GitHub ಬುದ್ಧಿವಂತ ಸಹಾಯಕ GitHub Copilot ನ ಪರೀಕ್ಷೆಯನ್ನು ಪೂರ್ಣಗೊಳಿಸುವುದಾಗಿ ಘೋಷಿಸಿತು, ಕೋಡ್ ಬರೆಯುವಾಗ ಪ್ರಮಾಣಿತ ರಚನೆಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ. ವ್ಯವಸ್ಥೆಯನ್ನು OpenAI ಯೋಜನೆಯೊಂದಿಗೆ ಜಂಟಿಯಾಗಿ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ ಮತ್ತು ಸಾರ್ವಜನಿಕ GitHub ರೆಪೊಸಿಟರಿಗಳಲ್ಲಿ ಹೋಸ್ಟ್ ಮಾಡಲಾದ ಮೂಲ ಸಂಕೇತಗಳ ದೊಡ್ಡ ಶ್ರೇಣಿಯ ಮೇಲೆ ತರಬೇತಿ ಪಡೆದ OpenAI ಕೋಡೆಕ್ಸ್ ಯಂತ್ರ ಕಲಿಕೆ ವೇದಿಕೆಯನ್ನು ಬಳಸುತ್ತದೆ. ಜನಪ್ರಿಯ ಓಪನ್ ಸೋರ್ಸ್ ಪ್ರಾಜೆಕ್ಟ್‌ಗಳು ಮತ್ತು ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಈ ಸೇವೆಯು ಉಚಿತವಾಗಿದೆ. ಇತರ ವರ್ಗದ ಬಳಕೆದಾರರಿಗೆ, GitHub Copilot ಗೆ ಪ್ರವೇಶವನ್ನು ಪಾವತಿಸಲಾಗುತ್ತದೆ (ತಿಂಗಳಿಗೆ $10 ಅಥವಾ ವರ್ಷಕ್ಕೆ $100), ಆದರೆ ಉಚಿತ ಪ್ರಯೋಗ ಪ್ರವೇಶವನ್ನು 60 ದಿನಗಳವರೆಗೆ ಒದಗಿಸಲಾಗುತ್ತದೆ.
ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಗಳಾದ ಪೈಥಾನ್, ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್, ಟೈಪ್‌ಸ್ಕ್ರಿಪ್ಟ್, ರೂಬಿ, ಗೋ, ಸಿ # ಮತ್ತು ಸಿ ++ ವಿವಿಧ ಚೌಕಟ್ಟುಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಕೋಡ್ ಉತ್ಪಾದನೆಯನ್ನು ಬೆಂಬಲಿಸಲಾಗುತ್ತದೆ. GitHub Copilot ಅನ್ನು Neovim, JetBrains IDE ಗಳು, ವಿಷುಯಲ್ ಸ್ಟುಡಿಯೋ ಮತ್ತು ವಿಷುಯಲ್ ಸ್ಟುಡಿಯೋ ಕೋಡ್ ಅಭಿವೃದ್ಧಿ ಪರಿಸರಗಳೊಂದಿಗೆ ಸಂಯೋಜಿಸಲು ಮಾಡ್ಯೂಲ್‌ಗಳು ಲಭ್ಯವಿವೆ. ಪರೀಕ್ಷೆಯ ಸಮಯದಲ್ಲಿ ಸಂಗ್ರಹಿಸಿದ ಟೆಲಿಮೆಟ್ರಿಯ ಮೂಲಕ ನಿರ್ಣಯಿಸುವುದು, ಸೇವೆಯು ಉತ್ತಮ ಗುಣಮಟ್ಟದ ಕೋಡ್ ಅನ್ನು ರಚಿಸಲು ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ - ಉದಾಹರಣೆಗೆ, GitHub Copilot ನಲ್ಲಿ ಪ್ರಸ್ತಾಪಿಸಲಾದ 26% ಶಿಫಾರಸುಗಳನ್ನು ಡೆವಲಪರ್‌ಗಳು ಹಾಗೆಯೇ ಸ್ವೀಕರಿಸಿದ್ದಾರೆ.
