GitHub از هوش مصنوعی استفاده می کند، از Microsoft Copilot برای خودکارسازی وظایف و تحول در صنعت کدنویسی استفاده می کند

زمانی که توسعه‌دهنده نرم‌افزار نیکلای آوتنیف نسخه اولیه دستیار برنامه‌نویسی Copilot شرکت مایکروسافت را به دست آورد. در سال 2021، او به سرعت پتانسیل را دید.

این دستیار که توسط پلتفرم کدنویسی GitHub مایکروسافت و بر اساس نسخه‌ای از هوش مصنوعی مولد OpenAI ساخته شده بود، بی‌نقص نبود و گاهی اوقات همه چیز را به هم می‌زد. اما Avteniev که برای فروشنده بلیط StubHub کار می کند، از اینکه چگونه با مهارت خطوط کد را تنها با چند دستور تکمیل کرد، شگفت زده شد. تنها کاری که او باید انجام می داد این بود که کلید تب را فشار دهد و Copilot بقیه کارها را انجام داد.

او اخیراً یادآور شد: «به جای استفاده از 15 ضربه کلید، سه ضربه طول کشید. “افزایش سرعت کمی خوب بود.”

سه سال بعد، و اکنون با جدیدترین نسخه از فناوری GPT-4 OpenAI، Copilot GitHub می‌تواند کارهای بیشتری انجام دهد، از جمله پاسخ به سؤالات مهندس و تبدیل کد از یک زبان برنامه‌نویسی به زبان دیگر. در نتیجه، دستیار مسئول درصد قابل توجهی از نرم افزار است که نوشته شده و حتی برای برنامه نویسی سیستم های مهم شرکتی استفاده می شود.

در طول مسیر، Copilot به تدریج زندگی کاری مهندسان نرم افزار را متحول می کند – اولین گروه حرفه ای برای استفاده انبوه از هوش مصنوعی مولد. مایکروسافت می گوید Copilot تا به امروز 1.3 میلیون مشتری جذب کرده است، از جمله 50000 کسب و کار از استارت آپ های کوچک گرفته تا شرکت هایی مانند گلدمن ساکس، فورد و ارنست اند یانگ. مهندسان می گویند Copilot با انجام کارهای خسته کننده و تکراری صدها ساعت در ماه آنها را ذخیره می کند و به آنها زمان می دهد تا روی چالش های پیچیده تر تمرکز کنند.

GitHub که در سال 2018 به مبلغ 7.5 میلیارد دلار توسط مایکروسافت خریداری شد، بر بازار خود تسلط دارد و شرط می‌بندد که Copilot از قدرت هوش مصنوعی برای مبارزه با سرویس‌های رقیب از جمله Tabnine، CodeWhisperer آمازون و Replit Ghostwriter برخوردار است که توسط گوگل پشتیبانی می‌شود. دستیار هوش مصنوعی GitHub همچنین نوعی آزمایش بتا برای تعداد زیادی از خلبان‌های دیگر است که مایکروسافت در آفیس، ویندوز، بینگ و سایر خطوط کسب و کار مستقر می‌کند.

همانطور که در مورد هوش مصنوعی به طور کلی صادق است، GitHub Copilot محدودیت هایی دارد. توسعه دهندگان می گویند که گاهی اوقات کدهای قدیمی را واکشی می کند، پاسخ های بی فایده ای به سؤالات ارائه می دهد و پیشنهادهایی ایجاد می کند که باگ هستند یا ممکن است حق چاپ را نقض کنند. از آنجایی که این ابزار بر روی مخازن کدهای عمومی و باز آموزش داده شده است، مهندسان با خطر تکرار مسائل امنیتی یا معرفی موارد جدید در کار خود مواجه می شوند، به خصوص اگر کورکورانه توصیه های Copilot را بپذیرند.

