AndroidHealthClinic

artificial intelligence

  • Topic Starter Topic Starter
  • #902
chrisk zei:
Van wat ik een tijd geleden heb geprobeerd in grote lijnen niet echt, kleine subtaken misschien zoals textuele data aanpassen of samenvatten wat je in een aanpassing hebt gedaan.


Features schrijven heb ik niet zoveel aan, om het aan de tool te beschrijven doe je dat zelf al, misschien de beschrijving wat netter vormgeven/structureren. Vragen beantwoorden over een nieuw te bestuderen code base kan misschien nuttig zijn, als luxe zoekfunctie, maar met gewoon zoeken kom ik er ook wel snel uit en is misschien beter omdat ik uiteindelijk toch zelf wat van die code gezien en in mijn hoofd wil hebben. Fixing bugs heb ik het inhoudelijk niet goed zien doen.

Pull requests bij een afgeronde feature/bugfix schrijven kan wel handig zijn, het net iets netter uitschrijven wat je hebt gedaan, maarja zijn meestal ook maar een of enkele regels tekst aan het eind van een dag of dagen werk.

Zijn van die kleine dingen die eens in de zoveel weken even moeten.

Veel standaard herhalende dingen zijn al een kwestie van copy-pasten en evt. wat naampjes aanpassen dus daar valt weinig te winnen.

Misschien dat het de kleinste aanpassingen kan doen zoals een knop verplaatsen of andere kleur geven ofzo. Hmm die moet je niet zoveel hebben en kosten vrijwel geen tijd.

Echt het inhoudelijke werk gaat veelal nog slecht. Gegenereerde code doet niet/nauwelijks wat je zegt dat het moet doen, bugfixes introduceren weer andere bugs, het komt niet uit z'n eigen code oplossingen, heeft slechte performance of is niet te onderhouden spagghetticode, etc. Ik zal maar niet zeggen waar het op lijkt.

Ik heb nog niet geprobeerd geautomatiseerde tests te laten schrijven aan hand van bestaande features, dat zou wel veel tijd kunnen schelen voor projecten waar dat moet. Normaal gesproken komt dat namelijk neer op het programeer werk zo ongeveer dubbel of erger doen. Nu ben ik zelf heel goed in handmatig testen wat ik bouw en zorgen dat niks omvalt wanneer ik oplever, dat ik geautomatiseerde tests eigenlijk nooit nodig heb, maar voor sommige soorten projecten hoort het er wel bij als soort garantie voor anderen die ermee gaan werken. Maar je kunt ook heel makkelijk slagende tests bouwen die code beslaan maar inhoudelijk niet nuttig testen, dus ik ben benieuwd hoe het dat af gaat. Dan moeten de features denk ik wel dusdanig goed beschreven zijn dat het daar tests voor kan maken, zit je daar weer mee...

Maar ik wil nog wel een betaalde echt bij een project proberen, enkele van die taken in een workflow te nemen. Ik heb ook wel een idee voor e.e.a. waarbij ik het wil gebruiken, en zelfs een idee om het in een game als AI te gebruiken, maar zonder betaald te worden 0 motivatie om er ook maar een seconde aan te besteden. En ik liep er tegenaan dat er nu een half dozijn van die "AI coding agents" zijn wat weer een hele taak is om uit te gaan kiezen. Daar zit/moet ik nu vooral nog even naar kijken. En hetzelfde met elke bij het project te gebruiken techniek, pfff.

Het zou wel mooi zijn als het de nutteloze daily standup status updates vergaderingen voor mij kon doen zodat ik met rust gelaten kan worden 😍

Of klanten kon ronselen, sollicitatiegesprekken kon voeren... al dat gedoe van mensen afhandelen.
Klik om te vergroten...
Klik om te verkleinen...
Vanaf 16:00 gaat het hierover:
www.aireport.email

SPECIAL: Banen, onderwijs en hoe we dat eigenlijk gaan oplossen | AI Report

Word vandaag nog betalend abonnee op AI Report en mis geen enkel AI-nieuws, tips, tools én de mogelijkheid om je vragen direct aan Alexander en Wietse te stellen.
www.aireport.email www.aireport.email
 
???
 
