Foto von Artikel 65.jpg
Künstliche Intelligenz automatisiert alles – kann sie Programmierer ersetzen? Foto: Midjourney

Ein Forscherteam hat soeben eine umfassende Übersicht über die Herausforderungen der künstlichen Intelligenz (KI) in der Softwareentwicklung veröffentlicht und einen Forschungsfahrplan vorgeschlagen, um das Gebiet weiter voranzutreiben.

Stellen Sie sich eine Zukunft vor, in der KI still und leise die Routineaufgaben der Softwareentwicklung übernimmt: das Refactoring von unübersichtlichem Code, die Migration von Altsystemen und das Aufspüren von Race Conditions. So können sich Softwareentwickler auf Systemarchitektur, Design und kreative Probleme konzentrieren, die Maschinen noch nicht lösen können. Jüngste Fortschritte im Bereich der KI scheinen diese Vision greifbarer zu machen.

Eine neue Studie von Wissenschaftlern des Computer Science and Artificial Intelligence Laboratory (CSAIL) - MIT und Partnerforschungsinstituten hat jedoch 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, da KI alles automatisiert“, sagte Armando Solar-Lezama, Professor für Elektrotechnik und Informatik am MIT, leitender Forscher am CSAIL und Hauptautor der Studie. „Tatsächlich haben wir bedeutende Fortschritte erzielt. Die Werkzeuge sind wesentlich leistungsfähiger als früher. Doch es ist noch ein langer Weg, bis wir das volle Potenzial der Automatisierung ausschöpfen können.“

Professor Armando Solar-Lezama argumentiert, dass die vorherrschende Ansicht Softwareentwicklung auf etwas wie eine Programmieraufgabe für Studenten reduziert: eine kleine Funktion zu nehmen und Code zu schreiben, um sie zu implementieren, oder eine Übung im Stil von LeetCode zu lösen. Die Realität ist jedoch viel komplexer: von Code-Refactorings zur Optimierung von Designs bis hin zu groß angelegten Migrationen mit Millionen von Codezeilen, die von COBOL nach Java übertragen werden und die gesamte Technologiebasis eines Unternehmens verändern.

Messung und Kommunikation bleiben schwierige Probleme

Codeoptimierungen im industriellen Maßstab – wie GPU-Kern-Anpassungen oder mehrschichtige Verbesserungen der Chrome-V8-Engine – sind nach wie vor schwer zu bewerten. Aktuelle Benchmarks konzentrieren sich hauptsächlich auf kleine, isolierte Probleme. Die praktikabelste Metrik, SWE-Bench, fordert ein KI-Modell lediglich auf, einen Fehler auf GitHub zu beheben – eine Programmieraufgabe auf niedriger Ebene, die nur wenige hundert Codezeilen umfasst, potenziell Daten offenlegt und eine Vielzahl realer Szenarien außer Acht lässt, wie etwa KI-gestütztes Refactoring, Mensch-Maschine-Paarprogrammierung oder die Neuentwicklung von Hochleistungssystemen mit Millionen von Codezeilen. Solange Benchmarks nicht auf risikoreichere Szenarien ausgeweitet werden, bleibt die Messung und damit die Beschleunigung des Fortschritts eine offene Herausforderung.

Darüber hinaus stellt die Mensch-Maschine-Kommunikation eine große Hürde dar. Doktorand Alex Gu, der Hauptautor der Studie, beschreibt die Interaktion mit KI derzeit noch als „brüchige Kommunikationsverbindung“. Wenn er KI Code generieren lässt, erhält er oft große, unstrukturierte Dateien sowie einige wenige, einfache und lückenhafte Testdatensätze. Diese Diskrepanz zeigt sich auch darin, dass KI Software-Tools, die Menschen vertraut sind, wie Debugger und statische Analysetools, nicht effektiv nutzen kann.

Aufruf zum Handeln seitens der Gemeinschaft

Die Autoren argumentieren, dass es für diese Probleme keine Zauberlösung gibt, und fordern daher gemeinschaftliche Anstrengungen: den Aufbau von Daten, die den tatsächlichen Entwicklungsprozess der Programmierer widerspiegeln (welcher Code beibehalten, welcher Code entfernt werden soll, wie Code im Laufe der Zeit refaktoriert wird usw.); gemeinsame Bewertungsinstrumente für die Qualität von Refactorings, die Beständigkeit von Patches und die Genauigkeit der Systemmigration; und die Entwicklung transparenter Werkzeuge, die es der KI ermöglichen, Unsicherheiten auszudrücken und menschliches Eingreifen zu erzwingen.

Doktorand Alex Gu sieht darin einen „Aufruf zum Handeln“ für große Open-Source-Communities, den kein einzelnes Labor leisten kann. Solar-Lezama geht davon aus, dass der Fortschritt in kleinen, schrittweisen Schritten erfolgt – „Forschungsergebnisse, die jeweils einen Teil des Problems lösen“ – und KI so von einem „Code-Vorschlagstool“ zu einem echten technischen Partner transformiert.

„Warum ist das wichtig? Software ist bereits die Grundlage für Finanzen, Transport, Gesundheitswesen und nahezu den gesamten Alltag. Doch der menschliche Aufwand für ihre sichere Entwicklung und Wartung wird zunehmend zum Flaschenhals“, sagte Gu. „Eine KI, die die rechenintensiven Aufgaben fehlerfrei erledigen kann, würde Programmierer entlasten und ihnen ermöglichen, sich auf Kreativität, Strategie und Ethik zu konzentrieren. Um dieses Ziel zu erreichen, müssen wir jedoch Folgendes verstehen: Das Fertigstellen eines Codeabschnitts ist der einfache Teil – die eigentliche Herausforderung liegt in allem, was danach kommt.“

(Kurz übersetzt aus MIT News)

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