Կամիլա Մորես (Camilla Moraes), GitHub-ի արտադրանքի մենեջեր, սկսել է քննարկում GitHub-ում ավտոմատ հալածելու հանդիպումների բլոկավորման հնարավորության մասին, որոնք ստեղծվել են AI-ուսուցողներով, ուղարկված առանց ձեռքով ստուգման և որակի պահանջներին չհամապատասխանող: Այսպիսին փոփոխությունները ներկայացնում են հավելյալ ծանրաբեռնվածություն վարողների համար, որոնք ստիպված են ծախսել ժամանակ անօգուտ կոդի վերծանման վրա.
Առկախակի լուծումների ուղիներից մեկը քննարկվում է արագ հեռացնելու հնարավորությունը pull-request-ները (հեռացնել առանց պատմությանում պահվում, փոխարենը նշելով որպես փակված) և pull-request-ների ուղարկման համար անհատական իրավունքների օգտագործումը, որը թույլ է տալիս ռեպոզիտորի տերերին փոփոխությունների փոխանցումը թույլ տալ միայն նրանց, ովքեր նախկինում կատարել են փոփոխություններ.
Ա长期解决方案中提到的解决方案包括扩大权力模型并为维护者提供工具，以灵活地设置规则，定义谁有权创建和审核 pull-request 以及 pull-request 应满足的要求。此外，建议利用 AI 来确定所提交的更改是否符合每个项目的规则和质量标准（例如，在 CONTRIBUTING.md 文件中规定的规则），并识别和特别标记由 AI 准备的更改.
在讨论中提出的建议中还可以注意到创建过滤器，禁止在未事先打开问题讨论并解释实施更改原因的情况下提交 pull-request，以及在成功通过持续集成系统的测试后仅向维护者通知新手提交的 pull-request.
根据一个主要开发人员的统计数据，很少有 10 个 AI 准备的更改符合提交 pull-request 的标准。一位 Azure Core Upstream 项目的参与者总结了维护者的主要担忧：
- 审查时的信任模型破裂——审查者无法确定提交更改的人是否编写了提交的代码并理解其内容.
- 在 AI 助手中生成的 pull-request 可能在结构上看起来正确，但在逻辑上可能不正确、不安全或未经测试.
- 逐行审查的实践仍然是强制性的，但在通过 AI 助手创建的更改增加的情况下无法扩展.
- 维护者在接受他们不完全理解的 pull-request 时感到不适，而 AI 助手简化了大量更改的传递，而无需深入理解.
- Կոգնիտիվ բեռը բարձրանում է ուղեկցողների վրա, որոնք այժմ պետք է ոչ միայն ստուգեն կոդը, այլև գնահատեն, թե արդյոք դրա հեղինակը հասկանում է այն:
- AI գործիքների առկայությունը ոչ թե նվազեցրել է, այլ ավելացրել է ուղեկցողների բ carga:
Ինքնին կարեւոր է նշել մի քանի եվրոպական համալսարաններում կատարած հետազոտությունը, որը վերաբերվում է 'վայր-կոդինգի' ազդեցությանը բաց նախագծերի էկոհամակարգի վրա: Հետազոտողները մշակել են բաց կոդի էկոհամակարգի հավասարակշռման մոդել, որը ցույց է տվել, որ ուսման ընթացքում առկա արձագանքները, որոնք առաջ են բերել բաց նախագծերի կտրուկ աճ, 'վայր-կոդինգի' տարածման արդյունքում ստեղծում են հակառակ ազդեցություն` նվազում է այն մշակողների թիվը, ովքեր պատրաստ են կոդ կիսել, կրճատվում է բաց նախագծերի բազմազանությունը և նվազում է որակը: Խնդրի լուծման տարբերակներից մեկը նկատվում է, երբ ներդրվում է ֆինանսավորման մոդել, որը հիշեցնում է Spotify-ի մոդելը, որտեղ AI հարթակները վերապրում են ծառայությունների բաժանորդագրություններից եկամուտը, մշակողների և ուղեկցողների միջև, ըստ նախագծերի օգտագործման աստիճանի:
Վայր-կոդինգի ժամանակ մշակողները դադարեցնում են մատչելի լուծումների վերլուծությունը, փաստաթղթերը ընթերցելը, սխալների հաղորդումը և համագործակցել բաց գրադարաններ զարգացնելու թիմերի հետ: Բաց նախագծերը կորցնում են օգտագործողների հետ հակադարձ կապը: Շնորհիվ AI օգնականների, նոր նախագծերի համար դժվար է ներթափանցել, քանի որ նրանք ինքնաբերաբար ընտրում են անհրաժեշտ բաց գրադարանները՝ հիմնվելով մոդելի ուսուցման ժամանակ ունեցած տեղեկությունների վրա: Ուշադրության պակասից օգտվողների հետ, բաց նախագծերից ստացվող եկամուտները, որոնք կապված են աջակցության ծառայություներին և գովազդի ցուցադրմանը/վավորումների հավաքմանը կայքերում, տուժում են: Արտաքին փոխազդեցության նվազումը ազդում է որակի վրա: Մյուս կողմից, 'վայր-կոդինգը' բարձրացնում է արդյունաբերությունը նոր ապրանքների ստեղծման ժամանակ, որոնք հիմնված են օտար կոդի վրա, և հեշտացնում է նոր գրադարանների ներդրումը:
Օրինակ կարող ենք նշել Tailwind CSS նախագիծը, որի ներբեռնման քանակը NPM ռեպոզիտարիայից շարունակվում է աճել, սակայն 2023-ի սկզբից փաստաթղթերի տրաֆիկը նվազել է 40%, իսկ եկամուտները` 80%: Նշվել է նաև Stack Overflow-ի քննարկումների ակտիվության 25%-ի նվազումը, ChatGPT-ի գործարկումից 6 ամիս անց:
Ընտանիք: opennet.ru
