الشركات الناشئة للذكاء الاصطناعي تحدث ثورة في اختبار الشفرة

مبدأ أساسي في تطوير البرمجيات ينص على أنه لا ينبغي للمبرمجين تقييم أعمالهم بأنفسهم، حيث أن درايتهم بالشيفرة يمكن أن تؤدي إلى تفويت العيوب المحتملة. هذا المفهوم أدى إلى ظهور فجائي لمجموعة من الشركات الناشئة في مجال الذكاء الاصطناعي التوليدي، والتي تركز على تطوير حلول الاختبار التلقائي لتلبية هذه الحاجة بشكل خاص.

شركات مثل Antithesis وCodiumAI وQA Wolf، إضافة إلى الشركة Momentic التي تمتلك مسار داخل Y Combinator، حصلت جميعًا على تمويل كبير، معبرة عن الطلب الموجود في السوق على اختبارات الشيفرة المتقدمة. تعمل هذه الشركات الناشئة على ضمان أن الخبرة والدقة المطلوبتين في فحص واختبار الشيفرة تظل محايدة ويتم تنفيذها بكفاءة.

من بين هؤلاء المبتكرين، تبرز Nova AI بإستراتيجية غير تقليدية تستهدف مباشرة الشركات الكبيرة والمتوسطة التي تتناول قواعد بيانات شيفرة معقدة بحاجة ماسة لحلول اختبارية قوية. تعمل الشركة الناشئة، بمساعدة استثمار ما قبل بذور بقيمة مليون دولار وتحت إشراف الرئيس التنفيذي زاك سميث، على رفض النهج الحذر والقائم على نطاق صغير المعتاد في ثقافة وادي السيليكون. إنها تتعامل مع شركات مدعومة برأس مال استثماري بارزة التي تعمل في قطاعات التجارة الإلكترونية والتكنولوجيا المالية والمنتجات الاستهلاكية.

تتجلى الدقة العالية لـ Nova AI في تقنيتها الخاصة للذكاء الاصطناعي المصممة خصيصًا – GenAI. هذه التقنية تسهل عملية الاختبار من البداية إلى النهاية بشكل نشط، مما يعود بالفائدة بشكل كبير على البيئات المغرمة بالدمج المستمر وعمليات التسليم المتواصل.

استمدت إلهام Nova AI من عمل المؤسسين في الشركات التقنية الكبرى. زاك سميث، الذي كان يعمل في Google سابقًا، وجيفري شيه، بخلفية فريدة في الذكاء الاصطناعي من خبراته في Meta وMicrosoft، جنبًا إلى جنب مع عالم البيانات وعالم الذكاء الاصطناعي هنري لي، نضجوا تجاربهم المجتمعة لتطوير خدمات Nova AI متقدمة.

أحد العناصر المميزة لـ Nova AI هو الاعتماد الضئيل على Chat GPT-4 المفتوح من OpenAI. بدلاً من الاعتماد بشكل كبير على Chat GPT-4 للمهام الشاملة، تستخدم Nova AI هذا بشكل متقتر لإنتاج الشيفرة ووظائف التسمية البسيطة، مما يضمن عدم تسرب بيانات العملاء إلى نظام OpenAI – وهو أمر قلق كبير لعملاء الشركات الكبرى.

لجأت Nova AI إلى نماذج مفتوحة المصدر وبدأت في تطوير نماذجها الاصطناعية الخاصة، تجنبًا لـ Gemma من Google مع الاعتراف بفعالية التقنية. إنها تعطي الأولوية للمصادر المفتوحة لتضمين القياسات السابقة، المهمة لتحويل النصوص إلى بيانات رقمية يمكن فهمها لنماذج الذكاء الاصطناعي. تظل Nova AI متمسكة بتمثيلها بعدم إرسال البيانات إلى OpenAI، بدلاً من ذلك تتخذ نماذجها الداخلية للشركات الحريصة على الخصوصية.

مع تقدم بدائل الذكاء الاصطناعي مفتوحة المصدر، تمثل خيارًا قويًا وأكثر إمكانية مالية للشركات. اكتشفت Nova AI أن هذه النماذج تلبي متطلباتها المحددة، خاصة في بناء اختبارات دقيقة لشيفرة البرنامج، مع تعزيز حقيقة أن التحديد غالبًا ما يعلو على التعميم في مجال أدوات تطوير الذكاء الاصطناعي.

