Copilot, narzędzie opracowane przez GitHuba, platformę zrzeszającą ponad 100 milionów użytkowników zainteresowanych w głównej mierze zainteresowanych programowaniem, zmienia oblicze kodowania.

To najnowocześniejszy system autouzupełniania do kodowania, stworzony na podstawie GPT-3.5 i GPT-4. Copilot nie tylko przewiduje następny ruch, gdy piszesz kod, ale także oferuje ciągły przepływ sugestii dotyczących kodu, dostosowanych do tego, co próbujesz osiągnąć.

Chociaż sam asystent nie jest pozbawiony wad, jego wykorzystanie dla wielu developerów staje się codziennością. Tym samym obserwujemy sejsmiczną zmianę w podejściu do kodowania.

Jako dodatek premium dla Microsoft Visual Studio, Copilot wyróżnia się swoim wyrafinowaniem. Oczywiście to nie jedyny asystentem wspierający programistów – do dyspozycji mają także Code Llama od Mety, oparty na modelu Llama 2; StableCode od Stability AI i oczywiście ChatGPT stworzone przez OpenAI. Każde z tych narzędzi oferuje unikalny wkład w generowanie kodu i debugowanie.

Dzięki technologicznym gigantom takim jak Microsoft i Google, które integrują generatywne modele z oprogramowaniem biurowym używanym przez miliardy ludzi, drastycznie zmienia się codzienna praca programistów, a rozwój tej technologii rośnie w niesamowitym tempie.

Narzędzia te redefiniują sztukę kodowania i potencjalnie umożliwiają tworzenie większej ilości oprogramowania wyższej jakości. Istnieje jednak pewien problem – chodzi oczywiście o wykorzystywanie własności intelektualnej i praw autorskich, na których te modele były szkolone. Większość z nich to modele zamknięte, a co rusz pojawiają się wątpliwości, skąd Big Techy czerpały dane, do ich przeszkolenia.

PRAWA RĘKA PROGRAMISTY

U podstaw tworzenia oprogramowania leży wpisywanie linijek kodu do cyfrowego notatnika, przekształcanie abstrakcyjnych pomysłów w zrozumiałe dla maszyn instrukcje. Jednak dla wielu programistów ta część to tylko ułamek procesu. Do tego dochodzi jeszcze częste wyszukiwanie rozwiązań problemów w internecie, wymyślanie nowych sposobów ich rozwiązania, czy zapożyczanie kodu.

Taka metoda tworzenia oprogramowania, przypominająca składanie kolażu, może zakłócić proces twórczy.

Thomas Dohmke, mówi jasno – praca programistyczna ma mnóstwo rozpraszaczy i etapów. Do czasu znalezienia idealnego fragmentu kodu i wprowadzenia go do projektu, płynny strumień myśli często zostaje utracony, skradziony przez upływający czas.

GitHub Copilot jest zaprojektowane tak, aby odpowiedzi, których szukają programiści, znajdowały się tuż obok linii kodu, który tworzą. Asystent śledzi pracę programisty, analizując zarówno napisany kod, jak i towarzyszące mu komentarze, aby dawać sugestie w czasie rzeczywistym. Wpływ na pracę w IT ma ogromny już teraz, a to dopiero początek.

Obecnie programiści akceptują około jedną trzecią sugestii generowanych przez narzędzia AI. Według GitHuba, ponad miliard linii kodu zostało zaakceptowanych przed devów w ciągu roku. Natura kodowania przechodzi zmiany: teraz nie chodzi już wyłącznie o tworzenie kodu, ale także o udoskonalanie i kierowanie wynikami sztucznej inteligencji. To połączenie kreatywności i umiejętności rozwiązywania problemów kreuje nowy wymiar pracy programistycznej.

Zasięg Copilota ma jednak swoje granice. Obawy o własność intelektualną i prywatność danych skłoniły niektórych gigantów branżowych do zachowania dystansu. Mimo to GitHub idzie naprzód, opracowując rozwiązania, które pozwolą firmom wykorzystać moc Copilota bez narażania swoich tajemnic.

Do ruszenia tematu w czerwcu 2020 roku skłonił ich debiut GPT-3 od Open AI. Misja była prosta, lecz ambitna: uporać się ze żmudnym zadaniem pisania standardowego kodu, który jest niezbędny, ale często mało ekscytujący dla specjalistów IT.

