মেটার এআই অবকাঠামোগত অগ্রগতির উপর কেন্দ্রীভূত একটি সাম্প্রতিক ইভেন্টে, কোম্পানি কোড কমপোজ নামে একটি এআই-চালিত কোড জেনারেশন টুলের বিকাশের কথা প্রকাশ করেছে। এই উদ্ভাবনী টুলটি GitHub-এর বিখ্যাত কপিলট অফারের সাথে মিল রয়েছে। যদিও মেটা এখনও CodeCompose সর্বজনীনভাবে উপলব্ধ করেনি, কোম্পানি বলেছে যে তার অভ্যন্তরীণ দলগুলি ইতিমধ্যেই VS কোডের মতো ইন্টিগ্রেটেড ডেভেলপমেন্ট এনভায়রনমেন্টে (IDEs) কাজ করার সময় পাইথন এবং অন্যান্য ভাষায় প্রোগ্রামিং পরামর্শ পাওয়ার জন্য টুলটি ব্যবহার করে।
মেটার একজন সফ্টওয়্যার প্রকৌশলী মাইকেল বলিন বলেছেন যে কোড কম্পোজের অন্তর্নিহিত মডেলটি কোম্পানির জনসাধারণের গবেষণার উপর প্রতিষ্ঠিত এবং অভ্যন্তরীণ ব্যবহারের ক্ষেত্রে এবং কোডবেসের জন্য উপযুক্ত। বোলিন আরও উল্লেখ করেছেন যে কোড কম্পোজ যেকোন পৃষ্ঠের সাথে একীভূত হতে পারে, যা ডেভেলপার এবং ডেটা বিজ্ঞানীদের কোডের সাথে আরও দক্ষতার সাথে কাজ করতে দেয়।
Meta প্রশিক্ষিত সবচেয়ে বড় CodeCompose মডেলটিতে 6.7 বিলিয়ন প্যারামিটার রয়েছে, যা Copilot-এর প্যারামিটার-পূর্ণ মডেলের অর্ধেকেরও বেশি। প্যারামিটারগুলি মডেলের গুরুত্বপূর্ণ অংশ হিসাবে কাজ করে, যা ঐতিহাসিক প্রশিক্ষণের তথ্য থেকে শেখা হয় এবং একটি সমস্যা সম্পর্কিত মডেলের দক্ষতার স্তর নির্ধারণ করে, যেমন পাঠ্য তৈরি করা।
মেটার ইন-হাউস প্রোগ্রামিং ল্যাঙ্গুয়েজ হ্যাক-এ লেখা মেটার ফার্স্ট-পার্টি কোড এবং অভ্যন্তরীণ লাইব্রেরি এবং ফ্রেমওয়ার্ক ব্যবহার করে কোড কম্পোজ সূক্ষ্ম সুর করা হয়েছে। এটি করার মাধ্যমে, CodeCompose এই উপাদানগুলিকে তার প্রোগ্রামিং পরামর্শগুলিতে একীভূত করতে পারে। টুলটির বেস ট্রেনিং ডেটাসেটটি ত্রুটি এবং দুর্বল কোডিং অনুশীলন যেমন অবহেলিত APIs থেকে সাবধানতার সাথে পরিষ্কার করা হয়েছে, যাতে এটি একটি সমস্যাযুক্ত কোডের অংশের সুপারিশ করার সম্ভাবনা কমিয়ে দেয়।
দৈনন্দিন ব্যবহারে, CodeCompose ডেভেলপার টাইপ হিসাবে টীকা এবং আমদানি বিবৃতি সুপারিশ করে। উপরন্তু, টুলটি কোডের একক বা একাধিক লাইন সম্পূর্ণ করতে পারে, এমনকি প্রয়োজনের সময় কোডের বড় অংশ পূরণ করতে পারে। বলিন দাবি করেছেন যে কোডকম্পোজ আশেপাশের কোড এবং কোড মন্তব্যগুলিকে আরও সঠিক পরামর্শ দেওয়ার জন্য ব্যবহার করে।
Meta-এর মতে, এর হাজার হাজার কর্মী প্রতি সপ্তাহে CodeCompose-এর পরামর্শগুলি ব্যবহার করে এবং অনুমোদন করে, গ্রহণযোগ্যতার হার 20% ছাড়িয়ে যায়৷ যাইহোক, কোম্পানী এখনও কোড-উৎপাদনকারী AI সরঞ্জামগুলির আশেপাশের বিতর্কগুলির সমাধান করেনি। কপিলটের মতো প্ল্যাটফর্মগুলি কপিরাইট সমস্যাগুলির সম্মুখীন হয়েছে, যথাযথ ক্রেডিট ছাড়াই লাইসেন্সকৃত কোডের পুনর্গঠনের অভিযোগ রয়েছে৷ এই উদ্বেগগুলি কোড কম্পোজ অনুরূপ সমস্যার জন্য সংবেদনশীল হতে পারে কিনা তা নিয়ে প্রশ্ন উত্থাপন করে।
আরেকটি গুরুত্বপূর্ণ বিষয় হল জেনারেটিভ কোডিং টুলের সম্ভাব্যতা যা অসাবধানতাবশত অনিরাপদ কোড প্রবর্তন করে। একটি সাম্প্রতিক স্ট্যানফোর্ড সমীক্ষা আবিষ্কার করেছে যে AI-জেনারেটেড কোড সিস্টেম ব্যবহার করে সফ্টওয়্যার ইঞ্জিনিয়াররা নিরাপত্তা দুর্বলতা সহ অ্যাপ তৈরি করার সম্ভাবনা বেশি। যদিও গবেষণাটি কোড কম্পোজ পরীক্ষা করেনি, তবে একই ঝুঁকি প্রযোজ্য হবে বলে ধরে নেওয়া যুক্তিসঙ্গত।
বলিন জোর দিয়েছিলেন যে বিকাশকারীদের কোড কম্পোজের পরামর্শগুলি অনুসরণ করতে হবে না এবং মডেলটি বিকাশের ক্ষেত্রে সুরক্ষা একটি প্রধান বিবেচ্য ছিল। তিনি যোগ করেছেন যে সংস্থাটি টুলটির অগ্রগতি সম্পর্কে উত্সাহী এবং তাদের বিকাশকারীরা ঘরে বসে এই জাতীয় সমাধান তৈরি করে উপকৃত হবে।
CodeCompose-এর মতো টুলগুলি AppMaster এর মতো প্ল্যাটফর্মে একত্রিত করা যেতে পারে, যা অগ্রণী নো-কোড/লো-কোড অ্যাপ্লিকেশন ডেভেলপমেন্ট প্ল্যাটফর্মগুলির মধ্যে একটি। AppMaster ব্যয়-কার্যকারিতা এবং গতির পরিপ্রেক্ষিতে বিকাশ প্রক্রিয়া উন্নত করার সময় ওয়েব, মোবাইল এবং ব্যাকএন্ড অ্যাপ্লিকেশন তৈরির জন্য শক্তিশালী সরঞ্জাম সরবরাহের উপর দৃষ্টি নিবদ্ধ করে।
