijk je hoe agents code voor je schrijven, testen en leveren.

Dit is niet van de ene op de andere dag gebeurd. Het is een 70-jarig verhaal over het herdefiniëren van intelligentie.

Dit is hoe we hier terecht zijn gekomen:

  1. Het Symbolische Tijdperk (jaren '50-'80) Intelligentie betekende logica. Mensen schreven elke regel handmatig met behulp van IF-THEN-statements. Deze systemen waren briljant binnen een klein kader, maar faalden in de echte wereld. Ze konden niet leren van data.

  2. Het Statistische Tijdperk (jaren '90-'00) We stopten met het vertellen van de regels aan machines. In plaats daarvan lieten we ze voorbeelden zien. Machines gebruikten wiskunde om patronen in data te vinden. Dit leverde ons spamfilters en aanbevelingsmotoren op. De intelligentie was nog steeds afhankelijk van mensen om de juiste datakenmerken (features) te kiezen.

  3. Het Deep Learning Tijdperk (2012-2017) Het spel veranderde met AlexNet. We ontdekten dat als je genoeg lagen stapelt en genoeg data gebruikt, het model zijn eigen kenmerken vindt. Geen handmatige feature engineering meer. Computers begonnen te zien en te horen als mensen.

  4. Het Transformer Tijdperk (2017-2022) De Transformer-architectuur stelde modellen in staat om enorme hoeveelheden tekst tegelijkertijd te verwerken. Dit leidde tot GPT. Intelligentie werd compositioneel. Eén model kon een gedicht schrijven, Python debuggen en wiskunde uitleggen. Taal werd de interface voor alle taken.

  5. Het Agentic Tijdperk (2023-heden) We geven modellen handen. Een agent beantwoordt niet alleen een vraag. Het gebruikt tools, surft op het web, voert code uit en corrigeert zijn eigen fouten. Het beweegt van een passief antwoord naar een actieve loop.

Het patroon is duidelijk. Elk tijdperk verschoof het werk van mensen naar machines.

  • Symbolische AI: Mensen schreven de regels.
  • Statistische ML: Mensen kozen de kenmerken.
  • Deep Learning: Modellen leerden de representaties.
  • LLM's: Modellen leerden van het internet.
  • Agents: Modellen plannen en handelen.

Elke sprong was ook een economisch verhaal. We bouwen wat we ons kunnen veroorloven om te draaien. Naarmate rekenkracht (compute) goedkoper wordt, worden agents slimmer.

We bouwen niet alleen tools. We bouwen samenwerkingspartners.

Bron: https://dev.to/adamthedeveloper/when-software-started-writing-software-a-developers-history-of-ai-4p9n

Optionele leercommunity: https://t.me/GyaanSetuAi