Steks zei:
Ik heb ruim een jaar gelden zo'n film halverwege gestopt zo slecht vond ik hem.

Het koste me wel wat moeite want mijn vrouw wilde hem graag afkijken. :D
Klik om te vergroten...
Klik om te verkleinen...
Je vrouw heeft jouw ogen toch niet nodig om een film te kijken?

Die van mij kijkt ook allenaal onzin films en series. Prima, maar ik kijk niet mee. Andersom ook niet.
Er zijn genoeg dingen die we wel samen kunnen kijken.
 
Ik heb bij Thunderbolts wel paar keer gelachten, da's voor een film uberhaupt de laatste tijd al heel wat.
 
Toevallig zit ik de laatste tijd wat content te bekijken over oude teksten, komt dit vandaag voorbij.
 
Krijg toch een beetje een sceptisch gevoel bij dat deze techniek wel correct moleculaire structuren zou kunnen voorspellen, maar nog zo erg de mist in gaat bij het genereren van simpele text code dat geen enkele degelijke programmeur bang is voor z'n baan.

Hebben ze eigenlijk al echt iets kunnen doen dat succesvol werkt met die voorspellingen?

Of is programmeren dan zoveel moeilijker ofzo? :thinking:
 
  • Topic Starter Topic Starter
  • #919
chrisk zei:
Krijg toch een beetje een sceptisch gevoel bij dat deze techniek wel correct moleculaire structuren zou kunnen voorspellen, maar nog zo erg de mist in gaat bij het genereren van simpele text code dat geen enkele degelijke programmeur bang is voor z'n baan.

Hebben ze eigenlijk al echt iets kunnen doen dat succesvol werkt met die voorspellingen?

Of is programmeren dan zoveel moeilijker ofzo? :thinking:
Klik om te vergroten...
Klik om te verkleinen...
Dit is wat AI zegt:

Je opmerking is heel begrijpelijk: het voelt inderdaad vreemd dat AI al zulke grote stappen zet in het voorspellen van moleculaire structuren, terwijl het genereren van goede code nog vaak misgaat. Toch zijn dit echt twee heel verschillende uitdagingen voor AI.

Bij het voorspellen van moleculaire structuren, zoals AlphaFold 3 doet, werkt AI met natuurwetten en vaste patronen. Eiwitten en moleculen gedragen zich volgens strikte regels, waardoor AI-modellen die structuren goed kunnen leren herkennen en voorspellen. Dit is niet alleen theorie: AlphaFold wordt inmiddels wereldwijd gebruikt in de wetenschap en de farmaceutische industrie. Er zijn al concrete voorbeelden waarbij AI-voorspellingen hebben geleid tot nieuwe inzichten en zelfs tot het versnellen van medicijnontwikkeling. Grote bedrijven als Novartis en Eli Lilly maken hier actief gebruik van, en sommige AI-ontworpen medicijnen zitten al in de testfase[1][2][3].

Bij het genereren van code ligt het anders. Programmeercode is veel abstracter en contextgevoeliger. Een stukje code kan op talloze manieren geschreven worden, moet vaak aansluiten op bestaande systemen, en de bedoeling achter de code is voor AI lastig te doorgronden. Bovendien verandert de programmeerwereld snel, met steeds nieuwe talen en frameworks. AI kan dus wel helpen bij simpele of repetitieve programmeertaken, maar schiet vaak tekort bij complexere vraagstukken, logica of het begrijpen van de wensen van een klant. Daarom zijn ervaren programmeurs voorlopig nog niet overbodig.

