গিটহাবে এআই-ভিত্তিক সম্পাদনা থেকে সুরক্ষা: ওপেন সোর্স ইকোসিস্টেমের উপর ভাইব কোডিংয়ের প্রভাব মূল্যায়ন

গিটহাবের একজন প্রোডাক্ট ম্যানেজার ক্যামিলা মোরেস গিটহাবে এমন একটি বৈশিষ্ট্য যুক্ত করার বিষয়ে আলোচনা শুরু করেছেন যা ম্যানুয়াল পর্যালোচনা ছাড়াই জমা দেওয়া এবং মানের প্রয়োজনীয়তা পূরণ না করে এমন এআই সহকারীদের দ্বারা তৈরি স্প্যাম পুল অনুরোধগুলি স্বয়ংক্রিয়ভাবে ব্লক করবে। এই ধরনের পরিবর্তনগুলি রক্ষণাবেক্ষণকারীদের উপর অতিরিক্ত বোঝা তৈরি করে, যারা অকেজো কোড পর্যালোচনা করতে সময় ব্যয় করতে বাধ্য হয়।

স্বল্পমেয়াদী সমাধানগুলির মধ্যে রয়েছে ওয়েব ইন্টারফেসের মাধ্যমে পুল রিকোয়েস্টগুলি দ্রুত মুছে ফেলার ক্ষমতা (বন্ধ হিসাবে চিহ্নিত করার পরিবর্তে ইতিহাসে কোনও চিহ্ন না রেখে সেগুলি মুছে ফেলা) এবং কাস্টমাইজেবল পুল রিকোয়েস্ট অনুমতির ব্যবহার, যা রিপোজিটরি মালিকদের কেবলমাত্র তাদের মধ্যে পরিবর্তন সীমাবদ্ধ করতে দেয় যারা পূর্বে পরিবর্তনগুলি করেছিলেন।

দীর্ঘমেয়াদী সমাধানের মধ্যে রয়েছে অনুমতি মডেল সম্প্রসারণ করা এবং রক্ষণাবেক্ষণকারীদের এমন সরঞ্জাম সরবরাহ করা যাতে তারা নমনীয়ভাবে নিয়মগুলি সংজ্ঞায়িত করতে পারে যে কারা পুল অনুরোধ তৈরি এবং পর্যালোচনা করতে পারে এবং পুল অনুরোধগুলি কোন প্রয়োজনীয়তা পূরণ করতে হবে। তদুপরি, জমা দেওয়া পরিবর্তন প্রতিটি প্রকল্পের নিয়ম এবং মানের মান মেনে চলে কিনা তা নির্ধারণ করার জন্য AI ব্যবহার করার প্রস্তাব করা হয়েছে (উদাহরণস্বরূপ, CONTRIBUTING.md ফাইলে সংজ্ঞায়িত), সেইসাথে AI দিয়ে প্রস্তুত পরিবর্তনগুলি সনাক্ত এবং বিশেষভাবে চিহ্নিত করা।

আলোচনার সময় প্রদত্ত পরামর্শগুলির মধ্যে, এমন একটি ফিল্টার তৈরি করাও লক্ষণীয় যা পরিবর্তনগুলি বাস্তবায়নের কারণ ব্যাখ্যা করে একটি সমস্যা আলোচনা না করেই পুল রিকোয়েস্ট পাঠানো নিষিদ্ধ করে, সেইসাথে ক্রমাগত ইন্টিগ্রেশন সিস্টেমে পরীক্ষা সফলভাবে সম্পন্ন করার পরেই নতুনদের কাছ থেকে পুল রিকোয়েস্ট প্রাপ্তির বিষয়ে রক্ষণাবেক্ষণকারীদের অবহিত করে।

জেনকিট ফ্রেমওয়ার্কের অন্যতম প্রধান ডেভেলপারের পরিসংখ্যান অনুসারে, AI-তে প্রস্তুত করা দশটি পরিবর্তনের মধ্যে মাত্র একটি পুল রিকোয়েস্ট খোলার মানদণ্ড পূরণ করে। Azure Core Upstream প্রকল্পের একজন অংশগ্রহণকারী রক্ষণাবেক্ষণকারীদের প্রধান উদ্বেগের সারসংক্ষেপ তুলে ধরেছেন:

