در ژوئن 2021 گیت هاب Copilot را معرفی کرد که نوعی از تکمیل خودکار کدهای کامپیوتری است که از فناوری تولید متن OpenAI پشتیبانی می‌کند. این یک نگاه اجمالی اولیه از پتانسیل چشمگیر هوش مصنوعی مولد برای خودکارسازی کارهای ارزشمند بود. دو سال بعد، Copilot یکی از بالغ‌ترین نمونه‌های این است که چگونه فناوری می‌تواند وظایفی را که قبلاً با دست انجام می‌شد، به عهده بگیرد.

این هفته، Github گزارشی بر اساس داده‌های نزدیک به یک میلیون توسعه‌دهنده که برای استفاده از Copilot پول پرداخت کرده‌اند، منتشر کرد که نشان می‌دهد کدنویسی AI مولد چقدر تحول‌آفرین شده است. به طور متوسط، آنها پیشنهادات دستیار هوش مصنوعی را در حدود 30 درصد مواقع پذیرفتند، که نشان می دهد این سیستم در پیش بینی کد مفید فوق العاده خوب است.

نمودار قابل توجه بالا نشان می دهد که چگونه کاربران تمایل بیشتری نسبت به پیشنهادات Copilot دارند زیرا ماه های بیشتری را از ابزار استفاده می کنند. این گزارش همچنین نتیجه‌گیری می‌کند که برنامه‌نویسان تقویت‌شده با هوش مصنوعی بر اساس این واقعیت که تحقیقات قبلی Copilot ارتباط بین تعداد پیشنهادات پذیرفته‌شده و بهره‌وری برنامه‌نویس را گزارش کرده‌اند، بهره‌وری را در طول زمان افزایش می‌دهند. گزارش جدید GitHub می گوید که بیشترین دستاوردهای بهره وری در میان توسعه دهندگان کم تجربه دیده شده است.

در نگاه اول، این تصویری چشمگیر از یک فناوری جدید است که به سرعت ارزش خود را ثابت می کند. هر فناوری که بهره‌وری را افزایش دهد و توانایی‌های کارگران کمتر ماهر را افزایش دهد، می‌تواند هم برای افراد و هم برای کل اقتصاد یک موهبت باشد. گیت هاب به ارائه برخی گمانه زنی های پشت سر هم ادامه می دهد و تخمین می زند که کدگذاری هوش مصنوعی می تواند تولید ناخالص داخلی جهانی را تا سال 2030 به میزان 1.5 تریلیون دلار افزایش دهد.

اما نمودار GitHub که تعامل برنامه‌نویس با Copilot را نشان می‌دهد، من را به یاد مطالعه دیگری می‌اندازد که اخیراً هنگام صحبت با تالیا رینگر، استاد دانشگاه ایلینوی در Urbana-Champaign درباره تعامل برنامه‌نویس با ابزارهایی مانند Copilot درباره آن شنیدم.

اواخر سال گذشته، تیمی در دانشگاه استنفورد یک مقاله تحقیقاتی منتشر کردند که نشان می‌داد چگونه استفاده از دستیار هوش مصنوعی که برای تولید کد ایجاد کرده‌اند، بر کیفیت کدی که افراد ایجاد می‌کنند، تأثیر می‌گذارد. محققان دریافتند که برنامه نویسانی که پیشنهادات هوش مصنوعی دریافت می کنند تمایل دارند باگ های بیشتری را در کد نهایی خود بگنجانند – اما کسانی که به این ابزار دسترسی داشتند معتقد بودند که کد آنها بیشتر ▼ مطمئن. رینگر می‌گوید: «احتمالاً کدنویسی همزمان با هوش مصنوعی هم مزایا و هم خطراتی دارد». “کد بیشتر کد بهتری نیست.”

وقتی ماهیت برنامه نویسی را در نظر بگیرید، این یافته به سختی تعجب آور است. همانطور که کلایو تامپسون در یکی از ویژگی های WIRED 2022 نوشت، Copilot ممکن است معجزه آسا به نظر برسد، اما پیشنهادات آن بر اساس الگوهایی در کار برنامه نویسان دیگر است که ممکن است اشتباه باشد. این مفروضات می توانند خطاهایی ایجاد کنند که به سختی می توان آنها را تشخیص داد، به خصوص زمانی که شما مجذوب این هستید که این ابزار اغلب چقدر خوب است.

By ادمین سایت

عاشق دنیای تکنولوژی و ای تی هستم. و اینجا می تونید جدیدترین مطالب را هر روز قبل از همه مشاهده کنید و مطلع بشید.