2025. 02. 24., 12:16

A Mesterséges Intelligencia Még Mindig Bénázik A Kódolásban, Lepnek Meg A Kutatók

A Mesterséges Intelligencia Még Mindig Bénázik A Kódolásban, Lepnek Meg A Kutatók
Az OpenAI kutatói beismerték, hogy még a legfejlettebb AI modellek sem érnek fel az emberi programozókkalannak ellenére, hogy Sam Altman vezérigazgató ragaszkodik hozzá, hogy év végére le fogják győzni a szoftverfejlesztőket. Egy új tanulmányban a cég kutatói megállapították, hogy még a határokat feszegető, legfejlettebb AI rendszerek is “képtelenek megoldani a feladatok többségét” a programozás terén. A kutatók egy újonnan kifejlesztett teljesítménymérőt használtak, a SWE-Lancer-t, amely több mint 1400 szoftverfejlesztési feladatot tartalmaz az Upwork szabadúszó platformról. Az OpenAI három nagy nyelvi modellt teszteltsaját o1 következtető modelljét és zászlóshajó GPT-4o-ját, valamint az Anthropic Claude 3.5 Sonnet-jét.

Felszínes megoldások, mélyreható problémák

Az új teljesítménymérő két típusú Upwork feladaton értékelte a nyelvi modellek teljesítményét: egyedi feladatokon, amelyek hibák javítását és megoldását jelentették, illetve menedzsment feladatokon, ahol a modelleknek átfogóbb, magasabb szintű döntéseket kellett hozniuk. (A modellek nem férhettek hozzá az internethez, így nem tudtak egyszerűen másolni hasonló, online már közzétett megoldásokat.) A modellek összesen több százezer dollár értékű feladattal foglalkoztak az Upworkon, de csak felszíni szoftverproblémákat tudtak javítani, míg képtelenek voltak nagyobb projektekben hibákat találni vagy azok gyökérokait feltárni. Ezek a félkész, gyenge “megoldások” ismerősek lehetnek mindenkinek, aki dolgozott már AI-jal – amely kiváló magabiztosan hangzó információk közlésében, amelyek alaposabb vizsgálat során összeomlanak.

Gyorsaság nem minden

Bár mindhárom nyelvi modell gyakran “sokkal gyorsabban működött, mint egy ember”, jegyzi meg a tanulmány, mégsem tudták felmérni a hibák kiterjedtségét vagy megérteni azok kontextusát, “ami helytelen vagy nem elég átfogó megoldásokhoz vezetett”. Ahogy a kutatók elmagyarázták, a Claude 3.5 Sonnet jobban teljesített, mint a két OpenAI modell, és több pénzt is keresett, mint az o1 és a GPT-4o. Ennek ellenére válaszainak többsége helytelen volt, és a kutatók szerint bármely modellnek “magasabb megbízhatóságra” lenne szüksége ahhoz, hogy valós programozási feladatokkal meg lehessen bízni.

Az ember még mindig vezet

Egyszerűbben fogalmazva, úgy tűnik, a tanulmány azt mutatja, hogy bár ezek a csúcsmodellek gyorsan dolgoznak és meg tudnak oldani kisebb feladatokat, még közel sem olyan ügyesek ezek kezelésében, mint az emberi mérnökök. Bár ezek a nyelvi modellek az elmúlt években gyorsan fejlődtek és valószínűleg ez folytatódni is fog, még nem elég képzettek a szoftverfejlesztésben ahhoz, hogy helyettesítsék az élő embereket – bár ez nem tartja vissza a vezérigazgatókat attól, hogy az automatizálási megoldások mellett döntsenek.

  • Szerinted milyen hatással lesz ez az AI teljesítményének korlátozottsága a munkaerőpiacra a következő években?
  • Ha te lennél a kutatócsapat tagja, milyen módszereket próbálnál ki az AI képességeinek fejlesztésére?
  • Te hogyan közelítenéd meg azt a kihívást, hogy az AI modellek nem értik a hibák kontextusát a programozási feladatoknál?


Legfrissebb posztok

MA 08:02

Megmentheti az MI a Metát a bukástól?

