Should you still learn to code? (ft. Devin)

Summary

Le script explore l'impact de l'intelligence artificielle sur les métiers futurs, mettant en avant Devon, un bot autonome capable d'analyser et de corriger du code. Il examine également les capacités d'analyse de données d'AI, illustrant comment ces technologies pourraient influencer les carrières de l'avenir. L'analyse comparative des performances d'AI sur GitHub et la présentation de Claude, un modèle économique de l'AI, montrent l'évolution rapide de ces outils. Le script suggère que bien que l'AI ne soit pas encore parfaite, elle est en train de progresser rapidement, ce qui a des implications significatives pour l'apprentissage du codage et de l'analyse des données.

Takeaways

• 🧑‍💼 L'avenir du travail est en train de changer, comme le suggère le PDG de la troisième entreprise la plus valorisée.
• 💻 Il est souvent affirmé que les enfants devraient apprendre l'informatique, mais le discours suggère que cela n'est pas aussi important que l'on pourrait le penser.
• 🤖 Devon, un bot autonome, a été introduit, capable d'effectuer des tâches de programmation et d'analyse de données avec seulement un prompt simple.
• 🔍 Devon utilise des outils comme un environnement de codage et un navigateur pour planifier et exécuter des tâches, y compris le débogage de code.
• 🔧 Devon a montré la capacité à trouver et à corriger des bugs dans le code, en utilisant une approche itérative.
• 📈 Devon a également démontré des capacités en analyse de données, en utilisant des modèles de machine learning pour prédire et analyser des tendances économiques.
• 📊 L'analyse visuelle de Claude, un autre modèle, a été testée pour la transcription de graphiques, montrant une précision moyenne de 11%.
• 🌐 Claude a utilisé des simulations de Monte Carlo pour prédire le PIB, en utilisant des modèles de machine learning pour une analyse économique.
• 📈 Devon a été testé pour résoudre des problèmes réels sur GitHub, avec un taux de résolution de 14%, bien que ce soit encore loin d'être parfait.
• 🛠️ Les technologies comme Devon et Claude montrent que l'on est sur une bonne voie, mais qu'elles peuvent être survalorisées, surtout lorsqu'elles sont liées à des levées de fonds.
• 🔮 L'auteur du script envisage d'explorer comment utiliser des bibliothèques et des modèles de langage pour résoudre des problèmes complexes à l'avenir.

Q & A

Qu'est-ce que Devon et comment cela peut-il affecter l'avenir du travail des ingénieurs logiciels?

Devon est un bot autonome qui peut effectuer des tâches telles que le codage, le débogage et l'analyse de données. Il est capable de prendre des instructions simples et de les transformer en plans d'action détaillés, ce qui pourrait potentiellement remplacer certaines tâches des ingénieurs logiciels à l'avenir.

Quels sont les avantages de Devon en tant qu'outil de développement logiciel?

Devon offre un approche itérative pour résoudre les problèmes de codage, peut ajouter des instructions de débogage, corriger les bogues et fournir des analyses de code qui peuvent être présentées comme le travail personnel.

Pourquoi l'auteur pense-t-il que l'apprentissage du codage reste important malgré l'avènement des outils comme Devon?

L'auteur souligne que les outils comme Devon nécessitent encore des instructions détaillées pour résoudre des problèmes complexes, ce qui montre que la connaissance du codage est essentielle pour guider efficacement ces outils.

Quels sont les résultats des tests comparatifs de Devon avec d'autres modèles pour résoudre des problèmes réels sur GitHub?

Devon a obtenu un taux de résolution de problèmes de 14%, ce qui est bien supérieur au taux de 2% du meilleur modèle sur le marché, indiquant qu'il est plus performant que la plupart des autres solutions actuelles.

Quel est le rôle de l'analyseur de données dans l'avenir face à l'avancement des technologies telles que Devon?

L'analyseur de données devrait s'adapter aux nouvelles technologies, en apprenant à utiliser des outils de codage et de modélisation de langage pour résoudre des problèmes complexes, plutôt que de s'inquiéter de la substitution par des outils automatisés.

Quelle est la différence entre Devon et d'autres outils similaires comme Auto GPT?

