Vibe coding ontmoet de Steen der Wijzen: waarom AI-agenten het niet perfect kunnen krijgen
Microsoft
Het aanvankelijke enthousiasme over vibe coding—het gebruik van AI-agenten om code te genereren op basis van natuurlijke taalprompts—ebde weg toen duidelijk werd dat agenten alleen goed zijn in eenvoudige taken. Het artikel betoogt dat het vanuit semiotisch perspectief fundamenteel onmogelijk is om een specificatie te schrijven die een agent perfect begeleidt naar het beoogde resultaat. In plaats van deze illusie na te jagen, stelt de auteur voor om domeinspecifieke talen (DSL's) te gebruiken om de interpretatieruimte te verkleinen, wat AI nu goedkoop kan helpen creëren, waardoor dit een levensvatbare trend wordt.
Het artikel bespreekt de evolutie van 'vibe coding' naar 'agentic coding'. Aanvankelijk konden AI-agenten indrukwekkende code genereren voor eenvoudige taken, maar bij serieuze projecten bleek dat agenten vaak worstelen zonder gedetailleerde specificaties, wat leidde tot een meer gedisciplineerde aanpak die bekend staat als 'agentic coding'. Toch blijft de droom van perfecte codegeneratie op basis van natuurlijke taal bestaan. De auteur betoogt dat semiotiek laat zien waarom dit onmogelijk is: woorden zijn tekens waarvan de betekenis afhangt van hun positie in een systeem en van de ervaring van de interpreet, dus een specificatie kan nooit een verliesvrije codering van intentie zijn. Zelfs met gedetailleerde specificaties interpreteert de agent eerder dan dat hij regels exact volgt, wat leidt tot onvoorspelbare resultaten. De auteur suggereert dat we in plaats van te proberen een universele specificatietaal te creëren, domeinspecifieke talen (domain-specific languages, DSL's) moeten gebruiken voor specifieke probleemdomeinen, omdat deze de interpretatieruimte verkleinen. AI-agenten zijn bijzonder goed in het helpen ontwerpen van DSL's, waardoor het creëren ervan goedkoper en haalbaarder wordt voor smalle domeinen. Het artikel citeert 'Programming with Representations' (2023) van Microsoft Research en andere aankomende referenties. De auteur concludeert dat hoewel de steen der wijzen van perfecte AI-codegeneratie misschien nooit gevonden zal worden, de zoektocht zelf kan leiden tot waardevolle innovaties zoals DSL's.
Bron: Habr — хаб ИИ —
origineel
