GitHub стартира системата за машинно обучение Copilot, която генерира код

GitHub обяви завършването на тестването на интелигентния асистент GitHub Copilot, способен да генерира стандартни конструкции при писане на код. Системата е разработена съвместно с проекта OpenAI и използва платформата за машинно обучение OpenAI Codex, обучена върху голям набор от изходни кодове, хоствани в публични хранилища на GitHub. Услугата е безплатна за поддържащи популярни проекти с отворен код и студенти. За други категории потребители достъпът до GitHub Copilot е платен ($10 на месец или $100 на година), но се предоставя безплатен пробен достъп за 60 дни.

Генерирането на код се поддържа в езиците за програмиране Python, JavaScript, TypeScript, Ruby, Go, C# и C++ с помощта на различни рамки. Налични са модули за интегриране на GitHub Copilot със среди за разработка Neovim, JetBrains IDE, Visual Studio и Visual Studio Code. Съдейки по телеметрията, събрана по време на тестването, услугата ви позволява да генерирате код с доста високо качество - например 26% от препоръките, предложени в GitHub Copilot, бяха приети от разработчиците такива, каквито са.

GitHub Copilot се различава от традиционните системи за допълване на код по способността си да генерира доста сложни кодови блокове, до готови функции, синтезирани, като се вземе предвид текущият контекст. GitHub Copilot се адаптира към начина, по който разработчикът пише код и взема под внимание API-тата и рамките, използвани в програмата. Например, ако има пример за JSON структура в коментар, когато започнете да пишете функция за анализиране на тази структура, GitHub Copilot ще предложи готов код и когато пишете рутинни списъци с повтарящи се описания, той ще генерира останалите позиции.

Способността на GitHub Copilot да генерира готови кодови блокове доведе до противоречия, свързани с потенциални нарушения на лицензите за копиралефт. При формирането на модела за машинно обучение са използвани реални изходни текстове от хранилища на проекти с отворен код, разположени на GitHub. Много от тези проекти се предоставят под лицензи за копиралефт, като GPL, които изискват кодът на производните произведения да се разпространява под съвместим лиценз. Чрез вмъкване на съществуващ код, както е предложено от Copilot, разработчиците могат неволно да нарушат лиценза на проекта, от който кодът е заимстван.

Все още не е ясно дали работата, генерирана от система за машинно обучение, може да се счита за производна. Възникват също въпроси дали даден модел за машинно обучение е обект на авторско право и ако е така, кой притежава тези права и как те са свързани с правата върху кода, на който се основава моделът.

От една страна, генерираните блокове могат да повтарят текстови пасажи от съществуващи проекти, но от друга страна, системата пресъздава структурата на кода, вместо да копира самия код. Според проучване на GitHub само в 1% от случаите препоръката на Copilot може да включва кодови фрагменти от съществуващи проекти, които са по-дълги от 150 знака. В повечето ситуации възникват повторения, когато Copilot не може да определи правилно контекста или предлага стандартни решения на проблем.

За да се предотврати подмяната на съществуващ код, към Copilot е добавен специален филтър, който не позволява пресичане със съществуващи проекти. При настройката програмистът може да активира или деактивира този филтър по свое усмотрение. Сред другите проблеми, има възможност синтезираният код да повтаря грешки и уязвимости, присъстващи в кода, използван за обучение на модела.

Източник: opennet.ru