توسعه‌دهندگان نرم‌افزار در سراسر جهان از قدرت ابزارهای مبتنی بر هوش مصنوعی (AI) مختلف برای تبدیل متن به کد به منظور افزایش بهره‌وری و آسان‌سازی جریان کار خود استفاده می‌کنند. این ابزارها، مانند IBM Codenet، GitHub CoPilot، Code Whisperer از طرف آمازون، و StarCoder از طرف ServiceNow و Hugging Face، در حال تحول روش‌های نوشتن و بررسی کدها هستند.
با بهره‌گیری از این مدل‌های هوش مصنوعی، توسعه‌دهندگان می‌توانند کدها را از متن‌های ساده تا 55% سریع‌تر از روش‌های سنتی تولید کنند. این ابزارها همچنین قابلیت بررسی کیفیت کدها و انجام بررسی‌ها در زبان‌های برنامه‌نویسی مختلف را نیز ارائه می‌دهند، از جمله C++، Java، Go، Python، COBOL، Pascal و Fortran. پتانسیل این ابزارها باعث ایجاد استقبال و علاقه زیادی در جامعه توسعه‌دهندگان شده است.
پرس و جوهای متزايد درباره ابزارهای متن به کد مبتنی بر هوش مصنوعی
بر اساس گوگل ترند، جستجوها برای GitHub CoPilot در طی سال گذشته به ده‌برابر افزایش یافته‌اند. GitHub، بزرگترین پلتفرم جامعه توسعه‌دهندگان نرم‌افزار در جهان، با بیش از 1.3 میلیون اشتراک‌دهنده پولی از 50,000 سازمان در سطح جهان از CoPilot استفاده کرده است. نهادهای بزرگ فناوری اطلاعات هندی مانند Tata Consultancy Services (TCS)، Infosys و HCLTech نیز به این ابزارها پیوسته‌اند.
ServiceNow از افزایش 52%ی در بهره‌وری توسعه‌دهندگان از مدل متن به کد خود گزارش داده است. سومیت ماتور، معاون ارشد و مدیر عامل در مرکز فناوری سرویس‌نو هند، توضیح می‌دهد که هوش مصنوعی تولیدی در سکوی Now متن‌ها را به پیشنهاد‌های کد با کیفیت تبدیل می‌کند و در برخی موارد، حتی کدهای کامل را فراهم می‌کند. این کدها سپس می‌توانند بررسی، ویرایش و پیاده‌سازی شوند، که به بهبود بهره‌وری توسعهمندی کمک می‌کند.
CoPilot شرکت GitHub، که با استفاده از مدل زبان بزرگ Codex OpenAI (LLM) توسعه یافته است، از طریق اشتراک ارائه می‌شود و قیمت‌گذاری آن برای افراد از 10 دلار در ماه و برای شرکت‌ها از 19 دلار در ماه آغاز می‌شود. ماریو رودریگز، معاون مدیریت محصول در GitHub، برجسته می‌کند که CoPilot در حال تبدیل جریان‌های کار توسعه‌دهندگان شده و امکان می‌دهد تا به 60% از کد خود را با زبان‌های محبوب مانند جاوا بنویسند. او معتقد است که این عدد در پنج سال آینده به 80% برسد.
بجز افزایش سرعت و بهره‌وری، ابزارهای متن به کد مبتنی بر هوش مصنوعی همچنین به صرفه نگاه داشتن انرژی ذهنی و کاهش اذیت بخشی وظایف تکراری دستی کمک می‌کنند. این نوآوری توسط دوییکا، اولین مهندس نرم‌افزار هوش مصنوعی هند، نشان داده شده است. دویکا یک دستیار مجازی است که قابلیت درک دستورات انسانی، تولید کدهای نرم‌افزاری و حتی رفع اشکالات دارد. این پروژه منبع باز به منافسه دوین، که توسط Cognition Labs در ایالات متحده راه‌اندازی شده بود، هدف گذاری می‌کند.
پذیرش ابزارهای متن به کد
با وجود وعده‌های افزایش بهره‌وری، استفاده از این ابزارها توسط شرکت‌های فناوری اطلاعات بزرگ هنوز در مرحله آزمایشی قرار دارد. سازمان‌ها مراقب هستند تا به تصحیح درستی کدهای تولید شده و فیلتر کردن هر محتوای خبیث برسند. با وجود امکانات هیجان‌انگیزی که ابزارهای متن به کد مبتنی بر هوش مصنوعی ارائه می‌دهند، شرکت‌های متوسط هندی هنوز در مراحل اولیه پذیرش در مقیاس هستند.
