Hodiaŭ svisa starto , kiu uzas artefaritan inteligentecon kaj maŝinlernadon por aŭtomatigi kodan analizon, sciigis ke ĝi ricevis 4 milionojn USD en investo de riskfondusoj Earlybird, 3VC kaj Btov Partners. La kompanio planas uzi ĉi tiujn financojn por enkonduki subtenon por novaj programlingvoj en sian servon, kaj ankaŭ por surmerkatigi la produkton sur la tutmonda IT-merkato.
Kodanalizo estas necesa por detekti erarojn, eblajn vundeblecojn, formatajn malobservojn kaj pli frue en programaro, antaŭ ol la kodo estas uzata ie ajn. Tipe, ĉi tiu proceduro estas efektivigita paralele kun la disvolviĝo de nova kodo kaj tuj post kiam ĝi estas kompletigita, antaŭ la testa stadio mem. "Elprovado de programaro rigardas kodon de ekstere, sed kodanalizo permesas vin rigardi ĝin de interne," klarigas la kunfondinto kaj CEO de DeepCode Boris Paskalev en intervjuo kun VentureBeat.
Plej ofte, koda revizio estas farita de ĝiaj aŭtoroj kune kun kolegoj kaj administrantoj por identigi evidentajn erarojn antaŭ ol pluiri al la sekvaj etapoj de disvolviĝo. Kaj ju pli granda estas la projekto, des pli da linioj de kodo devas esti kontrolitaj, kio okupas signifan tempon de programistoj. Iloj, kiuj devus akceli ĉi tiun procezon, ekzistas delonge, kiel statikaj kodaj analiziloj kiel Coverity kaj PVS-Studio, sed ili tendencas esti limigitaj en siaj kapabloj ĉar ili fokusiĝas al "ĝenaj kaj ripetemaj stilaj aferoj, formatado kaj malgrandaj logikaj eraroj,” klarigas Paskalev.
DeepCode, siavice, kovras pli larĝan gamon da problemoj, ekzemple, detektante vundeblecojn kiel ŝancojn por transreta skribo kaj SQL-injekto, ĉar la algoritmoj enkonstruitaj en ĝi ne nur analizas la kodon kiel aron de signoj, sed provas kompreni la signifon kaj celon de la verkaj skribitaj programoj. Ĉe la kerno de ĉi tio estas maŝinlernada sistemo, kiu uzas miliardojn da linioj de kodo de publike disponeblaj malfermkodaj projektoj por sia trejnado. DeepCode analizas antaŭajn versiojn de la kodo kaj postajn ŝanĝojn kiuj estis faritaj al ĝi por studi kiajn erarojn kaj kiel veraj programistoj korektis sian laboron, kaj poste proponi similajn solvojn al ĝiaj uzantoj. Krome, la sistemo ankaŭ uzas tradiciajn prognozalgoritmojn por trovi eblajn problemojn en la kodo, kiel la senmovaj analiziloj menciitaj supre.
Unu el la ĉefaj demandoj kiam vi uzas DeepCode estas: kiom fidinda estas la aŭtomata koda revizio? Analiza precizeco malpli ol 100% signifas, ke programistoj ankoraŭ devos analizi sian kodon permane. Se jes, kiom da tempo uzi ilojn por aŭtomatigi ĉi tiun taskon efektive liberiĝos? Laŭ Paskalev, DeepCode povos ŝpari programistojn ĉirkaŭ 50% de la tempo, kiun ili nuntempe pasigas serĉante erarojn per si mem, kio estas sufiĉe grava cifero.
Programistoj povas konekti DeepCode al siaj kontoj GitHub aŭ Bitbucket, kaj la ilo ankaŭ subtenas lokajn agordojn de GitLab. Aldone, la projekto havas specialan API, kiu permesas al programistoj integri DeepCode en siajn proprajn evolusistemojn. Fojo konektita al la deponejo, DeepCode analizos ĉiun kodan ŝanĝon kaj signalos eblajn problemojn.
"Averaĝe, programistoj pasigas ĉirkaŭ 30% de sia tempo por trovi kaj ripari cimojn, sed DeepCode povas ŝpari duonon de tiu tempo nun, kaj eĉ pli en la estonteco," diras Boris. "Ĉar DeepCode lernas rekte de la tutmonda komunumo de programistoj, ĝi povas trovi pli da problemoj ol unu persono aŭ tuta grupo de recenzistoj povus iam trovi."
Krom la hodiaŭaj novaĵoj pri ricevado de investo, DeepCode ankaŭ anoncis novan valorpolitikon por sia produkto. Ĝis nun, DeepCode estis senpaga nur por projektoj de disvolvado de programoj de malfermfonteco. Nun ĝi estos senpaga por uzi por iu ajn eduka celo kaj eĉ por komercaj kompanioj kun malpli ol 30 programistoj. Evidente, kun ĉi tiu paŝo, la kreintoj de DeepCode volas fari sian produkton pli populara inter malgrandaj teamoj. Aldone, DeepCode pagas 20 USD per programisto monate por nuba deplojo kaj 50 USD por programisto por loka subteno.
Antaŭe, la teamo DeepCode jam ricevis investojn de $ 1 miliono. Kun aliaj 4 milionoj, la kompanio diris, ke ĝi planas vastigi la programlingvojn kiujn ĝi subtenas preter Java, JavaScript kaj Python, inkluzive de aldonado de subteno por C#, PHP kaj C/C++. Ili ankaŭ konfirmis, ke ili laboras pri sia propra integra evolumedio.
fonto: 3dnews.ru