Auto GPT est un outil similaire qui existe depuis près d'un an et effectue des tâches similaires à Devon, mais n'a pas reçu autant d'attention. Devon est plus récent et a été largement promu, ce qui a suscité une plus grande excitation dans l'industrie.

Quel est le lien entre les progrès technologiques et l'apprentissage continu pour les professionnels de l'informatique?

Les progrès technologiques montrent que les professionnels de l'informatique doivent continuer à s'instruire et à s'adapter aux nouvelles technologies pour rester compétitifs et pertinents dans leur domaine.

Pourquoi l'auteur mentionne-t-il les pie charts comme étant une mauvaise option pour comparer des valeurs?

L'auteur critique l'utilisation de pie charts pour la comparaison de valeurs car elles ne sont pas efficaces pour montrer les différences quantitatives entre les données, ce qui est important pour une analyse économique approfondie.

Quel est le message principal de l'annonce de la nouvelle fonctionnalité de GitHub qui permet de corriger automatiquement le code?

La nouvelle fonctionnalité de GitHub vise à réduire la charge de travail des développeurs en identifiant et en corrigeant automatiquement plus de deux tiers des vulnérabilités trouvées, réduisant ainsi la nécessité d'une intervention humaine.

Quelle est la vision de l'auteur pour l'avenir de l'analyse des données en utilisant des modèles de langage étendus et des outils de codage?

L'auteur voit l'avenir de l'analyse des données comme étant axée sur l'utilisation de Python et d'autres bibliothèques pour créer des agents qui travaillent avec des modèles de langage étendus pour résoudre des problèmes complexes en parallèle.

Quels sont les avantages de l'utilisation de cours en ligne comme celui offert par Corsera pour les analystes de données en herbe?

Les cours en ligne, tels que le certificat Google Data Analytics offert par Corsera, donnent aux étudiants l'accès à des technologies clés telles que SQL, les langages de programmation, les outils Vis et les tableurs, offrant une base solide pour commencer une carrière en analyse des données.

Outlines

00:00

😲 L'avenir de la programmation avec l'IA autonome

Le paragraphe 1 explore l'impact potentiel de l'intelligence artificielle sur les métiers futurs, en se concentrant sur Devon, un bot autonome capable d'effectuer des tâches de programmation et d'analyse de données. Devon a été présenté comme le premier ingénieur logiciel AI, bien qu'il y ait des problèmes avec cette affirmation. Les démonstrations de son utilisation incluent la résolution de bugs, l'analyse de données et même la formation d'un modèle d'apprentissage automatique. Cependant, il est souligné que l'IA nécessite encore une intervention humaine pour guider efficacement les tâches à accomplir.

05:01

👨‍🏫 L'importance de l'apprentissage en analyse de données

Le paragraphe 2 met en avant l'importance de l'apprentissage en analyse de données, en particulier à travers la plateforme Cours Éra, qui propose un certificat de données analytiques de Google. Le narrateur recommande ce cours pour ceux qui souhaitent commencer dans le domaine de l'analyse de données. Il partage également son expérience personnelle en utilisant Cours Éra pour améliorer ses connaissances en IA et en analyse de données, en abordant des projets pratiques. En outre, le paragraphe aborde les performances de Devon dans des tests comparatifs, montrant qu'il est encore loin d'être parfait mais sur une trajectoire positive. Le narrateur exprime également son enthousiasme pour les nouvelles technologies, comme Claude de l'équipe d'Anthropic, qui montrent le potentiel de l'IA dans l'analyse économique mondiale.

Keywords

💡Devon

Devon est présenté dans le script comme le premier ingénieur logiciel IA, capable d'effectuer des tâches telles que la résolution de bugs dans le code et l'analyse de données. Il est central dans le thème du développement technologique et de l'IA qui pourrait potentiellement transformer le métier de l'ingénierie logiciele et de l'analyse de données.

💡Analyse de données

L'analyse de données est une technique utilisée pour extraire des informations à partir de grands ensembles de données. Dans le script, l'analyse de données est mentionnée en relation avec l'utilisation d'IA pour effectuer des analyses économiques, comme la prédiction des tendances du PIB, ce qui illustre comment l'IA peut être utilisée dans le domaine de l'analyse de données.

