Si hay algo que ha llamado la atención del mundo tecnológico en las últimas semanas es ChatGPT. Los medios lo proyectan como la próxima gran cosa después del motor de búsqueda de Google, y los expertos compiten entre sí para predecir su impacto en la sociedad. Este artículo trata de echar un vistazo a ChatGPT desde el punto de vista de un desarrollador de software.. Intentaremos averiguar si ChatGPT reemplazará los trabajos..
ChatGPT es un chatbot impulsado por IA. Construido por OpenAI con sede en San Francisco, se anunció al mundo en noviembre de 2022.
En palabras de ChatGPT, es un asistente de IA capacitado para ayudar a responder preguntas y brindar información sobre una amplia variedad de temas, incluidos conocimientos generales, historia, ciencias, matemáticas, lenguaje y muchos más. ¿Suena familiar? ¿Los motores de búsqueda ya no están haciendo ese trabajo? ¡Hay una diferencia!
Según OpenAI, ChatGPT ha sido entrenado para interactuar de forma conversacional. El formato de diálogo permite que ChatGPT responda preguntas de seguimiento, admita errores, cuestione premisas incorrectas y rechace solicitudes inapropiadas.
Probemos ChatGPT
Bueno, ¡vamos a experimentarlo! Lo primero es iniciar sesión en ChatGPT. Visita la URL https://chat.openai.com/auth/login en cualquier navegador moderno para abrir la página de inicio de sesión. Se ve como en la figura 1.
Como aún no nos hemos registrado, haga clic en el botón ‘Registrarse’. Abre el cuadro de diálogo, que ofrece varias formas de registrarse.
En mi caso, opté por seguir con Google. Después de ingresar sus credenciales de Google, solicitó un nombre y un número de teléfono para iniciar el proceso de verificación. Después de ingresar la OTP recibida, el ChatGPT se abrió en la URL https://chat.openai.com/chatcomo en la figura 2.
ChatGPT establece claramente que la versión actual es solo una vista previa de búsqueda gratuita. Su objetivo es obtener retroalimentación externa para mejorar sus sistemas y hacerlos más seguros. También advierte que, en ocasiones, el sistema puede generar información incorrecta o engañosa y producir contenidos ofensivos o tendenciosos, a pesar de las medidas de seguridad establecidas.
Dado que los capacitadores de IA pueden revisar las conversaciones de ChatGPT para mejorar los sistemas, no debemos compartir ninguna información confidencial en nuestras conversaciones.
Juguemos con ChatGPT
La programación es una de las áreas en las que ChatGPT demuestra ser un asistente útil. Por ejemplo, escriba la siguiente pregunta en el aviso y vea la respuesta:
java command to compile a fileAdemás de estas simples preguntas, incluso podemos pedirle a ChatGPT que escriba el código por nosotros. ¿Qué tal obtener ayuda para escribir algo de código de Python? Inicié una nueva conversación con el siguiente aviso:
sort numbers using bubble sort in pythonEl asistente generó el siguiente código:
def bubble_sort(numbers):
n = len(numbers)
for i in range(n):
for j in range(0, n - i - 1):
if numbers[j] > numbers[j + 1]:
numbers[j], numbers[j + 1] = numbers[j + 1], numbers[j]
test the function
numbers = [3, 4, 1, 2, 5]
bubble_sort(numbers)
print(numbers) # [1, 2, 3, 4, 5]Puede verificar el código simplemente revisándolo en caso de que sea un desarrollador de Python. O copie el código en un archivo fuente e intente ejecutarlo en un entorno de Python. ¡Obras!
Pero no termina ahí. Sabemos que hay más de una forma de escribir código para la ordenación de burbujas. ChatGPT está de acuerdo. Le pedí que lo intentara de nuevo.
