GitHub го лансираше системот за машинско учење Copilot кој генерира код

GitHub го објави завршувањето на тестирањето на интелигентниот асистент GitHub Copilot, способен да генерира стандардни конструкции при пишување код. Системот е развиен заедно со проектот OpenAI и ја користи платформата за машинско учење OpenAI Codex, обучена на голем број на изворни кодови хостирани во јавните складишта на GitHub. Услугата е бесплатна за одржувачи на популарни проекти со отворен код и студенти. За други категории корисници, пристапот до GitHub Copilot се плаќа (10 долари месечно или 100 долари годишно), но бесплатен пробен пристап е обезбеден за 60 дена.

Генерирањето код е поддржано на програмските јазици Python, JavaScript, TypeScript, Ruby, Go, C# и C++ користејќи различни рамки. Достапни се модули за интегрирање на GitHub Copilot со Neovim, JetBrains IDE, Visual Studio и Visual Studio Code развојни околини. Судејќи според телеметријата собрана за време на тестирањето, услугата ви овозможува да генерирате код со прилично висок квалитет - на пример, 26% од препораките предложени во GitHub Copilot беа прифатени од програмерите како што се.

GitHub Copilot се разликува од традиционалните системи за пополнување код во неговата способност да генерира прилично сложени кодни блокови, до готови функции синтетизирани земајќи го предвид тековниот контекст. GitHub Copilot се прилагодува на начинот на кој развивачот пишува код и ги зема предвид API-те и рамки што се користат во програмата. На пример, ако има пример за JSON структура во коментар, кога ќе почнете да пишувате функција за да ја анализирате оваа структура, GitHub Copilot ќе понуди готов код, а кога пишувате рутински списоци со повторувачки описи, ќе ги генерира преостанатите позиции.

Способноста на GitHub Copilot да генерира готови кодни блокови доведе до контроверзии поврзани со потенцијални прекршувања на лиценците за copyleft. При формирањето на моделот за машинско учење, користени се вистински изворни текстови од складишта на проекти со отворен код лоцирани на GitHub. Многу од овие проекти се обезбедени под лиценци за copyleft, како што е GPL, кои бараат кодот на изведените дела да се дистрибуира под компатибилна лиценца. Со вметнување на постоечки код како што е предложено од Copilot, програмерите може несвесно да ја прекршат лиценцата на проектот од кој е позајмен кодот.

Сè уште не е јасно дали работата генерирана од системот за машинско учење може да се смета за дериватна. Исто така, се поставуваат прашања за тоа дали моделот за машинско учење подлежи на авторски права и, ако е така, кој ги поседува овие права и како тие се однесуваат на правата на кодот на кој се заснова моделот.

Од една страна, генерираните блокови можат да повторуваат текстуални пасуси од постоечките проекти, но од друга страна, системот ја рекреира структурата на кодот наместо да го копира самиот код. Според една студија на GitHub, само 1% од времето препораката Copilot може да вклучува фрагменти од код од постоечки проекти кои се подолги од 150 знаци. Во повеќето ситуации, се случуваат повторувања кога Copilot не може правилно да го одреди контекстот или нуди стандардни решенија за проблем.

За да се спречи замена на постоечкиот код, додаден е специјален филтер во Copilot кој не дозволува вкрстување со постоечки проекти. При поставувањето, развивачот може да го активира или оневозможи овој филтер по своја дискреција. Меѓу другите проблеми, постои можност синтетизираниот код да ги повтори грешките и пропустите присутни во кодот што се користи за обука на моделот.

Извор: opennet.ru