Blog

Er zijn de laatste tijd felle debatten rondom de rol van AI in softwareontwikkeling, met prominente stemmen als George Hotz, beter bekend als de hacker die als eerste de iPhone jailbreakte. Zijn recente blogpost beschrijft de massale adoptie van AI-codingagents als een van de duurste fouten in de geschiedenis van de technologie. Volgens Hotz zijn deze hulpmiddelen niet in staat om daadwerkelijk code te genereren op het niveau dat nodig is, een inzicht dat steeds moeilijker te negeren valt als men de output van deze agents onder ogen ziet.

Hotz stelt dat terwijl hoogpresterende programmeurs in staat zijn om gebrekkige resultaten van deze agents te herkennen, zwakkere ingenieurs dat niet kunnen. Dit laatste heeft grote gevolgen: die zwakkere programmeurs leveren nu een volume aan productie dat tien keer hoger ligt, wat de algehele kwaliteit van de code op schaal aantast. Het is een zorgwekkende ontwikkeling, die, zoals Hotz benadrukt, zal leiden tot een overschot aan “slop” in plaats van hoogwaardige software: een fenomeen dat in het codeerlandschap verandert, waarin het probleem van kwaliteitsverlies niet eenvoudig te verhelpen blijkt.

Hotz trekt niet zomaar een conclusie uit de lucht. Hij heeft zes maanden gewerkt met AI agents op daadwerkelijke projecten, zoals delen van zijn open-source deep learning framework Tinygrad. Zijn ervaringen waren niet bemoedigend; hij beschrijft het proces als het trekken aan de hendel van een gokautomaat – je hoopt dat het eindresultaat bevredigend is, maar in de praktijk blijft het vaak steken in halve resultaten. Zijn frustratie komt voort uit de feitelijke ervaringen in de ontwikkelingspraktijk, waarbij hij constateert dat de tools onvoldoende mogelijkheden bieden om de vooruitgang te waarborgen.

Het is belangrijk op te merken dat Hotz zijn bezorgdheid niet puur ontleent aan een angst om vervangen te worden. Hij wijst erop dat de kwaliteit van de code in gevaar komt wanneer deze tools op grote schaal worden toegepast, vooral door bedrijven die de druk voelen om kosten te reduceren en productie te versnellen. Hij vraagt zich dan ook af hoe bedrijven als Apple, die AI-codingtools in hun teams implementeren, hun producten in de komende jaren kunnen verbeteren. Deze vraag onderstreept opnieuw de noodzaak voor kritische reflectie binnen de sector.

De Verdeling in de Technologische Gemeenschap

De opvattingen van Hotz staan in schril contrast met die van andere toonaangevende figuren in het veld, zoals Andrej Karpathy, die recentelijk zijn steun uitgesproken heeft voor AI-agents. Deze tegenstellingen markeren een belangrijke breuk in de opinies van ingenieurs, waarin de discussie over de effectiviteit en de toekomstdiensten van AI in softwareontwikkeling nog lang niet is opgelost. Wie uiteindelijk gelijk krijgt, blijft de vraag, maar het illustreert wel de grote verdeeldheid in een veld dat zich razendsnel ontwikkelt.

Karpathy, voorheen sceptisch over de mogelijkheden van deze technologie, heeft onlangs zijn standpunt gewijzigd en gelooft nu dat AI agents een revolutionaire rol gaan spelen in softwareontwikkeling. Hij legt de nadruk op de potentie van technologische vooruitgang, waarbij andere leiders in de industrie zoals Dario Amodei van Anthropic zelfs melden dat hun ontwikkelaars zich al niet meer met coderen bezighouden en de output van modellen enkel nog beoordelen. Dit toont aan dat de adoptie van AI-codingtools aan snelheid wint, wat de noodzaak voor kwaliteitsbewaking des te urgenter maakt.

Het spanningsveld tussen de aanhangers en tegenstanders van AI-coding agents zal cruciale implicaties hebben voor de toekomst van softwareontwikkeling. De kern van het debat draait niet alleen om de technologie zelf, maar ook om het kwaliteitsbeheer dat nodig is om de integriteit van code te waarborgen. Als zwakkere programmeurs namelijk massaal de AI-tools omarmen zonder adequate kwaliteitscontrole, kan dit de ontwikkeling van hoogwaardige software ernstig ondermijnen.

Hotz positioneert zich aan de kant van sceptici zoals Yann LeCun en Gary Marcus, en benadrukt dat taalmodellen vooral zijn ontworpen voor patroonherkenning en niet noodzakelijkerwijs in staat zijn om nieuwe problemen op te lossen. Dit biedt een uitdagende kijk op het gebruik van AI in een veld dat al zo volatiel is als dat van software ontwikkeling. De komende jaren zullen ontegenzeggelijk bepalend zijn voor welke richting deze technologie zal inslaan en hoe deze zal worden geïntegreerd in het dagelijkse software-ontwikkelingsproces.

Vraag & Antwoord

Wat zijn de belangrijkste bezwaren tegen AI-coding agents volgens George Hotz?
Hotz stelt dat AI-coding agents niet in staat zijn om kwaliteitsvolle code te leveren, omdat zwakkere programmeurs de gebrekkige output niet kunnen herkennen, wat leidt tot een verslechten gemiddelde codekwaliteit.

Waarom is de discussie over AI-tools zo belangrijk voor de softwareontwikkeling?
De discussie is cruciaal omdat de adoptie van AI-tools de kwaliteit van software beïnvloedt en kan leiden tot een overaanbod van een lagere kwaliteit, afhankelijk van hoe goed bedrijven in staat zijn om deze tools te integreren zonder kwaliteitsverlies.

Hoe staat de techgemeenschap verdeeld over het gebruik van AI-tools in het ontwikkelingsproces?
De gemeenschap is verdeeld, met krachtige voorstanders zoals Andrej Karpathy die geloven dat AI-agents de softwareontwikkeling zullen revolutioneren, tegenover critici zoals Hotz die vrezen voor kwaliteitsverlies door onopgemerkte fouten in de AI-output.