Sebuah tim peneliti baru saja menerbitkan peta komprehensif tentang tantangan yang dihadapi kecerdasan buatan (AI) dalam pengembangan perangkat lunak, dan mengusulkan peta jalan penelitian untuk mendorong bidang ini lebih jauh.
Bayangkan masa depan di mana AI diam-diam mengambil alih tugas-tugas membosankan pengembangan perangkat lunak: melakukan refaktor kode yang rumit, memigrasikan sistem lama, dan memburu kondisi persaingan, sehingga para insinyur perangkat lunak manusia bebas berfokus pada arsitektur sistem, desain, dan masalah-masalah kreatif yang belum dapat dipecahkan oleh mesin. Kemajuan terbaru dalam AI tampaknya semakin mendekatkan visi tersebut.
Namun, sebuah studi baru oleh para ilmuwan di Laboratorium Ilmu Komputer dan Kecerdasan Buatan (CSAIL) - MIT dan lembaga penelitian mitra telah menunjukkan bahwa: untuk mewujudkan masa depan itu, pertama-tama kita harus melihat langsung tantangan yang sangat nyata saat ini.
"Banyak orang mengatakan bahwa programmer tidak lagi dibutuhkan karena AI dapat mengotomatiskan segalanya," kata Armando Solar-Lezama, seorang profesor teknik elektro dan ilmu komputer di MIT, peneliti senior di CSAIL, dan penulis utama studi tersebut. "Faktanya, kita telah membuat kemajuan yang signifikan. Peralatan yang kita miliki saat ini jauh lebih canggih daripada sebelumnya. Namun, kita masih harus menempuh jalan panjang untuk mewujudkan potensi penuh otomatisasi."
Profesor Armando Solar-Lezama berpendapat bahwa persepsi umum tentang rekayasa perangkat lunak adalah tugas yang mirip dengan tugas pemrograman mahasiswa: mengambil fungsi kecil dan menulis kode untuk menanganinya, atau melakukan latihan ala LeetCode. Kenyataannya jauh lebih kompleks: mulai dari pemfaktoran ulang kode untuk mengoptimalkan desain, hingga migrasi skala besar dengan jutaan baris kode dari COBOL ke Java yang mengubah seluruh tumpukan teknologi perusahaan.
Pengukuran dan komunikasi masih menjadi masalah yang sulit
Optimasi kode skala industri—seperti penyempurnaan inti GPU atau penyempurnaan berlapis pada mesin Chrome V8—masih sulit dievaluasi. Tolok ukur saat ini sebagian besar digunakan untuk masalah-masalah kecil yang terpaket. Metrik yang paling praktis, SWE-Bench, hanya meminta model AI untuk memperbaiki bug di GitHub—latihan pemrograman tingkat rendah yang melibatkan beberapa ratus baris kode dan berpotensi mengekspos data, serta mengabaikan berbagai skenario dunia nyata, seperti refaktorisasi yang dibantu AI, pemrograman berpasangan manusia-mesin, atau penulisan ulang sistem berkinerja tinggi dengan jutaan baris kode. Hingga tolok ukur diperluas untuk mencakup skenario-skenario berisiko tinggi ini, mengukur kemajuan—dan dengan demikian mempercepatnya—akan tetap menjadi tantangan yang belum terselesaikan.
Selain itu, komunikasi manusia-mesin juga menjadi hambatan utama. Mahasiswa PhD Alex Gu, penulis utama, mengatakan bahwa saat ini, berinteraksi dengan AI masih seperti "jalur komunikasi yang rapuh". Ketika meminta AI untuk membuat kode, ia sering kali mendapatkan berkas berukuran besar dan tidak terstruktur, beserta beberapa set pengujian yang sederhana dan samar. Kesenjangan ini juga tercermin dalam fakta bahwa AI tidak dapat secara efektif memanfaatkan perangkat lunak yang familiar bagi manusia seperti debugger, penganalisis statis, dll.
Ajakan bertindak dari komunitas
Para penulis berpendapat bahwa tidak ada solusi ajaib untuk masalah ini, dan menyerukan upaya berskala komunitas: membangun data yang mencerminkan proses pengembangan aktual programmer (kode mana yang harus disimpan, kode mana yang harus dihapus, bagaimana kode difaktorkan ulang dari waktu ke waktu, dll.); alat penilaian umum untuk kualitas refaktor, daya tahan patch, dan akurasi transisi sistem; dan membangun alat transparan yang memungkinkan AI untuk mengekspresikan ketidakpastian dan mengundang intervensi manusia.
Mahasiswa PhD Alex Gu melihat hal ini sebagai "ajakan bertindak" bagi komunitas sumber terbuka berskala besar yang tidak dapat diwujudkan oleh satu laboratorium pun. Solar-Lezama membayangkan kemajuan akan datang dalam langkah-langkah kecil dan bertahap—"temuan riset yang memecahkan satu bagian masalah pada satu waktu"—mengubah AI dari "alat saran kode" menjadi mitra rekayasa sejati.
"Mengapa ini penting? Perangkat lunak sudah menjadi fondasi keuangan, transportasi, layanan kesehatan , dan hampir semua aktivitas sehari-hari. Namun, upaya manusia untuk membangun dan memeliharanya dengan aman justru menjadi hambatan," kata Gu. "AI yang mampu melakukan pekerjaan berat tanpa membuat kesalahan tersembunyi akan membebaskan para programmer untuk fokus pada kreativitas, strategi, dan etika. Namun, untuk mencapainya, kita perlu memahami bahwa menyelesaikan sepotong kode adalah bagian yang mudah—bagian yang sulit adalah hal lainnya."
(Diterjemahkan secara singkat dari MIT News)
Sumber: https://vietnamnet.vn/hanh-trinh-dai-cua-ai-trong-ky-thuat-phan-mem-tu-dong-hoa-2426456.html
Komentar (0)