GitHub oznámil, že dokončil testování chytrého asistenta GitHub pilot, který může při psaní kódu generovat obecné konstrukce. Systém byl vyvinut ve spolupráci s projektem OpenAI a využívá platformu strojového učení OpenAI Codex, vyškolenou na široké škále zdrojových kódů hostovaných ve veřejných repozitářích GitHub.
Generování kódu podporuje programovací jazyky Python, JavaScript, TypeScript, Ruby, Go, C# a C++ pomocí více rámců. K dispozici jsou moduly pro integraci GitHub Copilot s Neovim, JetBrains IDE, Visual Studio a Visual Studio Code.
Soudě podle telemetrie shromážděné během procesu testování, služba umožňuje generovat kód dostatečně vysoké kvality; například vývojáři přijali 26 % navrhovaných doporučení v GitHub Copilot tak, jak je.
GitHub Copilot se liší od tradičních systémů pro dokončování kódu ve schopnosti tvořit poměrně složité bloky kódu až po funkce připravené k použití syntetizované s ohledem na aktuální kontext.
GitHub Copilot se přizpůsobuje způsobu, jakým vývojář píše kód a bere v úvahu API a rámce používané v programu. Pokud je například v komentáři příklad struktury JSON, když začnete psát funkci pro analýzu této struktury, GitHub Copilot poskytne kód připravený k použití a zápisem rutinních výčtů opakovaných popisů vytvoří zbytek.
V příspěvku na blogu Řekl to generální ředitel GitHubu Thomas Dohmke že GitHub Copilot byl navržen jako rozšíření editoru, aby se zajistilo, že nic nestojí v cestě tomu, co vývojáři dělají.
„GitHub Copilot destiluje kolektivní znalosti vývojářů z celého světa do rozšíření editoru, které navrhuje kód v reálném čase, abyste se mohli soustředit na to, na čem nejvíce záleží: vytváření skvělého softwaru,“ vysvětlil.
Podle Dohmkeho asi 1,2 milionu vývojářů vyzkoušelo Copilot během jeho testovací fáze. Zjevně to bylo také docela užitečné, protože Dohmke tvrdí, že napsal až 40 % vývojářského kódu napsaného v populárních jazycích, jako je Python.
„Stejně jako vzestup kompilátorů a open source věříme, že kódování podporované umělou inteligencí zásadně změní povahu vývoje softwaru a poskytne vývojářům nový nástroj pro snadnější a rychlejší psaní kódu,“ řekl Dohmke.
Schopnost GitHub Copilot generovat předem vytvořené bloky kódu vyvolala polemiku ohledně možného porušení licence copyleft. Při vytváření modelu strojového učení byly použity skutečné zdrojové texty z otevřených projektových repozitářů hostovaných na GitHubu.
Mnoho z těchto projektů je poskytováno pod licencí copyleft, jako je GPL, která vyžaduje, aby kód v odvozených dílech byl poskytován pod kompatibilní licencí. Pokud Copilot vloží existující kód, vývojáři mohou neúmyslně porušit licenci projektu, ze kterého byl kód vypůjčen.
Zatím není jasné, zda došlo k vytvoření pracovního místa systémem strojového učení lze považovat za derivát. Vyvstávají také otázky, zda je model strojového učení chráněn autorským právem, a pokud ano, kdo tato práva vlastní a jak souvisí s právy ke kódu, na kterém je model postaven.
Na jedné straně mohou vygenerované bloky opakovat textové pasáže z existujících projektů, ale na druhou stranu systém znovu vytváří strukturu kódu a nekopíruje samotný kód.
Podle studie GitHub, pouze 1 % doporučení navržených Copilotem zahrnuje úryvky kódu ze stávajících projektů více než 150 znaků. Ve většině situací dochází k opakování, když Copilot správně neurčuje kontext nebo neposkytuje obecná řešení problému.
Aby se předešlo nahrazení stávajícího kódu, byl do Copilot přidán speciální filtr, který neumožňuje překrývání se stávajícími projekty. Při konfiguraci může vývojář tento filtr zapnout nebo vypnout podle svého uvážení. Mezi další problémy je třeba poznamenat možnost, že by syntetizovaný kód mohl opakovat chyby a zranitelnosti přítomné v kódu použitém k trénování modelu.
Nakonec stojí za zmínku, že služba je zdarma pro správce oblíbených open source projektů a pro studenty. Zatímco pro ostatní kategorie uživatelů je přístup ke GitHub Copilot placený (10 $ měsíčně nebo 100 $ ročně), ale bezplatný zkušební přístup je poskytován na 60 dní.
Konečně, pokud máte zájem dozvědět se o tom více, můžete konzultovat podrobnosti Na následujícím odkazu.