論文の概要: Will Code Remain a Relevant User Interface for End-User Programming with
Generative AI Models?
- arxiv url: http://arxiv.org/abs/2311.00382v1
- Date: Wed, 1 Nov 2023 09:20:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-02 14:21:20.078986
- Title: Will Code Remain a Relevant User Interface for End-User Programming with
Generative AI Models?
- Title(参考訳): 生成AIモデルを用いたエンドユーザープログラミングのための関連ユーザインタフェースは残されるか?
- Authors: Advait Sarkar
- Abstract要約: 我々は、ジェネレーティブAIを持つ世界で「伝統的な」プログラミング言語が、非専門家のエンドユーザープログラマにどのような意味を持つのかを探求する。
従来型プログラミング言語がエンドユーザプログラマにとって,いまだに意味があり有用である,いくつかの理由を概説する。
- 参考スコア(独自算出の注目度): 20.275891144535258
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The research field of end-user programming has largely been concerned with
helping non-experts learn to code sufficiently well in order to achieve their
tasks. Generative AI stands to obviate this entirely by allowing users to
generate code from naturalistic language prompts. In this essay, we explore the
extent to which "traditional" programming languages remain relevant for
non-expert end-user programmers in a world with generative AI. We posit the
"generative shift hypothesis": that generative AI will create qualitative and
quantitative expansions in the traditional scope of end-user programming. We
outline some reasons that traditional programming languages may still be
relevant and useful for end-user programmers. We speculate whether each of
these reasons might be fundamental and enduring, or whether they may disappear
with further improvements and innovations in generative AI. Finally, we
articulate a set of implications for end-user programming research, including
the possibility of needing to revisit many well-established core concepts, such
as Ko's learning barriers and Blackwell's attention investment model.
- Abstract(参考訳): エンドユーザープログラミングの研究分野は、非専門家がタスクを達成するのに十分なコーディングを学ぶのを助けることに主に関心がある。
生成AIは、自然言語のプロンプトからコードを生成することによって、これを完全に回避する。
このエッセイでは、生成AIを持つ世界で「伝統的な」プログラミング言語が、非専門家のエンドユーザープログラマにどのような意味を持つのかを考察する。
我々は「生成的シフト仮説」を仮定する:生成的aiは、エンドユーザープログラミングの伝統的なスコープにおいて質的かつ定量的な拡張を生み出す。
従来のプログラミング言語がエンドユーザープログラマにとっていまだに意味があり有用である理由を概説する。
これらの理由のそれぞれが基本的かつ永続的であるか、あるいは、生成AIのさらなる改善と革新によって消滅するかどうかを推測する。
最後に、我々は、Koの学習障壁やBlackwellの注目投資モデルなど、多くの確立された中核概念を再考する必要性を含む、エンドユーザープログラミング研究への一連の意味を明確に述べる。
関連論文リスト
- Towards the Ultimate Programming Language: Trust and Benevolence in the Age of Artificial Intelligence [0.0]
人工知能の文脈におけるプログラミング言語の役割の進化について考察する。
不要な実装の詳細を排除しながら、人間の理解を確保するためのプログラミング言語の必要性を強調します。
将来のプログラムは、ユーザーの興味を認識し、積極的に支援するように設計されるべきである。
論文 参考訳(メタデータ) (2024-11-29T19:02:25Z) - Programming with AI: Evaluating ChatGPT, Gemini, AlphaCode, and GitHub Copilot for Programmers [0.0]
本稿では、ChatGPT、Gemini(Bard AI)、AlphaCode、GitHub Copilotなど、主要なプログラミングアシスタントの徹底的な評価を行う。
AIモデルの潜在能力を具現化する倫理的開発プラクティスの必要性を強調している。
論文 参考訳(メタデータ) (2024-11-14T06:40:55Z) - Toward Programming Languages for Reasoning: Humans, Symbolic Systems, and AI Agents [0.0]
統合、構成、機械化、AIによる開発支援は、ソフトウェア開発の将来を駆動するテーマである。
本稿では,新しい言語機能や論理構造ではなく,バスク語のプラットフォームと言語という形で急進的な単純化を提案する。
論文 参考訳(メタデータ) (2024-07-08T19:50:42Z) - CodeGRAG: Bridging the Gap between Natural Language and Programming Language via Graphical Retrieval Augmented Generation [58.84212778960507]
我々は,LLMの性能を高めるため,グラフィカル検索拡張コード生成フレームワークであるCodeGRAGを提案する。
CodeGRAGは、制御フローとデータフローに基づいて、コードブロックのグラフィカルなビューを構築し、プログラミング言語と自然言語のギャップを埋める。
ハードメタグラフプロンプト、ソフトプロンプト技術、事前訓練されたGNN専門家の目的の有効性を検証するために、C++言語とピソン言語の両方を含む4つのデータセットで様々な実験と改善が行われた。
論文 参考訳(メタデータ) (2024-05-03T02:48:55Z) - Students' Perspective on AI Code Completion: Benefits and Challenges [2.936007114555107]
学生の視点から,AIコード補完のメリット,課題,期待について検討した。
その結果,AIコード補完は,正しい構文提案を提供することで,学生の生産性と効率を向上させることがわかった。
将来的には、AIコード補完は説明可能であり、教育プロセスを強化するための最高のコーディングプラクティスを提供するべきである。
論文 参考訳(メタデータ) (2023-10-31T22:41:16Z) - PwR: Exploring the Role of Representations in Conversational Programming [17.838776812138626]
PwR(Programming with Representations)は、自然言語でシステムの理解をユーザに伝えるために表現を使用する手法である。
その結果,表現は理解可能性を大幅に向上させ,参加者の間にエージェンシーの感覚を植え付けることができた。
論文 参考訳(メタデータ) (2023-09-18T05:38:23Z) - A Survey on Brain-Inspired Deep Learning via Predictive Coding [85.93245078403875]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - From Word Models to World Models: Translating from Natural Language to
the Probabilistic Language of Thought [124.40905824051079]
言語インフォームド・シンキングのための計算フレームワークである「構成」を合理的に提案する。
我々は、自然言語から確率論的思考言語への文脈感応的なマッピングとして、言語の意味を定式化する。
LLMは、現実的に適切な言語的意味をキャプチャする文脈依存翻訳を生成することができることを示す。
認知的なモチベーションを持つシンボリックモジュールを統合するために、我々のフレームワークを拡張します。
論文 参考訳(メタデータ) (2023-06-22T05:14:00Z) - Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。
トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文 参考訳(メタデータ) (2023-02-14T18:43:34Z) - Competition-Level Code Generation with AlphaCode [74.87216298566942]
より深い推論を必要とする問題に対する新しいソリューションを作成することができるコード生成システムであるAlphaCodeを紹介する。
Codeforcesプラットフォームにおける最近のプログラミングコンペティションのシミュレーション評価において、AlphaCodeは平均54.3%のランキングを達成した。
論文 参考訳(メタデータ) (2022-02-08T23:16:31Z) - Measuring Coding Challenge Competence With APPS [54.22600767666257]
コード生成のベンチマークであるAPPSを紹介する。
私たちのベンチマークには1万の問題が含まれています。
GPT-Neoのような最近のモデルでは、導入問題のテストケースの約15%をパスできる。
論文 参考訳(メタデータ) (2021-05-20T17:58:42Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。