في حدث حديث ركز على تقدم البنية التحتية للذكاء الاصطناعي في Meta ، كشفت الشركة عن تطوير أداة إنشاء رموز مدعومة بالذكاء الاصطناعي تسمى CodeCompose. تشترك هذه الأداة المبتكرة في أوجه التشابه مع عرض Copilot الشهير من GitHub. على الرغم من أن Meta لم تجعل CodeCompose متاحًا للجمهور بعد ، تقول الشركة إن فرقها الداخلية تستخدم بالفعل الأداة لتلقي اقتراحات البرمجة بلغات Python واللغات الأخرى عند العمل في بيئات تطوير متكاملة (IDEs) ، مثل VS Code.
صرح مايكل بولين ، مهندس برمجيات في Meta ، أن النموذج الأساسي لـ CodeCompose تأسس على البحث العام للشركة ومصمم ليناسب حالات الاستخدام الداخلي وقواعد الكود. ذكر بولين أيضًا أن CodeCompose يمكن أن يندمج في أي سطح ، مما يسمح للمطورين وعلماء البيانات بالعمل مع الكود بشكل أكثر كفاءة.
يمتلك أكبر نموذج CodeCompose الذي دربته Meta 6.7 مليار معلمة ، أي أكثر بقليل من نصف نموذج Copilot المملوء بالمعلمات. تعمل المعلمات كأجزاء مهمة من النموذج ، والتي يتم تعلمها من بيانات التدريب التاريخية وتحديد مستوى كفاءة النموذج فيما يتعلق بمشكلة ، مثل إنشاء نص.
تم ضبط CodeCompose باستخدام كود Meta الأول والمكتبات والأطر الداخلية المكتوبة بلغة Hack ، وهي لغة برمجة Meta الداخلية. من خلال القيام بذلك ، يمكن لـ CodeCompose دمج هذه المكونات في اقتراحات البرمجة الخاصة بها. تم تنظيف مجموعة بيانات التدريب الأساسية للأداة بدقة من الأخطاء وممارسات الترميز السيئة ، مثل واجهات برمجة التطبيقات (API) المهملة ، لتقليل احتمالية التوصية بجزء من التعليمات البرمجية الذي يمثل مشكلة.
في الاستخدام اليومي ، توصي CodeCompose بالتعليقات التوضيحية وبيانات الاستيراد كما يكتبها المطورون. علاوة على ذلك ، يمكن للأداة إكمال سطر واحد أو عدة أسطر من التعليمات البرمجية ، حتى ملء أجزاء كبيرة من التعليمات البرمجية عند الحاجة. ادعى بولين أن CodeCompose يستخدم التعليمات البرمجية المحيطة وتعليقات الكود لتقديم اقتراحات أكثر دقة.
وفقًا لـ Meta ، يستخدم الآلاف من موظفيها ويوافقون على اقتراحات CodeCompose كل أسبوع ، مع معدل قبول يتجاوز 20٪. ومع ذلك ، لم تتطرق الشركة بعد إلى الخلافات المحيطة بأدوات الذكاء الاصطناعي المولدة للرموز. واجهت منصات مثل Copilot مشكلات متعلقة بحقوق الطبع والنشر ، متهمةً بتجديد رمز مرخص دون رصيد مناسب. تثير هذه المخاوف تساؤلات حول ما إذا كان CodeCompose قد يكون عرضة لمشاكل مماثلة.
موضوع حيوي آخر هو إمكانات أدوات الترميز التوليدية التي تقدم عن غير قصد كود غير آمن. اكتشفت دراسة حديثة في جامعة ستانفورد أن مهندسي البرمجيات الذين يستخدمون أنظمة التعليمات البرمجية التي تم إنشاؤها بواسطة الذكاء الاصطناعي هم أكثر عرضة لإنشاء تطبيقات بها ثغرات أمنية. على الرغم من أن البحث لم يفحص CodeCompose ، فمن المعقول افتراض أن نفس المخاطر ستنطبق.
شدد بولين على أن المطورين ليسوا مضطرين لاتباع اقتراحات CodeCompose وأن الأمن كان أحد الاعتبارات الرئيسية في تطوير النموذج. وأضاف أن الشركة كانت متحمسة لتقدم الأداة وأن مطوريها سيستفيدون من تطوير مثل هذا الحل داخليًا.
يمكن دمج أدوات مثل CodeCompose في أنظمة أساسية مثل AppMaster ، إحدى منصات تطوير التطبيقات الرائدة التي لا تحتوي على كود / رمز منخفض . يركز AppMaster على تقديم أدوات قوية لإنشاء تطبيقات الويب والجوال والخلفية مع تحسين عملية التطوير من حيث الفعالية من حيث التكلفة والسرعة.