💡Programmation

La programmation est l'acte de concevoir, de développer et de tester du code informatique. Le script aborde la question de savoir si apprendre à programmer est encore pertinent avec l'avènement des outils IA comme Devon, qui semble remettre en question la nécessité pour les humains d'apprendre cette compétence.

💡Auto-GPT

Auto-GPT est mentionné comme un outil qui fait la même chose que Devon, mais avec moins de visibilité. Il démontre que l'IA capable d'effectuer des tâches similaires à celles des ingénieurs logiciels n'est pas un concept nouveau, mais que Devon a attiré plus d'attention.

💡Déboggage

Le débogage est le processus de résolution d'erreurs dans un programme. Dans le script, Devon est montré en train d'ajouter des instructions d'impression pour déboguer un test en échec, ce qui est un exemple concret de l'application du débogage dans la résolution de problèmes de code.

💡Modèle de langage

Un modèle de langage est une sorte d'IA qui peut générer du texte de manière cohérente. Le script mentionne l'utilisation de modèles de langage pour implémenter des agents capables de collecter et de traiter des données, ce qui est un exemple de l'utilisation avancée de l'IA dans l'analyse de données.

💡Claude

Claude est un autre exemple d'IA mentionné dans le script, qui a été utilisé pour effectuer une analyse économique en utilisant des modèles de vision et de machine learning. Il est présenté comme un exemple de l'IA capable de fournir une analyse approfondie et de générer des visualisations.

💡Monte Carlo

La simulation de Monte Carlo est une méthode utilisée pour effectuer des simulations statistiques. Dans le script, elle est utilisée pour prédire le PIB, illustrant comment cette méthode peut être combinée avec l'IA pour fournir des prédictions économiques.

💡GitHub

GitHub est une plateforme de développement en ligne utilisée pour héberger et réviser du code source. Le script mentionne GitHub comme un endroit où Devon cherche des solutions à des problèmes de code, ce qui montre comment les outils IA peuvent interagir avec des plateformes de développement existantes.

💡Coursera

Coursera est une plateforme en ligne d'apprentissage qui offre des cours et des certificats dans divers domaines. Dans le script, il est mentionné comme une ressource pour apprendre l'analyse de données, en particulier le certificat de Google en analyse de données, ce qui est un exemple de la façon dont les plateformes en ligne peuvent aider à former les analystes de données.

Highlights

Le CEO de la troisième entreprise la plus valorisée a fait une déclaration audacieuse sur l'importance de l'apprentissage de la science informatique pour les enfants.

L'auteur explore si apprendre à programmer est toujours pertinent avec l'introduction de nouvelles technologies.

Présentation de Devon, un bot autonome capable de coder et de naviguer sur Internet, qui pourrait potentiellement remplacer des tâches humaines.

Démonstration de l'utilisation d'un environnement de codage par Devon pour résoudre des bugs dans le code.

Devon a été utilisé pour effectuer une analyse de données, montrant son potentiel au-delà de la simple ingénierie logicielle.

Un exemple de l'utilisation de Devon pour l'analyse d'images et l'étiquetage de nids-de-poule, démontrant sa capacité à traiter des tâches spécifiques.

Analyse des performances de Devon par rapport à d'autres modèles, montrant qu'il résout 14% des problèmes GitHub, un taux plus élevé que les autres modèles.

La nécessité d'une interaction humaine pour guider efficacement les tâches que Devon doit accomplir.

GitHub annonce un nouvel outil pour corriger automatiquement le code, réduisant la nécessité d'intervention humaine.

Présentation d'une offre spéciale de Corsera pour le certificat de Google en analyse des données, incluant SQL, les langages de programmation et les outils de visualisation.

L'auteur partage son expérience personnelle avec Corsera Plus et son utilisation pour améliorer ses connaissances en analyse des données.

Comparaison des performances de Devon avec d'autres modèles et la nécessité de spécifier en détail les tâches pour obtenir des résultats efficaces.

La présentation d'Auto GPT, un outil similaire à Devon qui a été disponible depuis un an mais avec moins de visibilité.

Introduction de Claude, un modèle de l'équipe d'Anthropic, capable d'analyser l'économie et de prédire les tendances du PIB.

Claude utilise la vision par ordinateur pour transcrire des graphiques de PIB, montrant une précision moyenne de 11%.