🤔 Mark Zuckerberg bejelentette, hogy a következő hónapokban a Meta felhasználói új, fejlett MI-modellekkel és termékekkel találkozhatnak...

MA 07:58

Az OpenAI rakétára ülteti a Microsoftot, a befektetők mégis aggódnak

A Microsoft lenyűgöző számokat mutatott be legutóbbi jelentésében: a felhőüzletág negyedéves bevétele először lépte át az 51,5 milliárd dollárt (kb...

MA 07:49

Az Advantest száguld, az MI-chipek piaca őrült tempóra vált

🚀 A japán Advantest részvényei akár 14%-ot is emelkedtek csütörtökön, miután a vállalat minden eddiginél nagyobb negyedéves árbevételt jelentett, köszönhetően az MI-chipek tesztelőberendezései iránti robbanásszerű keresletnek...

MA 07:42

Az MI-katonák hamarosan elárasztják a közösségi médiát?

🤖 Felmerül a kérdés, hogy mennyire vagyunk felkészülve a következő generációs MI-hadviselésre az online térben...

MA 07:34

Az élet alapkövei a világűrből érkezhettek a Földre

Senki sem várta volna, hogy az élet alapvető összetevői az űrbéli porszemeken is kialakulhatnak, méghozzá teljesen maguktól...

MA 07:25

Az orosz hackerek újra támadnak: célkeresztben a lengyel áramhálózat

December végén összehangolt kibertámadás érte Lengyelország áramhálózatát, amely mintegy 30 különböző elosztott energetikai létesítményt célzott, köztük kapcsolt hő- és áramtermelő erőműveket, valamint szél- és napenergia-rendszereket...

MA 07:17

Az új Tesla: autógyárból robot- és MI-birodalom

🤖 A Tesla először veszteséggel zárta az évet az elektromosautó-piacon: a bevételek 3%-kal csökkentek 2025-ben, miközben a vállalat profitja az utolsó negyedévben 61%-kal esett vissza...

APP
MA 07:13

APPok, Amik Ingyenesek MA, 1/29

Fizetős iOS appok és játékok, amik ingyenesek a mai napon.     TimesX Times Tables Tester (iPhone/iPad)A TimesX egy olyan alkalmazás, amely segít az általános iskolás gyerekeknek a szorzótábla gyakorlásában...

MA 07:10

Az évszázad legrejtélyesebb egyenlete új fényben

2026-ban éppen száz éve lesz annak, hogy Erwin Schrödinger megalkotta azt az egyenletet, amely alapjaiban változtatta meg a fizikáról alkotott képünket...

MA 07:01

Az újabb milliárdtemető: a Meta 7000 milliárdot égetett VR-re

A Meta tavaly 19,1 milliárd dollárt, azaz közel 7 ezer milliárd forintot veszített a VR-részlegén, a Reality Labsen...

MA 06:57

Az új Samsung AR-szemüveg már idén berobban

A Samsung hivatalosan megerősítette, hogy még idén bemutatja következő generációs AR-szemüvegét, amely multimodális MI-képességekkel lesz felszerelve...

MA 06:51

A hálózatokban bújik meg az évszázados hullámrejtély megoldása

📶 Ilyen eset például, amikor Joseph Fourier kétszáz évvel ezelőtt bevezette azt a zseniális elvet, hogy szinte bármilyen függvényt fel lehet bontani egyszerű hullámok összegére...

MA 06:42

Az OpenAI újabb 2800 milliárddal hizlalja a Microsoftot

A Microsoft a legutóbbi negyedévben 2800 milliárd forintos (7,6 milliárd dolláros) hasznot zsebelt be az OpenAI-befektetéséből...

MA 06:33

A statinok lehetnek az immunterápia kudarcának hiányzó láncszemei

💯 A rákimmunterápia lendületet adott az onkológiának, hiszen az immunrendszert tanítja meg a daganatok felismerésére és elpusztítására...

MA 06:26

Az óriási fémfelhő mögött második nap rejtőzhet a csillagrendszerben

☀ Egy rejtélyes, fémből álló óriásfelhő borzolta fel a csillagászok kedélyeit egy közeli csillagrendszerben...

