[Перевод] ИИ на Python: кто и зачем передаёт клавиатуру алгоритмам

Пока одни боятся, что искусственный интеллект отберёт у них работу, другие активно перекладывают на нейросети всё больше своих программных задач. Недавние исследования показывают, кто именно использует генеративный ИИ для написания кода и насколько это выгодно в реальности. Учёные из Университета Утрехта совместно с Complexity Science Hub решили глубоко разобраться в распространении генеративного ИИ в программировании. Они изучили более 80 миллионов изменений кода на платформе GitHub, сделанных в период с 2018 по 2024 год. Исследователи разработали специальный нейросетевой классификатор, способный отличить код, написанный человеком, от кода, созданного с помощью генеративных алгоритмов. Выяснилось, что лидерами в этой «гонке автоматизации» стали программисты из Соединённых Штатов. Уже к концу 2024 года более 30% всех Python-функций, написанных разработчиками в США, были результатом работы искусственного интеллекта. Европейские страны, такие как Германия и Франция, также активно следуют этому тренду, достигая показателей в 24,3% и 23,2% соответственно. Любопытно, что среди стран Азии картина выглядит иначе: если в Индии использование ИИ достигло уровня 21,6%, то в России и Китае показатели значительно ниже — 15,4% и 11,7% соответственно. Эксперты связывают это с различиями в экономических и технологических условиях, а также с возможными регуляторными ограничениями. Интересным аспектом исследования стало выявление групп, наиболее охотно передающих рутину программирования алгоритмам. Оказалось, что новички, которые недавно начали карьеру на GitHub, особенно склонны использовать нейросети в своей работе — они доверяют ИИ около 41% задач. Опытные программисты более консервативны и чаще предпочитают писать код вручную, полагаясь на алгоритмы лишь в 28% случаев.

https://habr.com/ru/articles/918302/

#ии #программирование #Python #GitHub #производительность #автоматизация_кода #нейросети #экономический_эффект #международное_сравнение #новые_библиотеки

ИИ на Python: кто и зачем передаёт клавиатуру алгоритмам

Пока одни боятся, что искусственный интеллект отберёт у них работу, другие активно перекладывают на нейросети всё больше своих программных задач. Недавние исследования показывают, кто именно...

Хабр

Экономический эффект Марка Твена

Не в честь каждого называют экономический эффект. Марк Твен знатно потрудился, чтобы это звание закрепилось за ним в веках. Инвестировать он начал одновременно с карьерой журналиста и писателя. И если перо принесло ему успех на литературном поприще, то вот игры с инвестированием сразу не задались. Он начал со скромных пяти тысяч долларов (на сегодняшние деньги около 168 тысяч) на создание суперэкономного парового двигателя, но попал на шарлатана. Двигатель экономить топливо категорически отказался. Неудача раззадорила — он купил несколько патентов и нанял людей, которые пытались воплотить их в реальность… И тут ничего не вышло, кроме пустой траты больших денег. Но это Твена-инвестора не остановило: он вложил более 32 тысяч долларов (сегодня это чуть меньше миллиона ) в акции Hartford Company, которая разрабатывала оборудование для паромов, рассудив, что раз он сам когда-то работал лоцманом, в этой области ему всё понятно от и до. Компания прогорела. Дальше шло всё примерно в том же ключе. Так и родилось знаменитое: «Октябрь — это один из особенно опасных месяцев для спекуляций акциями. Остальные — июль, январь, сентябрь, апрель, ноябрь, май, март, июнь, декабрь, август и февраль». Короче, знакомьтесь, вот экономический эффект Марка Твена во всей его красе.

https://habr.com/ru/companies/gazprombank/articles/810267/

#банк #экономика #экономический_эффект #Марк_Твен #инвестиции

Экономический эффект Марка Твена

Не в честь каждого называют экономический эффект. Марк Твен знатно потрудился, чтобы это звание закрепилось за ним в веках. Инвестировать он начал одновременно с карьерой журналиста и писателя. И если...

Хабр