От стотици години до месеци: Как ИИ намалява обема на работата, свързана с пренасянето на код
Машините заемат водеща позиция, като оставят ръчното програмиране надалеч обратно...
Емил Василев 16:06 | 17.01.2025 0 СподелиНай-четени
IT НовиниЕмил Василев - 17:30 | 15.01.2025Милионерът, който желае да живее постоянно, спря да приема лекарство за дългоденствие поради опасения, че то форсира стареенето
IT НовиниЕмил Василев - 16:25 | 16.01.2025Starlink стартира да предлага сателитен интернет за 9 $ на месец
Изкуствен интелектЕмил Василев - 8:12 | 15.01.2025Машините ще станат наши господари: Пророчеството на Самюъл Бътлър от 1863 година
Емил Василевhttps://www.kaldata.com/Гугъл интензивно употребява свои лични принадлежности, основани на изкуствен интелект за модернизиране на вътрешните си кодови бази. В скорошен проучвателен документ компанията разказва по какъв начин огромните езикови модели (LLM) са помогнали да се понижи времето за миграция на кода стотици пъти при огромни планове. Тези процеси са включвали комплицирани задания като прекосяване към 64-битови идентификатори в системата Гугъл Ads, възобновяване на библиотеката JUnit3 до JUnit4 и подмяна на библиотеката Joda с Java Time.
Задачата за прекосяване към 64-битови идентификатори обхващаше повече от 500 милиона реда код в десетки хиляди файлове. Ръчното осъществяване щеше да изисква стотици години работа и комплицирана съгласуваност сред екипите.
Благодарение на LLM системите обаче, Гугъл съумя да понижи доста размера на ръчния труд. Инструментите с изкуствен интелект автоматизирано внасяха промени, които по-късно се ревизираха от инженерите и се преглеждаха. Окончателните данни демонстрираха, че 80% от измененията са направени от изкуствен интелект, а 87% са признати без смяна.
Преминаването от JUnit3 към JUnit4 лиши единствено 3 месеца. През това време бяха обновени 5359 файла и бяха изменени към 150 000 реда код. По същия метод прекосяването от Joda към Java Time спести 89% от времето, което би било належащо за ръчно осъществяване на задачата.
Авторите акцентират, че LLM освен форсират модернизацията, само че и допълват обичайните способи за миграция, като да вземем за пример потреблението на синтактични дървета и скриптове за търсене. Въпреки това, заради високата цена на обработката на огромни размери от данни се предлага ИИ да се употребява в композиция с други принадлежности.
Гугъл отбелязва, че потреблението на ИИ за такива задания към този момент е трансформирало метода към създаването: количеството код, основано с ИИ към този момент надвишава количеството ръчно написан код. Това демонстрира забележителния капацитет на технологията за автоматизиране на комплицирани задания в огромни компании.
