科技行者 2月10日 北京消息:人工智能技術(shù)是編碼開發(fā)的結(jié)果,而如今,程序代碼又成了人工智能的造物。
越來越多的企業(yè)乃至編程人員,開始利用AI輔助軟件開發(fā)流程——軟件開發(fā)人員能夠利用AI工具,編寫并審查代碼、檢測bug、測試軟件甚至優(yōu)化開發(fā)項目;而憑借這些強有力的技術(shù)支持,企業(yè)不僅能夠高效部署新的軟件與應(yīng)用,同時也能引導新一代開發(fā)人員更輕松掌握編碼技能。
以上觀點來自德勤公司發(fā)布的一份最新報告。該報告的兩位作者David Schatsky與Sourabh Bumb,長期關(guān)注AI輔助軟件開發(fā)領(lǐng)域,他們在報告中剖析了過去一年半以來,多家企業(yè)陸續(xù)推出的數(shù)十種AI驅(qū)動型軟件開發(fā)工具。可以肯定的是,此類輔助開發(fā)軟件市場正在蓬勃發(fā)展,當中的一些初創(chuàng)企業(yè)在截至2019年9月的一年周期之內(nèi)籌集到7.04億美元資金。有鑒于此,德勤方面做出預(yù)測稱,隨著企業(yè)客戶對于軟件方案的需求不斷增長,基于AI技術(shù)的開發(fā)工具也將發(fā)揮愈發(fā)重要的輔助性作用。
AI輔助編碼具有一系列天然優(yōu)勢,其中最受企業(yè)青睞的當屬「效率層面的提升」。目前,大部分基于AI技術(shù)的新型工具基本延續(xù)著以往拼寫檢查與語法檢查器的功能,且已經(jīng)能夠?qū)⒕幊倘藛T的鍵盤敲擊次數(shù)降低50%左右。此外,這些工具還能在代碼編寫過程中及時發(fā)現(xiàn)bug,自動執(zhí)行約半數(shù)測試步驟,從而有效保障軟件質(zhì)量。據(jù)德勤報告強調(diào),我們正生活在一個日益依賴于開源代碼的時代,因此這種軟件質(zhì)量保障手段將越來越重要,并有望最終解決開源項目中廣泛存在的bug橫行以及優(yōu)化水平不高等難題。
當然,對于企業(yè)來說,在開發(fā)過程中大量引入AI技術(shù)也在員工群體中引發(fā)了不小的騷亂。人們難免要擔心,自己的編程崗位最終會不會被自動化取代。德勤公司David Schatsky表示,這種情況不太可能出現(xiàn),AI驅(qū)動型開發(fā)體現(xiàn)的實際是技術(shù)“民主化”進程,而且給從業(yè)者們帶來的更多是助益——而非威脅。
他在采訪中表示,“在大多數(shù)情況下,這類AI工具是在幫助并增強人類,而不是要徹底取代人類。這些工具正在推動編程與軟件開發(fā)的民主化,意味著,沒有接受過編程培訓的個人也能快速掌握這方面新技能,并有效填補業(yè)務(wù)層面的人才空缺。另外,AI驅(qū)動型代碼審查同樣重要,甚至能夠在代碼實際運行之前就發(fā)現(xiàn)問題,以保障編程產(chǎn)出質(zhì)量。”
IDC最新報告預(yù)測稱,全球定制化應(yīng)用程序開發(fā)服務(wù)市場規(guī)模將從2018年的470億美元增長至2023年的610億美元。這一增長,在很大程度上將受到AI驅(qū)動型軟件開發(fā)業(yè)務(wù)的并行支持與推動。重要的是,這種新興開發(fā)手段不僅能夠?qū)崿F(xiàn)自動代碼編寫與bug檢測,同時也能在軟件開發(fā)項目的自動組織與部署層面發(fā)揮積極作用。以法國電信企業(yè)Orange為例,該公司近來開始嘗試利用AI驅(qū)動型項目管理工具自動處理以往只能依靠手動更新的項目時間表。
Schatsky指出,“AI技術(shù)將在整個軟件開發(fā)生命周期之內(nèi),為人類提供全面支持。與大多數(shù)自動化方案一樣,AI技術(shù)將顯著加快工作速度。具體來講,AI雖然能夠消除部分操作需求,但整體流程仍然需要人類的介入。很多企業(yè)正在引入「低代碼開發(fā)」工具,這類工具的存在將使得未經(jīng)編程培訓的人員也能開發(fā)出部分應(yīng)用程序。總結(jié)來講,AI發(fā)揮的仍然是輔助作用,應(yīng)用程序的構(gòu)建還是離不開人這個核心因素。”
人的意義除了體現(xiàn)在應(yīng)用程序的創(chuàng)建與監(jiān)督之外,同時也體現(xiàn)在學習這個基本面上。Schatsky強調(diào),AI技術(shù)有望幫助新一代編程人員從同樣的軟件開發(fā)過程中汲取到更多經(jīng)驗與知識。他指出,“AI技術(shù)能夠在編程過程中為人類提供指導,發(fā)現(xiàn)潛在的bug并推薦特定的任務(wù)解決方法——這一切,都將給新手程序員帶來巨大助力。”
2018年Forrester公司發(fā)布的一項研究結(jié)果顯示,參與軟件開發(fā)的企業(yè)中已經(jīng)有37%在采取AI驅(qū)動型編程工具。如今,隨著Tara、DeepCode、Kite、Functionize以及Deep TabNine等廠商陸續(xù)發(fā)布自己的自動化編程服務(wù),這一比例無疑又增長到了新的水平,且提升勢頭將繼續(xù)保持下去。在David Schatsky看來,在編碼中運用AI技術(shù)終將帶來效率更高、整體性更好的軟件開發(fā)成果。
他總結(jié)道,“通過采用這類AI工具,不少企業(yè)除了有效降低開發(fā)成本與時間周期之外,也實現(xiàn)了最終產(chǎn)品的質(zhì)量改進。由于質(zhì)量更高,工具本身的水平也將有所提升,從而更快、更準確地檢測bug,并以更為全面的方式在整個開發(fā)過程內(nèi)實現(xiàn)產(chǎn)品測試。最終,我們的軟件產(chǎn)品將運行得更好、而且使用門檻更低。這將形成一套值得期待良性循環(huán)。”
好文章,需要你的鼓勵
浙江大學團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓練提供了新思路。
南洋理工大學與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學研究團隊發(fā)現(xiàn),通過讓AI模型學習解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學習方法訓練多個AI模型。實驗結(jié)果顯示,幾何訓練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。