研究提供了有关 GitHub Copilot 对开发人员生产力影响的见解

最近，编写软件代码已成为 GPT-3 等大型语言模型的一个很有前景的用例。同时，与人工智能 (AI) 领域的许多发展一样，人们对大型语言模型 (LLM) 支持的编码的兴奋程度感到担忧。

GitHub 的一项新研究表明，其 AI 代码编程助手 Copilot 可显着提高开发人员的工作效率和幸福感。 Copilot 使用 Codex（GPT-3 的专用版本），在千兆字节的软件代码上进行了训练，可以自动完成指令、生成完整的功能，以及自动编写源代码的其他部分。

这项研究是在 GitHub 推出其 Copilot 工具的技术预览一年后进行的，而仅仅在它向公众提供几个月后。 GitHub 研究调查了 2,000 多名在过去一年中使用过 Copilot 的程序员，其中大部分是专业开发人员和学生。

虽然 AI 辅助编码仍然是一个新领域，需要更多研究，但 GitHub 评论很好地概述了对 Copilot 等工具的期望。

根据 GitHub 的调查结果，在使用 Copilot 工具时，60-75% 的开发人员感到“对自己的工作更满意，在编码时感到更少沮丧，并且可以专注于更令人满意的工作”。

感到满足和满足是一种主观体验，尽管开发人员报告的内容有一些共同点。

“一般来说，包括软件开发人员在内的知识工作者都对解决问题和创造力很感兴趣，”GitHub 研究员 Eirini Kalliamvakou 告诉 VentureBeat。 “例如，开发人员倾向于发现考虑使用哪些设计模式或如何设计实现特定逻辑、生成结果或解决问题的解决方案更令人满意。与此相比，死记硬背的语法或参数顺序被认为是大多数开发人员希望快速完成的“劳动”。”

87% 的受访者表示，Copilot 还可以帮助开发人员“在重复性任务中保持脑力劳动”。这些是令人沮丧且容易出错的任务，例如编写 SQL 迁移以更新数据库的模式。

“除了 DBA，开发人员编写 SQL 迁移的频率可能不足以记住所有特定的 SQL 语法，”Kalliamvakou 说。 “但这是一项经常发生的任务，以至于非立即回忆的心理成本加起来。GitHub Copilot 在这种情况下消除了很多工作。”

调查显示，开发人员在使用 Copilot 时倾向于“顺其自然”，这意味着他们花更少的时间来筛选参考文档和 StackOverflow 等在线论坛来寻找解决方案。相反，他们会通过文本描述提示 Copilot，并获取通常正确且可能需要一些调整的代码。

超过 90% 的受访者表示，Copilot 帮助他们更快地完成任务，这是意料之中的发现。然而，为了进一步衡量速度的提升，GitHub 进行了更深入的实验，招募了 95 名开发人员，并让他们从头开始用 JavaScript 编写基本的 HTTP 1.1 服务器的任务。

参与者分为两组，测试组 45 名使用 Copilot 的开发人员，对照组 50 名未使用 AI 助手的开发人员。虽然两组之间的任务完成没有太大差异，但完成时间却大不相同。 Copilot 组完成服务器代码的时间不到对照组的一半。

虽然这是一个重要的发现，但看看 Copilot 对哪些类型的任务帮助最大以及哪些领域需要更多的手工编码会更有趣。虽然 GitHub 在这方面没有任何数据可以分享，但 Kaliamvakou 告诉 VentureBeat，她和她的团队“正在对参与者编写的代码进行更多分析，并计划在不久的将来分享更多。”。

需要注意的是，LLM 并不像 h...