ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸಂಶೋಧಕರ ತಂಡವು ಕೋಡ್‌ನಲ್ಲಿನ ದೋಷಗಳ ಗೋಚರಿಸುವಿಕೆಯ ಮೇಲೆ ಬುದ್ಧಿವಂತ ಕೋಡಿಂಗ್ ಸಹಾಯಕರನ್ನು ಬಳಸುವ ಪರಿಣಾಮವನ್ನು ಅಧ್ಯಯನ ಮಾಡಿದೆ. OpenAI ಕೋಡೆಕ್ಸ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಅನ್ನು ಆಧರಿಸಿದ ಪರಿಹಾರಗಳನ್ನು ಪರಿಗಣಿಸಲಾಗಿದೆ, ಉದಾಹರಣೆಗೆ ಗಿಟ್‌ಹಬ್ ಕಾಪಿಲೋಟ್, ಇದು ಸಿದ್ಧ-ಸಿದ್ಧ ಕಾರ್ಯಗಳವರೆಗೆ ಸಾಕಷ್ಟು ಸಂಕೀರ್ಣ ಕೋಡ್ ಬ್ಲಾಕ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಕಳವಳದ ಸಂಗತಿಯೆಂದರೆ, ದುರ್ಬಲತೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಸಾರ್ವಜನಿಕ ಗಿಟ್‌ಹಬ್ ರೆಪೊಸಿಟರಿಗಳಿಂದ ನೈಜ ಕೋಡ್ ಅನ್ನು ಯಂತ್ರ ಕಲಿಕೆಯ ಮಾದರಿಯನ್ನು ತರಬೇತಿ ಮಾಡಲು ಬಳಸುವುದರಿಂದ, ಸಂಶ್ಲೇಷಿತ ಕೋಡ್ ದೋಷಗಳನ್ನು ಪುನರಾವರ್ತಿಸಬಹುದು ಮತ್ತು ದುರ್ಬಲತೆಗಳನ್ನು ಒಳಗೊಂಡಿರುವ ಕೋಡ್ ಅನ್ನು ಸೂಚಿಸಬಹುದು ಮತ್ತು ನಿರ್ವಹಿಸುವ ಅಗತ್ಯವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ. ಬಾಹ್ಯ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವಾಗ ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆಗಳು.
ಪ್ರೋಗ್ರಾಮಿಂಗ್‌ನಲ್ಲಿ ವಿಭಿನ್ನ ಅನುಭವ ಹೊಂದಿರುವ 47 ಸ್ವಯಂಸೇವಕರು ಅಧ್ಯಯನದಲ್ಲಿ ತೊಡಗಿಸಿಕೊಂಡಿದ್ದಾರೆ - ವಿದ್ಯಾರ್ಥಿಗಳಿಂದ ಹತ್ತು ವರ್ಷಗಳ ಅನುಭವ ಹೊಂದಿರುವ ವೃತ್ತಿಪರರು. ಭಾಗವಹಿಸುವವರನ್ನು ಎರಡು ಗುಂಪುಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ - ಪ್ರಾಯೋಗಿಕ (33 ಜನರು) ಮತ್ತು ನಿಯಂತ್ರಣ (14 ಜನರು). ಎರಡೂ ಗುಂಪುಗಳು ಯಾವುದೇ ಲೈಬ್ರರಿಗಳು ಮತ್ತು ಇಂಟರ್ನೆಟ್ ಸಂಪನ್ಮೂಲಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿದ್ದವು, ಸ್ಟಾಕ್ ಓವರ್‌ಫ್ಲೋನಿಂದ ಸಿದ್ಧ ಉದಾಹರಣೆಗಳನ್ನು ಬಳಸುವ ಸಾಮರ್ಥ್ಯವೂ ಸೇರಿದಂತೆ. ಪ್ರಾಯೋಗಿಕ ಗುಂಪಿಗೆ AI ಸಹಾಯಕವನ್ನು ಬಳಸುವ ಅವಕಾಶವನ್ನು ನೀಡಲಾಯಿತು.
