Camilla Moraes, menadžerica proizvoda u GitHubu, pokrenula je diskusije o dodavanju funkcije na GitHub koja bi automatski blokirala neželjene zahtjeve za povlačenjem (pull requests) koje generiraju AI asistenti, a koji su poslani bez ručnog pregleda i koji ne ispunjavaju zahtjeve kvalitete. Takve promjene stvaraju dodatno opterećenje za održavatelje, koji su prisiljeni trošiti vrijeme na pregled beskorisnog koda.
Kratkoročna rješenja koja se razmatraju uključuju mogućnost brzog brisanja zahtjeva za povlačenje putem web sučelja (brisanje bez ostavljanja traga u historiji umjesto označavanja kao zatvorenih) i korištenje prilagodljivih dozvola za zahtjeve za povlačenje, koje vlasnicima repozitorija omogućavaju da ograniče promjene samo na one koji su prethodno napravili promjene.
Dugoročna rješenja uključuju proširenje modela dozvola i pružanje alata održavateljima za fleksibilno definiranje pravila o tome ko može kreirati i pregledavati zahtjeve za povlačenjem (pull requests) i koje zahtjeve zahtjevi za povlačenjem moraju ispunjavati. Nadalje, predlaže se korištenje umjetne inteligencije (AI) kako bi se utvrdilo da li je podnesena promjena u skladu s pravilima i standardima kvalitete svakog projekta (na primjer, onima definiranim u datoteci CONTRIBUTING.md), kao i za identifikaciju i posebno označavanje promjena pripremljenih pomoću umjetne inteligencije.
Među prijedlozima iznesenim tokom diskusije, vrijedi istaći i kreiranje filtera koji zabranjuje slanje zahtjeva za povlačenje bez prethodnog otvaranja diskusije o problemu u kojoj se objašnjavaju razlozi za implementaciju promjena, kao i obavještavanje održavatelja o prijemu zahtjeva za povlačenje od novih članova tek nakon uspješnog završetka testova u sistemu kontinuirane integracije.
Prema statistikama jednog od ključnih programera genkit okvira, samo jedna od deset promjena pripremljenih u AI ispunjava kriterije za otvaranje zahtjeva za povlačenje. Jedan od učesnika projekta Azure Core Upstream sažeo je glavne zabrinutosti održavatelja:
- Kršenje modela povjerenja prilikom pregleda - recenzenti ne mogu biti sigurni da je osoba koja podnosi promjenu napisala poslani kod i da razumije njegovu suštinu.
- Zahtjevi za povlačenjem (pull requests) koje generiraju AI asistenti mogu izgledati strukturno ispravno, ali biti logički netačni, nesigurni ili netestirani.
- Praksa pregleda red po red ostaje obavezna, ali se ne može skalirati suočena sa sve većim promjenama koje generiraju AI asistenti.
- Održavatelji se osjećaju nelagodno pri prihvatanju zahtjeva za povlačenjem (pull requests) koje ne razumiju u potpunosti, dok AI asistenti olakšavaju uvođenje većih promjena bez dubinskog razumijevanja.
- Kognitivno opterećenje na održavatelje se povećava, jer sada moraju ne samo provjeriti kod, već i procijeniti da li ga autor razumije.
- Pojava AI alata nije smanjila, već povećala opterećenje pomoćnog osoblja.
Pored toga, vrijedna je pažnje studija koju je provelo nekoliko evropskih univerziteta o uticaju Vibe kodiranja na ekosistem otvorenog koda. Istraživači su razvili model ravnoteže ekosistema otvorenog koda, koji je pokazao da povratne sprege koje su ranije podsticale eksplozivan rast projekata otvorenog koda sada imaju suprotan efekat nakon širenja Vibe kodiranja: broj programera koji su spremni da dele kod se smanjuje, raznolikost projekata otvorenog koda se smanjuje, a kvalitet opada. Jedno predloženo rešenje je uvođenje modela finansiranja sličnog Spotifyju, u kojem AI platforme preraspodeljuju prihode od pretplata programera među održavaocima na osnovu korišćenja projekata.
Sa vibra kodiranjem, programeri prestaju analizirati dostupna rješenja, čitati dokumentaciju, prijavljivati greške i komunicirati s timovima koji razvijaju biblioteke otvorenog koda. Projekti otvorenog koda gube povratne informacije od korisnika. Novim projektima postaje teže da se probiju, jer AI asistenti automatski biraju potrebne biblioteke otvorenog koda na osnovu informacija dostupnih u vrijeme kada je model obučavan. Smanjena direktna interakcija s korisnicima utiče na monetizaciju projekata otvorenog koda, koji se oslanjaju na usluge podrške i reklamne/donatorske kampanje na web stranicama. Smanjena povratna informacija također utiče na kvalitet. S druge strane, vibra kodiranje povećava produktivnost pri kreiranju novih proizvoda zasnovanih na kodu trećih strana i pojednostavljuje implementaciju novih biblioteka.
Kao primjer, navodi se CSS projekat Tailwind: broj preuzimanja iz NPM repozitorija nastavlja rasti, ali je promet prema dokumentaciji smanjen za 40% od početka 2023. godine, a prihod je pao za 80%. Također je zabilježen pad aktivnosti diskusije na Stack Overflowu od približno 25%, šest mjeseci nakon pokretanja ChatGPT-a.
izvor: opennet.ru
