65.jpg numaralı gönderiye ait resim
Yapay zekâ her şeyi otomatikleştiriyor ve programcıların yerini alabilir mi? Fotoğraf: Midjourney

Bir grup araştırmacı, yapay zekanın (YZ) yazılım geliştirme alanında karşılaştığı zorlukların kapsamlı bir haritasını yayınladı ve bu alanı daha da geliştirmek için bir araştırma yol haritası önerdi.

Yapay zekanın, karmaşık kodları yeniden düzenleme, eski sistemleri taşıma ve yarış tabanlı hataları izleme gibi yazılım geliştirmenin sıkıcı görevlerini sessizce devraldığı, böylece insan yazılım mühendislerinin tamamen sistem mimarisine, tasarıma ve makinelerin henüz çözemediği yaratıcı sorunlara odaklanabildiği bir gelecek hayal edin. Yapay zekadaki son gelişmeler bu vizyona çok yaklaştırmış gibi görünüyor.

Ancak, MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı (CSAIL) ve ortak araştırma enstitülerindeki bilim insanları tarafından yapılan yeni bir çalışma, bu geleceği gerçekleştirmek için öncelikle şu anın çok gerçek zorluklarıyla yüzleşmemiz gerektiğini göstermiştir.

MIT'de elektrik mühendisliği ve bilgisayar bilimi öğretim üyesi, CSAIL'de kıdemli araştırmacı ve çalışmanın baş yazarı Profesör Armando Solar-Lezama, "Birçok insan yapay zekanın her şeyi otomatik hale getirdiği için programcılara artık gerek kalmadığını söylüyor," dedi. "Gerçekte, çok önemli ilerleme kaydettik. Şu an sahip olduğumuz araçlar eskisinden çok daha güçlü. Ancak otomasyonun tam potansiyeline ulaşmak için hala uzun bir yol var."

Profesör Armando Solar-Lezama, mevcut yaygın anlayışın yazılım mühendisliğini bir öğrencinin programlama ödevine benzer bir göreve indirgediğini savunuyor: küçük bir fonksiyon ödevi almak ve bunu işleyecek kod yazmak veya LeetCode tarzı bir ödev yapmak. Oysa gerçeklik çok daha karmaşık: tasarımı optimize etmek için kod yeniden düzenlemesinden, bir şirketin teknoloji platformunu temelden değiştiren milyonlarca satırlık kodun COBOL'dan Java'ya büyük ölçekli geçişlerine kadar.

Ölçüm ve iletişim, hâlâ zorlu sorunlar olmaya devam ediyor.

Endüstriyel ölçekte kod optimizasyonu (örneğin GPU çekirdeği ayarlamaları veya Chrome V8'deki çok katmanlı iyileştirmeler) değerlendirilmesi zor olmaya devam ediyor. Mevcut kıyaslama testleri öncelikle küçük, paketlenmiş sorunlara odaklanıyor. Şu anda mevcut en pratik ölçüt olan SWE-Bench, bir yapay zeka modelinin GitHub'da bir hatayı düzeltmesini gerektiriyor; bu da birkaç yüz satır kod içeren, veri sızıntısı potansiyeli taşıyan ve yapay zeka destekli yeniden düzenleme, insan-makine programlaması veya milyonlarca satır kod içeren yüksek performanslı sistemlerin yeniden yazılması gibi diğer birçok gerçek dünya senaryosunu göz ardı eden düşük seviyeli bir programlama egzersizine eşdeğer. Kıyaslama testleri daha yüksek riskli senaryoları kapsayacak şekilde genişletilene kadar, ilerlemeyi ölçmek ve dolayısıyla yönlendirmek açık bir zorluk olarak kalacaktır.

Ayrıca, insan-makine iletişimi de büyük bir engel teşkil ediyor. Baş yazar ve yüksek lisans öğrencisi Alex Gu, şu anda yapay zekâ ile etkileşimin "ince bir iletişim ipliği" gibi olduğunu belirtti. Yapay zekâdan kod üretmesini istediğinde, genellikle birkaç basit ve temel test senaryosuyla birlikte büyük, yapılandırılmamış dosyalar alıyor. Bu eksiklik, yapay zekânın hata ayıklayıcılar ve statik analizciler gibi insanlara tanıdık gelen yazılım araçlarını etkili bir şekilde kullanamamasında da açıkça görülüyor.

Toplumdan bir eylem çağrısı.

Yazarlar, bu sorunlara sihirli bir çözümün olmadığını savunuyor ve topluluk ölçeğinde çabalara ihtiyaç duyulduğunu belirtiyor: programcıların gerçek geliştirme sürecini yansıtan verilerin oluşturulması (hangi kodun korunduğu, hangisinin atıldığı, kodun zaman içinde nasıl yeniden düzenlendiği vb.), yeniden düzenleme kalitesi, yama dayanıklılığı ve sistem geçişlerindeki doğruluk için ortak değerlendirme araçları; ve yapay zekanın belirsizliği ifade etmesine ve insan müdahalesine olanak tanıyan şeffaf araçlar geliştirilmesi.

Yüksek lisans öğrencisi Alex Gu, bunu tek bir laboratuvarın başaramayacağı büyük ölçekli açık kaynak toplulukları için bir "harekete geçme çağrısı" olarak görüyor. Solar-Lezama, ilerlemenin küçük, birbirini güçlendiren adımlardan – "sorunun parçalarını sırayla ele alan araştırma sonuçlarından" – geleceğini ve böylece yapay zekayı bir "kod öneri aracı" olmaktan çıkarıp gerçek bir mühendislik ortağına dönüştüreceğini öngörüyor.

“Bu neden önemli? Yazılım artık finansın, ulaşımın, sağlık hizmetlerinin ve her günlük aktivitenin temelini oluşturuyor. Ancak bunları güvenli bir şekilde oluşturmak ve sürdürmek için yapılan insan çabaları bir darboğaz haline geliyor,” diye belirtti Gu. “Gizli hatalar yaratmadan ağır işleri halledebilen bir yapay zeka, programcıların yaratıcılığa, stratejiye ve etiğe odaklanmasını sağlayacaktır. Ancak bunu başarmak için, bir kod parçasını tamamlamanın sadece kolay kısım olduğunu anlamamız gerekiyor; zor olan her şey geri kalanında yatıyor.”

(MIT Haberlerinden uyarlanmıştır)

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