GitHub تاکید می کند که این ابزار کمکی برای توسعه دهندگان انسانی است، نه جایگزینی برای آنها، و مسئولیت استفاده عاقلانه از آن را بر عهده مشتریان گذاشته است. توماس دامک، مدیرعامل GitHub گفت که برای جلوگیری از پذیرش برنامه‌نویسان تنبل به سادگی آنچه Copilot ارائه می‌دهد، دستورالعمل‌های قوی لازم است. وی ابراز اطمینان کرد که مهندسان با یکدیگر صادق خواهند بود.

او در مصاحبه‌ای گفت: پویایی اجتماعی تیم تضمین می‌کند که کسانی که با پذیرش کد خیلی سریع تقلب می‌کنند و در واقع فرآیند تعریف‌شده توسط تیم را طی نمی‌کنند، این کد وارد تولید نخواهد شد.

هوش مصنوعی مولد جدیدترین در یک خط طولانی از نوآوری است که در طول سال ها کدگذاری رایانه را متحول کرده است. در طول قرن گذشته، کامپایلرهای برنامه توسعه نرم افزار را با ترجمه سریع دستورات به صفر و یک که کامپیوترها می توانند درک کنند، سرعت بخشیده اند. اخیراً، لینوکس کدنویسی منبع باز را رایج کرده است و به برنامه نویسان اجازه می دهد تا به جای نوشتن همه چیز از ابتدا از کار یکدیگر استفاده کنند.

دستیارهای کدنویسی مانند Copilot GitHub می‌توانند حتی انقلابی‌تر باشند، زیرا هوش مصنوعی مولد قدرت بالقوه‌ای برای خودکارسازی بخش‌های بزرگی از آنچه مهندسان نرم‌افزار در حال حاضر انجام می‌دهند را دارد.

در حال حاضر، بیشتر آنها را کارآمدتر می کند. Avteniev از StubHub، که در کالج شهر نیویورک نیز مهندسی نرم‌افزار تدریس می‌کند، می‌گوید توانایی پیش‌بینی Copilot به برنامه‌نویسان کمک می‌کند تا “در جریان” بمانند، زیرا دیگر مجبور نیستند برای تحقیق درباره چیزها توقف کنند. Avteniev بیش از 20 سال است که برنامه نویسی می کند، اما حتی گاهی اوقات زبان های برنامه نویسی را فراموش می کند و مجبور می شود وقت خود را در گوگل تلف کند. او گفت: “Copilot شما را از خارج شدن از فرآیند کدگذاری فعلی خود باز می دارد.” “حتی زمانی که در حال تولید مزخرفات است، باز هم راحت تر است که کاری را که انجام می دهد بپذیرید و سپس خودتان آن را اصلاح کنید.”

آرون هجز، یک توسعه دهنده برای بیش از 15 سال، قبل از ورود Copilot سوخته بود. Hedges برای ReadMe کار می‌کند، استارت‌آپی که به شرکت‌ها کمک می‌کند تا توضیحات فنی رابط‌های برنامه‌نویسی برنامه‌نویسی یا APIهای خود را ایجاد کنند. او مانند Avteniev از ویژگی تکمیل خودکار Copilot به خوبی استفاده می کند. “از آنجا که من یک مهندس بسیار ارشد هستم، می توانم به آن نگاه کنم و بگویم، “اوه، بله، درست به نظر می رسد.” او همچنین دوست دارد که بتواند بدون ترک پنجره برنامه نویسی خود سؤال بپرسد. او گفت: “من مجبور نیستم به عقب برگردم و یک مرورگر را باز کنم، که می تواند واقعا مخرب باشد.”

با 10 دلار در ماه، اشتراک Copilot معامله ای است که هجز با میل و میل آن را پرداخت می کند. بعد از کار، او وب سایت هایی را برای طرفداران Dungeons & Dragons ایجاد می کند. با یک کودک نوپا و یک نوزاد دیگر در راه، زمان مرخصی ارزشمند است. او می‌گوید: «آن دو ساعتی که برای کدنویسی در شب باید در اختیار خودم بگذارم، برای من بسیار مهم است. هرچه بتوانم کارآمدتر باشم، بهتر است.»

