GitHub heeft aangekondigd dat het testen heeft voltooid van de GitHub slimme assistent piloot, die generieke constructies kan genereren terwijl u code schrijft. Het systeem is ontwikkeld in samenwerking met het OpenAI-project en maakt gebruik van het machine learning-platform OpenAI Codex, dat is getraind in een breed scala aan broncode die wordt gehost in openbare GitHub-repositories.
De code generatie ondersteunt programmeertalen Python, JavaScript, TypeScript, Ruby, Go, C# en C++ meerdere kaders gebruiken. Er zijn modules beschikbaar om GitHub Copilot te integreren met Neovim, JetBrains IDE, Visual Studio en Visual Studio Code.
Afgaande op de telemetrie die tijdens het testproces is verzameld, de service maakt het mogelijk om code van voldoende hoge kwaliteit te genereren; ontwikkelaars accepteerden bijvoorbeeld 26% van de voorgestelde aanbevelingen in GitHub Copilot zoals het is.
GitHub Copilot verschilt van traditionele code-aanvullingssystemen in het vermogen om vrij complexe codeblokken te vormen, tot kant-en-klare functies die zijn gesynthetiseerd, rekening houdend met de huidige context.
GitHub Copilot past zich aan aan de manier waarop een ontwikkelaar code schrijft en houdt rekening met de API's en frameworks die in het programma worden gebruikt. Als er bijvoorbeeld een voorbeeld van een JSON-structuur in de opmerking staat en u begint met het schrijven van een functie om deze structuur te ontleden, zal GitHub Copilot kant-en-klare code leveren en door routinematige opsommingen van herhaalde beschrijvingen te schrijven, vormt het de rest.
In een blogpost, GitHub-CEO Thomas Dohmke zei: dat GitHub Copilot is ontworpen als een editor-extensie om ervoor te zorgen dat niets ontwikkelaars in de weg staat.
"GitHub Copilot destilleert de collectieve kennis van ontwikkelaars over de hele wereld in een editor-extensie die code in realtime suggereert, zodat je je kunt concentreren op wat het belangrijkst is: geweldige software bouwen", legt hij uit.
Volgens Dohmke hebben ongeveer 1,2 miljoen ontwikkelaars Copilot geprobeerd tijdens de preview-fase. Blijkbaar is het ook behoorlijk nuttig geweest, aangezien Dohmke beweert dat hij tot 40% van de ontwikkelaarscode heeft geschreven in populaire talen zoals Python.
"Net als de opkomst van compilers en open source, geloven wij dat AI-geassisteerde codering de aard van softwareontwikkeling fundamenteel zal veranderen, waardoor ontwikkelaars een nieuwe tool krijgen om code gemakkelijker en sneller te schrijven", aldus Dohmke.
Het vermogen van GitHub Copilot om vooraf gebouwde codeblokken te genereren heeft geleid tot controverse over mogelijke inbreuken op de auteursrechtlicentie. Bij het vormen van het machine learning-model werden echte bronteksten gebruikt uit open projectrepositories die op GitHub werden gehost.
Veel van deze projecten worden geleverd onder auteursrechtlicenties, zoals de GPL, die vereist dat de code in afgeleide werken wordt verstrekt onder een compatibele licentie. Als Copilot bestaande code plakt, kunnen ontwikkelaars per ongeluk de licentie schenden van het project waarvan de code is geleend.
Het is nog niet duidelijk of er een baan is gegenereerd door een machine learning-systeem kan worden beschouwd als een derivaat. Ook rijzen er vragen of een machine learning-model auteursrechtelijk beschermd is en, zo ja, wie deze rechten bezit en hoe deze zich verhouden tot de rechten op de code waarop het model is gebouwd.
Aan de ene kant kunnen de gegenereerde blokken tekstpassages uit bestaande projecten herhalen, maar aan de andere kant herschept het systeem de codestructuur en kopieert de code niet zelf.
Volgens een GitHub-studie, slechts 1% van de door Copilot voorgestelde aanbevelingen bevat codefragmenten van bestaande projecten van meer dan 150 tekens. In de meeste situaties treedt herhaling op wanneer Copilot de context niet correct bepaalt of generieke oplossingen voor een probleem biedt.
Om te voorkomen dat bestaande code wordt vervangen, is aan Copilot een speciaal filter toegevoegd dat overlapping met bestaande projecten niet toestaat. Bij het configureren kan de ontwikkelaar dit filter naar eigen inzicht in- of uitschakelen. Naast andere problemen wordt opgemerkt dat de gesynthetiseerde code de fouten en kwetsbaarheden kan herhalen die aanwezig zijn in de code die wordt gebruikt om het model te trainen.
Ten slotte is het vermeldenswaard dat de service gratis is voor beheerders van populaire open source-projecten en voor studenten. Terwijl voor andere categorieën gebruikers de toegang tot GitHub Copilot wordt betaald ($ 10 per maand of $ 100 per jaar), maar gratis proeftoegang wordt geboden gedurende 60 dagen.
Ten slotte, als u geïnteresseerd bent om er meer over te weten, kunt u de details raadplegen In de volgende link.