- September 24, 2024
- 6 min read
AI als killer-app voor codering: een blik op de toekomst van AI in ontwikkeling
Terwijl veel experts nog steeds wachten op een killer-app in de wereld van kunstmatige intelligentie (AI), zegt Naveen Rao, vice-president voor generatieve AI (GenAI) bij Databricks, dat we die al hebben – het is coderen. “We zien veel ontwikkelaars, vooral jongere ontwikkelaars, hier echt op inhaken. Large Language Models (LLM’s) werken ook met code (naast tekst, afbeeldingen, audio, video’s, enz.), en we zien al design automatisering gebeuren door middel van code-assistentie. Coderen is een subcategorie van een veel grotere klasse van toepassingen rond echte design automatisering,” vertelde Rao aan Mint in een recent videointerview vanuit zijn kantoor in San Diego.
Rao beweert dat naarmate meer coderingstaken geautomatiseerd worden, het vermogen om te innoveren in productontwerp en unieke gebruikerservaringen te creëren alleen maar waardevoller zal worden. “Je kunt nu apps maken door ze simpelweg te omschrijven in het Nederlands. Hierdoor is de waarde van het vertalen van een ontwerpidee naar een app afgenomen, omdat een groot deel van dat proces nu geautomatiseerd is,” zegt hij.
Een ontwikkelaar zijn zal volgens Rao betekenen dat je effectief AI-tools kunt gebruiken. De focus zal verschuiven naar het begrijpen waarom bepaalde apps succesvol zijn terwijl anderen dat niet zijn. Rao onderstreept echter dat “het 3 tot 5 jaar zal duren om deze systemen zo betrouwbaar en deterministisch te maken dat ze gebruikt kunnen worden in kernengineering.” De reden hiervoor is dat GenAI nog steeds worstelt met “hallucinaties” (incorrecte of misleidende resultaten) en geen echt redeneervaardigheden heeft, ondanks claims van het tegendeel door sommige grote techbedrijven.
Data eet de wereld op door AI
“Huidige LLM’s passen vooral patronen aan op basis van waarschijnlijkheden, ze redeneren niet echt. In tegenstelling tot mensen of zelfs dieren die leren door een cyclus van actie en feedback, gaan LLM’s niet in op causaal, reëel wereldleren. Hoewel verbeteringen, zoals de stapsgewijze redenering die is geïntroduceerd door OpenAI, veelbelovend zijn, is er nog een lange weg te gaan,” legt Rao uit. Hij heeft een graad in computerwetenschappen van Duke University en een doctoraat in computationele neurowetenschappen van Brown University.
Wat Rao ‘s nachts wakker houdt, is de kloof tussen het potentieel van AI en de huidige beperkingen, vooral op het gebied van redeneren. Volgens hem geven AI-modellen zoals DeepMinds AlphaZero, dat hypothesen opstelt en leert door zelfspel in gestructureerde omgevingen, een glimp van wat mogelijk is, “maar we zijn nog ver verwijderd van het toepassen daarvan in de echte wereld.”
“We moeten beter begrijpen hoe we modellen in staat kunnen stellen om te redeneren en te leren in dynamische omgevingen,” zegt Rao.
Deze drang naar redeneren vraagt echter niet per se om meer rekenkracht, volgens hem. In plaats daarvan is de verschuiving naar kleinere, hoogwaardige datasets en meer gerichte afstemming, wat mogelijk niet de enorme computerbronnen vereist die gepaard gaan met het trainen van grotere modellen.
Waarom software de AI-wereld niet zal opeten
Rao beweert ook dat software de AI-wereld niet zal opeten, verwijzend naar het beroemde essay uit 2011 van Marc Andreessen, medeoprichter van het Amerikaanse durfkapitaalbedrijf Andreessen Horowitz, getiteld “Why software is eating the world”. In een thread op ‘X’ (voorheen Twitter) van 30 augustus, stelde Rao dat de “fundamentele balans tussen compute en software anders is met AI. Gezien de sterke groei en recente resultaten van @nvidia is het duidelijk dat hardware een essentiële ingrediënt is voor de huidige golf van AI…”
Rao zegt dat hij meer “opgewonden is over de voortdurende evolutie van hardware, die efficiëntie blijft stimuleren en kosten verlaagt.” Hij haalt het voorbeeld aan van de menselijke hersenen, die werken op slechts 20 watt energie, “wat laat zien hoe ver we nog verwijderd zijn van het creëren van AI-systemen die zo efficiënt en geavanceerd zijn.”
