Nu börjar AI göra utvecklarnas jobb – väljer algoritmer och skapar kod själv
AI-system kan nu välja algoritmer och skriva kod helt utan mänsklig hjälp.
När AI börjar tänka som utvecklare
Jag har länge trott att det mest spännande med AI inte är vad den kan göra idag, utan vad den kommer kunna göra i morgon. Nu ser vi hur den gränsen flyttas igen – AI börjar ta över uppgifter som tidigare krävde djup teknisk expertis.
Två nya forskningsgenombrott, publicerade på arXiv, visar hur AI-system kan hantera två fundamentala utmaningar inom systemutveckling: att välja rätt algoritm för ett problem och att utveckla helt nya beräkningsstrukturer.
ZeroFolio: Algoritmer utan expertkunskap
Det första genombrottet heter ZeroFolio och löser ett problem som varje utvecklare känner igen: hur vet man vilken algoritm som är bäst för ett specifikt problem?
Traditionellt har detta krävt djup sakkunskap och handgjorda egenskaper för varje problemområde. ZeroFolio går en helt annan väg – den läser problemfiler som vanlig text och använder färdigtränade AI-modeller för att förstå strukturen.
Metoden fungerar i tre steg:
- Läs problemfilen som text
- Omvandla till numerisk representation med textinbäddningar
- Välj algoritm genom närhetsjämförelser
Resultaten är imponerande. I tester på 11 olika problemområden – från logikproblem till grafteori – överträffade ZeroFolio traditionella ansatser i 10 av 11 fall. Det mest fascinerande är att samma teknik fungerar över helt olika områden utan någon anpassning.
EvoForest: När AI utvecklar beräkningar själv
Men det stannar inte vid algoritmval. Det andra genombrottet, EvoForest, går ännu längre och ifrågasätter grundprinciperna för maskininlärning.
Istället för den traditionella metoden där vi väljer en modell och optimerar dess vikter, fokuserar EvoForest på att upptäcka vad som ska beräknas från data. Systemet utvecklar automatiskt beräkningsstrukturer genom evolutionära metoder.
EvoForest kombinerar flera avancerade tekniker:
- Lagrar alternativa implementeringar i mellanliggande noder
- Kodar återanvändbara transformationsfamiljer
- Utvärderar upptäckta beräkningar mot korsvalidering
- Använder språkmodeller för att styra framtida mutationer
I ADIA Lab Structural Break Challenge 2025 uppnådde EvoForest 94,13% ROC-AUC efter 600 evolutionssteg – betydligt högre än den vinnande poängen på 90,14%. Det är inte bara bättre prestanda, det är en helt ny approach till problemlösning.
En ny era av självständighet
Vad vi ser här är början på något större. AI-system börjar hantera abstraktionslager som tidigare var reserverade för erfarna utvecklare. ZeroFolio visar att mönsterigenkänning kan ersätta djup domänexpertis, medan EvoForest demonstrerar att hela beräkningsstrukturer kan utvecklas evolutionärt.
Det här är inte bara inkrementella förbättringar – det är fundamentala förändringar i hur vi tänker kring problemlösning med datorer.
Vår analys
Dessa genombrott markerar en viktig milstolpe i AI-utvecklingen. Vi ser en tydlig utveckling mot AI-system som inte bara utför uppgifter, utan som kan resonera kring hur uppgifter ska utföras.
För oss utvecklare innebär det både möjligheter och utmaningar. Å ena sidan får vi kraftfulla verktyg som kan automatisera komplexa beslut och optimeringar. Å andra sidan förändras vår roll – från att implementera algoritmer till att ställa rätt frågor och utvärdera resultat.
Jag tror vi befinner oss vid början av en era där AI blir en verklig partner i utvecklingsprocessen. Inte bara en avancerad kodassistent, utan ett system som kan tänka strategiskt kring problemlösning. Det kommer förmodligen leda till både snabbare utveckling och helt nya typer av lösningar som vi människor aldrig skulle komma på.
Nästa steg blir förmodligen integration av dessa tekniker i mainstream-utvecklingsverktyg. Jag ser fram emot den dagen när val av algoritmer och arkitekturer blir lika automatiserat som syntax-highlighting är idag.