A Generative AI in the Real World podcast vendégeként Duncan Davidson, független tanácsadó és veterán szoftvermérnök, arról beszélt Ben Loricával, hogyan változhat meg a személyes AI, ha az emberek képesek lennének magukkal vinni saját kontextusukat különböző szolgáltatások között — és eldönteni, melyik szolgáltatás mihez férhet hozzá.
A beszélgetés kerete
A műsor arra fókuszál, hogy a 2023‑as ChatGPT‑láz után 2026‑ban miként válhatnak a nagy ígéretek működő megoldássá a vállalatoknál. Ben Lorica olyan vezetőkkel készít interjúkat, akik AI‑val építenek termékeket, hogy a hallgatók gyakorlatias tapasztalatokból tanulhassanak.
Fejlődő fejlesztői szerep és a kódolás célorientáltsága (06:31)
Davidson az AI‑val támogatott kódolást összehasonlította a desktop publishing technológiájával: a korábbi, kézzelfogható szerkesztési munkát ugyan kivette a kezekből, de a tervező felelőssége megmaradt a végeredményért. Webflownál tapasztalta, hogy az AI eszközök jelentősen gyorsították a webfejlesztést. A fejlesztők munkájának prémisszája nem annyira az, hogy mennyire gyorsan gépelnek kódot, hanem inkább az, „milyen eredményt akarsz elérni, mit akarsz csinálni ezzel a kóddal, és hogyan lehet azt jobban megvalósítani?” Ugyanakkor továbbra is szükség van emberi megítélésre, hogy az implementáció illeszkedik‑e a rendszer egészéhez.
Hogyan lesznek szakértők az új fejlesztők? (10:41)
Davidson szerint a számítástechnika alapjai továbbra is fontosak, mert amikor egy ügynök több vélhető javítást javasol, emberi döntés kell ahhoz, hogy a nagyobb rendszerbe illeszkedő megoldást válasszák. Ben megkérdezte, honnan szerzik majd meg az új mérnökök ezt az ítélőképességet, ha az AI átvállalja a belépő szintű feladatokat. Davidson párhuzamot vont a korai szakmai feladatok és a művészeti szakmai gyakorlat (apprenticeship) között: a kezdeti, gyakran alantas munkák révén a kezdők megismerik a teljes működést. Figyelmeztetett, hogy azok a cégek, amelyek csak a termelékenységet mérik, túl kevés terepet hagyhatnak a tanulásra.
Az open source felülvizsgálati folyamatok feszültségei (23:07)
Davidson arról számolt be, hogy egy általában használt könyvtár javításai és egyéb teljesítményproblémák miatt a saját forráskód‑ágának állapota nagyjából 25 pull requesttel volt előrébb a projekt fő ágánál. A projekt karbantartói szintén használtak AI‑t, ami megnehezítette a hasznos változtatások beáramoltatását anélkül, hogy túlterhelnék a review folyamatot. Következtetése szerint a hagyományos open source együttműködési modellek „komoly átalakításra” szorulnak az AI‑asszisztált hozzájárulások kezelése érdekében.
Személyes memória ma: töredezett és szolgáltatáshoz kötött (28:27)
Davidson eredetileg kódoló ügynökeit Markdown fájlokba mentett hasznos információkkal látta el. Amikor a kereskedelmi ügynökök memóriát kezdtek nyújtani, azt tapasztalta, hogy „Claude egyféleképpen ismert meg, a ChatGPT pedig másként”. Bár képes volt kontextust visszatolni minden egyes eszközbe utasításokkal és időnkénti emlékeztetőkkel, ez a megoldás túl sok kézi finomhangolást igényel a legtöbb felhasználó számára. Davidson arra törekszik, hogy egy kisebb készlet megosztott mechanizmus legyen, amely lehetővé teszi a személyes kontextus hordozását a szolgáltatások között.
Hordozható memória határai és hatókör‑vezérlés (34:01)
Szerinte a prompt kontextusa, egy ügynök rövid távú emléke és egy személy hosszabb távú tudása is utazhatna szolgáltatások között, de a felhasználónak kontrollt kell adni a hozzáférés hatóköréhez. Ő maga általános jegyzeteket tart családi és pénzügyi információk mellett, és egy hasznos rendszer próbatétele számára az, hogy képes legyen azt mondani: „Adj Claude‑nak hozzáférést ezekhez a tudástartományokhoz, de nem mindhez.” Bonyolítja a helyzetet, ha egy személyes ügynök munkahelyi jellegű tudásba ütközik; Davidson nem zárta ki, hol húzódik a munkavállaló szakértelmének és a munkaadó információinak határa.
Bizalom, biztonság és mit osztanak meg az emberek (36:44)
Ben például még nem kényelmes azzal a gondolattal, hogy egy fogyasztói ügynök belenyúljon a pénzügyeibe. Davidson rámutatott, hogy a bizalomnak tapasztalaton keresztül kell növekednie, ahogy egy emberi ügynöknél is történne. Már most látszik, hogy az AI‑ügynökök gyorsabban találhatnak sebezhetőségeket, mint ahogy a hagyományos felelős közzétételi gyakorlatok képesek kezelni. Davidson számít arra, hogy a szoftver karbantartói nagyobb nyomást fognak érezni, miközben az ügynökök rejtett hibákat hoznak felszínre; Ben pedig felvetette, hogy a sérülékeny kódokra támaszkodó szervezetek milyen sebességgel értesülnek majd ezekről a problémákról. A felhasználóknak kontrollt kell kapniuk arról, mit érhet el az ügynök, és biztosnak kell lenniük a körülötte lévő rendszerekben.
Modell: személyes emlék a készüléken, megosztás kérésre (49:52)
Davidson elképzelése egy olyan megoldást vázolt fel, ahol a személyes memória a telefonon található, és amikor egy szolgáltatás szeretne hozzáférni bizonyos adatokhoz, a szolgáltatás ügynöke kérelmet intéz a telefonhoz, amely a felhasználótól kéri az engedélyt. Példaként említette az autókereskedést: annak ügynöke lekérdezhet adatokat, de a telefon nem osztja meg automatikusan az összes információt, hanem engedélyt kér. Davidson megfogalmazása szerint: a szolgáltatás megkaphat egy hivatkozást a memóriára, és az ügynökök „bejárhatnak és megkereshetnek” adatokat, de a tényleges megosztás a felhasználó jóváhagyásától függ.
Következtetések
A beszélgetés számos, a személyes AI‑memóriát érintő technikai és emberi kérdést vet fel: hogyan tartható hordozhatóan a kontextus anélkül, hogy feláldoznánk a kontrollt és a biztonságot; miként tanulnak meg a jövő mérnökei ítélkezni, ha az AI átveszi az alapfeladatokat; és hogyan kell átalakulniuk a nyílt forráskódú együttműködéseknek, hogy kezeljék az AI‑asszisztált hozzájárulások volumenét. Davidson javaslata a helyi memóriára és a hatókör‑alapú engedélyezésre egyszerre célozza a magánszféra védelmét és a szolgáltatások közti hasznos kontextusmegosztást.
A beszélgetés teljes felvétele és további epizódok elérhetők az O’Reilly Learning platformon, illetve a podcast megtalálható YouTube‑on, Spotify‑on és Apple‑on is.
