मेटा की एआई अवसंरचना प्रगति पर केंद्रित एक हालिया कार्यक्रम में, कंपनी ने कोडकंपोज़ नामक एआई-संचालित कोड जनरेशन टूल के विकास का खुलासा किया। यह इनोवेटिव टूल GitHub की प्रसिद्ध कोपिलॉट पेशकश के साथ समानताएं साझा करता है। हालांकि मेटा ने अभी तक कोडकंपोज़ को सार्वजनिक रूप से उपलब्ध नहीं कराया है, कंपनी का कहना है कि इसकी आंतरिक टीम पहले से ही वीएस कोड जैसे एकीकृत विकास वातावरण (आईडीई) में काम करते समय पायथन और अन्य भाषाओं में प्रोग्रामिंग सुझाव प्राप्त करने के लिए टूल का उपयोग करती है।
मेटा में एक सॉफ्टवेयर इंजीनियर माइकल बोलिन ने कहा कि कोडकंपोज़ का अंतर्निहित मॉडल कंपनी के सार्वजनिक शोध पर स्थापित किया गया है और आंतरिक उपयोग के मामलों और कोडबेस के अनुरूप बनाया गया है। बोलिन ने यह भी उल्लेख किया कि कोडकंपोज़ किसी भी सतह में एकीकृत हो सकता है, जिससे डेवलपर्स और डेटा वैज्ञानिक कोड के साथ अधिक कुशलता से काम कर सकते हैं।
मेटा द्वारा प्रशिक्षित किए गए सबसे बड़े कोडकंपोज़ मॉडल में 6.7 बिलियन पैरामीटर हैं, जो कोपिलॉट के पैरामीटर से भरे मॉडल के आधे से थोड़ा अधिक है। पैरामीटर मॉडल के महत्वपूर्ण भागों के रूप में कार्य करते हैं, जो ऐतिहासिक प्रशिक्षण डेटा से सीखे जाते हैं और किसी समस्या से संबंधित मॉडल की क्षमता के स्तर को परिभाषित करते हैं, जैसे पाठ उत्पन्न करना।
मेटा के प्रथम-पक्ष कोड और हैक, मेटा की इन-हाउस प्रोग्रामिंग भाषा में लिखे गए आंतरिक पुस्तकालयों और रूपरेखाओं का उपयोग करके कोडकंपोज़ को ठीक-ठीक किया गया था। ऐसा करके, CodeCompose इन घटकों को अपने प्रोग्रामिंग सुझावों में एकीकृत कर सकता है। उपकरण के आधार प्रशिक्षण डेटासेट को कोड के एक समस्याग्रस्त टुकड़े की सिफारिश करने की संभावना को कम करने के लिए त्रुटियों और खराब कोडिंग प्रथाओं, जैसे बहिष्कृत एपीआई, की सावधानीपूर्वक सफाई की गई है।
रोजमर्रा के उपयोग में, CodeCompose एनोटेशन की सिफारिश करता है और डेवलपर्स प्रकार के रूप में स्टेटमेंट आयात करता है। इसके अलावा, उपकरण कोड की एकल या एकाधिक पंक्तियों को पूरा कर सकता है, यहां तक कि जरूरत पड़ने पर कोड के बड़े हिस्से को भर सकता है। बोलिन ने दावा किया कि अधिक सटीक सुझाव प्रदान करने के लिए कोडकंपोज़ आसपास के कोड और कोड टिप्पणियों का उपयोग करता है।
मेटा के अनुसार, इसके हजारों कर्मचारी हर हफ्ते कोडकंपोज के सुझावों का उपयोग करते हैं और स्वीकृति देते हैं, जिसकी स्वीकृति दर 20% से अधिक है। हालाँकि, कंपनी ने अभी तक कोड-जनरेटिंग AI टूल्स के आसपास के विवादों को संबोधित नहीं किया है। कोपिलॉट जैसे प्लेटफॉर्मों को कॉपीराइट मुद्दों का सामना करना पड़ा है, जिन पर उचित क्रेडिट के बिना लाइसेंस कोड को फिर से जमा करने का आरोप लगाया गया है। ये चिंताएँ इस बारे में प्रश्न उठाती हैं कि क्या CodeCompose इसी तरह की परेशानियों के लिए अतिसंवेदनशील हो सकता है।
एक अन्य महत्वपूर्ण विषय जेनेरेटिव कोडिंग टूल की क्षमता है जो अनजाने में असुरक्षित कोड पेश करता है। स्टैनफोर्ड के एक हालिया अध्ययन में पता चला है कि एआई-जनित कोड सिस्टम का उपयोग करने वाले सॉफ्टवेयर इंजीनियर सुरक्षा कमजोरियों वाले ऐप बनाने की अधिक संभावना रखते हैं। हालांकि अनुसंधान ने कोडकंपोज़ की जांच नहीं की, यह मान लेना उचित है कि समान जोखिम लागू होंगे।
बोलिन ने जोर देकर कहा कि डेवलपर्स को कोडकंपोज़ के सुझावों का पालन करने की ज़रूरत नहीं है और मॉडल के विकास में सुरक्षा एक प्रमुख विचार था। उन्होंने कहा कि कंपनी उपकरण की प्रगति के बारे में उत्साहित थी और उनके डेवलपर्स इस तरह के समाधान को इन-हाउस विकसित करने से लाभान्वित होंगे।
CodeCompose जैसे टूल संभावित रूप से AppMaster जैसे प्लेटफॉर्म में एकीकृत किए जा सकते हैं, जो अग्रणीनो-कोड/लो-कोड एप्लिकेशन डेवलपमेंट प्लेटफॉर्म में से एक है। AppMaster लागत-प्रभावशीलता और गति के मामले में विकास प्रक्रिया में सुधार करते हुए वेब, मोबाइल और बैकएंड एप्लिकेशन बनाने के लिए शक्तिशाली टूल देने पर ध्यान केंद्रित करता है।
