La programació de parells d’IA comporta inconvenients

Les eines de programació de parells d’IA, dissenyades per accelerar el desenvolupament, aporten avantatges que van des de suggeriments per a línies de codi senzilles fins a la possibilitat de crear i desplegar aplicacions senceres, però els inconvenients són importants.

A més de millorar la productivitat per alleujar algunes de les tasques de codificació més mundanes, els desenvolupadors que utilitzen eines de programació de parells d’IA experimenten menys frustració i es poden centrar en un treball més satisfactori, segons una enquesta de GitHub a 2.000 desenvolupadors. Hi ha una sèrie d’aquestes eines, incloses les versions d’aquest any GitHub Copilot, Amazon CodeWhisperer i Tabnine. Es van unir a una llarga llista de robots existents amb intel·ligència artificial com Kite Team Server, AlphaCode de DeepMind i Project CodeNet d’IBM.

Tot i que la programació de parells d’IA mostra una promesa per generar codi previsible, semblant a una plantilla (fragments de codi reutilitzables, com ara declaracions condicionals o bucles), els desenvolupadors haurien de qüestionar la qualitat i la idoneïtat dels suggeriments de codi, va dir Ronald Schmelzer, soci director de la gestió de projectes d’IA CPMAI. certificació a Cognilytica.

“Tenen molts problemes sobre si el codi és aplicable o no, forats i errors de seguretat i innombrables problemes de drets d’autor”, va dir.

Errors de la programació de parells d’IA

Malgrat els avantatges aparents, molts dels quals es van descriure a l’enquesta de GitHub, els desenvolupadors haurien de desconfiar de les finalitzacions de codi suggerides per l’IA perquè no es garanteix que siguin exactes, va dir Chris Riley, director sènior de relacions amb desenvolupadors de l’empresa de tecnologia de màrqueting. HubSpot. Va dir que els desenvolupadors han de revisar de prop qualsevol suggeriment, que pot anul·lar qualsevol temps desat per cercar fragments de codi als llocs de desenvolupadors.

Una altra àrea de preocupació és la suportabilitat, va dir Riley. Si un percentatge important del codi és suggerit per IA, és possible que els desenvolupadors no puguin donar suport a aquest codi si és l’origen d’un problema de producció, va dir.

A més de les preguntes sobre l’aplicabilitat i la compatibilitat, els robots de finalització de codi introdueixen problemes de seguretat únics. Tot i que algunes eines de finalització de codi, com ara Kite Team Server, es poden executar darrere del tallafoc d’una empresa, d’altres es basen en dipòsits públics d’artefactes, que poden ser insegurs, va dir Riley. Per exemple, pot ser que els atacants explotin el model per colar-se en vulnerabilitats de dia zero, va dir.

El codi proporcionat per la comunitat afegeix un altre obstacle potencialment important: problemes de drets d’autor. Com que les eines de programació de parells d’IA s’entrenen en una àmplia gamma de codis amb diversos acords de llicència, es fa difícil determinar la propietat, va dir Schmelzer de Cognilytica. A més, si el generador de codi s’està entrenant amb dades d’un dipòsit de codi compartit, especialment GitHub, els desenvolupadors podrien barrejar codi privat o amb drets d’autor amb codi públic sense cap font identificada, va dir.

L’auge de la programació de parells d’IA

Molts dels problemes amb les eines modernes de programació de parells d’IA no estaven presents als primers productes de finalització de codi, com ara IntelliSense de Microsoft, que es va introduir per primera vegada l’any 1996. Aquestes eines van oferir als desenvolupadors una completació senzilla d’escriptura prèvia dins del compilador o IDE, sense repositori públic. vulnerabilitats o problemes de suport. Els desenvolupadors podrien fer un pas més enllà d’aquest codi bàsic amb linters, eines que poden evitar errors de sintaxi simples, per comprovar el codi suggerit, va dir Riley.

No crec que estem al punt en què aquestes eines es puguin utilitzar més enllà del prototipat ràpid, l’educació i els suggeriments.

Chris RileyGerent sènior de relacions amb desenvolupadors, HubSpot

“No crec que els desenvolupadors en aquest moment tinguessin cap expectativa fora d’això, i estàvem contents amb els suggeriments a l’estil de Google mentre escrivies”, va dir Riley. “Va ser allà per augmentar l’eficiència, no per ser la font inicial del codi”.

Riley va dir que els programadors moderns de parelles d’IA van més enllà de la simple finalització de codi i de la idea de suggerir blocs complets de codi. les eines poden proporcionar completacions de codi contextual o escriure funcions completes; Els generadors de text avançats impulsats pel GPT-3 d’OpenAI, com ara Copilot, poden crear i desplegar aplicacions senceres i transformar consultes senzilles en anglès en sentències SQL que funcionen a través de bases de dades.

“Després d’haver estat durant molt de temps escèptic sobre la autenticitat de les eines de finalització de codi basades en IA, hauré d’admetre que em va semblar surrealista la primera vegada que ho vaig provar. [Copilot]”, va dir Anthony Chavez, fundador i director general de Codelab303. “Vaig sentir com si em pogués llegir la ment de vegades”.

Però, malgrat els avenços tecnològics, els problemes que envolten les eines modernes de finalització de codi d’IA fan que la seva utilitat estigui limitada, va dir Riley.

“No crec que estem en el punt en què aquestes eines es puguin utilitzar més enllà del prototipat ràpid, l’educació i els suggeriments”, va dir.

Leave a Comment

Your email address will not be published. Required fields are marked *