Claude effectue une analyse économique mondiale en utilisant des agents parallèles pour collecter et traiter des données sur les principaux pays.

L'auteur exprime son intérêt à explorer comment utiliser Python avec des bibliothèques de modèles de langage pour résoudre des problèmes complexes à l'avenir.

Transcripts

that nerds our jobs in the future are

going to be a lot different the CEO of

the third most valuable company made

this bold claim um almost everybody who

sits on a stage like this would tell you

it is vital that your children learn

computer

science um everybody should learn how to

program and in fact it's almost exactly

the opposite so is it even worth your

time learning how to program well in

this I'm going to be exploring a few new

technologies that just came out in order

to answer that question last week the

world was introduced to Devon a fully

autonomous bot equipped with tools like

a coding environment and browser with

this it can basically take over the

world providing it with only a simple

prompt it gets to work putting together

a plan of action breaking up what it

needs to do into simple tasks it starts

by browsing the internet to make you

feel more confident that its answers

aren't going to be hallucinations then

jumps into some light coding to make you

even feel less secure about your

long-term job security and then after it

fixes a quick bug it provides this

groundbreaking analysis that you can

provide to your boss as your own work so

let's break Devon down it's advertised

as the first AI software engineer

there's a lot of problems with that

we'll get to that but let's actually

look at some of the use cases they've

used it for now all these demonstrations

were done by employees of cognition so

to be fair there haven't been a lot of

outside tests of this tool anyway in

this case the engineer wants to fix a

bug in the code he provides some pretty

detailed instructions and Devon gets to

work now one of the impressive things

from this demo was it used as an

iterative approach so Deon here actually

wrote uh actually added a print

statement to debug the outputs uh and

the uh inputs to the failing test reran

the tests and actually found which case

was wrong which is actually a second bug

that Devon found and it then went and

updated the code to fix this second bug

and with that demo you may be like Luke

I'm a data nerd not a software engineer

this thing's just troubleshooting code

bases and not actually performing data

analytics so I have nothing to worry

about with my job well if you recall

from that first example that I showed

Devon did do data analysis additionally

they had a demo showcasing well as they

stated today I'm going to show you an AI

training in AI which is not only meta

but also shows that this is not just

geared towards software Engineers but

also has the potential defect Us in data

science now this followed a similar

approach as we've seen before of

downloading the code and in this case

going through and fine-tuning a model

which after about an hour it's only

about 4% done with training and

conveniently there's no conclusion on

what happened with the training now one

of the most impressive exercises that

demon demonstrated was the ability to

actually make money it was provided with

a problem from upward which side note

how are you going to calculate hourly

rates whenever AIS work almost

instantaneous anyway this thing was

looking at making inferences with a

computer vision model that's fancy talk

in this case as all it really wanted to

do was label potholes on a Road Devon

got to work and the first thing I noted

was some of the packages were out of day

so it updated it which then it found a

bug in the code which wasn't supposed to

be there and once again it used that

print statement approach in order to

find it I'll be honest I don't know why

it's not using a debugger so finally

after this it gets into running the

model and providing a detailed report on

it and even provides some screenshot

examples of it working in action along

with this final write up in a text file

that overviews the work and also the

conclusions that it came to not going to

lie if I received this on upwork I'd be

pretty impressed so there's a Core theme

that Devon is following that I found in

all these examples some human is unhappy

because it doesn't know how to solve a

problem so it all flows that to Devon

who gets to work Devon then in all these

cases went and pulled this GitHub

repository after it found a solution

working in an iterative approach and

reported back to the human I love you

Devon which should no longer be unhappy

and this demonstrates an important point

you still need a human in the mix in

order to guide Devon onto what problems

it needs to be solving oh wait what's

this GitHub introduces a new tool in

order to automatically fix code this new

feature promises that this new system

can remediate more than 2third of the

vulnerabilities that it finds often

without the developers having to edit

any code

themselves okay scratch that on human

intervention all right before we go

further we need to pay some bills and

give a shout out to the sponsor of this

video corsera which is having a special

deal right now now the number one course

that I recommend for aspiring data

analyst is the Google data analytics

certificate this covers not only what

it's like to be a data analyst but also

goes into all the core Technologies you

need to know including SQL programming