Esta vez generó el siguiente código:
def bubble_sort(numbers):
# Set the flag to True to start the sorting
flag = True
# Keep looping until the flag is False
while flag:
# Set the flag to False
flag = False
# Loop through the numbers
for i in range(len(numbers) - 1):
# Check if the current number is greater than the
next number
if numbers[i] > numbers[i + 1]:
# If it is, swap the numbers
numbers[i], numbers[i + 1] = numbers[i + 1],
numbers[i]
# Set the flag to True to indicate that a swap
has occurred
flag = True
# Return the sorted list
return numbers
sorted_numbers = bubble_sort([3, 5, 2, 1, 4])
print(sorted_numbers) # Output: [1, 2, 3, 4, 5]Puedes seguir pidiéndole que lo intente cualquier número de veces. En mi caso, se sugirió lo siguiente en la tercera iteración:
def bubble_sort(numbers):
# We set swapped to True so the loop looks runs at least
once
swapped = True
while swapped:
swapped = False
for i in range(len(numbers) - 1):
if numbers[i] > numbers[i + 1]:
# Swap the elements
numbers[i], numbers[i + 1] = numbers[i + 1],
numbers[i]
# Set the flag to True so we’ll loop again
swapped = True
#Verify it works
numbers = [3, 7, 4, 9, 1, 6]
bubble_sort(numbers)
print(numbers) # Should print [1, 3, 4, 6, 7, 9]¿Cansado de diferentes versiones del código para el mismo problema? ¿Qué tal si le pides al asistente que optimice el código? Acabo de escribir lo siguiente en el indicador:
optimizeLo que sigue es el resultado…
There are several ways you can optimize the bubble sort algorithm to make it run faster. Here are a few ideas: Use a flag to keep track of whether any swaps were made on
the last iteration of the loop. If no swaps were made, it means the list is already sorted and we can exit the loop early.
Only iterate up to the last element that has already been sorted. On each pass, the largest element will “bubble” up to the end of the list, so there’s no need to compare it to any other elements on the next pass.
Use a different sorting algorithm altogether, such as quick sort or merge sort, which have better average-case time complexity than bubble sort.
I hope these suggestions are helpful! Let me know if you have any questions.Seguro que te has dado cuenta de que el asistente recuerda toda la conversación y responde las preguntas en contexto.
Desarrollo con ChatGPT
La conversación anterior simplemente ilustra cómo el asistente puede ayudarnos a escribir código para problemas menores. Sin embargo, el desarrollo de software no se trata solo de escribir código. Supongamos que no sabemos mucho sobre el desarrollo de aplicaciones Spring Boot y veamos cuánto nos ayuda el asistente.
Comencé haciéndome la siguiente pregunta:
difference between log4j and slf4jDio mucha información. Pruébelo usted mismo y vea lo útil que es.
Entonces, hice la siguiente pregunta:
spring program with slf4jGeneró el siguiente código:
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.
SpringBootApplication;
@SpringBootApplication
public class MySpringApp {
private static final Logger logger = LoggerFactory.
getLogger(MySpringApp.class);
public static void main(String[] args) {
SpringApplication.run(MySpringApp.class, args);
logger.info(“Spring application started!”);
}
}El asistente no se lava las manos con solo el código. También proporciona muchas notas. Por ejemplo, la siguiente es la nota generada junto con el código anterior.
In this example, we use the LoggerFactory class from slf4j
to create a logger for the MySpringApp class. We can then use
the logger object to output log statements at different
levels (e.g., info, debug, error).
To use slf4j in a Spring application, you will need to
include the slf4j-api library as a dependency in your
project. You will also need to include a concrete
implementation of slf4j, such as log4j, logback, or java.
util.logging.