Pierwszy promyk sukcesu pojawił się, gdy wewnętrzne testy Copilot, przeprowadzone w formie wyzwań kodowania przypominającymi rozmowę kwalifikacyjną, wykazały, że narzędzie był w stanie rozwiązać pozytywnie 92% z nich. W kolejnym kroku, Copilot zmierzył się z 50 000 wyzwaniami prosto z GitHuba. Pozytywne wyniki potwierdziły, że ten projekt ma sens.

W 2023 roku przeprowadzono badanie z udziałem 95 uczestników, których zadaniem było zbudowanie serwera internetowego. Okazało się, że ci, którzy korzystali z narzędzia, wykonali zadanie o 55% szybciej. Jak przy każdej tak dużej zmianie, opinie co do wykorzystania jej w praktyce są podzielone. Optymiści twierdzą, że asystent realnie wspiera programistów w pisaniu kodu, eliminując konieczność szukaniainformacji w różnych zakątkach internetu, co pozwala na jakościowy skok w ich pracy.

Konserwatyści uważają, że asystent jest ograniczony i nie wnosi nic nadzwyczajnego do pracy nad kodem., Dodatkowo, ich zdaniem, może ograniczać naukę nowych osób w branży, rozwiązując za nich część problemów. Prawda prawdopodobnie leży gdzieś pośrodku.

PROGRAMIŚCI STRACĄ PRACĘ?

Mimo sceptycznych opinii, Copilot już teraz wywołuje gorącą dyskusję na temat jego potencjalnego wpływu na gospodarkę. Szacuje się, że asystent pozwoli firmom zwiększyć swoją wartość o 1,5 miliarda dolarów do 2030 roku. Przewidywania te opierają się na założeniu, że Copilot nie tylko zwiększy wydajność obecnych programistów, ale także zdemokratyzuje proces pisania kodu, zapraszając szersze spektrum uczestników do tworzenia oprogramowania.

Jedną z kluczowych przeszkód w ocenie rzeczywistego wpływu narzędzi do kodowania opartych na AI, takich jak Copilot, jest brak twardych danych. Większość spostrzeżeń opiera się bowiem na anegdotach i osobistych spostrzeżeniach, co utrudnia obiektywną analizę ich efektywności.

Według Thomasa Dohmke z GitHuba, programiści wybierają 30% sugestii asystenta – oszałamiający wskaźnik dla każdej branży. Jednak dlaczego niektóre sugestie są przyjmowane, a inne są ignorowane? Tego jeszcze nie sprawdzono.

GitHub ustalił też, że początkujący programiści są bardziej skłonni zaakceptować porady Copilota, a akceptacja rośnie wraz ze wzrostem znajomości narzędzia. Jednak podstawowe czynniki wpływające na te decyzje wciąż wymagają zbadania.

Większość zewnętrznych badań nad Copilotem skupiała się na dokładności jego sugestii dotyczących kodu. Biorąc pod uwagę naturę sztucznej inteligencji, narzędzia te mogą czasami oferować kod, który nie spełnia oczekiwań, co może być szczególnie mylące dla mniej doświadczonych użytkowników, którzy najbardziej polegają na Copilocie.

Są też obawy wobec narzędzia – że celowo wprowadza w błąd czy tworzy luki w kodzie. GitHub zareagował, udoskonalając Copilot, aby weryfikował sugestie za pomocą modelu wtórnego, mającego na celu wyeliminowanie typowych problemów związanych z bezpieczeństwem, zanim dotrą one do użytkownika.

Dokładność nie jest jedynym problemem. Copilot może czasami zalecać zbyt złożone rozwiązania lub takie, które odbiegają od ustalonych best practices w świecie devów. To komplikuje utrzymanie czystego kodu i może zagmatwać współpracę w zespołach. Po prostu model językowy Copilota opiera się na ogromnym repozytorium kodu GitHub jako bazie danych do nauki, a bywa, że ta zawiera nieaktualny lub wadliwy kod.

Poleganie na Copilocie przez osoby początkujące w IT może nieumyślnie zwiększyć obciążenie pracą zespołów programistycznych. Wymaga to większego nadzoru ze strony doświadczonych programistów, aby zapewnić, że kod tworzony z pomocą AI spełnia standardy jakości.

