GitHub એ કોપાયલોટ મશીન લર્નિંગ સિસ્ટમ શરૂ કરી જે કોડ જનરેટ કરે છે

GitHub એ બુદ્ધિશાળી સહાયક GitHub કોપાયલોટનું પરીક્ષણ પૂર્ણ કરવાની જાહેરાત કરી, જે કોડ લખતી વખતે માનક રચનાઓ જનરેટ કરવામાં સક્ષમ છે. આ સિસ્ટમ ઓપનએઆઈ પ્રોજેક્ટ સાથે સંયુક્ત રીતે વિકસાવવામાં આવી હતી અને તે ઓપનએઆઈ કોડેક્સ મશીન લર્નિંગ પ્લેટફોર્મનો ઉપયોગ કરે છે, જે સાર્વજનિક ગિટહબ રિપોઝીટરીઝમાં હોસ્ટ કરાયેલા સ્રોત કોડની વિશાળ શ્રેણી પર પ્રશિક્ષિત છે. લોકપ્રિય ઓપન સોર્સ પ્રોજેક્ટના જાળવણીકારો અને વિદ્યાર્થીઓ માટે સેવા મફત છે. વપરાશકર્તાઓની અન્ય શ્રેણીઓ માટે, GitHub કોપાયલોટની ઍક્સેસ ચૂકવવામાં આવે છે (દર મહિને $10 અથવા $100 પ્રતિ વર્ષ), પરંતુ મફત અજમાયશ ઍક્સેસ 60 દિવસ માટે પ્રદાન કરવામાં આવે છે.

કોડ જનરેશન પ્રોગ્રામિંગ ભાષાઓમાં Python, JavaScript, TypeScript, Ruby, Go, C# અને C++ વિવિધ ફ્રેમવર્કનો ઉપયોગ કરીને સપોર્ટેડ છે. GitHub Copilot ને Neovim, JetBrains IDEs, વિઝ્યુઅલ સ્ટુડિયો અને વિઝ્યુઅલ સ્ટુડિયો કોડ ડેવલપમેન્ટ એન્વાયર્નમેન્ટ્સ સાથે એકીકૃત કરવા માટે મોડ્યુલ્સ ઉપલબ્ધ છે. પરીક્ષણ દરમિયાન એકત્રિત કરવામાં આવેલી ટેલિમેટ્રી દ્વારા અભિપ્રાય આપતા, સેવા તમને એકદમ ઉચ્ચ ગુણવત્તાનો કોડ જનરેટ કરવાની મંજૂરી આપે છે - ઉદાહરણ તરીકે, GitHub Copilot માં સૂચિત ભલામણોમાંથી 26% વિકાસકર્તાઓ દ્વારા સ્વીકારવામાં આવી હતી.

GitHub Copilot પરંપરાગત કોડ કમ્પ્લીશન સિસ્ટમ્સથી એકદમ જટિલ કોડ બ્લોક્સ જનરેટ કરવાની ક્ષમતામાં અલગ છે, વર્તમાન સંદર્ભને ધ્યાનમાં લઈને સંશ્લેષિત તૈયાર કાર્યો સુધી. GitHub Copilot વિકાસકર્તા જે રીતે કોડ લખે છે તેને અપનાવે છે અને પ્રોગ્રામમાં ઉપયોગમાં લેવાતા API અને ફ્રેમવર્કને ધ્યાનમાં લે છે. ઉદાહરણ તરીકે, જો કોઈ ટિપ્પણીમાં JSON સ્ટ્રક્ચરનું ઉદાહરણ હોય, તો જ્યારે તમે આ સ્ટ્રક્ચરને પાર્સ કરવા માટે ફંક્શન લખવાનું શરૂ કરો છો, ત્યારે GitHub Copilot રેડીમેડ કોડ ઑફર કરશે, અને જ્યારે પુનરાવર્તિત વર્ણનોની નિયમિત સૂચિ લખશે, ત્યારે તે બાકીનું જનરેટ કરશે. હોદ્દાઓ