Wat je nu ziet, is dat AI in de praktijk vooral een hulpmiddel is voor programmeurs: het versnelt bepaalde taken, maar neemt het denkwerk en de creativiteit (nog) niet over. In de wetenschap zijn de successen met moleculaire voorspellingen dus echt tastbaar en erkend, terwijl AI bij programmeren vooral een productiviteitsboost geeft, maar nog niet zelfstandig betrouwbare software kan bouwen.

Kortom: het lijkt op elkaar, maar de aard van de uitdaging is fundamenteel anders. AI is bij moleculen een precisie-instrument in een voorspelbare wereld; bij programmeren is het een handige assistent in een wereld vol creatieve keuzes en onduidelijke wensen. Dat verklaart het verschil in succes tussen beide gebieden.

Enkele concrete voorbeelden van AI-succes in medicijnontwikkeling:
• AlphaFold heeft wereldwijd de eiwitstructuren van talloze ziekteverwekkers voorspeld. Dit heeft geleid tot het sneller identificeren van nieuwe aangrijpingspunten voor medicijnen en het ontwikkelen van therapieën die anders veel langer zouden duren[1][2][3].
• DSP-1181, het eerste AI-ontworpen medicijn (tegen OCD), werd in slechts 12 maanden tot de klinische fase gebracht, waar dit normaal 4-5 jaar duurt[4].
• BenevolentAI gebruikte AI om in slechts drie dagen het bestaande medicijn baricitinib te identificeren als mogelijke behandeling voor COVID-19, waarna het wereldwijd in klinische studies is getest[4].
• Insilico Medicine wist met AI binnen 18 maanden nieuwe doelwitten en kandidaat-moleculen te vinden voor onder andere longfibrose, iets wat normaal vele jaren duurt[4].
• AI-modellen zoals eToxPred kunnen nu met hoge nauwkeurigheid de toxiciteit van nieuwe stoffen voorspellen, waardoor minder tijd en geld nodig is voor risicovolle dierproeven en klinische studies[5].
Deze voorbeelden laten zien dat AI-voorspellingen in de praktijk al tot snellere, goedkopere en effectievere medicijnontwikkeling leiden – iets wat bij codegeneratie voorlopig nog niet op dezelfde schaal lukt.

1. https://digitaldefynd.com/IQ/ai-in-pharmaceutical-industry/
2. https://pmc.ncbi.nlm.nih.gov/articles/PMC11292590/
3. https://www.labiotech.eu/in-depth/alpha-fold-3-drug-discovery/
4. https://www.drugtargetreview.com/ar...ping-drug-discovery-and-clinical-development/
5. https://postindustria.com/ai-in-drug-discovery-top-cases-transforming-the-industry-machine-learning/
 
Er is natuurlijk belang bij positieve nieuwsberichten. Maar dat is dus enkel nog wat genereren en in trials komen. Werken de uitkomsten ook echt?

En natuurlijk, welke menselijke rol zat er nog bij in?

Het kan niet uit de weg met programmeerlogica, harde wiskunde, maar wel natuurwetten en "vaste patronen?" :thinking:

Vaag gebrabbel, hoe weet ik dat het dat in die andere toepassingen niet ook doet?
 
Inloggen of registreren om te reageren.

Soortgelijke topics

J
met spoed gezocht!!! acne patiënten gezocht voor opleiding huidtherapie!!!
Reacties
6
Weergaven
1.218
Jasperede
J
B
  • Vraag Vraag
GFA-RNAst
Reacties
7
Weergaven
3.796
blacksnow2023
B
Loca
Contest Log Loca's Log
12 13 14
Reacties
268
Weergaven
9.256
Nicky!
Nicky!
K82
Hoe gaat jouw omgeving er mee om?
2 3 4
Reacties
64
Weergaven
9.569
HB89
HB89
Joostg
Homegym is gereed, nu op zoek naar de juiste app of programma
Reacties
10
Weergaven
2.108
Nielsmas30
Nielsmas30
Terug
Naar boven