چند کار خسته‌کننده‌تر از نرم‌افزار اشکال‌زدایی هستند، فرآیندی که می‌تواند تا 50 درصد از زمان مهندس را بگیرد. Figma که به توسعه‌دهندگان کمک می‌کند رابط‌های اپلیکیشن یا وب‌سایت را طراحی کنند، می‌گوید Copilot می‌تواند برنامه‌های تست نقص را در چند دقیقه ایجاد کند، نه چند ساعت. Abhishek Mathur، معاون مهندسی این شرکت گفت: «این ارزش واقعی هوش مصنوعی است. این کار جایگزین کار ما نمی شود، اما زمان را برای توسعه راه حل های خلاقانه برای ما آزاد می کند.

برخی از شرکت ها شروع به پیاده سازی Copilot برای ساخت کد برای سیستم های حیاتی کرده اند. Brewer Carlsberg از آن برای نوشتن کد برای ابزار موجود استفاده کرد که به فروشندگان کمک می کند تا تماس های فروش را برنامه ریزی، آماده و مستند کنند. به گفته مدیر ارشد اطلاعات سارا هیوود، با توجه به محدودیت‌های Copilot، آبجو از فرآیند تضمین کیفیت خود استفاده می‌کند تا تأیید کند که کدی که ایجاد می‌کند مطابق با هدف کار می‌کند. او گفت که در نهایت، شرکت ها می توانند این وظیفه را نیز برون سپاری کنند. او گفت: «با گذشت زمان، مردم اعتماد بیشتری به هوش مصنوعی ایجاد خواهند کرد. من فکر نمی‌کنم که باید طوری رفتار کنیم که همه کارهای هوش مصنوعی را دوباره بررسی می‌کنیم، در غیر این صورت واقعاً هیچ ارزشی اضافه نمی‌کنیم.»

در تلاش برای ارزیابی دقت این فناوری، دانشگاه واترلو کانادا آزمایشی را در سال گذشته منتشر کرد. محققان مجموعه داده ای متشکل از کدهایی را که دارای نقص های شناخته شده بودند و رفع آن باگ ها را جمع آوری کردند. محققان از Copilot خواستند تا این قطعه‌های دقیق را ایجاد کند تا ببیند آیا نسخه‌های دارای خطا را بیرون می‌دهد یا خیر. دستیار نسخه معیوب را در 33٪ مواقع، کمتر از یک انسان، بازتولید می کند. در یک چهارم موارد، هوش مصنوعی کد را با رفع مشکل خارج می کند. می ناگاپان، استاد علوم کامپیوتر در دانشکده و یکی از نویسندگان این مطالعه، گفت که Copilot عموماً در اجتناب از خطاهای اساسی بهتر از خطاهای پیچیده تر بود.

وی گفت: “قیاس در اینجا این است که ما در حال حاضر در عصر کمک راننده هستیم، هنوز در مرحله خودران نیستیم.”

مهندسان نرم افزار می توانند به آرامی عادت های کاری خود را تغییر دهند. بسیاری از Copilot را تشویق می کنند، اما از اتکای بیش از حد به آن محتاط هستند. یک مطالعه اخیر که توسط GitHub انجام شد نشان داد که توسعه دهندگان فقط در 27٪ موارد پیشنهادات دستیار را می پذیرند.