أسئلة وأجوبة رئيسية:

لماذا لا يجب على المبرمجين تقييم أعمالهم الخاصة؟
المبرمجون غالبًا ما يكونون متحيزين تجاه شيفرتهم الخاصة، ما قد يؤدي إلى إغفال الثغرات أو المشاكل بسبب درايتهم الكبيرة بها. العملية المستقلة للمراجعة أمر ضروري لضمان أن تكون البرمجيات موثوقة وتعمل كما هو مقصود.

ما الدور الذي تقوم به الشركات الناشئة في مجال اختبار الشيفرة؟
تستفيد هذه الشركات الناشئة من الذكاء الاصطناعي لإنشاء حلول اختبار تلقائية تحسن كفاءة وحيادية العملية التجريبية، مما يساعد المطورين على العثور على العيوب المحتملة في شيفرة البرنامج وإصلاحها بشكل أفضل.

ما الذي يجعل النهج الذي يتبعه Nova AI غير تقليدي؟
تركز Nova AI على تقديم حلول للشركات ذات الحجم المتوسط والكبير ذات قواعد بيانات معقدة، وهي فئة تتطلب أدوات اختبار قوية. كما تقلل من اعتمادها على GPT-4 من OpenAI، وتركز على الخصوصية وتطوير نماذجها الاصطناعية الخاصة.

التحديات والجدل الرئيسية:
إحدى التحديات هي التوازن بين استخدام نماذج مفتوحة المصدر والتقنية الخاصة. هناك جدل حول الاعتماد على منصات الذكاء الاصطناعي الكبرى مثل OpenAI مقابل تطوير حلول داخلية، خاصة فيما يتعلق بخصوصية البيانات. علاوة على ذلك، يُعَدّ التأكد من عدم إدخال التحيزات أو الأخطاء من جانب أدوات الاختبار الخاصة بالشيفرة التي تعمل بالذكاء الاصطناعي مصدر قلق مستمر.

المزايا:

– فاعلية: يمكن للذكاء الاصطناعي معالجة حجم كبير من الشيفرة بسرعة أكبر من المراجعين البشريين، مما يسرع عملية الاختبار.
– اختبار بدون تحيز: يمكن للذكاء الاصطناعي توفير تقييم محايد، وهو أمر حيوي لاكتشاف المشاكل التي قد تفوتها المطورين الأصليين.
– تكلفة معقولة: طويل الأمد، يمكن لتلقيم الشيفرة تقليل التكاليف المرتبطة بالاختبار اليدوي وإصلاح العلل بعد التنفيذ.
– تحسين مستمر: يمكن لنماذج الذكاء الاصطناعي أن تتعلم وتتحسن مع مرور الوقت، مما قد يوفر اختبارات أفضل مع تعرضها لمزيد من الشيفرة.

العيوب:

– نقص الحدس: قد لا يفهم الذكاء الاصطناعي سياق البرنامج بشكل جيد مثل الإنسان، مما قد يؤدي إلى اختبار أقل تعقيدًا.
– إعداد معقد: يمكن أن يتطلب تنفيذ وتدريب نماذج الذكاء الاصطناعي لاختبار الشيفرة جهدًا معقدًا وخبرة كبيرة.
– خصوصية البيانات: من الممكن أن يشكل التكامل مع خدمات الذكاء الاصطناعي مخاطر على خصوصية البيانات، خاصة إذا تم إرسال البيانات إلى بيئات الذكاء الاصطناعي لأطراف ثالثة.
– الاعتمادية: قد يؤدي الاعتماد المفرط على أدوات الذكاء الاصطناعي إلى تقليل التركيز على الاختبار اليدوي وقد يقلل من قيمة رؤى الاختبارات البشرية.

بالنسبة لأولئك الذين يهتمون بالدخول إلى مجال الشركات الناشئة الجديدة في مجال اختبار الشيفرة باستخدام الذكاء الاصطناعي، يمكن العثور على مصادر شرعية غالبًا على مواقع إخبارية تكنولوجية موثوقة، أو من خلال الانتقال مباشرة إلى مجتمعات ومواقع منظمات موجهة نحو الذكاء الاصطناعي مثل OpenAI أو منصات الذكاء الاصطناعي المؤسسية الأخرى التي تصدر منشورات وتحديثات حول هذا الموضوع.

The source of the article is from the blog jomfruland.net