GitHub Copilot ಸಾಂಪ್ರದಾಯಿಕ ಕೋಡ್ ಪೂರ್ಣಗೊಳಿಸುವಿಕೆ ವ್ಯವಸ್ಥೆಗಳಿಂದ ಸಾಕಷ್ಟು ಸಂಕೀರ್ಣ ಕೋಡ್ ಬ್ಲಾಕ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯದಲ್ಲಿ ಭಿನ್ನವಾಗಿದೆ, ಪ್ರಸ್ತುತ ಸಂದರ್ಭವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಸಂಶ್ಲೇಷಿಸಲಾದ ಸಿದ್ಧ-ಸಿದ್ಧ ಕಾರ್ಯಗಳವರೆಗೆ. ಡೆವಲಪರ್ ಕೋಡ್ ಬರೆಯುವ ವಿಧಾನಕ್ಕೆ GitHub Copilot ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಪ್ರೋಗ್ರಾಂನಲ್ಲಿ ಬಳಸಿದ API ಗಳು ಮತ್ತು ಫ್ರೇಮ್‌ವರ್ಕ್‌ಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಕಾಮೆಂಟ್‌ನಲ್ಲಿ JSON ರಚನೆಯ ಉದಾಹರಣೆ ಇದ್ದರೆ, ಈ ರಚನೆಯನ್ನು ಪಾರ್ಸ್ ಮಾಡಲು ನೀವು ಕಾರ್ಯವನ್ನು ಬರೆಯಲು ಪ್ರಾರಂಭಿಸಿದಾಗ, GitHub Copilot ರೆಡಿಮೇಡ್ ಕೋಡ್ ಅನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ಪುನರಾವರ್ತಿತ ವಿವರಣೆಗಳ ವಾಡಿಕೆಯ ಪಟ್ಟಿಗಳನ್ನು ಬರೆಯುವಾಗ, ಅದು ಉಳಿದವುಗಳನ್ನು ರಚಿಸುತ್ತದೆ ಸ್ಥಾನಗಳು.
ಸಿದ್ಧ-ಸಿದ್ಧ ಕೋಡ್ ಬ್ಲಾಕ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸುವ GitHub Copilot ನ ಸಾಮರ್ಥ್ಯವು ಕಾಪಿಲೆಫ್ಟ್ ಪರವಾನಗಿಗಳ ಸಂಭಾವ್ಯ ಉಲ್ಲಂಘನೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ವಿವಾದಕ್ಕೆ ಕಾರಣವಾಗಿದೆ. ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಯನ್ನು ರೂಪಿಸುವಾಗ, ಗಿಟ್‌ಹಬ್‌ನಲ್ಲಿರುವ ಓಪನ್ ಸೋರ್ಸ್ ಪ್ರಾಜೆಕ್ಟ್ ರೆಪೊಸಿಟರಿಗಳಿಂದ ನೈಜ ಮೂಲ ಪಠ್ಯಗಳನ್ನು ಬಳಸಲಾಯಿತು. ಈ ಪ್ರಾಜೆಕ್ಟ್‌ಗಳಲ್ಲಿ ಹೆಚ್ಚಿನವು GPL ನಂತಹ ಕಾಪಿಲೆಫ್ಟ್ ಪರವಾನಗಿಗಳ ಅಡಿಯಲ್ಲಿ ಒದಗಿಸಲ್ಪಟ್ಟಿವೆ, ಇದಕ್ಕೆ ಉತ್ಪನ್ನ ಕೃತಿಗಳ ಕೋಡ್ ಅನ್ನು ಹೊಂದಾಣಿಕೆಯ ಪರವಾನಗಿ ಅಡಿಯಲ್ಲಿ ವಿತರಿಸಬೇಕಾಗುತ್ತದೆ. Copilot ಸೂಚಿಸಿದಂತೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕೋಡ್ ಅನ್ನು ಸೇರಿಸುವ ಮೂಲಕ, ಡೆವಲಪರ್‌ಗಳು ತಿಳಿಯದೆಯೇ ಕೋಡ್ ಅನ್ನು ಎರವಲು ಪಡೆದ ಯೋಜನೆಯ ಪರವಾನಗಿಯನ್ನು ಉಲ್ಲಂಘಿಸಬಹುದು.
