Imej untuk pos 65.jpg
AI mengautomasikan segala-galanya, dan bolehkah ia menggantikan pengaturcara? Foto: Midjourney

Sekumpulan penyelidik baru sahaja menerbitkan peta komprehensif tentang cabaran yang dihadapi oleh kecerdasan buatan (AI) dalam bidang pembangunan perisian dan mencadangkan pelan tindakan penyelidikan untuk memajukan lagi bidang ini.

Bayangkan masa depan di mana AI secara senyap mengambil alih tugas-tugas pembangunan perisian yang membosankan: pemfaktoran semula kod kompleks, pemindahan sistem legasi dan pengesanan pepijat berasaskan kaum, supaya jurutera perisian manusia boleh memberi tumpuan sepenuhnya pada seni bina sistem, reka bentuk dan masalah kreatif yang belum dapat diselesaikan oleh mesin. Kemajuan terkini dalam AI seolah-olah telah membawa visi itu hampir sepenuhnya.

Walau bagaimanapun, satu kajian baharu oleh saintis di Makmal Sains Komputer dan Kecerdasan Buatan MIT (CSAIL) dan institut penyelidikan rakan kongsi telah menunjukkan bahawa, untuk merealisasikan masa depan itu, kita mesti terlebih dahulu menghadapi cabaran sebenar pada masa kini.

“Ramai orang mengatakan bahawa pengaturcara tidak lagi diperlukan kerana AI telah mengautomasikan segala-galanya,” kongsi Profesor Armando Solar-Lezama, pensyarah kejuruteraan elektrik dan sains komputer di MIT, penyelidik kanan di CSAIL, dan penulis utama kajian tersebut. “Pada hakikatnya, kita telah mencapai kemajuan yang sangat ketara. Alatan yang kita ada sekarang jauh lebih berkuasa daripada sebelumnya. Tetapi untuk mencapai potensi penuh automasi, masih jauh lagi perjalanannya.”

Profesor Armando Solar-Lezama berhujah bahawa tanggapan semasa yang lazim memudahkan kejuruteraan perisian kepada tugasan yang serupa dengan tugasan pengaturcaraan pelajar: menerima tugasan fungsi kecil dan menulis kod untuk mengendalikannya, atau melakukan tugasan gaya LeetCode. Sementara itu, realitinya jauh lebih kompleks: daripada pemfaktoran semula kod kepada pengoptimuman reka bentuk, kepada migrasi berskala besar berjuta-juta baris kod daripada COBOL ke Java yang secara asasnya mengubah platform teknologi sesebuah syarikat.

Pengukuran dan komunikasi kekal sebagai masalah yang mencabar.

Pengoptimuman kod pada skala perindustrian—seperti pengubahsuaian teras GPU atau penambahbaikan berbilang peringkat dalam Chrome V8—masih sukar untuk dinilai. Penanda aras semasa tertumpu terutamanya pada isu-isu kecil yang tersusun. Metrik paling praktikal yang tersedia pada masa ini, SWE-Bench, hanya memerlukan model AI untuk membetulkan pepijat pada GitHub—bersamaan dengan latihan pengaturcaraan peringkat rendah, yang melibatkan beberapa ratus baris kod, dengan potensi kebocoran data dan mengabaikan pelbagai senario dunia sebenar lain seperti pemfaktoran semula berbantukan AI, pengaturcaraan manusia-mesin atau menulis semula sistem berprestasi tinggi dengan berjuta-juta baris kod. Sehingga penanda aras diperluas untuk merangkumi senario berisiko tinggi, mengukur kemajuan—dan dengan itu memacunya—akan kekal sebagai cabaran terbuka.

Tambahan pula, komunikasi manusia-mesin juga merupakan penghalang utama. Penulis utama Alex Gu, seorang pelajar siswazah, menyatakan bahawa pada masa ini, berinteraksi dengan AI umpama "benang komunikasi yang nipis." Apabila beliau meminta AI untuk menjana kod, beliau sering menerima fail besar yang tidak berstruktur berserta beberapa kes ujian yang mudah dan asas. Jurang ini juga jelas dalam ketidakupayaan AI untuk menggunakan alatan perisian yang biasa digunakan oleh manusia secara berkesan, seperti penyahpepijat dan penganalisis statik.

Seruan bertindak daripada komuniti.

Para penulis berhujah bahawa tiada penyelesaian tongkat sakti untuk masalah ini dan menyeru usaha berskala komuniti: membina data yang mencerminkan proses pembangunan sebenar pengaturcara (kod mana yang dikekalkan, yang dibuang, bagaimana kod difaktorkan semula dari semasa ke semasa, dsb.), alat penilaian biasa untuk kualiti pemfaktoran semula, ketahanan tampalan dan ketepatan dalam peralihan sistem; dan membina alat telus yang membolehkan AI meluahkan ketidakpastian dan menjemput campur tangan manusia.

Pelajar siswazah Alex Gu melihat ini sebagai "seruan bertindak" untuk komuniti sumber terbuka berskala besar yang tidak dapat dicapai oleh mana-mana makmal tunggal. Solar-Lezama membayangkan kemajuan yang datang daripada langkah-langkah kecil yang saling mengukuhkan – "hasil penyelidikan yang menangani bahagian masalah secara berurutan" – sekali gus mengubah AI daripada "alat cadangan kod" kepada rakan kongsi kejuruteraan sebenar.

“Mengapakah ini penting? Perisian kini merupakan asas kewangan, pengangkutan, penjagaan kesihatan dan setiap aktiviti harian. Tetapi usaha manusia untuk membina dan menyelenggaranya dengan selamat menjadi penghalang,” kongsi Gu. “AI yang boleh mengendalikan kerja berat tanpa mewujudkan ralat tersembunyi akan membolehkan pengaturcara memberi tumpuan kepada kreativiti, strategi dan etika. Tetapi untuk mencapai matlamat itu, kita perlu faham bahawa melengkapkan sekeping kod hanyalah bahagian yang mudah – bahagian yang sukar terletak pada segala-galanya.”

(Diadaptasi daripada MIT News)

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