• পর্যালোচনায় বিশ্বাস মডেলের লঙ্ঘন - পর্যালোচকরা নিশ্চিত হতে পারেন না যে পরিবর্তনটি জমা দেওয়া ব্যক্তি জমা দেওয়া কোডটি লিখেছেন এবং এর সারমর্ম বোঝেন।
• এআই সহকারীদের দ্বারা তৈরি পুল রিকোয়েস্টগুলি কাঠামোগতভাবে সঠিক বলে মনে হতে পারে, কিন্তু যুক্তিগতভাবে ভুল, অনিরাপদ, অথবা অপরীক্ষিত হতে পারে।
• লাইন-বাই-লাইন পর্যালোচনার অনুশীলন বাধ্যতামূলক রয়ে গেছে, তবে এআই সহকারীদের দ্বারা ক্রমবর্ধমান পরিবর্তনের মুখে এটি স্কেল করা যাবে না।
• রক্ষণাবেক্ষণকারীরা সম্পূর্ণরূপে না বুঝে পুল রিকোয়েস্ট গ্রহণ করতে অস্বস্তি বোধ করেন, অন্যদিকে AI সহকারীরা গভীর বোধগম্যতা ছাড়াই বড় পরিবর্তনগুলি এগিয়ে নেওয়া সহজ করে তোলে।
• রক্ষণাবেক্ষণকারীদের উপর জ্ঞানীয় বোঝা বৃদ্ধি পায়, কারণ তাদের এখন কেবল কোডটি পরীক্ষা করা উচিত নয়, লেখক এটি বুঝতে পেরেছেন কিনা তাও মূল্যায়ন করতে হবে।
• এআই টুলের আবির্ভাব সহায়ক কর্মীদের উপর কাজের চাপ কমায়নি, বরং বাড়িয়েছে।

এছাড়াও, ওপেন সোর্স ইকোসিস্টেমের উপর ভাইব কোডিংয়ের প্রভাব সম্পর্কে বেশ কয়েকটি ইউরোপীয় বিশ্ববিদ্যালয় পরিচালিত একটি গবেষণা উল্লেখযোগ্য। গবেষকরা ওপেন সোর্স ইকোসিস্টেমের ভারসাম্যের একটি মডেল তৈরি করেছেন, যা দেখিয়েছে যে ওপেন সোর্স প্রকল্পগুলির বিস্ফোরক বৃদ্ধিতে পূর্বে যে প্রতিক্রিয়া লুপগুলি ইন্ধন জোগাত করেছিল তা এখন ভাইব কোডিংয়ের বিস্তারের পরে বিপরীত প্রভাব ফেলছে: কোড ভাগ করে নিতে ইচ্ছুক ডেভেলপারদের সংখ্যা হ্রাস পায়, ওপেন সোর্স প্রকল্পগুলির বৈচিত্র্য হ্রাস পায় এবং গুণমান হ্রাস পায়। একটি প্রস্তাবিত সমাধান হল একটি স্পটিফাই-এর মতো তহবিল মডেল প্রবর্তন করা, যেখানে এআই প্ল্যাটফর্মগুলি প্রকল্পের ব্যবহারের উপর ভিত্তি করে রক্ষণাবেক্ষণকারীদের মধ্যে ডেভেলপার সাবস্ক্রিপশন থেকে আয় পুনর্বণ্টন করে।

ভাইব কোডিংয়ের মাধ্যমে, ডেভেলপাররা উপলব্ধ সমাধান বিশ্লেষণ করা, ডকুমেন্টেশন পড়া, বাগ রিপোর্ট করা এবং ওপেন-সোর্স লাইব্রেরি তৈরিকারী দলগুলির সাথে যোগাযোগ করা বন্ধ করে দেয়। ওপেন-সোর্স প্রকল্পগুলি ব্যবহারকারীর প্রতিক্রিয়া হারায়। নতুন প্রকল্পগুলির জন্য ভিত্তি অর্জন করা আরও কঠিন হয়ে পড়ে, কারণ AI সহকারীরা মডেলটি প্রশিক্ষিত হওয়ার সময় উপলব্ধ তথ্যের উপর ভিত্তি করে স্বয়ংক্রিয়ভাবে প্রয়োজনীয় ওপেন-সোর্স লাইব্রেরি নির্বাচন করে। ব্যবহারকারীদের সাথে সরাসরি মিথস্ক্রিয়া হ্রাস করা ওপেন-সোর্স প্রকল্পগুলির নগদীকরণকে প্রভাবিত করে, যা সহায়তা পরিষেবা এবং ওয়েবসাইটগুলিতে বিজ্ঞাপন/দান প্রচারণার উপর নির্ভর করে। প্রতিক্রিয়া হ্রাস গুণমানকেও প্রভাবিত করে। অন্যদিকে, ভাইব কোডিং তৃতীয় পক্ষের কোডের উপর ভিত্তি করে নতুন পণ্য তৈরি করার সময় উৎপাদনশীলতা বৃদ্ধি করে এবং নতুন লাইব্রেরি বাস্তবায়নকে সহজ করে তোলে।

উদাহরণ হিসেবে, Tailwind CSS প্রকল্পের কথা উল্লেখ করা যেতে পারে: NPM সংগ্রহস্থল থেকে ডাউনলোডের সংখ্যা ক্রমাগত বৃদ্ধি পাচ্ছে, কিন্তু ২০২৩ সালের শুরু থেকে ডকুমেন্টেশনের ট্র্যাফিক ৪০% কমেছে এবং রাজস্ব ৮০% কমেছে। ChatGPT চালু হওয়ার ছয় মাস পরে, স্ট্যাক ওভারফ্লোতে আলোচনা কার্যকলাপে প্রায় ২৫% হ্রাস লক্ষ্য করা গেছে।

উত্স: opennet.ru