ಪ್ರತಿಯೊಬ್ಬ ಭಾಗವಹಿಸುವವರಿಗೆ ಬರವಣಿಗೆಯ ಕೋಡ್‌ಗೆ ಸಂಬಂಧಿಸಿದ 5 ಕಾರ್ಯಗಳನ್ನು ನೀಡಲಾಗಿದೆ, ಇದರಲ್ಲಿ ದೋಷಗಳನ್ನು ಉಂಟುಮಾಡುವ ತಪ್ಪುಗಳನ್ನು ಮಾಡುವುದು ಸುಲಭವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಎನ್‌ಕ್ರಿಪ್ಶನ್ ಮತ್ತು ಡೀಕ್ರಿಪ್ಶನ್ ಫಂಕ್ಷನ್‌ಗಳನ್ನು ಬರೆಯುವುದು, ಡಿಜಿಟಲ್ ಸಿಗ್ನೇಚರ್‌ಗಳನ್ನು ಬಳಸುವುದು, ಫೈಲ್ ಪಾತ್‌ಗಳು ಅಥವಾ SQL ಪ್ರಶ್ನೆಗಳ ರಚನೆಯಲ್ಲಿ ಒಳಗೊಂಡಿರುವ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು, C ಕೋಡ್‌ನಲ್ಲಿ ದೊಡ್ಡ ಸಂಖ್ಯೆಗಳನ್ನು ಕುಶಲತೆಯಿಂದ ನಿರ್ವಹಿಸುವುದು, ವೆಬ್ ಪುಟಗಳಲ್ಲಿ ಪ್ರದರ್ಶಿಸಲಾದ ಇನ್‌ಪುಟ್ ಅನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವುದು. AI ಸಹಾಯಕಗಳನ್ನು ಬಳಸುವಾಗ ಉತ್ಪತ್ತಿಯಾಗುವ ಕೋಡ್‌ನ ಸುರಕ್ಷತೆಯ ಮೇಲೆ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆಗಳ ಪ್ರಭಾವವನ್ನು ಪರಿಗಣಿಸಲು, ಕಾರ್ಯಯೋಜನೆಯು ಪೈಥಾನ್, ಸಿ ಮತ್ತು ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಒಳಗೊಂಡಿದೆ.
ಇದರ ಪರಿಣಾಮವಾಗಿ, ಕೋಡೆಕ್ಸ್-ಡಾವಿನ್ಸಿ-002 ಮಾದರಿಯ ಆಧಾರದ ಮೇಲೆ ಬುದ್ಧಿವಂತ AI ಸಹಾಯಕವನ್ನು ಬಳಸಿದ ಭಾಗವಹಿಸುವವರು AI ಸಹಾಯಕವನ್ನು ಬಳಸದ ಭಾಗವಹಿಸುವವರಿಗಿಂತ ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆ ಸುರಕ್ಷಿತ ಕೋಡ್ ಅನ್ನು ಸಿದ್ಧಪಡಿಸಿದ್ದಾರೆ ಎಂದು ಕಂಡುಬಂದಿದೆ. ಒಟ್ಟಾರೆಯಾಗಿ, AI ಸಹಾಯಕವನ್ನು ಬಳಸಿದ ಗುಂಪಿನಲ್ಲಿ ಕೇವಲ 67% ಭಾಗವಹಿಸುವವರು ಸರಿಯಾದ ಮತ್ತು ಸುರಕ್ಷಿತ ಕೋಡ್ ಅನ್ನು ಒದಗಿಸಲು ಸಮರ್ಥರಾಗಿದ್ದಾರೆ, ಆದರೆ ಇತರ ಗುಂಪಿನಲ್ಲಿ ಈ ಅಂಕಿ ಅಂಶವು 79% ಆಗಿತ್ತು.
