GitHub ने कोड जनरेट करणारी Copilot मशीन लर्निंग सिस्टीम लाँच केली

GitHub ने बुद्धिमान सहाय्यक GitHub Copilot ची चाचणी पूर्ण केल्याची घोषणा केली, कोड लिहिताना मानक रचना निर्माण करण्यास सक्षम. ही प्रणाली OpenAI प्रकल्पासह संयुक्तपणे विकसित केली गेली आहे आणि OpenAI कोडेक्स मशीन लर्निंग प्लॅटफॉर्म वापरते, सार्वजनिक GitHub रेपॉजिटरीजमध्ये होस्ट केलेल्या स्त्रोत कोडच्या मोठ्या अॅरेवर प्रशिक्षित केले जाते. लोकप्रिय ओपन सोर्स प्रोजेक्ट्स आणि विद्यार्थ्यांसाठी सेवा विनामूल्य आहे. वापरकर्त्यांच्या इतर श्रेण्यांसाठी, GitHub Copilot मध्ये प्रवेश दिला जातो ($10 प्रति महिना किंवा $100 प्रति वर्ष), परंतु विनामूल्य चाचणी प्रवेश 60 दिवसांसाठी प्रदान केला जातो.

कोड जनरेशन प्रोग्रामिंग भाषांमध्ये Python, JavaScript, TypeScript, Ruby, Go, C# आणि C++ विविध फ्रेमवर्क वापरून समर्थित आहे. Neovim, JetBrains IDEs, व्हिज्युअल स्टुडिओ आणि व्हिज्युअल स्टुडिओ कोड विकास वातावरणासह GitHub Copilot समाकलित करण्यासाठी मॉड्यूल उपलब्ध आहेत. चाचणी दरम्यान संकलित केलेल्या टेलीमेट्रीनुसार, सेवा आपल्याला बर्‍यापैकी उच्च गुणवत्तेचा कोड व्युत्पन्न करण्याची परवानगी देते - उदाहरणार्थ, GitHub Copilot मध्ये प्रस्तावित केलेल्या 26% शिफारसी विकासकांनी स्वीकारल्या आहेत.

GitHub Copilot पारंपारिक कोड कम्प्लीशन सिस्टीमपेक्षा, सध्याचा संदर्भ लक्षात घेऊन संश्लेषित केलेल्या रेडीमेड फंक्शन्सपर्यंत, बर्‍यापैकी जटिल कोड ब्लॉक्स व्युत्पन्न करण्याच्या क्षमतेमध्ये भिन्न आहे. GitHub Copilot विकासक कोड लिहिण्याच्या पद्धतीशी जुळवून घेतो आणि प्रोग्राममध्ये वापरलेले API आणि फ्रेमवर्क विचारात घेतो. उदाहरणार्थ, एखाद्या टिप्पणीमध्ये JSON संरचनेचे उदाहरण असल्यास, जेव्हा तुम्ही या संरचनेचे विश्लेषण करण्यासाठी फंक्शन लिहायला सुरुवात करता, तेव्हा GitHub Copilot रेडीमेड कोड ऑफर करेल आणि पुनरावृत्ती केलेल्या वर्णनांची नियमित सूची लिहिताना, ते उर्वरित तयार करेल. पोझिशन्स

GitHub Copilot च्या रेडीमेड कोड ब्लॉक्स व्युत्पन्न करण्याच्या क्षमतेमुळे कॉपीलेफ्ट परवान्यांच्या संभाव्य उल्लंघनाशी संबंधित विवाद निर्माण झाला आहे. मशीन लर्निंग मॉडेल तयार करताना, GitHub वर स्थित ओपन सोर्स प्रोजेक्ट रिपॉझिटरीजमधील वास्तविक स्त्रोत मजकूर वापरला गेला. यापैकी बरेच प्रकल्प कॉपीलेफ्ट लायसन्स अंतर्गत प्रदान केले जातात, जसे की GPL, ज्यासाठी डेरिव्हेटिव्ह कामांचा कोड सुसंगत परवान्याखाली वितरित करणे आवश्यक आहे. Copilot ने सुचविल्याप्रमाणे विद्यमान कोड टाकून, विकासक नकळतपणे ज्या प्रकल्पातून कोड घेतला होता त्या प्रकल्पाच्या परवान्याचे उल्लंघन करू शकतात.

मशीन लर्निंग सिस्टमद्वारे व्युत्पन्न केलेले कार्य व्युत्पन्न मानले जाऊ शकते की नाही हे अद्याप स्पष्ट नाही. मशीन लर्निंग मॉडेल कॉपीराइटच्या अधीन आहे की नाही आणि तसे असल्यास, हे अधिकार कोणाचे आहेत आणि ते मॉडेल ज्या कोडवर आधारित आहे त्याच्या अधिकारांशी ते कसे संबंधित आहेत असे प्रश्न देखील उद्भवतात.

एकीकडे, व्युत्पन्न केलेले ब्लॉक विद्यमान प्रकल्पांमधील मजकूर परिच्छेदांची पुनरावृत्ती करू शकतात, परंतु दुसरीकडे, सिस्टम कोडची स्वतः कॉपी करण्याऐवजी कोडची रचना पुन्हा तयार करते. GitHub अभ्यासानुसार, Copilot च्या शिफारशीच्या फक्त 1% वेळा विद्यमान प्रोजेक्ट्समधील कोड स्निपेट्स समाविष्ट असू शकतात जे 150 वर्णांपेक्षा मोठे आहेत. बहुतेक परिस्थितींमध्ये, पुनरावृत्ती उद्भवते जेव्हा Copilot योग्यरित्या संदर्भ निर्धारित करू शकत नाही किंवा समस्येचे मानक निराकरण देऊ शकत नाही.

विद्यमान कोडचे प्रतिस्थापन टाळण्यासाठी, Copilot मध्ये एक विशेष फिल्टर जोडला गेला आहे जो विद्यमान प्रकल्पांसह छेदनबिंदूंना अनुमती देत ​​नाही. सेट अप करताना, विकसक त्याच्या विवेकबुद्धीनुसार हे फिल्टर सक्रिय किंवा अक्षम करू शकतो. इतर समस्यांबरोबरच, संश्लेषित कोड मॉडेलला प्रशिक्षित करण्यासाठी वापरल्या जाणार्‍या कोडमध्ये असलेल्या त्रुटी आणि भेद्यतेची पुनरावृत्ती होण्याची शक्यता आहे.

स्त्रोत: opennet.ru