AI辅助开发比人工编写代码快180多倍,程序员是喜还是忧?

作者: Matthew Lodge 2019-12-16 11:24:22

AI辅助开发比人工编写代码快180多倍,程序员是喜还是忧?

如今,开发人员的准入门槛比以往任何时候都要高。重复性的任务占据了软件开发的大部分时间,并且很容易出错。市场上软件开发人才短缺,团队超负荷工作,许多企业既无法完全掌握现有的日益复杂的代码,又追不上新程序开发日新月异的发展步伐。

对于人工智能爱好者来说,推测人工智能如何改进 软件开发 是件令人兴奋的事儿。人工智能能否在几天之内创建好原型框架而不用耗时几个月甚至几年?它会教人类开发人员如何更好地编写代码吗?人工智能的研究范围很广,计算机编程 的灵活性基本上也是无边界的,所以很难想象当智能程序可以帮助人类与代码交互时,软件开发会是什么样子。

AI辅助开发比人工编写代码快180多倍,程序员是喜还是忧?

但许多开发人员和技术经理没有意识到的是,在过去短短几年里,人工智能对开发团队的重要性就已经产生了质的飞跃。其实,目前我们已经走到了人工智能辅助软件开发的初级阶段。

AI 在自动化领域不可或缺

所有的软件开发组织都追求高效、敏捷开发,自动化技术已经能实现大规模 敏捷开发。过去十年,在进行自动化测试时,一旦代码发生变化,开发人员能够立即做出反馈,同时进行相应的调整,因此软件质量有了很大提升。自动化软件流水线 利用机器人助手来生成 Pull Request 请求,从而保证更新的持续交付。

但是许多已经运用了这项技术的公司发现,仅依靠自动化是不够的。自动化过程仍然存在瓶颈,大多数问题出现在新代码的创建上。例如,自动化可以快速完成成百上千个单元测试,如果开发团队自己来编写这些 测试,则需要几个小时甚至几周。但是如果这些提交没有经过测试验证,那么自动化的流水线就会产生垃圾。尽管会打破原本自动化的过程,但在添加新代码(和新测试)时,还是需要进行人工操作。

人工智能编码技术

好消息是,通过自动编写验证自动化流水线其余部分的测试代码,现有的人工智能代码技术已经可以一次性解决掉这两个问题。这样的任务过去需要耗费开发人员很多时间,妨碍了他们去做创建新功能等这种更有价值的工作。在 单元测试 中使用人工智能让自动化更加完善,尽管这个过程并不容易。

AI辅助开发比人工编写代码快180多倍,程序员是喜还是忧?

正如曾经预期的那样,人工智能创建的测试与人类编写的测试存在差异。但这些测试能在很短的时间内生成,而且功能也算合格。如果不能做到比人类编写的代码更好,那就要保证出现问题时代码能很容易地被修复。正如 Martin Fowler 在他 2006 年 《论持续集成》 一文中所总结的那样:“频繁地运行不完美的测试,比完全不写的完美测试要强得多。”

利用人工智能帮助开发者编写代码,让开发人员和 IT 经理不再被时间、成本和工作质量无法权衡的问题而困扰。不少开发人员在最初进行软件开发时都颇具创造力,但是大量的重复性的工作消磨掉了他们原本的创造力。人工智能辅助开发不仅能让开发人员在不牺牲质量的情况下更快、更经济地创建新产品,也能帮助他们快速地完成重复性任务,把注意力回归到创造性任务中,让他们在工作中更有获得感。

落地是关键

像金融业这些高度重视代码质量的行业,也已经开始使用人工智能辅助软件开发。例如,为提高软件开发效率,高盛(Goldman Sachs)最近已经开始使用人工智能编写代码。他们利用 AI 工具为一个遗留的应用程序编写了 3000 多个单元测试和 1.5 万多行代码,在几个小时内就创建了一个完整的测试套件。与人工编写测试每个平均耗时 30 分钟相比,AI 工具能以超过 180 倍的速度编写测试。总的来说,银行利用这项技术节省了一年多的开发时间。

