GitHub ngumumake rampung tes saka asisten cerdas GitHub Copilot, sing bisa ngasilake konstruksi standar nalika nulis kode. Sistem kasebut dikembangake bebarengan karo proyek OpenAI lan nggunakake platform pembelajaran mesin OpenAI Codex, dilatih babagan macem-macem kode sumber sing di-host ing repositori GitHub umum. Layanan kasebut gratis kanggo njaga proyek lan siswa sumber terbuka sing populer. Kanggo kategori pangguna liyane, akses menyang GitHub Copilot dibayar ($10 saben sasi utawa $100 saben taun), nanging akses nyoba gratis diwenehake sajrone 60 dina.
Generasi kode didhukung ing basa pemrograman Python, JavaScript, TypeScript, Ruby, Go, C # lan C ++ nggunakake macem-macem kerangka kerja. Modul kasedhiya kanggo nggabungake GitHub Copilot karo Neovim, JetBrains IDE, Visual Studio, lan lingkungan pangembangan Visual Studio Code. Ditilik saka telemetri sing diklumpukake sajrone tes, layanan kasebut ngidini sampeyan ngasilake kode kanthi kualitas sing cukup dhuwur - contone, 26% saka rekomendasi sing diusulake ing GitHub Copilot ditampa dening pangembang.
GitHub Copilot beda karo sistem completion kode tradisional amarga kemampuane ngasilake blok kode sing cukup rumit, nganti fungsi sing wis siap disintesis kanthi nimbang konteks saiki. GitHub Copilot adaptasi karo cara pangembang nulis kode lan njupuk API lan kerangka kerja sing digunakake ing program kasebut. Contone, yen ana conto struktur JSON ing komentar, nalika sampeyan miwiti nulis fungsi kanggo ngurai struktur iki, GitHub Copilot bakal nawakake kode sing wis siap, lan nalika nulis dhaptar rutin kanggo mbaleni deskripsi, bakal ngasilake sisa. posisi.
Kemampuan GitHub Copilot kanggo ngasilake blok kode sing wis siap wis nyebabake kontroversi sing ana gandhengane karo potensial pelanggaran lisensi copyleft. Nalika mbentuk model pembelajaran mesin, teks sumber nyata saka repositori proyek open source sing ana ing GitHub digunakake. Akeh proyek kasebut diwenehake ing lisensi copyleft, kayata GPL, sing mbutuhake kode karya turunan disebarake miturut lisensi sing kompatibel. Kanthi nglebokake kode sing wis ana kaya sing disaranake Copilot, pangembang bisa uga ora sengaja nglanggar lisensi proyek sing kode kasebut dipinjam.
Durung jelas apa karya sing digawe dening sistem pembelajaran mesin bisa dianggep minangka turunan. Pitakonan uga muncul babagan apa model pembelajaran mesin tundhuk hak cipta lan, yen ya, sapa sing duwe hak kasebut lan kepiye hubungane karo hak kanggo kode sing didhasarake model kasebut.
Ing tangan siji, pamblokiran kui bisa mbaleni perangan teks saka proyèk ana, nanging ing tangan liyane, sistem recreates struktur kode tinimbang nyalin kode dhewe. Miturut panaliten GitHub, mung 1% wektu rekomendasi Copilot bisa uga kalebu potongan kode saka proyek sing wis ana sing luwih saka 150 karakter. Ing sawetara kahanan, pengulangan kedadeyan nalika Copilot ora bisa nemtokake konteks kanthi bener utawa menehi solusi standar kanggo masalah.
Kanggo nyegah substitusi kode sing wis ana, filter khusus wis ditambahake menyang Copilot sing ora ngidini persimpangan karo proyek sing wis ana. Nalika nyiyapake, pangembang bisa ngaktifake utawa mateni filter iki miturut kawicaksanane. Antarane masalah liyane, ana kemungkinan kode sing disintesis bisa mbaleni kesalahan lan kerentanan sing ana ing kode sing digunakake kanggo nglatih model kasebut.
Source: opennet.ru