مهندسان همچنین می توانند به سرعت Copilot را سرزنش کنند اگر مشکلی پیش آمد. هنگامی که سایت Etsy در ماه های اکتبر و دسامبر سال گذشته برای دوره های کوتاهی از کار افتاد، برخی از توسعه دهندگان شرکت به Copilot برای قطعی اشاره کردند. Etsy این اتفاقات را تایید کرد اما مسئولیت Copilot را مورد مناقشه قرار داد. یکی از سخنگویان گفت: “در حالی که ما مطمئناً می دانیم که مهندسان می توانند در مورد اینکه Copilot چگونه می تواند از نظر تئوری نقشی در قطع یا مشکلات ایفا کند، بحث کنند، ما هیچ مدرکی نداریم که این ابزار واقعاً به هر گونه تأثیر مشتری منجر شده است.”

انتظار می رود که Copilot در سال های آینده به طور چشمگیری بهبود یابد. GitHub در حال حاضر بهبودهایی را ارائه کرده است، از جمله نسخه سازمانی که می تواند به سؤالات بر اساس کد برنامه نویسی خود مشتری پاسخ دهد، که باید به مهندسان جدید کمک کند تا سرعت خود را بالا ببرند و به توسعه دهندگان کهنه کار اجازه می دهد سریعتر کار کنند. در ماه‌های آینده، GitHub همچنین به مهندسان اجازه می‌دهد تا از پایگاه کد کارفرمای خود برای تکمیل خودکار برنامه‌هایی که روی آنها کار می‌کنند کمک کنند. این باعث می شود کد تولید شده قابل شخصی سازی و مفیدتر شدن باشد.

GitHub نمی تواند ثابت بماند. حداقل ده ها استارت آپ به دنبال ایجاد اختلال در بازار هستند. برخی از مدل‌های جدیدی استفاده می‌کنند که میزان استفاده سریع دستیاران اطلاعاتی را به‌طور چشمگیری افزایش داده است و تولید کل برنامه‌ها را برای آنها آسان‌تر می‌کند. نات می‌گوید: «یک برنامه‌نویس هوش مصنوعی که می‌تواند همه کدهای شما را ببیند، می‌تواند تصمیم‌های بسیار بهتری بگیرد و کد بسیار منسجم‌تری بنویسد تا برنامه‌نویسی که فقط می‌تواند از طریق یک رول دستمال کاغذی به کد شما نگاه کند.» فریدمن، سرمایه گذار و مدیر عامل سابق گیت هاب.

فریدمن از استارت آپی به نام Magic AI حمایت می کند که قصد دارد یک “مهندس نرم افزار فوق بشری” ایجاد کند. در همین حال، هوش مصنوعی Cognition با پشتیبانی پیتر تیل، در حال کار بر روی دستیار است که بتواند پروژه های نرم افزاری را به تنهایی مدیریت کند. دانشگاه پرینستون این ماه یک مدل منبع باز برای یک عامل مهندسی نرم افزار هوش مصنوعی منتشر کرد و به نظر می رسد هفته ای نیست که یک استارت آپ جدید ظاهر نشود.

در مصاحبه ها، تعداد کمی از برنامه نویسان ابراز نگرانی کردند که هوش مصنوعی جایگزین آنها شود. همانطور که در بسیاری از صنایع، آنها می گویند، اتوماسیون آنها را آزاد می کند تا روی کارهای چالش برانگیزتر و جالب تر تمرکز کنند. اما جنسن هوانگ، مدیر عامل شرکت سازنده تراشه‌های هوش مصنوعی انویدیا، چشم‌انداز چندان خوشایندی ندارد. او اخیرا پیش بینی کرد که کدنویسی به عنوان یک حرفه محکوم به فناست. به گفته هوانگ، اکنون که هوش مصنوعی امکان کدنویسی به زبان انگلیسی ساده را فراهم می کند، هر کسی می تواند برنامه نویس شود.

یک چیز دیگر! ما اکنون در کانال های واتس اپ هستیم! ما را در آنجا دنبال کنید تا هیچ به روز رسانی دنیای فناوری را از دست ندهید. برای دنبال کردن کانال HT Tech WhatsApp کلیک کنید اینجا برای پیوستن به هم اکنون!