Sok időt spórolnak a fejlesztők a GitHub kódkiegészítő eszközével

A ChatGPT-n túl fejlesztői körökben nagy érdeklődés övezi a szintén OpenAI által gondozott, GPT-3 modellen alapuló Codex nevű generatív MI-t, ami a GitHub Copilot funkcióján keresztül érhető el szélesebb körben. Februárban rajtolt el a fejlesztői eszköz havi 19 dollárba kerülő üzleti verziója is, ezzel megnyílt a lehetőség a cégek, szervezetek, vállalkozások előtt, hogy igényeljék a programozást segítő, MI-alapú fejlesztés üzleti csomagját.

A GitHub és az OpenAI közösen fejlesztett kódolási asszisztense valós időben tesz javaslatokat a következő programsor megírására, az addig begépelt kódok alapján, de a GitHub hangsúlyozza, hogy a Codex modellen alapuló Copilot nem tudná kiváltani a fejlesztőket, mivel csak ismétlődő kódmintázatok visszaadására képes. Akár például a logikát bemutató komment alapján javasol egy kódszintű megoldást a fejlesztőnek. Ez főként a kezdő programozók vagy az új programozási nyelv használatába éppen csak belekezdő fejlesztőknek lehet hasznos a cég magyarázata szerint. Ezekben az esetekben is ellenőrizni és tesztelni kell a generált kódokat, mivel azoknak működését vagy értelmét a GitHub nem garantálja.

Nagy pénz, nagy szívás: útravaló csúcstámadó IT-soknak Az informatikai vezetősködés sokak álma, de az árnyoldalaival kevesen vannak tisztában.

A friss számok alapján azokban a projektben, ahol felhasználják a Copilotot, átlagosan az MI-eszköz felel az előállított kód 40 százalékáért. A Business Insider által megszólaltatott szakértők szerint a Copilot valóban jelentősen javítja a produktivitást: a Beagle startup vezetője, Cyrus Ghazanfar elmondása szerint a három mérnökből álló csapatuknál már meg is követelik annak használatát, főleg adatbázisok létrehozásakor.

Bill Mers, a LookDeep Health mérnöki részlegének alelnöke „hátborzongatónak” nevezte, hogy a Copilot sok esetben valóban képes megjósolni, milyen kódot próbál írni, ami annak köszönhető, hogy bár az eszköz a GitHubon fellelhető projekthalmazból kaparja össze az adatokat, de közben figyelembe veszi az éppen aktuális projekt kontextusát is, hogy személyre szabottabb kódokat javasoljon.

A szakember becslése szerint ilyen módon a kódolással töltött munkaidő 10 százalékát sikerült megspórolnia.

Ugyan a Copilot javaslatai az esetek nagy részében meglepően pontosak, a feltétlen bizalom kétélű fegyver lehet, mivel még így is előfordulhatnak hibák, nem működő részletek. Ezt nem kendőzte a GitHub korábbi vezérigazgatója, Nat Friedman sem, aki a bevezetéskor nyíltan beszélt a termék gyengeségeiről: ugyan a leggyakoribb programozási feladatok megoldásában hasznos a Copilot, de előfordulhat a ChatGPT-nél is észlelt „hallucináció”, azaz az MI első ránézésre meggyőzőnek tűnő, de kitalált, nem működő eredményekkel tér vissza, mondjuk nem létező API-kra hivatkozik. Ghazanfar szerint egy alapszintű iOS-alkalmazás könnyedén létrehozható a Copilot segítségével, de a bonyolultabb feladatok elvégzése körülményesebb, és folyamatos programozói felülvizsgálatot igényel.

Az OpenAI komoly terveire utal, hogy világszerte felgyorsította a toborzást a modell fejlesztése érdekében, több mint ezer szakembert szerződtetett alvállalkozóként adatcímkézési feladatokra többek közt olyan olcsó munkaerőt kínáló régiókból, mint Latin-Amerika és Kelet-Európa. Korábban írtunk róla mi is: a Semafor úgy sejti, hogy a Copilot a jövőben még fejlettebbé válva néhány alapvető kódolási feladatot teljesen önjáróan és automatizáltan képes lehet megoldani.

A lap szerzője hozzáteszi, hogy az ígéretes korai eredmények ellenére továbbra is nagy a valószínűsége annak, hogy az OpenAI komoly akadályokba ütközhet a kódolás automatizálására irányuló erőfeszítései során. Ez korábban már más területeken is megmutatkozott, például az évek óta lebegtetett önjáró autók megvalósulása még ma is távolinak tűnik.