توفر الدراسة رؤى حول تأثير مساعد الطيار GitHub على إنتاجية المطور

مؤخرًا ، أصبحت كتابة كود البرنامج حالة استخدام واعدة لنماذج اللغات الكبيرة مثل GPT-3. في الوقت نفسه ، مثل العديد من التطورات في مجال الذكاء الاصطناعي (AI) ، هناك مخاوف بشأن مدى الإثارة حول الترميز المدعوم من نموذج لغة كبير (LLM).

أظهرت دراسة جديدة من GitHub أن Copilot ، مساعد برمجة كود الذكاء الاصطناعي ، يؤدي إلى زيادة كبيرة في إنتاجية المطورين وسعادتهم. يستخدم Copilot Codex ، وهو إصدار متخصص من GPT-3 تم تدريبه على غيغابايت من كود البرنامج ، لإكمال التعليمات تلقائيًا وإنشاء وظائف كاملة وأتمتة أجزاء أخرى من كتابة التعليمات البرمجية المصدر.

تأتي الدراسة بعد عام من إطلاق GitHub للمعاينة الفنية لأداة Copilot الخاصة بها وبعد أشهر قليلة فقط من إتاحتها للجمهور. استطلعت دراسة GitHub أكثر من 2000 مبرمج ، معظمهم من المطورين والطلاب المحترفين ، الذين استخدموا Copilot في العام الماضي.

بينما لا يزال الترميز بمساعدة الذكاء الاصطناعي مجالًا جديدًا ويحتاج إلى مزيد من البحث ، تقدم مراجعة GitHub نظرة عامة جيدة على ما يمكن توقعه من أدوات مثل Copilot.

وفقًا لنتائج GitHub ، يشعر 60-75٪ من المطورين "بمزيد من الرضا عن عملهم ، ويشعرون بإحباط أقل أثناء البرمجة ، ويمكنهم التركيز على عمل أكثر إرضاءً" عند استخدام أداة Copilot الخاصة بها.

يعد الشعور بالرضا والرضا تجربة ذاتية ، على الرغم من وجود بعض القواسم المشتركة في ما أبلغ عنه المطورون.

قال الباحث في GitHub إيريني كاليامفاكو لموقع VentureBeat: "إن العاملين في مجال المعرفة بشكل عام - ومنهم مطورو البرمجيات - مفتونون ومدفوعون بحل المشكلات والإبداع". "على سبيل المثال ، يميل مطور البرامج إلى أن يفكر في أنماط التصميم التي يجب استخدامها أو كيفية تصميم حل ينفذ منطقًا معينًا أو يولد نتيجة أو يحل مشكلة ما ، أكثر إرضاءً. وبالمقارنة مع هذا ، فإن الحفظ عن ظهر قلب لبناء الجملة أو ترتيب المعلمات يعتبر "عملاً" يرغب معظم المطورين في إنجازه بسرعة ".

قال 87٪ من المشاركين

يساعد برنامج Copilot أيضًا المطورين على "الحفاظ على الجهد الذهني أثناء المهام المتكررة". هذه مهام محبطة وعرضة للأخطاء ، مثل كتابة ترحيل SQL لتحديث مخطط قاعدة البيانات.

"باستثناء DBAs ، قد لا يكتب المطورون عمليات ترحيل SQL في كثير من الأحيان بما يكفي لتذكر جميع تراكيب SQL المعينة ،" قال Kalliamvakou. "لكنها مهمة تحدث غالبًا بدرجة كافية بحيث تزيد التكلفة العقلية للاستدعاء غير الفوري. يزيل GitHub Copilot الكثير من الجهد في هذا السيناريو."

يميل المطورون إلى "البقاء في التدفق" عند استخدام Copilot ، وفقًا للاستطلاع ، مما يعني أنهم يقضون وقتًا أقل في غربلة المستندات المرجعية والمنتديات عبر الإنترنت مثل StackOverflow للعثور على حلول. بدلاً من ذلك ، يطلبون من Copilot بوصف نصي ويحصلون على رمز صحيح بشكل عام وقد يحتاج إلى بعض التغيير والتبديل. سرعة إنجاز المهام

أشار أكثر من 90٪ من المشاركين في الاستطلاع إلى أن مساعد الطيار ساعدهم على إكمال مهامهم بشكل أسرع ، وهي نتيجة كانت متوقعة. ومع ذلك ، لقياس تحسن السرعة بشكل أكبر ، أجرى GitHub تجربة أعمق ، حيث قام بتجنيد 95 مطورًا ومنحهم مهمة كتابة خادم HTTP 1.1 أساسي من البداية في JavaScript.

تم تقسيم المشاركين إلى مجموعتين ، مجموعة اختبار مكونة من 45 مطورًا استخدموا Copilot ومجموعة تحكم مكونة من 50 مطورًا لم يستخدموا مساعد الذكاء الاصطناعي. بينما لم يكن إكمال المهمة مختلفًا بشكل كبير بين المجموعتين ، كان وقت الانتهاء. تمكنت مجموعة Copilot من إكمال رمز الخادم في أقل من نصف الوقت الذي استغرقته مجموعة التحكم.

في حين أن هذا اكتشاف مهم ، إلا أنه سيكون من المثير للاهتمام معرفة أنواع المهام التي ساعدها برنامج Copilot كثيرًا والمجالات التي تتطلب مزيدًا من الترميز اليدوي. في حين أن GitHub ليس لديها أي أرقام لمشاركتها في هذا الصدد ، أخبرت كاليامفاكو VentureBeat أنها ومجموعتها "تجريان مزيدًا من التحليل على الكود الذي كتبه المشاركون ويخططون لمشاركة المزيد في المستقبل القريب." مراجعة الكود والأمان

تجدر الإشارة إلى أن LLM لا تفهم وتنتج الكود بنفس طريقة h ...