המסע הארוך של בינה מלאכותית בהנדסת תוכנה

האם בינה מלאכותית באמת ניתנת לתכנות? מחקר חדש מדגיש חסמים להנדסת תוכנה אוטומטית

בינה מלאכותית הופכת הכל לאוטומטי והאם היא יכולה להחליף מתכנתים? צילום: Midjourney

צוות חוקרים פרסם זה עתה מפה מקיפה של האתגרים העומדים בפני בינה מלאכותית (AI) בפיתוח תוכנה, והציע מפת דרכים למחקר שתקדם את התחום הלאה.

דמיינו עתיד שבו בינה מלאכותית משתלטת בשקט על המשימות השגרתיות של פיתוח תוכנה: עיבוד מחדש של קוד סבוך, העברת מערכות מדור קודם וחיפוש אחר תנאי מרוץ, ומשאירה את מהנדסי התוכנה האנושיים חופשיים להתמקד בארכיטקטורת המערכת, בעיצוב ובבעיות יצירתיות שמכונות עדיין לא יכולות לפתור. נראה כי ההתקדמות האחרונה בבינה מלאכותית מקרבת את החזון הזה.

עם זאת, מחקר חדש של מדענים במעבדה למדעי המחשב ובינה מלאכותית (CSAIL) - MIT ומכוני מחקר שותפים הראה כי: כדי להבין את העתיד הזה, עלינו תחילה להסתכל ישירות על האתגרים האמיתיים מאוד של הזמן הנוכחי.

"אנשים רבים אומרים שמתכנתים כבר לא נחוצים משום שבינה מלאכותית יכולה להפוך הכל לאוטומטי", אמר ארמנדו סולאר-לזמה, פרופסור להנדסת חשמל ומדעי המחשב ב-MIT, חוקר בכיר ב-CSAIL, והמחבר הראשי של המחקר. "למעשה, עשינו התקדמות משמעותית. הכלים שיש לנו היום חזקים הרבה יותר ממה שהיו בעבר. אבל עדיין יש לנו דרך ארוכה לעבור כדי לממש את מלוא הפוטנציאל של אוטומציה."

פרופסור ארמנדו סולאר-לזמה טוען שהתפיסה הרווחת לגבי הנדסת תוכנה היא שמדובר במשימה הדומה למשימת תכנות של סטודנט: קחו פונקציה קטנה וכתבו קוד שיטפל בה, או בצעו תרגיל בסגנון LeetCode. המציאות מורכבת הרבה יותר: החל משיפוץ קוד ועד אופטימיזציה של עיצובים, ועד למעברים בקנה מידה גדול עם מיליוני שורות קוד מ-COBOL לג'אווה שמשנות את כל מחסנית הטכנולוגיה של חברה.

מדידה ותקשורת נותרות בעיות קשות

אופטימיזציות קוד בקנה מידה תעשייתי - כמו שינויים בליבת ה-GPU או שיפורים רב-שכבתיים במנוע Chrome V8 - עדיין קשות להערכה. מדדי ביצועים נוכחיים מיועדים בעיקר לבעיות קטנות וארוזות. המדד המעשי ביותר, SWE-Bench, פשוט מבקש ממודל בינה מלאכותית לתקן באג ב-GitHub - תרגיל תכנות ברמה נמוכה הכולל כמה מאות שורות קוד וחושף נתונים באופן פוטנציאלי, ומתעלם ממגוון רחב של תרחישים מהעולם האמיתי, כמו שכתוב מחדש בסיוע בינה מלאכותית, תכנות זוג אדם-מכונה, או שכתובי מערכות בעלות ביצועים גבוהים עם מיליוני שורות קוד. עד שמדדי ביצועים יתרחבו כדי לכסות את התרחישים בעלי הסיכון הגבוה יותר הללו, מדידת ההתקדמות - ובכך האצתה - תישאר אתגר פתוח.

בנוסף, תקשורת בין אדם למכונה היא גם מכשול עיקרי. הדוקטורנט אלכס גו - המחבר הראשי - אמר שכיום, אינטראקציה עם בינה מלאכותית היא עדיין כמו "קו תקשורת שביר". כאשר הוא מבקש מבינה מלאכותית ליצור קוד, הוא מקבל לעתים קרובות קבצים גדולים ולא מובנים, יחד עם כמה מערכי בדיקה פשוטים ומעורפלים. פער זה בא לידי ביטוי גם בעובדה שבינה מלאכותית אינה יכולה לנצל ביעילות כלי תוכנה המוכרים לבני אדם כמו ניפוי באגים, מנתחים סטטיים וכו'.

קריאה לפעולה מהקהילה

המחברים טוענים כי אין פתרון קסם לבעיות אלו, וקוראים למאמצים בקנה מידה קהילתי: בניית נתונים המשקפים את תהליך הפיתוח בפועל של מתכנתים (איזה קוד לשמור, איזה קוד להסיר, כיצד הקוד עובר שיפוץ לאורך זמן וכו'); כלי הערכה משותפים לאיכות השיפוץ, עמידות הטלאים ודיוק המעבר למערכת; ובניית כלים שקופים המאפשרים לבינה מלאכותית לבטא אי ודאות ולהזמין התערבות אנושית.

הדוקטורנט אלכס גו רואה בכך "קריאה לפעולה" עבור קהילות קוד פתוח בקנה מידה גדול, קריאה שאף מעבדה אחת לא יכולה לספק. סולאר-לזמה צופה שההתקדמות תגיע בצעדים קטנים ומצטברים - "ממצאי מחקר שפותרים חלק אחד של הבעיה בכל פעם" - מה שהופך את הבינה המלאכותית מ"כלי להצעת קוד" לשותף הנדסי אמיתי.

"למה זה משנה? תוכנה היא כבר הבסיס לפיננסים, תחבורה, שירותי בריאות וכמעט כל פעילות יומיומית. אבל המאמץ האנושי לבנות ולתחזק אותה בצורה מאובטחת הופך לצוואר בקבוק", אמר גו. "בינה מלאכותית שיכולה לעשות את העבודה הקשה מבלי לעשות טעויות נסתרות תשחרר מתכנתים להתמקד ביצירתיות, אסטרטגיה ואתיקה. אבל כדי להגיע לשם, עלינו להבין שסיום פיסת קוד הוא החלק הקל - החלק הקשה הוא כל השאר."

(תורגם בקצרה מ-MIT News)

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