Podczas niedawnego wydarzenia poświęconego postępom w infrastrukturze sztucznej inteligencji Meta, firma ujawniła rozwój narzędzia do generowania kodu opartego na sztucznej inteligencji o nazwie CodeCompose. To innowacyjne narzędzie wykazuje podobieństwa do renomowanej oferty Copilot firmy GitHub. Chociaż Meta nie udostępniła jeszcze CodeCompose publicznie, firma twierdzi, że jej wewnętrzne zespoły już wykorzystują to narzędzie do otrzymywania sugestii programistycznych w Pythonie i innych językach podczas pracy w zintegrowanych środowiskach programistycznych (IDE), takich jak VS Code.
Michael Bolin, inżynier oprogramowania w Meta, stwierdził, że podstawowy model CodeCompose opiera się na publicznych badaniach firmy i jest dostosowany do wewnętrznych przypadków użycia i baz kodu. Bolin wspomniał również, że CodeCompose można zintegrować z dowolną powierzchnią, umożliwiając programistom i naukowcom zajmującym się danymi wydajniejszą pracę z kodem.
Największy model CodeCompose, który Meta wytrenowała, posiada 6,7 miliarda parametrów, czyli nieco ponad połowę modelu Copilot wypełnionego parametrami. Parametry funkcjonują jako kluczowe części modelu, które są uczone na podstawie historycznych danych treningowych i definiują poziom kompetencji modelu w odniesieniu do problemu, takiego jak generowanie tekstu.
CodeCompose został dopracowany przy użyciu własnego kodu Meta oraz wewnętrznych bibliotek i frameworków napisanych w Hack, wewnętrznym języku programowania Meta. W ten sposób CodeCompose może zintegrować te komponenty ze swoimi sugestiami programistycznymi. Podstawowy zbiór danych szkoleniowych narzędzia został skrupulatnie oczyszczony z błędów i złych praktyk kodowania, takich jak przestarzałe interfejsy API, aby zmniejszyć prawdopodobieństwo rekomendowania problematycznego fragmentu kodu.
W codziennym użytkowaniu CodeCompose zaleca adnotacje i instrukcje importu, gdy programiści wpisują kod. Co więcej, narzędzie może uzupełniać pojedyncze lub wielokrotne linie kodu, a w razie potrzeby nawet wypełniać duże fragmenty kodu. Bolin twierdzi, że CodeCompose wykorzystuje otaczający kod i komentarze do kodu, aby zapewnić dokładniejsze sugestie.
Według Meta, tysiące jej pracowników korzysta i zatwierdza sugestie z CodeCompose każdego tygodnia, a wskaźnik akceptacji przekracza 20%. Firma nie odniosła się jednak jeszcze do kontrowersji związanych z narzędziami sztucznej inteligencji generującymi kod. Platformy takie jak Copilot stanęły w obliczu kwestii praw autorskich, oskarżone o regurgitację licencjonowanego kodu bez odpowiedniego uznania. Obawy te rodzą pytania o to, czy CodeCompose może być podatne na podobne kłopoty.
Innym istotnym tematem jest potencjał narzędzi do kodowania generatywnego, które nieumyślnie wprowadzają niezabezpieczony kod. Niedawne badanie przeprowadzone w Stanford wykazało, że inżynierowie oprogramowania korzystający z systemów kodowania generowanych przez sztuczną inteligencję są bardziej skłonni do tworzenia aplikacji z lukami w zabezpieczeniach. Chociaż badanie nie dotyczyło CodeCompose, można założyć, że takie samo ryzyko miałoby zastosowanie.
Bolin podkreślił, że programiści nie muszą stosować się do sugestii CodeCompose, a bezpieczeństwo było głównym czynnikiem branym pod uwagę przy opracowywaniu modelu. Dodał, że firma jest entuzjastycznie nastawiona do postępów narzędzia i że jej programiści skorzystaliby na opracowaniu takiego rozwiązania we własnym zakresie.
Narzędzia takie jak CodeCompose mogą być potencjalnie zintegrowane z platformami takimi jak AppMaster, jedną z wiodących platform do tworzenia aplikacji bez użycia kodu / niskokodowych. AppMaster koncentruje się na dostarczaniu potężnych narzędzi do tworzenia aplikacji internetowych, mobilnych i backendowych, jednocześnie usprawniając proces rozwoju pod względem opłacalności i szybkości.