languages Vis tools and spreadsheets

it's where I recommend anyone new to

that analytics start and I've made a

number of videos interviewing those that

have taken this to better understand the

value of this certificate now right now

corsera is offering a heck of a deal

where you can receive $100 off your

yearly subscription to corsera plus

which works out to being less than a

dollar a day with this it not only gives

you access to the Google certificate but

also 7,000 other learning programs

including a ton of resources on my

favorite programming language now I'm

not just recommending corsera because it

was a sponsor of this video I've

actually personally paid for a corsera

plus and used it for my learnings as

shown by this receipt more recently I've

been using this to improve my knowledge

on applying AI in data analytics

specifically I've been working through a

lot of different courses and I just

completed this project based course on

using Python's Lang chain for analyzing

your own data which we're going to go

into more detail in a bit of what

Technologies I'm going to be covering

over the next year all right thanks

again to corsera for sponsoring this

video and let's get back to it so how

does Devon actually perform in a

comparative test to other common models

and these results were testing whether

it can resolve real world GitHub issues

Devon got a whopping 14% which you're

probably like Luke that's nowhere near

100% that's like 3 and 20 how the heck

is it going to actually do my job but if

you look at the best model in the market

today it's only at around 2 % so it's a

little bit better personally I think

this graph answers on whether you should

learn coding or not it's not solving all

the issues today or tomorrow but we're

on a positive trajectory to maybe one

day be at 100% but not anytime soon now

the other thing that reassures me from

this is that I don't know if you noticed

this from those videos that I showed

earlier but for complex tasks Devon

takes a fair bit of prompting and by

fair I mean a lot and this case I feel

the engineer had to go into an enormous

amount of detail in order to specify how

it wanted it to solve its problem which

with this level of specifity I think

even the free version of chat gbt could

solve it and that's where I think we are

with this technology today yeah although

they're claiming that Devon is first AI

software engineer Auto GPT which has

been around for almost a year now has

been doing a lot of the same things but

doesn't get as nearly as much virality

as Devon did which coincidentally is

happening almost in tandem when these

type of companies are raising funding

like cognition did last week I want to

be clear I'm not trying to on Devon

and say it's a bad tool in fact I think

quite opposite I think they've done

incredible advancements and we're moving

in the right direction but these type of

Technologies can be overhyped and is

driven by funding now there's another

announcement last week that I feel is

more relevant to us data nerds and it

deals with this model which is only

second to open ai's GPT 4 the team at

anthropic released this video on Claude

working as an economic analyst they

prompted it to look up GDP trends for

the US and write a markdown table of the

estimates which you got to work

transcribing this screenshot of a graph

of the GDP from there they went to

evaluate how accurate those

transcriptions were so it had the model

plot those transcribed values in this

interactive plot and then after having

provided the model the actual results it

plotted them side by side so how

accurate is Claude at using the vision

model for transcription we tried it with

a large sample of madeup GDP graphs and

its transcription accuracy was within

11% on average which not bad but

probably can be improve so then they

moved into having Claude use machine

learning in order to predict GDP in this

case using a Monte Carlo simulation and

just like most people thinks the US

economy is going to be just fine for the

next few years but really none of this

was impressive until I saw this where it

asked Claude to perform in an analysis

of the world's economy looking at more

than just one country in this case

although they didn't disclose it it

looks like they were using some sort of

large language model framework in order

to implement agents which all of these

agents were working in parallel

collecting all the data they needed for

these top countries and processing it

pretty dang impressive for the final

results it provided these pie charts

comparing the two values side note I was

a little disappointed with this because

pie charts are actually really bad at

comparing values but nonetheless it not

only provided an analysis it also

provided a final summary detailing how

the major countries planed a fair over

the next few years now I thought this

was more impressive because it

demonstrated how you can actually use

coding such as python to perform an

analysis with a large language model and

frankly this is where I see analytics

going into the future personally I'm

going to be exploring more on this

channel how to use things like python in

conjunction with libraries that build

out agents for large language models to

solve more complex problems all right as

always you got value out this video

smash that like button and if you'd like

to learn more about how to start coding

in data analytics I just made this

tutorial right here on how to learn SQL

all right with that see you in the next

one