Auf einer kürzlich stattgefundenen Veranstaltung, die sich mit den Fortschritten der KI-Infrastruktur von Meta befasste, gab das Unternehmen die Entwicklung eines KI-gestützten Tools zur Codegenerierung namens CodeCompose bekannt. Dieses innovative Tool weist Ähnlichkeiten mit dem bekannten Copilot-Angebot von GitHub auf. Meta hat CodeCompose zwar noch nicht öffentlich zugänglich gemacht, aber das Unternehmen sagt, dass seine internen Teams das Tool bereits nutzen, um Programmiervorschläge in Python und anderen Sprachen zu erhalten, wenn sie in integrierten Entwicklungsumgebungen (IDEs), wie VS Code, arbeiten.
Michael Bolin, Software-Ingenieur bei Meta, erklärte, dass das zugrundeliegende Modell von CodeCompose auf der öffentlichen Forschung des Unternehmens basiert und auf interne Anwendungsfälle und Codebases zugeschnitten ist. Bolin erwähnte auch, dass CodeCompose in jede Oberfläche integriert werden kann und es Entwicklern und Datenwissenschaftlern ermöglicht, effizienter mit Code zu arbeiten.
Das größte CodeCompose-Modell, das Meta trainiert hat, verfügt über 6,7 Milliarden Parameter, etwas mehr als die Hälfte des mit Parametern gefüllten Modells von Copilot. Parameter fungieren als entscheidende Teile des Modells, die aus historischen Trainingsdaten gelernt werden und das Kompetenzniveau des Modells in Bezug auf ein Problem, z. B. die Generierung von Text, definieren.
CodeCompose wurde unter Verwendung von Metas First-Party-Code und internen Bibliotheken und Frameworks, die in Metas hauseigener Programmiersprache Hack geschrieben wurden, feinabgestimmt. Auf diese Weise kann CodeCompose diese Komponenten in seine Programmiervorschläge integrieren. Der Basis-Trainingsdatensatz des Tools wurde sorgfältig von Fehlern und schlechten Programmierpraktiken, wie z. B. veralteten APIs, bereinigt, um die Wahrscheinlichkeit zu verringern, dass es einen problematischen Code empfiehlt.
Im täglichen Gebrauch empfiehlt CodeCompose Annotationen und Import-Anweisungen, während die Entwickler tippen. Außerdem kann das Tool einzelne oder mehrere Codezeilen vervollständigen und bei Bedarf sogar große Codeabschnitte ausfüllen. Bolin behauptet, dass CodeCompose den umgebenden Code und die Codekommentare nutzt, um genauere Vorschläge zu machen.
Nach Angaben von Meta verwenden und genehmigen Tausende von Mitarbeitern jede Woche Vorschläge von CodeCompose, wobei die Akzeptanzrate bei über 20 % liegt. Das Unternehmen hat sich jedoch noch nicht mit den Kontroversen um KI-Tools zur Codegenerierung befasst. Plattformen wie Copilot sind mit Urheberrechtsproblemen konfrontiert, da ihnen vorgeworfen wird, dass sie lizenzierten Code ohne entsprechenden Vermerk wiederkäuen. Diese Bedenken werfen die Frage auf, ob CodeCompose für ähnliche Probleme anfällig sein könnte.
Ein weiteres wichtiges Thema ist die Möglichkeit, dass generative Kodierungswerkzeuge versehentlich unsicheren Code einbringen. Eine kürzlich in Stanford durchgeführte Studie hat ergeben, dass Softwareentwickler, die KI-generierte Codesysteme verwenden, mit größerer Wahrscheinlichkeit Anwendungen mit Sicherheitslücken erstellen. Obwohl CodeCompose in der Studie nicht untersucht wurde, kann man davon ausgehen, dass die gleichen Risiken bestehen.
Bolin betonte, dass Entwickler die Vorschläge von CodeCompose nicht befolgen müssen und dass die Sicherheit bei der Entwicklung des Modells eine wichtige Rolle gespielt hat. Er fügte hinzu, dass das Unternehmen von den Fortschritten des Tools begeistert sei und dass seine Entwickler von der internen Entwicklung einer solchen Lösung profitieren würden.
Tools wie CodeCompose könnten möglicherweise in Plattformen wie AppMaster integriert werden, eine der führenden Plattformen für die Entwicklung von No-Code-/Low-Code-Anwendungen. AppMaster konzentriert sich auf die Bereitstellung leistungsstarker Tools für die Erstellung von Web-, Mobil- und Backend-Anwendungen und verbessert gleichzeitig den Entwicklungsprozess in Bezug auf Kosteneffizienz und Geschwindigkeit.