For example, to use log4j as the underlying logging
implementation, you will need to include the log4j library
as a dependency in your project. You can then configure log4j
to output log statements to the desired destination (e.g.,
console, file).Como recomienda algunas dependencias, actué como si no supiera cómo se puede hacer. Entonces, hice esta pregunta de seguimiento:
pom file for spring with slf4jAquí está la sugerencia resultante:
<project>
<!-- Other project configuration -->
<dependencies>
<!-- Other dependencies -->
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-api</artifactId>
<version>1.7.30</version>
</dependency>
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-log4j12</artifactId>
<version>1.7.30</version>
</dependency>
</dependencies>
</project>Nuevamente, las notas sugirieron una dependencia de log4j. Le pedí al asistente que agregara eso también y generó la siguiente configuración refinada.
<project>
<!-- Other project configuration -->
<dependencies>
<!-- Other dependencies -->
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-api</artifactId>
<version>1.7.30</version>
</dependency>
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-log4j12</artifactId>
<version>1.7.30</version>
</dependency>
<dependency>
<groupId>log4j</groupId>
<artifactId>log4j</artifactId>
<version>1.2.17</version>
</dependency>
</dependencies>
</project>
You will also need to include a log4j.properties file in your
project to configure log4j to output log statements to the
desired destination (e.g., console, file).La historia no termina ahí. Le pedí al asistente que me ayudara con el archivo log4j.properties:
log4j.properties for spring with slf4jObligado.
# Root logger
log4j.rootLogger=INFO, stdout, file
# Console appender
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d{yyyy-MM-dd
HH:mm:ss} %-5p %c{1}:%L - %m%n
# File appender
log4j.appender.file=org.apache.log4j.FileAppender
log4j.appender.file.File=app.log
log4j.appender.file.layout=org.apache.log4j.PatternLayout
log4j.appender.file.layout.ConversionPattern=%d{yyyy-MM-dd
HH:mm:ss} %-5p %c{1}:%L - %m%nYo estaba muy emocionado. No es que no podamos obtener esta ayuda de la web usando un motor de búsqueda. Pero la experiencia de conversación con ChatGPT fue genial.
Probemos ChatGPT por última vez ayudándonos a desarrollar e implementar la API REST. Empecé una nueva conversación con una simple pregunta:
design rest api to add a customerRespondió con la siguiente explicación:
To design a REST API to add a customer, you will need to
define the endpoints and the request/response payloads for
the API.
Here is an example of how you could design the API:
Endpoint:
POST /customers
Request payload:
{
“name”: “John Smith”,
“email”: “[email protected]”,
“phone”: “555-555-5555”
}¡Bastante útil! Normalmente usamos Swagger para documentar la API REST. Hay mucho repetitivo en él. ChatGPT es perfecto en estos casos. Pregunté lo siguiente en la misma conversación:
swagger doc for adding a new customerAquí está la documentación de Swagger para el punto final POST /customers que describí anteriormente:
/customers:
post:
summary: Add a new customer
requestBody:
content:
application/json:
schema:
type: object
required:
- name
- email
- address
properties:
name:
type: string
email:
type: string
format: email
address:
type: string
responses:
201:
description: The customer was successfully created
content:
application/json:
schema:
type: object
properties:
id:
type: integer
format: int64
name:
type: string
email:
type: string
format: email
address:
type: string
400:
description: The request body is invalid
409:
description: A customer with the same email already
exists¿Qué más podría pedir? La versión final de la documentación puede no parecer tan sencilla. Aún así, es un buen punto de partida.
Tenía curiosidad por ver si ChatGPT podía darme el código para publicar la API REST anterior usando Spring Boot. ¡El lo hizo! La pregunta era esta:
spring controller for the above endpointY la respuesta fue:
@RestController
@RequestMapping(“/customers”)
public class CustomerController {
@PostMapping
public ResponseEntity<Customer> createCustomer(@Valid @
RequestBody Customer customer) {
// save the customer and return it
Customer savedCustomer = customerRepository.
save(customer);
return ResponseEntity.status(HttpStatus.CREATED).
body(savedCustomer);
}
}Esta es la primavera imprescindible. Hoy en día, preferimos el paradigma reactivo. Pregunté lo mismo con esta pregunta:
i want it with spring reactiveChatGPT proporcionó el código inicial.