توسعه‌دهندگان به طور قدیمی از ویژگی‌های تکمیل کد در محیط‌های توسعه یکپارچه (IDEs) به شدت توکل می‌کنند. ابزارهای متن به کد در شرکت‌ها به عنوان ابزارهای موثری برای ارتقای مهارت، یادگیری زبان‌های برنامه‌نویسی جدید و رفع مشکلات بکار گرفته می‌شوند. این ابزارها به توسعه‌دهندگان امکان می‌دهند که در محیط برنامه‌نویسی خود بدون نیاز به جابه‌جایی متن‌ها کار کنند.
گارتنر تخمین زده است که تقریباً 65-75% از توسعه‌دهندگان در سازمان‌های IT از دستیاران کد هوش مصنوعی، مانند GitHub CoPilot، استفاده می‌کنند. این ابزارها به عنوان افزونه‌های IDE عمل کرده و به توسعه‌دهندگان امکان مکالمه با ابزار را و تقویت مزایای آنها فراهم می‌کنند. منجونات بت، معاون تحلیلگر محصول در گارتنر، این قابلیت را با ویژگی محبوب ‘IntelliSense’ مقایسه می‌کند اما با مزیت ارتباط بی‌درنگ با ابزار.
پراشانت کادی، همکار در دلویت هند، بر اهمیت حفاظت از مالکیت معنوی و سایر ضوابط امنیتی تأکید دارد. برخی مشتریان نیاز به افشای اطلاعات درباره استفاده از هوش مصنوعی در تصویرهای فنی دارند. TCS، بزرگترین صادرکننده نرم‌افزار هند، از محصولات متعددی برای تولید کد استفاده می‌کند، از جمله GitHub CoPilot، AWS Code Whisperer، Google Duet AI، CodeLlama و StarCoder. این مدل‌های متن به کد gen AI برای بهبود بهره‌وری، سرعت و کیفیت کد مورد استفاده قرار می‌گیرد.
محمد رافع ترفدار، CTO شرکت Infosys، آینده تولید متن به کد را با استفاده از ترکیب دستیاران کد همگانی و تخصصی توضیح می‌دهد. شرکت Infosys برای حوزه‌هایی مانند مدرن سازی، مهاجرت، گزارش‌دهی، و بازسازی، با استفاده از روش fine-tuning دستیارانی توسعه داده است. موتور‌های متن به کد برای وظایف کدنویسی، آزمون، تولید گزارش و ایجاد اسناد ارزشمند بوده‌اند.
تأثیر و اقدامات احتیاطی
هند دومین پایگاه کاربری ChatGPT خارج از ایالات متحده آمریکا است. برنامه‌نویسان به طور گسترده از ابزار ChatGPT رایگان استفاده کرده‌اند تا کد تولید کنند، به ویژه برای جستجوی راه‌حل‌ها. پرمدیپ سینگ، هم‌موسس شرکت Shorthills AI، بیش از 80% از برنامه‌نویسان از ChatGPT و سایر پلتفرم‌های متن به کد برای بهبود بهره‌وری خود استفاده می‌کنند. این وابستگی در کاهش ترافیک به سایت‌های متمرکز بر کدنویسی مانند Stack Overflow قابل مشاهده است که در سال گذشته با 30-50% کاهش ترافیک مواجه شده است.
همچنین، این مهم است که توجه شود که استفاده از ابزارهای متن به کد AI به سادگی تولید متن، تصاویر یا ویدیو نیست. اگر به درستی وادار نشود، این ابزارها ممکن است کدهای اشتباهی تولید کنند که منجر به کار تکراری یا حتی آسیب‌پذیری‌های امنیتی می‌شود. باید احتیاط کرد تا از صحت و ایمنی کدهای تولیدی مطمئن شویم.
در پایان، ابزارهای متن به کد مبتنی بر هوش مصنوعی امکان تحول در توسعه نرم‌افزار را با افزایش بهره‌وری و آسان‌سازی فرایند کدنویسی ارائه می‌دهند. هر چه استفاده از این ابزارها ادامه یابد، توسعه‌دهندگان و سازمان‌ها باید بین مزایای افزایش بهره‌وری با نیاز به تأیید صحت و ایمنی کدهای تولیدی تعادل بیابند.
The source of the article is from the blog klikeri.rs