微软也曾开源 Sketch2Code,利用人工智能辅助技术帮助设计师和工程师将手绘的用户界面草图转换为可用的 HTML 代码。设计师和工程师们在设计上达成一致意见后,会将草图拍摄下来,然后手动将草图翻译成 HTML 代码,这个翻译过程耗时耗力,还会拖慢整个设计过程。因此,开发人员设想如果将白纸上手绘的这些设计草图立即反映在浏览器中会怎样呢?结果是设计师们在头脑风暴结束后,立即可以拥有一个已经由设计师、开发人员甚至客户验证过的现成原型,这样可以为网站和应用程序开发省去不少时间,因此也就有了 Sketch2Code 的诞生。

Facebook 在这方面也不甘落后,早在去年公司就开发了一款名为 Getafix 的工具,可以自动查找出 bug 的修复方案,并提供给工程师审批,这极大提高了工程师的工作效率和整体代码质量 Getafix 不仅能够为工程师提供直观的修复方案,还能利用更强大的聚类算法,分析问题代码的上下文找到更合适的修复方案。这款 AI 辅助 bug 修复 软件——Getafix 已经被部署到拥有数十亿用户的 Facebook 的生产环境中,大大提升了应用程序的稳定性。

人工智能辅助开发未来可期

值得一提的是,目前人工智能辅助开发还停留在非常初级的阶段,只能辅助开发人员编码和进行自动测试,无法实现大规模工业化应用,复杂和高难度的编程还要依靠人类开发人员。但我们依然需要这样的 AI 辅助技术帮助开发人员抗下那些基础性的“粗活累活”,让他们有更多时间和精力完成更加复杂的开发。

随着人工智能技术的不断进步以及成功应用在更多案例中,各个行业未来都将加大人工智能在软件开发方面的投入。全球 科技巨头 们跃跃欲试开源各种 AI 辅助开发工具,可见,他们想要在这项技术领域中分一杯羹的野心昭然若揭。为了在竞争中保持优势并扩大规模,市场主体还需要将提高效率的新工具集成到开发过程中。与此同时,人工智能辅助软件开发技术正在完成首次迭代更新,也让我们初步了解了未来编码技术将如何发展。

编程 代码 AI
上一篇:人工智能是否正在颠覆行为变革营销领域? 下一篇:斯坦福大学发布 2019 人工智能指数报告
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

人工智能如何推动神经科技发展?

神经科技以人类神经系统原理为基础,旨在研究人类大脑这一极为复杂的模型架构。在实际作用方面,神经科技将帮助研究人员了解大脑功能与引发功能障碍的原因,并助力医生治疗各类神经系统疾病。至于具体应用,神经科技目前主要关注增强认知能力、改善睡眠并改善长寿人群的大脑健康等。

佚名 ·  3天前
大规模存储基础设施对人工智能的要求

大规模的人工智能(AI)在容量和性能方面提高了存储基础设施的门槛。对于人工智能或机器学习(ML)环境,期望增长到数十个甚至数百TB的容量并不少见。

Harris ·  3天前
人脸识别背后:可怕的不是技术,而是……

当下AI程序到底会用人类面孔做什么?有多少的恐惧是来源于传言,而非摆在面前的事实?技术的力量是否让人类的担忧不断增多?我们来一起想想这个问题。

读芯术 ·  4天前
人工智能助力疫情防控:能精准筛查、推演疫情、溯源病毒

在疫情防控过程中,及时发现高风险人群与超级传染者,准确掌握疫情发展动态是关键。同时,如果能就不同政策对疫情的影响进行预演判断,以及更快速地追溯到病毒的传播路径,将极大提高政府部门的防控效率。

澎湃新闻 ·  4天前
代码开源!超好用的《机器学习实用指南》第二版终于来了

早在去年的这个时候,红色石头就发文给大家推荐过一本非常棒的机器学习实用指南书籍《Hands-On Machine Learning with Scikit-Learn & TensorFlow》

Author 红色石头 ·  2020-02-11 10:30:32
会写代码的人工智能来了

人工智能技术是编码开发的结果,而如今,程序代码又成了人工智能的造物。

佚名 ·  2020-02-10 20:16:04
不应该相信的云计算和人工智能两个误区

今天有两个持续存在的误区:第一,云支出正在使数据中心支出大打折扣;第二,人工智能过度炒作在很大程度上使企业购买者失败。以下对此进行一下整理。

Harris ·  2020-02-10 10:51:51
2020年值得关注的6个机器学习用例

2020年将见证人工智能(AI)的巨大进步,而机器学习已经被证明是这项技术最成功和最广泛的应用,它影响着广泛的行业,并每天影响着数十亿的用户。

iothome ·  2020-02-07 22:18:32
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载