@RestController
@RequestMapping(“/customers”)
public class CustomerController {
@PostMapping
public Mono<ResponseEntity<Customer>> createCustomer(@
Valid @RequestBody Mono<Customer> customer) {
// save the customer and return it
return customer.flatMap(customer -> customer
Repository.save(customer))
.map(savedCustomer -> ResponseEntity.status
(HttpStatus.CREATED).body(savedCustomer));
}
}Ningún desarrollo moderno se puede completar sin crear una imagen de Docker. Recibí ayuda de ChatGPT para generar un Dockerfile para el código anterior con esta pregunta:
dockerfile for the above applicationY obtuve la siguiente respuesta, que es suficiente para empezar:
FROM openjdk:11-jdk-slim
ARG JAR_FILE=target/*.jar
COPY ${JAR_FILE} app.jar
EXPOSE 8080
ENTRYPOINT [“java”, “-jar”, “app.jar”]En lugar de pedir ayuda específica, probé lo siguiente para animar la conversación:
¿Cuál es el siguiente paso?
Me sorprendió con esta respuesta:
Once you have written the code for your application and created a Dockerfile, the next step is to build a Docker image and run a Docker container.
To build the Docker image, open a terminal and navigate to the directory containing the Dockerfile. Then, run the following command:
docker build -t my-app .
This will build a Docker image with the name “my-app” using the instructions in the Dockerfile.
To run a Docker container, use the following command:docker run -p 8080:8080 my-app
This will start a Docker container from the “my-app” image, and map the container’s 8080 port to the host’s 8080 port.
Is there anything else I can help with?¡Ver! ChatGPT mantiene el contexto de la conversación. Responde en el contexto dado, no solo resultados estáticos secos. Y eso es genial. ¿Que más puedo decir? Yo dije:
thanksY el asistente fue lo suficientemente bueno para reconocer.
You’re welcome! I’m glad I could help. If you have any other
questions, feel free to ask. I’ll do my best to assist you.¿ChatGPT reemplazará los trabajos?
Recuerdo a personas discutiendo lo bueno y lo malo de los bancos computarizados en la década de 1990 y los vehículos autónomos en la década de 1920. Cada tecnología disruptiva plantea esta pregunta. Es lo mismo con ChatGPT también.
La pregunta precisa que es relevante para la comunidad de desarrollo de software es la siguiente: ¿ChatGPT reemplazará a los desarrolladores?
En este punto, la respuesta es claramente ‘no’. La tecnología siempre destruye algunos puestos de trabajo y crea otros nuevos. Pero reemplazar un desarrollador requiere mucho esfuerzo. El desarrollo de software no es solo codificación. Por supuesto, ChatGPT puede ayudar con la codificación al igual que el IDE ayuda con la finalización del código, la compilación, la depuración, etc.
Pero, como un IDE, no puede reemplazar la participación humana en el desarrollo de extremo a extremo. Nosotros, como desarrolladores, usamos editores de texto para escribir código en los 80 y usamos IDE en los 90.
Copiamos el código de los resultados de búsqueda de Google y usamos soluciones de StackOverflow. Todo esto se hizo para mejorar la productividad. Y, sin embargo, ninguno de ellos realmente ha podido reemplazar al desarrollador. Lo mismo sucederá con ChatGPT también. Es una herramienta productiva disruptiva para los programadores. Pero no te convierte en programador ni te quita el trabajo de codificación. ¡Por ahora!
Este artículo se publicó por primera vez en la edición de febrero de 2023 de la revista Open Source For You.
El autor Krishna Mohan Koya es el fundador y consultor principal de Glarimy Technology Services, Bangalore. Dirigió y capacitó a más de 250 equipos técnicos en la arquitectura, el diseño y el desarrollo de aplicaciones comerciales locales y en la nube.