Foto 65.jpg
KI automatisiert alles und kann Programmierer ersetzen. Foto: Midjourney

Ein Forscherteam hat gerade eine umfassende Übersicht über die Herausforderungen veröffentlicht, denen sich künstliche Intelligenz (KI) in der Softwareentwicklung gegenübersieht, und einen Forschungsfahrplan vorgeschlagen, um das Feld weiter voranzutreiben.

Stellen Sie sich eine Zukunft vor, in der KI still und leise die alltäglichen Aufgaben der Softwareentwicklung übernimmt: Refactoring von komplexem Code, Migration von Altsystemen und Aufspüren von Race Conditions. So können sich menschliche Softwareentwickler auf Systemarchitektur, Design und kreative Probleme konzentrieren, die Maschinen noch nicht lösen können. Jüngste Fortschritte in der KI scheinen diese Vision näher zu bringen.

Eine neue Studie von Wissenschaftlern des Computer Science and Artificial Intelligence Laboratory (CSAIL) – MIT und Partnerforschungsinstituten hat jedoch Folgendes gezeigt: Um diese Zukunft zu verwirklichen, müssen wir uns zunächst direkt mit den sehr realen Herausforderungen der Gegenwart auseinandersetzen.

„Viele behaupten, Programmierer würden nicht mehr benötigt, weil KI alles automatisieren könne“, sagte Armando Solar-Lezama, Professor für Elektrotechnik und Informatik am MIT, leitender Forscher am CSAIL und Hauptautor der Studie. „Tatsächlich haben wir erhebliche Fortschritte gemacht. Die Werkzeuge, die uns heute zur Verfügung stehen, sind viel leistungsfähiger als früher. Aber es ist noch ein weiter Weg, bis wir das volle Potenzial der Automatisierung ausschöpfen können.“

Professor Armando Solar-Lezama argumentiert, dass Softwareentwicklung in der Regel als eine Aufgabe wahrgenommen wird, die mit einer Programmieraufgabe für Studenten vergleichbar ist: Man nehme eine kleine Funktion und schreibe Code, um sie zu verarbeiten, oder mache eine Übung im LeetCode-Stil. Die Realität ist jedoch viel komplexer: Sie reicht von Code-Refactorings zur Optimierung von Designs bis hin zu groß angelegten Migrationen mit Millionen von Codezeilen von COBOL zu Java, die den gesamten Technologie-Stack eines Unternehmens verändern.

Messung und Kommunikation bleiben schwierige Probleme

Codeoptimierungen im industriellen Maßstab – wie GPU-Core-Optimierungen oder mehrschichtige Verbesserungen der Chrome V8 Engine – sind noch immer schwer zu bewerten. Aktuelle Benchmarks beziehen sich meist auf kleine, kompakte Probleme. Die praktikabelste Metrik, SWE-Bench, fordert ein KI-Modell lediglich auf, einen Fehler auf GitHub zu beheben – eine Low-Level-Programmierübung mit wenigen hundert Zeilen Code und potenzieller Datengefährdung. Sie ignoriert dabei eine Vielzahl realer Szenarien wie KI-gestütztes Refactoring, Mensch-Maschine-Paarprogrammierung oder die Umschreibung hochleistungsfähiger Systeme mit Millionen von Codezeilen. Solange Benchmarks diese risikoreicheren Szenarien nicht abdecken, bleibt die Messung und damit Beschleunigung des Fortschritts eine offene Herausforderung.

Darüber hinaus stellt die Mensch-Maschine-Kommunikation eine große Hürde dar. Doktorand Alex Gu, der Hauptautor, erklärte, die Interaktion mit KI sei derzeit noch wie eine fragile Kommunikationsleitung. Wenn er KI mit der Codegenerierung beauftragt, erhält er oft große, unstrukturierte Dateien sowie einige einfache und lückenhafte Testsätze zurück. Diese Lücke spiegelt sich auch darin wider, dass KI die Vorteile von Softwaretools, die Menschen vertraut sind, wie Debugger, statische Analysatoren usw., nicht effektiv nutzen kann.

Aufruf zum Handeln aus der Community

Die Autoren argumentieren, dass es für diese Probleme keine Patentlösung gibt, und fordern gemeinschaftliche Anstrengungen: die Erstellung von Daten, die den tatsächlichen Entwicklungsprozess der Programmierer widerspiegeln (welcher Code soll behalten werden, welcher Code soll entfernt werden, wie wird der Code im Laufe der Zeit umgestaltet usw.); gemeinsame Bewertungstools für die Qualität der Umgestaltung, die Haltbarkeit von Patches und die Genauigkeit von Systemübergängen; und die Erstellung transparenter Tools, die es der KI ermöglichen, Unsicherheit auszudrücken und menschliches Eingreifen zu ermöglichen.

Doktorand Alex Gu sieht darin einen „Aufruf zum Handeln“ für große Open-Source-Communitys, den kein einzelnes Labor leisten kann. Solar-Lezama sieht Fortschritte in kleinen, schrittweisen Schritten – „Forschungsergebnisse, die jeweils einen Teil des Problems lösen“ – und entwickelt KI so vom „Code-Vorschlagstool“ zu einem echten Entwicklungspartner.

„Warum ist das wichtig? Software bildet bereits die Grundlage für Finanzen, Transport, Gesundheitswesen und nahezu jeden Alltag. Doch der menschliche Aufwand, sie sicher zu entwickeln und zu pflegen, wird zum Engpass“, sagte Gu. „Eine KI, die diese schwere Arbeit ohne versteckte Fehler übernimmt, würde Programmierern mehr Freiraum für Kreativität, Strategie und Ethik geben. Doch um das zu erreichen, müssen wir verstehen, dass die Fertigstellung eines Codes der einfache Teil ist – der schwierige Teil ist alles andere.“

(Kurz übersetzt aus MIT News)

Quelle: https://vietnamnet.vn/hanh-trinh-dai-cua-ai-trong-ky-thuat-phan-mem-tu-dong-hoa-2426456.html