MA 06:17

Az univerzum legősibb titkai: döbbenetes felfedezések a James Webb űrtávcsővel

🚀 Egy ragyogó galaxis, a MoM-z14 új fényt vet az univerzum kezdeteire...

MA 06:05

Történelmi események a mai napon (Január 29.)

Röviden: ezen a napon véget ért a Rásidún Kalifátus, megalakult az American League, Karl Benz levédette az első benzinüzemű autót, és Magyarország elsőként a keleti blokkból diplomáciai kapcsolatot létesített Dél-Koreával...

MA 06:02

Az amerikai álláskeresők padlón, a boomerek pánikban

Az Egyesült Államok munkavállalói soha nem érezték magukat ennyire bizonytalannak a munkaerőpiacon...

szerda 20:55

Az Apple tartja az árakat, pedig elszálltak a memóriaárak

💸 Az Apple mindent megtesz, hogy az iPhone 18 árában ne jelenjen meg a globális memóriahiány miatti drágulás...

szerda 20:38

Az amerikai atomenergia reneszánsza: 50 milliárd forintos beruházás a láthatáron

Az Egyesült Államok Energiaügyi Minisztériuma új kezdeményezést indít a nukleáris üzemanyag-ellátási lánc megerősítésére, miután a nukleáris energia iránti kereslet ismét megugrott – főleg az óriási energiaigényű, úgynevezett hiperskálerek adatközpontjai miatt...

szerda 20:20

Az MI megfejti az élet kódját a DNS-ben

A Google DeepMind új MI-modellje, az AlphaGenome alapjaiban változtathatja meg a DNS, vagyis az élet teljes receptjének értelmezését, és utat nyithat a betegségek megértésében és az új gyógyszerek felfedezésében...

szerda 20:01

Az új nanorészecskék áttörést hozhatnak a demencia elleni harcban

Egy forradalmi nanotechnológiai fejlesztés lehetővé teszi, hogy a szervezetből célzottan távolítsák el azokat a fehérjéket, amelyek például a demencia, illetve a daganatok kialakulásáért felelősek...

szerda 19:56

A lítiumion-akkuk veszélyes korszaka tényleg véget ér?

A nátrium-ion (Na-ion) akkumulátorok friss fejlesztései igazi áttörést jelenthetnek az energiatárolásban, és könnyen leválthatják a jelenleg uralkodó lítium-ion (Li-ion) akkumulátorokat...

szerda 19:18

Az Amazon-korszak leáldozott: 30 ezer UPS-állás veszélyben

A UPS újabb nagyszabású leépítést jelentett be: idén 30 ezer állás kerülhet veszélybe, ahogy a cég tovább csökkenti az együttműködését az egykori legnagyobb partnerével, az Amazonnal...

szerda 19:01

Az MI-láz új csúcsokra löki a félvezetőipart

Az MI-vezérelt hardverboom tovább gyorsítja a chip­piacot, a gyártók pedig őrült összegeket költenek fejlesztésekre világszerte...

szerda 18:56

A Grammy nagy visszatérője: Justin Bieber

🏆 Justin Bieber ismét színpadra lép a 2026-os Grammy-gálán, ezzel tovább erősítve a díjátadó fellépőinek sorát...

szerda 18:37

A mesterséges lélek kézikönyve: Claude 80 oldalas személyisége

Claude, az Anthropic által fejlesztett MI-chatbot, egy különleges, 80 oldalas „lélekkel” rendelkezik, amely meghatározza a személyiségét és alapvető szabályait...

szerda 18:03

Az európai MI már a GitHub Copilot trónjára pályázik

Kezdetben az amerikai technológiai óriások játszották a főszerepet a mesterséges intelligencia által támogatott kódolás piacán, de most új európai rivális lépett színre...

szerda 17:55

A legendás Számítógép-történeti Múzeum beköltözött az online térbe

A kaliforniai Mountain View-ban található Számítógép-történeti Múzeum mostantól virtuálisan is látogatható, így már nem kell Amerikáig utazni ahhoz, hogy valaki belemerüljön a digitális kor legfontosabb ereklyéi közé...