Go團隊公開了最新開發者調查的結果,該調查其中一項值得關注的重點,是Go開發者在使用大型語言模型的狀況,以及對Go語言支援人工智慧應用開發的回饋。結果顯示,雖然不少Go開發者,已經使用Go或是希望將人工智慧工作負載搬遷至Go,但是卻都面臨函式庫與文件生態系不足的挑戰。
Go團隊針對開發者在生成式人工智慧應用程式的開發經驗,進行更深入的探究,調查發現,有50%的受訪者來自正在建置或是探索人工智慧服務的組織,其中又有56%的人正參與開發人工智慧功能,也就是整體受訪者的四分之一,正在開發或使用生成式人工智慧服務。
在這些專業使用生成式人工智慧服務的Go開發人員中,有81%的人使用OpenAI的ChatGPT或DALL-E模型,並且有53%的受訪者,至少使用一種開源模型,如Llama、Mistral等。
Go團隊指出,超過千名員工的大型組織與較小組織在使用模型的傾向上略有不同,大型組織使用OpenAI模型的比例略低為74%,較小組織則為83%,而使用其他專有模型方面,大型組織比例22%,略高於較小組織的11%。
而在開源模型的使用上,則與公司規模無關,無論大型組織還是較小組織,都有超過一半的公司選擇使用開源模型,分別是51%和53%。但對整體受訪者來說,有高達47%的受訪者偏好開源模型,只有19%的人偏好使用專有模型,37%的受訪者表示對開源或專有模型沒有特別偏好。
正在建置人工智慧功能的受訪者,其中約有三分之一表示已經使用Go語言,開發包括新功能原型和整合大型語言服務。受訪者認為Go特別適用於資料工作管線和託管API端點,比例分別為37%和41%。
而之所以受訪者認為Go適合用於開發人工智慧工作負載有多項原因。Go程式語言設計追求簡潔清晰,對處理大量資料和高並行人工智慧任務來說很重要,由於Go具有先進的並行機制,在進行大規模處理時,程式碼可以更為簡潔且安全,而且Go程式在編譯之後,可以成為一個獨立的二進位檔案,不需要相依外部項目,簡化了部署過程。
相較於人工智慧開發的另一個熱門語言Python,Go的特性是更為穩定,且使用的運算資源更低,更容易在生產環境中應用。
不過,Go團隊也發現,其中有四分之一的受訪者,雖然也希望將Go用於開發人工智慧應用,但是面臨一些阻礙。Go團隊提到,人工智慧生態系以Python為中心,開發者所熟悉的函式庫和框架都是以Python開發,而資料科學家和研究人員也都熟悉使用Python。其中有62%正參與人工智慧功能開發的受訪者,已經使用Python整合生成式人工智慧模型,而在這群體中,有57%的人希望可以使用Go。
在已經使用Python開發人工智慧功能的受訪者,有92%當Go也具有與Python函式庫相同功能的專案時,他們會願意使用Go整合生成式人工智慧系統。
不過,與Python生態系相比,Go不僅缺乏許多函式庫,而且開發者也普遍認為,Go在相關函式庫的投資較少,像是Python的Pandas函式庫是資料科學領域的核心工具之一,Go目前沒有相對應的函式庫,因此要在Go中進行資料處理和分析便更為困難。
目前人工智慧領域專家都很熟悉Python,會在Python中進行實驗和建立概念性驗證,但是Go缺乏Python函式庫的變體,因此削弱了開發人員嘗試將Python程式移植到Go中,以Go建立生產人工智慧應用的能力。
雖然Go在可靠性和效能等方面,都可以在呼叫GPT-4或Gemini等託管模型表現良好,但是卻在建立、評估和部署自訂模型方面受到挑戰,主要原因還是Go缺乏相關的函式庫,限制了Go在人工智慧領域中被更廣泛的應用。
熱門新聞
2024-09-29
2024-10-01
2024-10-01
2024-10-01
2024-09-29
2024-09-30
2024-09-30