GitHub heeft aangekondigd dat de tests van zijn intelligente assistent, GitHub Copilot, zijn afgerond . Deze assistent kan generieke builds genereren tijdens het schrijven van code. Het systeem is ontwikkeld in samenwerking met het OpenAI-project en maakt gebruik van het OpenAI Codex-machine learning-platform, dat is getraind op een breed scala aan broncode die wordt gehost in openbare GitHub-repositories.
Codegeneratie ondersteunt Python, JavaScript, TypeScript, Ruby, Go, C# en C++ met behulp van verschillende frameworks. 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, maakt de dienst het mogelijk om code van voldoende hoge kwaliteit te genereren ; zo hebben ontwikkelaars bijvoorbeeld 26% van de aanbevelingen in GitHub Copilot zonder meer overgenomen.
GitHub Copilot onderscheidt zich van traditionele codeaanvullingssystemen door de mogelijkheid om tamelijk complexe codeblokken te vormen, tot aan kant-en-klare functies die rekening houden met de huidige context.
GitHub Copilot past zich aan de manier aan 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-JSON-structuur in een opmerking staat, zal GitHub Copilot, wanneer je begint met het schrijven van een functie om deze structuur te parsen, kant-en-klare code aanbieden. Door routinematige opsommingen van herhaalde beschrijvingen te schrijven, vormt het de rest.
In een blogpost zei GitHub-CEO Thomas Dohmke dat GitHub Copilot is ontworpen als een uitbreiding van de editor om ervoor te zorgen dat niets de ontwikkelaars belemmert in hun werk.
"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 steeds onduidelijk of werk dat door een machine learning-systeem is gegenereerd , als een afgeleid werk kan worden beschouwd . Er rijzen ook vragen over de vraag 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 onderzoek van GitHub bevat slechts 1% van de aanbevelingen van Copilot codefragmenten uit bestaande projecten die langer zijn dan 150 tekens. In de meeste gevallen treedt deze herhaling op wanneer Copilot de context niet correct inschat 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.
Als u tot slot meer wilt weten, kunt u de details vinden via de volgende link.