まず第一に、これがすぐに起こっていることは明らかです。さまざまな企業(yè)が、現(xiàn)在AIによって書(shū)かれているコードの割合について話しており、これらは迅速なクリップで増加しています。ハイテクの世界のこの部分には、すでに多くの仕事の移動(dòng)があります。

しかし、特定の性格は基本的に、AIツールとプロセスを習(xí)得するために、そしてこのタイプの進(jìn)歩がどのように揺れ動(dòng)くかを見(jiàn)る能力のために一般的な名前になりつつあります。

そして、これらの先駆者のいくつかも一種の預(yù)言的です。彼らは彼らの見(jiàn)通しについて話している記録にあり、人々は聞いています。

これら3人のイノベーターから、2025年にコーディングの世界について聞いていることのいくつかを見(jiàn)てみましょう。

アンドレイ?カルパシー

この元Openaiのメンバーは、そこでの彼の仕事とテスラでの彼の仕事でよく知られています。彼は、コンピュータービジョンとNLPに関連するスタンフォードで博士號(hào)を取得しました。彼は続けてEureka Labsを見(jiàn)つけました。そこでは、學(xué)生はAIネイティブプラットフォームをトレーナーとモデルに使用しました。

彼の最も有名な引用？

「英語(yǔ)は最もホットな新しいプログラミング言語(yǔ)です。」

この聲明は、それ自體で、雰囲気のコーディングに直接対処し、コーダーがプロンプターになるプロセスについて説明します。 AIは獨(dú)自のコードを作成できるため、Vibe Codingは、これらのより広範(fàn)なプロンプトを提供し、何が出てくるかを見(jiàn)て、最終結(jié)果のために微調(diào)整する慣行です。

ライリー?ブラウン

ライリーブラウンはYouTubeで大きく、AIフィールドで著名です。彼は実際にVibe Codeという會(huì)社を設(shè)立しました。これは、開(kāi)発者がAIツールを使用してプロジェクトを?qū)g現(xiàn)するのに役立つプラットフォームです。

人々は実際に「バイブコーディング」という用語(yǔ)をブラウンに帰します。ブラウンは、決定論的なコーディングの伝統(tǒng)を扱うことよりも創(chuàng)造的で進(jìn)化するアプリケーションになる方法を強(qiáng)調(diào)する際にそれを造りました。

彼の引用：「手動(dòng)で書(shū)くコードは過(guò)去のものになるでしょう?！?/p>

そして、それは起こっています。

トム?プレストン?ワーナー

Tom Preston-Werner（少なくとも私が知っている直接的な関係はありません）は、コード制御とコラボレーションのためのプラットフォームであるGithubの共同設(shè)立者であるコードをオンラインで稱賛しています。

彼はまた、動(dòng)的なサイトやブログのための変換ツールであるJeckylを作成しました。

彼の引用：「あなたは自動(dòng)化を作成するか、自動(dòng)化されている人のどちらかです?！?/p>

ポッドキャスティングメモ

これら3つのうち、ブラウンとカルパティの両方が私のお?dú)荬巳毪辘违荪氓丧悭攻趣?つであるAI Daily BriefとNathaniel Whittemoreでインタビューされたことに注意するのは興味深いことです。

具體的には、ホイットモアは、「Power to the People」と呼ばれるKarpathyの論文からの引用を読むのに時(shí)間をかけました。エンジニアはAIの基本的な側(cè)面のいくつかを指摘しました。ここにいくつかの引用があります：

「変革的技術(shù)は通常、政府や軍事的文脈に由來(lái)し、企業(yè)を通過(guò)し、最終的には個(gè)人に到達(dá)し、電気、暗號(hào)、コンピューター、フライト、インターネット、またはGPSに到達(dá)します。この進(jìn)行は、通常、希少で資本が集まっており、初期の技術(shù)的な専門(mén)的な専門(mén)知識(shí)を描くために特別な技術(shù)的専門(mén)分野に従う必要があります。このパターンの逆転 - 彼らは通常の人々に不均衡な利益を生み出しますが、その影響は企業(yè)や政府ではるかに落ち著いて遅くなります?！?/p>

「LLMは、非常に具體的な能力のプロファイルを提供します - 単なる準(zhǔn)専門(mén)知識(shí)/パフォーマンスのプロファイルは、同時(shí)に非常に多種多様なドメインであります。言い換えれば、それらは同時(shí)に汎用性がありますが、淺くて誤りがあります。」

「楽しみにして、もちろんLLMSの継続的な拡散は、パフォーマンスの継続的改善とその機(jī)能プロファイルに依存します。「利益分布」はチャートにとって特に興味深いものであり、資本支出の関數(shù)としてのパフォーマンスのダイナミックレンジに大きく依存します?！?/p>

紙にはもっとたくさんあります。これらの3つの引用は、LLM使用に関するより深いポイントのいくつかを示しています。最初のものは、論文（人々への力）と、LLMが他の形の「トップダウン」テクノロジーとどのように異なるかを示しています。 2番目は、モデルの専門(mén)化と、それがどのように機(jī)能するかについて話します。 3番目は、コスト、パフォーマンス、およびパワーを考えています。

ですから、AIの突然の統(tǒng)合を私たちの生活、ビジネス、その他の場(chǎng)所に消化し続けているので、それはあなたが銀行に持って行くことができるものの少しです。覚えておいてください：自動(dòng)化が來(lái)ています。

以上が3人の最高の雰囲気コーダーがこのAI革命をコードで分解するの詳細(xì)內(nèi)容です。詳細(xì)については、PHP 中國(guó)語(yǔ) Web サイトの他の関連記事を參照してください。