Generativna AI piše kompjuterski kod - hoće li nam i dalje trebati programeri?

Novi talas alata i generativna AI mogu pisati tekst, generisati slike, kreirati muziku i još mnogo toga. Neki čak mogu pisati kompjuterski kod, što ima smisla jer je kompjuterski kod samo još jedan tip jezika. Od dobro poznatog, generičkog alata poput ChatGPT-a do specifičnih AI alata za kodiranje kreiranih za programere, novi alati se brzo pojavljuju nudeći predloge za kod, pa čak i pišući ceo kod. Najlepše od svega je što sve to radi na osnovu prirodnih jezičkih upita ili učeći iz postojećeg koda.

Naravno, ovo već utiče i menja rad programera. Ali kakve su dugoročne implikacije ovoga? Da li ćemo uopšte trebati programere u budućnosti?

Šta može generativna AI?

Generativna AI može ubrzati i automatizovati proces razvoja softvera na nekoliko načina:

– Prikupljanje zahteva: Svi razvojni projekti softvera počinju identifikovanjem zahteva (kao što su “korisnik želi da uradi X, Y i Z”). Generativna AI može pomoći u ovom procesu generisanjem liste zahteva. Takođe može pregledati zahteve i proveriti da li nešto nije propušteno.

– Generisanje koda: Generativna AI može pretvoriti smernice i uputstva koje dajete na prirodnom jeziku u funkcionalan kod, što u suštini pretvara engleski (ili vaš maternji jezik) u kompjuterski programski jezik.

Shutterstock

– Završavanje koda: Dok programeri kucaju, alat za generativnu AI može predlagati završetke koda, što štedi vreme, posebno kod ponavljajućih ili jednoličnih zadataka. Kao dodatna prednost, ovo može pomoći u smanjenju ljudskih grešaka.

– Pregledanje koda: Generativna AI takođe može biti koristan alat kada je u pitanju pregled softvera. Na primer, alat za generativnu AI može pregledati postojeći kod i predložiti poboljšanja ili kreirati efikasnije alternative. Takođe može analizirati programski kod prema smernicama stila kodiranja kako bi osigurao konzistentnost koda.

Veštačka inteligencija ubrzava proces razvoja softvera

– Ispravljanje grešaka: Generativna AI može se koristiti za identifikaciju i ispravljanje grešaka u samom kodu, kako bi se kreirao bolji krajnji proizvod.

– Testiranje softvera: Generativna AI može obavljati mnoge faze testiranja, kao što su generisanje test slučajeva, generisanje test koda i analiza rezultata testova.

– Predviđanje kako softver može propasti zbog neispunjenja osnovnih zahteva: Gledajući unapred, generativna AI može takođe biti sposobna da predvidi kako sistemi i softver mogu propasti pre nego što programski kod uđe u produkciju i da ukaže programerima kako da to poprave.

Sve to znači da generativna AI može pomoći radu kodera, programera i developera i ubrzati proces razvoja softvera. U jednom primeru, programeri u kompaniji Freshworks su koristili ChatGPT za pisanje koda i u čitavom tom procesu, skratili vreme razvoja sa oko 10 nedelja na manje od nedelju dana. Prema studiji GitHub-a, programeri koji su koristili GitHub Copilot generativni AI alat kodirali su do 55% brže nego oni koji ga nisu koristili. Ali koliko je dobra generativna AI u stvaranju kompjuterskog koda?

Kada je laboratorija DeepMind, u vlasništvu Alfabeta, stavila svoj AlphaCode AI model u takmičenje protiv ljudskih programera, AlphaCode učinak je otprilike odgovarao “početniku programeru sa nekoliko meseci do godinu dana treninga.” Nije loše za AI. S obzirom na to da sposobnosti generativne AI brzo napreduju, možemo očekivati da će tehnologija sustići iskusnije programere u ne tako dalekoj budućnosti, piše Forbes.