ಯಂತ್ರ ಕಲಿಕೆ ವ್ಯವಸ್ಥೆಯಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಕೆಲಸವನ್ನು ಉತ್ಪನ್ನವೆಂದು ಪರಿಗಣಿಸಬಹುದೇ ಎಂಬುದು ಇನ್ನೂ ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ. ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಯು ಹಕ್ಕುಸ್ವಾಮ್ಯಕ್ಕೆ ಒಳಪಟ್ಟಿದೆಯೇ ಮತ್ತು ಹಾಗಿದ್ದಲ್ಲಿ, ಈ ಹಕ್ಕುಗಳನ್ನು ಯಾರು ಹೊಂದಿದ್ದಾರೆ ಮತ್ತು ಅವರು ಮಾದರಿಯನ್ನು ಆಧರಿಸಿದ ಕೋಡ್‌ನ ಹಕ್ಕುಗಳಿಗೆ ಹೇಗೆ ಸಂಬಂಧಿಸುತ್ತಾರೆ ಎಂಬ ಪ್ರಶ್ನೆಗಳು ಸಹ ಉದ್ಭವಿಸುತ್ತವೆ.
ಒಂದೆಡೆ, ರಚಿಸಲಾದ ಬ್ಲಾಕ್‌ಗಳು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಯೋಜನೆಗಳಿಂದ ಪಠ್ಯ ಮಾರ್ಗಗಳನ್ನು ಪುನರಾವರ್ತಿಸಬಹುದು, ಆದರೆ ಮತ್ತೊಂದೆಡೆ, ಸಿಸ್ಟಮ್ ಕೋಡ್ ಅನ್ನು ನಕಲಿಸುವ ಬದಲು ಕೋಡ್‌ನ ರಚನೆಯನ್ನು ಮರುಸೃಷ್ಟಿಸುತ್ತದೆ. GitHub ಅಧ್ಯಯನದ ಪ್ರಕಾರ, Copilot ಶಿಫಾರಸು ಕೇವಲ 1% ಸಮಯವು 150 ಅಕ್ಷರಗಳಿಗಿಂತ ಹೆಚ್ಚು ಉದ್ದವಿರುವ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಯೋಜನೆಗಳಿಂದ ಕೋಡ್ ತುಣುಕುಗಳನ್ನು ಒಳಗೊಂಡಿರಬಹುದು. ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಕಾಪಿಲಟ್ ಸಂದರ್ಭವನ್ನು ಸರಿಯಾಗಿ ನಿರ್ಧರಿಸಲು ಸಾಧ್ಯವಾಗದಿದ್ದಾಗ ಅಥವಾ ಸಮಸ್ಯೆಗೆ ಪ್ರಮಾಣಿತ ಪರಿಹಾರಗಳನ್ನು ನೀಡಿದಾಗ ಪುನರಾವರ್ತನೆಗಳು ಸಂಭವಿಸುತ್ತವೆ.
ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕೋಡ್‌ನ ಪರ್ಯಾಯವನ್ನು ತಡೆಗಟ್ಟಲು, ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಯೋಜನೆಗಳೊಂದಿಗೆ ಛೇದಕಗಳನ್ನು ಅನುಮತಿಸದ ವಿಶೇಷ ಫಿಲ್ಟರ್ ಅನ್ನು Copilot ಗೆ ಸೇರಿಸಲಾಗಿದೆ. ಹೊಂದಿಸುವಾಗ, ಡೆವಲಪರ್ ತನ್ನ ವಿವೇಚನೆಯಿಂದ ಈ ಫಿಲ್ಟರ್ ಅನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಬಹುದು ಅಥವಾ ನಿಷ್ಕ್ರಿಯಗೊಳಿಸಬಹುದು. ಇತರ ಸಮಸ್ಯೆಗಳ ಜೊತೆಗೆ, ಸಂಶ್ಲೇಷಿತ ಕೋಡ್ ಮಾದರಿಯನ್ನು ತರಬೇತಿ ಮಾಡಲು ಬಳಸುವ ಕೋಡ್‌ನಲ್ಲಿರುವ ದೋಷಗಳು ಮತ್ತು ದುರ್ಬಲತೆಗಳನ್ನು ಪುನರಾವರ್ತಿಸುವ ಸಾಧ್ಯತೆಯಿದೆ.
ಮೂಲ: opennet.ru