ZURÜCK IN DIE ZUKUNFT AI-driven Software Development JÖRG NEUMANN | ACLUE NENO LOJE | FREELANCER

QUELLEN DER TRAININGSDATEN Common Crawl 67% C4 15% GitHub 4,5% Wikipedia 4,5% Books 4,5% ArXiv 2,5% Stack Exchange 2% [Trainingsdaten Mix von Meta‘s LLaMA Model]

TOKENS & EMBEDDINGS Tokens Text Token IDs Tokens  einzelne Zeichen, Wörter oder Teile von Wörtern  je nach verwendeter Tokenisierung und Sprache  100 Tokens ~= 75 Wörter  Byte Pair Encoding Algorithmus Token ID  Eindeutige ID eines Token  werden im Vokabular gespeichert – Liste aller Tokens, die das Modell kennt  GPT-3: ca. 50k Tokens Limits  Einschränkung für Input und Output Tokens  GPT-3: 4096 Tokens  GPT-4: 8096 Tokens/32K Parameter  Gewichte & Schwellenwerte  GPT-1: 117 Millionen  GPT-2: 1,5 Milliarden  GPT-3: 175 Milliarden  GPT-4: 170 Billionen Embeddings  Vektoren: Liste von 200+ Dimensionen  Fließkommazahlen mit denen das Modell rechnet

WIE FUNKTIONIERT‘S? PRETRAINING Internet Daten Billionen von Wörtern Relative schlechte Qualität Model kann deployed werden Beispiele: GPT, LLaMA, PaLM Language Modeling tausende GPUs monatelanges Training SUPERVISED FINETUNING Demonstrationen ideale Antworten manuell generiert Model kann deployed werden Beispiel: Vicuna-13B Language Modeling wenige GPUs tagelanges Training REWARD MODELING Vergleiche mögliche Antworten vergleichen manueller Vorgang Algorithmus sagt Rewards voraus wenige GPUs tagelanges Training REINFORCEMENT LEARNING Prompts bis zu hunderttausend Prompts manuell generiert Modell kann deployed werden Beispiel: ChatGPT, Claude Algorithmus generiert Tokens mit maximalen Rewards tagelanges Training / wenige GPUs

Daniel Architektur Clara PO Sarah Frontend Josh Backend Tim DevOps Das Team Herausforderungen  Steigerung der Produktivität  Verbesserung der Code Qualität  Weniger individuelles Fachwissen erforderlich  Entwicklung KI-gestützter Software  KI wird die Art und Weise verändern, wie wir Software entwickeln

PHASE 1: KI als Dev Tool

Daniel Architektur Clara PO Sarah Frontend Josh Backend Tim DevOps Das Team Wo kann KI unterstützen?  Code generieren  Code analysieren / verbessern  Bugs erkennen  Unit Tests schreiben  Code in andere Sprache übersetzen  Code erklären

DEMO CODE GENERATION MIT CHAT GPT

Daniel Architektur Clara PO Sarah Frontend Josh Backend Tim DevOps Das Team Was gibt‘s für Tools?  GitHub Copilot  Cody  StarCoder  Code Whisperer  Bito  …

DEMO CODE GENERATION TOOLS

PHASE 2: KI als virtuelles Team Mitglied

Daniel Architektur Clara PO Sarah Frontend Josh Backend Tim DevOps Das Team Typische Aufgaben  Infrastruktur bereitstellen  VMs provisionieren  Datenbanken aufsetzen  CI/CD Pipeline bauen  Repos anlegen  … Durchführung  Engineer arbeitet Tickets ab

Daniel Architektur Clara PO Sarah Frontend Josh Backend Tim DevOps Das Board

Daniel Architektur Clara PO Sarah Frontend Josh Backend Tim DevOps Das Ticket

Daniel Architektur Clara PO Sarah Frontend Josh Backend Tim DevOps Die Umsetzung KI DevOps

Daniel Architektur Clara PO Sarah Frontend Josh Backend KI DevOps Das Team Typische Aufgaben  Fachliche Anforderungen ermitteln  Epics & User Stories schreiben  Kommunikation mit Devs & Stakeholdern Durchführung  Schreibt Epics, Stories & Tickets  QS, PM Azure Open AI Service  Eigene GPT- Instanzen hosten  Spezialisierte GPT- Modelle bereitstellen  Pre-Prompting  Custom Data  … KI PO

DEMO VIRTUELLES TEAM MITGLIED

PHASE 3: KI als Dev Team

Clara PO Sarah Frontend Josh Backend Tim DevOps Daniel Architektur KI PO KI Frontend KI Backend KI DevOps Das Team Typische Aufgaben  Technische Konzeption  Prototyping  Code schreiben  Technical Review  QM  … Durchführung  Dev Team steuern Typische Aufgaben  Fachlichkeit analysieren  Technische Konzeption  KIs bauen  Technical Review  Customizing  … Durchführung  KIs steuern TheForgeAI / MS Prompt Flow  Spezifische KIs in einem Workflow zusammenarbeiten lassen  Jede KI übernimmt eine eigene Rolle  KIs können miteinander kommunizieren

DEMO VIRTUELLE TEAMS BAUEN

FAZIT  KI verbessert Produktivität und Qualität in der Softwareentwicklung  Dadurch haben wir mehr Zeit für die wichtigen Dinge  Ein gutes Verständnis der Technologien ist weiterhin erforderlich  Wir werden zukünftig AI-driven Software bauen

RESSOURCEN  ChatGPT  BratGPT: der etwas andere Code-Generator  GitHub Copilot: Code-Generator  Cody: VSCode Extension  Azure OpenAI: Service: Eigene GPT-basierte Modelle entwickeln  TheForgeAI: KI-Workflows bauen  LearnPrompting: Lernen wie man mit KI richtig spricht  Kurse auf Deeplearning.ai

Q & A