Hij voegt eraan toe dat er aanzienlijke vooruitgang wordt geboekt in de manier waarop AI-systemen interacteren met hardware, waardoor de latentie, kosten en nauwkeurigheid verbeteren. Databricks onderzoekt bijvoorbeeld “verschillende opwindende toepassingen van AI en GenAI, vooral op het gebied van taakautomatisering en creatieve processen,” aldus Rao.
Data is de olie voor AI
Eén aandachtsgebied is het automatiseren van taken zoals het beantwoorden van HR-vragen of het doorzoeken van bedrijfshandleidingen, waar “je enige fout kunt tolereren.” Een andere innovatieve toepassing is het trainen van LLM’s om een specifieke schrijfstijl na te bootsen, wat nieuwsorganisaties kan helpen door het versnellen van contentcreatie. Databricks ondersteunt ook het gebruik van LLM’s in wetenschappelijk onderzoek, zoals geneesmiddelontwikkeling, waar AI helpt bij het analyseren van eiwitinteracties en het bevorderen van de ontwikkeling van nieuwe medicijnen.
Data is een essentiële ingrediënt om AI echt economische waarde te laten toevoegen. Dus misschien is het nieuwe mantra nu: “Data eet de wereld op door AI”, zegt Rao.
Dat gezegd hebbende, worstelen veel bedrijven met het overbruggen van de kloof tussen data-paraatheid en effectieve AI-implementatie. Een belangrijke uitdaging, zegt Rao, is het begrijpen van de economie van AI, die significant verschilt van traditionele softwaremodellen zoals Software-as-a-Service (SaaS), waar veel applicaties kunnen draaien op één stuk hardware. AI-modellen vereisen daarentegen dedicated fysieke infrastructuur voor elke extra gebruiker.
Dit betekent volgens Rao dat het opschalen van AI dure hardwareinvesteringen met zich meebrengt, wat resulteert in lagere brutowinstmarges (vaak onder de 20%) in vergelijking met SaaS. Aan de ontwikkelingskant maken stijgende kosten winstgevendheid moeilijk, vooral omdat grotere bedrijven blijven investeren en verlieslijdend opereren.
Nieuwe vaardigheden vereist
Rao is het ermee eens dat AI een diepe impact zal hebben op banen, vooral gezien het toenemende gebruik van co-pilots en volledig autonome AI-agentische systemen in ondernemingen. Het is duidelijk dat we moeten bepalen hoe mensen integraal blijven bij dit proces, zegt Rao. Databricks werkt hieraan door tools te ontwikkelen die klanten helpen bij het bouwen van kwalitatief hoogwaardige AI-agenten. Deze agenten gaan verder dan eenvoudige taken en automatiseren complexe processen met behulp van klantgegevens om waarde te creëren.
“AI zal banen aanzienlijk veranderen, net zoals andere technologische vooruitgangen dat in het verleden hebben gedaan. Naarmate AI vordert, zullen de belangrijkste vaardigheden dataengineering, systeemorkestratrie, productontwerp en het gebruik van AI-tools omvatten,” zegt Rao.
Het evenwicht vinden tussen innovatie en verantwoorde AI is ook cruciaal, vooral wat betreft gegevensprivacy, vooroordelen en transparantie, erkent Rao. Databricks excelleert volgens hem op het gebied van governance, met zijn Unity Catalog dat strikte beveiliging over data en modellen garandeert.
Conclusie
Hoewel AI nog een lange weg te gaan heeft, is het duidelijk dat het de manier waarop we apps ontwikkelen en banen in de technologiesector vormgeven, drastisch zal veranderen. Met generatieve AI-agenten die steeds geavanceerder worden, zullen vaardigheden als dataengineering, systeemorkestratrie en productontwerp cruciaal zijn. Bedrijven moeten echter ook verantwoorde AI-praktijken omarmen en ervoor zorgen dat privacy, vooroordelen en transparantie worden gewaarborgd. Zoals Rao aangeeft, is het vinden van het juiste evenwicht tussen innovatie en verantwoordelijkheid de sleutel tot succes in het AI-tijdperk.