GitHub Copilot ની તૈયાર કોડ બ્લોક્સ જનરેટ કરવાની ક્ષમતાએ કોપીલેફ્ટ લાયસન્સના સંભવિત ઉલ્લંઘનોને લગતા વિવાદને જન્મ આપ્યો છે. મશીન લર્નિંગ મોડલ બનાવતી વખતે, GitHub પર સ્થિત ઓપન સોર્સ પ્રોજેક્ટ રિપોઝીટરીઝમાંથી વાસ્તવિક સ્ત્રોત ટેક્સ્ટનો ઉપયોગ કરવામાં આવ્યો હતો. આમાંના ઘણા પ્રોજેક્ટ કોપીલેફ્ટ લાયસન્સ હેઠળ પૂરા પાડવામાં આવે છે, જેમ કે GPL, જેને સુસંગત લાયસન્સ હેઠળ વિતરિત કરવા માટે વ્યુત્પન્ન કાર્યોના કોડની જરૂર હોય છે. કોપાયલોટ દ્વારા સૂચવ્યા મુજબ હાલના કોડ દાખલ કરીને, વિકાસકર્તાઓ અજાણતાં પ્રોજેક્ટના લાયસન્સનું ઉલ્લંઘન કરી શકે છે જેમાંથી કોડ ઉધાર લેવામાં આવ્યો હતો.

તે હજી સ્પષ્ટ નથી કે મશીન લર્નિંગ સિસ્ટમ દ્વારા જનરેટ કરાયેલ કાર્યને વ્યુત્પન્ન ગણી શકાય. મશીન લર્નિંગ મૉડલ કૉપિરાઇટને આધીન છે કે કેમ અને જો એમ હોય તો, આ હકો કોની માલિકી ધરાવે છે અને તેઓ જે કોડ પર આધારિત છે તેના અધિકારો સાથે તેઓ કેવી રીતે સંબંધિત છે તે અંગે પણ પ્રશ્નો ઉભા થાય છે.

એક તરફ, જનરેટ કરેલા બ્લોક્સ હાલના પ્રોજેક્ટ્સમાંથી ટેક્સ્ટ પેસેજને પુનરાવર્તિત કરી શકે છે, પરંતુ બીજી બાજુ, સિસ્ટમ કોડની નકલ કરવાને બદલે કોડની રચનાને ફરીથી બનાવે છે. ગિટહબના અભ્યાસ મુજબ, કોપાયલોટની ભલામણમાં 1 અક્ષરો કરતાં લાંબા સમયના પ્રવર્તમાન પ્રોજેક્ટ્સના કોડ સ્નિપેટ્સનો સમાવેશ થઈ શકે છે. મોટાભાગની પરિસ્થિતિઓમાં, પુનરાવર્તનો ત્યારે થાય છે જ્યારે કોપાયલોટ સંદર્ભને યોગ્ય રીતે નિર્ધારિત કરી શકતો નથી અથવા સમસ્યાના પ્રમાણભૂત ઉકેલો ઓફર કરે છે.

હાલના કોડના અવેજીને રોકવા માટે, કોપાયલોટમાં એક વિશિષ્ટ ફિલ્ટર ઉમેરવામાં આવ્યું છે જે હાલના પ્રોજેક્ટ સાથે આંતરછેદને મંજૂરી આપતું નથી. સેટઅપ કરતી વખતે, વિકાસકર્તા તેની વિવેકબુદ્ધિથી આ ફિલ્ટરને સક્રિય અથવા અક્ષમ કરી શકે છે. અન્ય સમસ્યાઓમાં, એવી શક્યતા છે કે સંશ્લેષિત કોડ મોડેલને તાલીમ આપવા માટે ઉપયોગમાં લેવાતા કોડમાં હાજર ભૂલો અને નબળાઈઓને પુનરાવર્તિત કરી શકે છે.

સોર્સ: opennet.ru