Prawdziwa miara sukcesu Copilota ujawni się w najbliższej przyszłości, ponieważ tworzenie oprogramowania to nadal dziedzina wymagająca ścisłej kontroli. Kolejną fazą będzie zaprzęgnięcie agentów AI do pracy programistycznej. Już teraz okazują się skuteczniejsi od znanych nam popularnych chatbotów. Prawdopodobnie jest to tylko kwestia czasu.

Przyjęcie i skuteczność tych narzędzi będzie dużo mówić o ich rzeczywistej wartości. Należy jednak pamiętać, że istota tworzenia oprogramowania wykracza poza samo wpisywanie kodu. Obejmuje ona szerokie spektrum zadań, w tym projektowanie, testowanie i wdrażanie.

Podczas gdy narzędzia takie jak Copilot mogą usprawnić niektóre aspekty procesu, kluczowe obowiązki programistów pozostają niezmienione. Istotą ich pracy jest identyfikacja i rozwiązywanie najważniejszych problemów – to jest coś, czego AI jeszcze nie potrafi.

Maciej Marek

Główne źródła:
LINK 1
LINK 2
LINK 3

Na Infoshare po prostu musisz być! To najlepszy event poświęcony technologii i startupom w Polsce.

Chcesz się spotkać ze mną to łap zniżkę 10% (po kliknięciu w link) i do zobaczenia na miejscu!

📰 NEWSY WARTE TWOJEJ UWAGI

Zwolnienia w Tesli

Elon Musk wysłał notatkę do pracowników Tesli, informując, że firma zwolni ponad 10% swojej globalnej załogi. Akcje firmy spadły o 31% od początku roku. Sprzedaż pojazdów elektrycznych zyskuje na popularności na całym świecie, ale firma spotyka się teraz z większą konkurencją niż kiedykolwiek wcześniej. Tesla zmaga się także z innymi wyzwaniami - problemy logistyczne spowodowane atakami morskimi Huti z Jemenu na Morzu Czerwonym oraz zawieszenie produkcji w swojej gigafabryce koło Berlina z powodu podejrzanego podpalenia w pobliskiej stacji elektroenergetycznej.

LINK

AI Pin „Humane AI” opinia o produkcie

Produkt, który mógł się wydawać przełomowym narzędziem i zastąpić smartfony…nie działa. Obecnie brakuje mu spójności i łączności. Jest jeszcze wiele miejsca na poprawę, na przykład wyświetlacz laserowy wymaga poprawy czytelności, a interfejs trudny do nawigacji. Urządzenie również się przegrzewa po kilku minutach użytkowania. Pełna recenzja w linku.

LINK

Google udostępniło funkcje edycji zdjęć

Google udostępniło szereg funkcji edycji, które wcześniej były dostępne tylko dla urządzeń Pixel i płatnych subskrybentów, dla wszystkich użytkowników Google Photos zupełnie za darmo. Mowa tutaj o funkcjach: AI-powered Magic Editor, Magic Eraser, Photo Unblur i Portrait Light. Będą działać tylko na urządzeniach z Androidem 8.0 lub iOS 15 lub wyższym oraz na urządzeniach Chromebook Plus z co najmniej 3GB RAM i ChromeOS wersja 118+. Narzędzia mają być wprowadzane od 15 maja i może minąć kilka tygodni, zanim będą dostępne dla wszystkich użytkowników.

LINK

Intel wypuszcza Gaudi 3

Intel przedstawił pierwsze dane o swoim nowym procesorze AI - Gaudi 3. Gaudi 3 składa się z dwóch identycznych krzemowych układów scalonych, z których każdy posiada centralny region z 48 megabajtami pamięci podręcznej, połączonych wysokoprzepustowym połączeniem, otoczony przez cztery silniki do mnożenia macierzy oraz 32 programowalne jednostki zwane rdzeniami procesora tensorowego. Procesor generuje podwójną moc obliczeniową AI w porównaniu do Gaudi 2, wykorzystując infrastrukturę z 8-bitowymi liczbami zmiennoprzecinkowymi. Zapewnia również czterokrotny wzrost wydajności obliczeń przy użyciu formatu liczbowego BFloat 16. Ma to być odpowiedź na produkty NVIDI.

LINK