تم تطويره من قبل فريق من مهندسي Google السابقين، وقد أحدث مولد التعليمات البرمجية مفتوح المصدر المعروف باسم TabbyML ضجة في الصناعة. حصلت الشركة الناشئة المبتكرة مؤخرًا على تمويل أولي مذهل قدره 3.2 مليون دولار، مما عزز مكانتها كمنافس شرعي لبرنامج CoPilot الخاص بـ GitHub.
بصفته مساعدًا برمجيًا مستضافًا ذاتيًا، يتمتع TabbyML بميزة رئيسية على منافسه: التخصيص. ويؤكد المؤسس المشارك للشركة الناشئة، منغ تشانغ، أن هذه الميزة ستكون جزءًا لا يتجزأ من مستقبل تطوير البرمجيات، حيث ستطالب المؤسسات بشكل متزايد بحلول مخصصة.
وينطبق هذا بشكل خاص على المؤسسات الكبيرة، التي يمكنها جني فوائد البرامج مفتوحة المصدر. وفقًا للوسي جاو، المؤسس المشارك لـ TabbyML والزميل السابق لـ Zhang، يمكن للمهندسين الذين يقومون بتطوير حلول خاصة داخل المؤسسات اللجوء إلى TabbyML للحصول على المساعدة، وهو خيار غير متاح لمستخدمي CoPilot.
على الرغم من المخاطر المحتملة المرتبطة بطيارين الذكاء الاصطناعي، مثل الأخطاء المحتملة، يؤكد جاو أن هذه المشكلات يمكن حلها بسهولة في بيئة مستضافة ذاتيًا. عندما يختار المستخدمون تجاهل اقتراحات TabbyML أو تحرير التعليمات البرمجية المملوءة تلقائيًا، يستخدم نموذج الذكاء الاصطناعي هذه المعلومات لتحسين توصياته المستقبلية، وبالتالي التحسن بمرور الوقت.
في حين أن الأدوات القوية مثل مولد الأكواد قد تبدو بمثابة تهديد للقوى العاملة الهندسية، يشير تشانغ إلى أن هذه الأدوات تهدف إلى مساعدة القوى العاملة البشرية، وليس استبدالها. يشير تقرير استطلاع حديث من GitHub إلى أن الاقتراحات المقدمة من مساعد البرمجة Copilot، يتم قبولها بنسبة 30% من الوقت. وبالمثل، أفاد محرر الشفرات الداخلية المعزز بالذكاء الاصطناعي في Google، Cider، أن 24% من مهندسي البرمجيات لديه شهدوا أكثر من خمس لحظات مساعدة كل يوم. ومع ذلك، تجدر الإشارة إلى أن المنصات التي تدعم الذكاء الاصطناعي مثل AppMaster مصممة أيضًا لتعزيز جهود التنمية البشرية.
تم إطلاق TabbyML في أبريل، وقد حصل بالفعل على حوالي 11000 نجم على GitHub. وشهدت الجولة الأولية للشركة الناشئة مشاركة الشركات الاستثمارية Yunqi Partners وZooCap.
يفكر تشانغ في المنافسة المستقبلية بين TabbyML وCoPilot، مشيرًا إلى أن تفوق OpenAI قد يتضاءل مع زيادة كفاءة نماذج الذكاء الاصطناعي الأخرى وانخفاض تكلفة الحوسبة بمرور الوقت.
تستطيع OpenAI وGitHub نشر نماذج الذكاء الاصطناعي التي تشتمل على عشرات المليارات من المعلمات من خلال التكنولوجيا السحابية، والتي، على الرغم من تكاليف الخدمة المرتفعة، تم تخفيفها حتى الآن إلى حد ما من خلال تجميع الطلبات. ومع ذلك، فإن هذه الاستراتيجية لا تخلو من عيوبها. يشير تقرير صادر عن صحيفة وول ستريت جورنال إلى أن مايكروسوفت كانت تخسر في المتوسط أكثر من 20 دولارًا شهريًا لكل مستخدم GitHub Copilot في الأشهر القليلة الأولى من هذا العام.
للمضي قدمًا، تهدف TabbyML إلى تقليل هذه الحواجز من خلال التوصية بالنماذج التي تم تدريبها على 1-3 مليار معلمة. في حين أن هذا يمكن أن يؤدي في البداية إلى نتيجة أقل جودة، يعتقد تشانغ أنه مع انخفاض تكلفة الطاقة الحاسوبية وتحسن النماذج مفتوحة المصدر باستمرار، فإن البداية التنافسية التي تتمتع بها الشركات العملاقة مثل GitHub وOpenAI ستنخفض في النهاية.
