Foto 65.jpg
AI automatiserer alt, og kan det erstatte programmerere? Foto: Midjourney

Et forskerteam har nettopp publisert et omfattende kart over utfordringene kunstig intelligens (KI) står overfor innen programvareutvikling, og foreslått en forskningsplan for å drive feltet videre.

Se for deg en fremtid der AI i stillhet tar over de trivielle oppgavene innen programvareutvikling: refaktorering av flokete kode, migrering av eldre systemer og jakt på kappløpsforhold, slik at menneskelige programvareingeniører kan fokusere på systemarkitektur, design og kreative problemer som maskiner ikke kan løse ennå. Nyere fremskritt innen AI ser ut til å bringe den visjonen nærmere.

En ny studie utført av forskere ved Computer Science and Artificial Intelligence Laboratory (CSAIL) – MIT og partnerforskningsinstitutter har imidlertid vist at: for å realisere den fremtiden, må vi først se direkte på de svært reelle utfordringene i nåtiden.

«Mange sier at programmerere ikke lenger er nødvendige fordi AI automatiserer alt», sa Armando Solar-Lezama, professor i elektroteknikk og informatikk ved MIT, seniorforsker ved CSAIL og hovedforfatter av studien. «Faktisk har vi gjort betydelige fremskritt. Verktøyene er mye kraftigere enn de var før. Men det er fortsatt en lang vei å gå for å realisere automatiseringens fulle potensial.»

Professor Armando Solar-Lezama argumenterer for at det rådende synet reduserer programvareutvikling til noe i retning av en studentprogrammeringsoppgave: å ta en liten funksjon og skrive kode for å håndtere den, eller å gjøre en LeetCode-lignende øvelse. Realiteten er imidlertid mye mer kompleks: fra kodeomstrukturering for å optimalisere design, til storskala migreringer med millioner av kodelinjer som flyttes fra COBOL til Java, som endrer hele teknologibasen til et selskap.

Måling og kommunikasjon er fortsatt vanskelige problemer

Kodeoptimaliseringer i industriell skala – som justeringer av GPU-kjerne eller forbedringer av flere lag i Chrome V8s motor – er fortsatt vanskelige å evaluere. Nåværende benchmarks er stort sett for små, pakkede problemer. Den mest praktiske metrikken, SWE-Bench, ber ganske enkelt en AI-modell om å fikse en feil på GitHub – en programmeringsøvelse på lavt nivå som involverer noen hundre linjer med kode, potensielt eksponerer data, og ignorerer et bredt spekter av virkelige scenarier, som AI-assistert refaktorering, menneske-maskin-parprogrammering eller omskriving av høyytelsessystemer med millioner av linjer med kode. Inntil benchmarks utvides til å dekke scenarier med høyere risiko, vil det å måle fremgang – og dermed akselerere den – forbli en åpen utfordring.

I tillegg er menneske-maskin-kommunikasjon også en stor barriere. Doktorgradsstudent Alex Gu – hovedforfatteren – sa at det å samhandle med AI for tiden fortsatt er som «en skjør kommunikasjonslinje». Når han ber AI om å generere kode, mottar han ofte store, ustrukturerte filer, sammen med noen få enkle og uoversiktlige testsett. Dette gapet gjenspeiles også i det faktum at AI ikke effektivt kan dra nytte av programvareverktøy som er kjent for mennesker, som feilsøkingsprogrammer, statiske analysatorer osv.

Oppfordring til handling fra fellesskapet

Forfatterne argumenterer for at det ikke finnes noen tryllestavløsning på disse problemene, og etterlyser innsats på fellesskapsnivå: å bygge data som gjenspeiler den faktiske utviklingsprosessen til programmerere (hvilken kode som skal beholdes, hvilken kode som skal fjernes, hvordan kode refaktoriseres over tid, osv.); felles vurderingsverktøysett for refaktoreringskvalitet, patch-holdbarhet og nøyaktighet av systemmigrering; og å bygge transparente verktøy som lar AI uttrykke usikkerhet og invitere til menneskelig inngripen.

Doktorgradsstudent Alex Gu ser dette som en «oppfordring til handling» for store åpen kildekode-fellesskap som ingen enkelt laboratorium kan levere. Solar-Lezama ser for seg at fremgangen kommer i små, trinnvise trinn – «forskningsfunn som løser deler av problemet én om gangen» – og transformerer AI fra et «kodeforslagsverktøy» til en ekte teknisk partner.

«Hvorfor er dette viktig? Programvare er allerede grunnlaget for finans, transport, helsevesen og omtrent daglige aktiviteter. Men den menneskelige innsatsen for å bygge og vedlikeholde den sikkert er i ferd med å bli en flaskehals», sa Gu. «En AI som kan gjøre det tunge arbeidet uten å gjøre skjulte feil, ville frigjøre programmerere til å fokusere på kreativitet, strategi og etikk. Men for å komme dit må vi forstå: å fullføre et kodestykke er den enkle delen – den vanskelige delen er alt annet.»

(Kort oversatt fra MIT News)

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