ಅದೇ ಸಮಯದಲ್ಲಿ, ಸ್ವಾಭಿಮಾನದ ಸೂಚಕಗಳು ವಿರುದ್ಧವಾಗಿವೆ - AI ಸಹಾಯಕವನ್ನು ಬಳಸಿದ ಭಾಗವಹಿಸುವವರು ತಮ್ಮ ಕೋಡ್ ಇತರ ಗುಂಪಿನಿಂದ ಭಾಗವಹಿಸುವವರಿಗಿಂತ ಹೆಚ್ಚು ಸುರಕ್ಷಿತವಾಗಿದೆ ಎಂದು ನಂಬಿದ್ದರು. ಹೆಚ್ಚುವರಿಯಾಗಿ, AI ಸಹಾಯಕವನ್ನು ಕಡಿಮೆ ನಂಬುವ ಮತ್ತು ನೀಡಿದ ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಮತ್ತು ಅವುಗಳಲ್ಲಿ ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡಲು ಹೆಚ್ಚಿನ ಸಮಯವನ್ನು ವ್ಯಯಿಸಿದ ಭಾಗವಹಿಸುವವರು ಕೋಡ್‌ನಲ್ಲಿ ಕಡಿಮೆ ದೋಷಗಳನ್ನು ಉಂಟುಮಾಡಿದ್ದಾರೆ ಎಂದು ಗಮನಿಸಲಾಗಿದೆ.
ಉದಾಹರಣೆಗೆ, ಕ್ರಿಪ್ಟೋಗ್ರಾಫಿಕ್ ಲೈಬ್ರರಿಗಳಿಂದ ನಕಲಿಸಲಾದ ಕೋಡ್ AI ಸಹಾಯಕ ಸೂಚಿಸಿದ ಕೋಡ್‌ಗಿಂತ ಹೆಚ್ಚು ಸುರಕ್ಷಿತ ಡೀಫಾಲ್ಟ್ ಪ್ಯಾರಾಮೀಟರ್ ಮೌಲ್ಯಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಅಲ್ಲದೆ, AI ಸಹಾಯಕವನ್ನು ಬಳಸುವಾಗ, ಕಡಿಮೆ ವಿಶ್ವಾಸಾರ್ಹ ಎನ್‌ಕ್ರಿಪ್ಶನ್ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಆಯ್ಕೆ ಮತ್ತು ಹಿಂತಿರುಗಿದ ಮೌಲ್ಯಗಳ ದೃಢೀಕರಣ ಪರಿಶೀಲನೆಗಳ ಕೊರತೆಯನ್ನು ದಾಖಲಿಸಲಾಗಿದೆ. C ನಲ್ಲಿ ಸಂಖ್ಯೆಯ ಕುಶಲತೆಯನ್ನು ಒಳಗೊಂಡಿರುವ ಕಾರ್ಯದಲ್ಲಿ, AI ಸಹಾಯಕವನ್ನು ಬಳಸಿಕೊಂಡು ಬರೆದ ಕೋಡ್‌ನಲ್ಲಿ ಹೆಚ್ಚಿನ ದೋಷಗಳನ್ನು ಮಾಡಲಾಗಿದೆ, ಇದು ಪೂರ್ಣಾಂಕದ ಉಕ್ಕಿ ಹರಿಯಲು ಕಾರಣವಾಗುತ್ತದೆ.
ಹೆಚ್ಚುವರಿಯಾಗಿ, ನವೆಂಬರ್‌ನಲ್ಲಿ ನಡೆಸಲಾದ ನ್ಯೂಯಾರ್ಕ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಗುಂಪಿನಿಂದ ಇದೇ ರೀತಿಯ ಅಧ್ಯಯನವನ್ನು ನಾವು ಗಮನಿಸಬಹುದು, ಸಿ ಭಾಷೆಯಲ್ಲಿ ಶಾಪಿಂಗ್ ಪಟ್ಟಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ರಚನೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಕೇಳಲಾದ 58 ವಿದ್ಯಾರ್ಥಿಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಫಲಿತಾಂಶಗಳು ಕೋಡ್ ಭದ್ರತೆಯ ಮೇಲೆ AI ಸಹಾಯಕದ ಕಡಿಮೆ ಪ್ರಭಾವವನ್ನು ತೋರಿಸಿದೆ - AI ಸಹಾಯಕವನ್ನು ಬಳಸಿದ ಬಳಕೆದಾರರು ಸರಾಸರಿ 10% ಹೆಚ್ಚು ಭದ್ರತೆ-ಸಂಬಂಧಿತ ದೋಷಗಳನ್ನು ಮಾಡಿದ್ದಾರೆ.
ಮೂಲ: opennet.ru