Изкуственият интелект не е близо до замяната на разработчиците на

Изкуственият разсъдък не е покрай замяната на разработчиците на програмен продукт
(снимка: CC0 Public Domain)

Софтуерното инженерство е измежду многото области, които се трансформират бързо с напредъка на огромните езикови модели (LLM). За няколко години LLM се развиха от усъвършенствани принадлежности за автоматизирано дотъкмяване на код до сътрудници с изкуствен интелект, които могат да проектират програмен продукт, да внедряват и поправят цели модули и да оказват помощ на софтуерните инженери да станат по-продуктивни.

Несъмнено шумът към AI сътрудниците за разработка на програмен продукт е преувеличен, сходно на доста други неща, свързани с LLM. Но има и същинска стойност, която би трябвало да бъде уловена, и разработчиците, които се научат да употребяват новото потомство AI принадлежности, ще могат да вършат доста повече за по-малко време.

AI асистенти за шифроване

Има три съществени метода, по които LLM трансформират преживяването при шифроване, обобщава VentureBeat. Първото е директното потребление на модели като помощници в писането на код. Разработчиците все по-често разчитат на ChatGPT, Claude и други чатботове като помощници за шифроване. Моделите стават все по-добри в генериране на код от текстови описания, възстановяване на кодов откъс или с даване на код за премахване на неточности.

Признавайки тази приложимост на потребление на AI за разработка на програмен продукт, доставчиците на модели прибавят нови функционалности, с цел да подобрят преживяването на програмистите с интерфейса на чатботовете. Например, новата функционалност Artifacts на Claude ви разрешава да преглеждате и изпълнявате кода, до момента в който итерирате върху него с модела.

По-усъвършенствани способи на потребление на асистенти за AI шифроване са LLM, които се прибавят в интегрирани среди за разработка (IDE). Тези принадлежности могат да употребяват вашите планови файлове и кодова база като подтекст, с цел да обезпечат по-точни отговори и да изпълнят по-сложни задания.

Microsoft беше първата компания, която навлезе в полето с GitHub Copilot, пуснат една година преди ChatGPT. Първоначално Copilot стартира като инструмент за писане на кодови фрагменти в редактора на код. Оттогава той се трансформира в пълностоен помощник, който може да помогне с осъществяването на разнообразни задания в средата за разработка.

Асистентът за шифроване Amazon Q дава сходни функционалности в средата за шифроване, в това число автоматизирано дотъкмяване на код, дизайнерски сътрудници и мигриране на код сред разнообразни езици за програмиране.

Няколко започващи компании също навлязоха в пространството, в това число Tabnine, която твърди, че има милиони консуматори. Разработчиците употребяват Tabnine, с цел да напишат 30% до 40% от своя код.

Други играчи включват Replit, който дава среда за шифроване, захранвана от личен LLM, и Codeium, асистент за шифроване с изкуствен интелект, който може да се интегрира с десетки IDE.

AI сътрудници за софтуерно инженерство

Третият метод, по който LLM трансформират създаването на програмен продукт, е посредством агентни рамки (фреймуъркс).

По принцип, AI сътрудниците са голям брой LLM, които получават разнообразни систематични подкани и са инструктирани да работят дружно, с цел да завършат плана. Например, един сътрудник може да бъде дизайнер, който дава проект на високо равнище за осъществяване на задача – да вземем за пример, търсене на запаси за информация, основаване на модули и по-късно тяхното осъществяване на облачна платформа. Друг сътрудник може да даде по-подробна разбивка на всяка от тези стъпки. Трети сътрудник може да бъде назначен да напише код за съответна задача и да го изпрати на различен сътрудник, който преглежда кода за качество и го изпраща назад за корекции. И най-после, различен сътрудник може да сплоти всички елементи, да ги компилира, тества и утвърди за пускане.

На доктрина сътрудниците за софтуерно инженерство могат да получат изложение на план и да го завършат от край до край. Например, през март стартъпът за изкуствен интелект Cognition разгласи Devin, рекламиран като „ първият софтуерен инженер за изкуствен интелект ”. Devin употребява LLM сътрудници и голям брой принадлежности като браузър, IDE и компилатор, с цел да събира запаси, да разсъждава върху задачата, да написа код и да прави оценка резултата. Потребителят може да наблюдава процеса на размишление и да следи по какъв начин Devin напредва в работата си.

Множество демонстрации, оповестени от Cognition AI, демонстрираха, че Devin извършва разнообразни задания, в това число в UpWork план за компютърно зрение. Това сътвори усещането, че AI сътрудниците скоро може да заменят софтуерните инженери.

Devin не е с отворен код. Но той е въодушевил други планове, като OpenDevin, софтуерен инженерен сътрудник с отворен код с сходни благоприятни условия. От няколко месеца съществуват и сътрудници за разработка на програмен продукт като GPT-engineer, които вършат впечатляващи демонстрации.

Хайп или действителност?

Множество изследвания демонстрират, че AI помощниците като GitHub Copilot покачват продуктивността на разработчиците и им оказват помощ да останат фокусирани върху дилемите си, вместо да търсят из мрежата решения на проблемите си. ChatGPT и Claude също се трансфораха в постоянни принадлежности за разработчиците при правене на хрумвания за дизайн на програмен продукт, подготовка на първични версии на код и асимилиране на нови умения за шифроване.

Въпреки това, вълнението и шумът към AI асистентите за разработка на програмен продукт са пресилени. Например, голям брой видеоклипове демонстрират, че демонстрациите на Devin не са това, за което са били рекламирани, а AI сътрудниците надалеч не извършват цялостния набор от задания на софтуерен инженер от приблизително равнище или старши.

Съществуват също опасения, че принадлежности като Copilot могат да генерират рисков код, който се е появил в техните данни за образование или в кодовата база на потребителя. Доставчиците на такива принадлежности непрестанно работят за прибавяне на защитни ограничения, които не разрешават на моделите да генерират нерешителен код.

Има също риск от „ слепота на автоматизацията ”, при която разработчиците привикват да одобряват кода, генериран от AI, без да го преглеждат. Това може да докара до непредвидим код, който лишава в допълнение време за премахване на неточности.

Това, което е несъмнено е, че изкуственият разсъдък не е покрай замяната на разработчиците на програмен продукт. Въпреки това към момента сме в ранните стадии на AI асистентите за шифроване и не може да се отхвърли, че има огромна изгода от потреблението на LLM в създаването на програмен продукт.

Тъй като изкуственията разсъдък навлиза във от ден на ден области, търсенето на разработчици на програмен продукт също се усилва. С развиването на инструментите и моделите можем да чакаме повече изгоди за продуктивността в софтуерното инженерство.