ஸ்டான்போர்ட் பல்கலைக்கழக ஆராய்ச்சியாளர்கள் குழு அறிவார்ந்த குறியீட்டு உதவியாளர்களைப் பயன்படுத்துவதன் தாக்கத்தை குறியீட்டில் உள்ள பாதிப்புகளின் தோற்றத்தில் ஆய்வு செய்தது. OpenAI கோடெக்ஸ் இயந்திர கற்றல் தளத்தை அடிப்படையாகக் கொண்ட தீர்வுகள், GitHub Copilot போன்றவை, ஆயத்த செயல்பாடுகள் வரை மிகவும் சிக்கலான குறியீடு தொகுதிகளை உருவாக்க அனுமதிக்கின்றன. பாதிப்புகள் உள்ளடங்கிய பொது கிட்ஹப் களஞ்சியங்களில் இருந்து உண்மையான குறியீடு இயந்திர கற்றல் மாதிரியைப் பயிற்றுவிக்கப் பயன்படுத்தப்படுவதால், ஒருங்கிணைக்கப்பட்ட குறியீடு மீண்டும் மீண்டும் பிழைகள் ஏற்படலாம் மற்றும் பாதிப்புகளைக் கொண்ட குறியீட்டைப் பரிந்துரைக்கலாம், மேலும் செயல்பட வேண்டியதன் அவசியத்தையும் கணக்கில் எடுத்துக் கொள்ளாது. வெளிப்புற தரவை செயலாக்கும்போது கூடுதல் சோதனைகள்.
நிரலாக்கத்தில் மாறுபட்ட அனுபவமுள்ள 47 தன்னார்வலர்கள் ஆய்வில் ஈடுபட்டுள்ளனர் - மாணவர்கள் முதல் பத்து வருட அனுபவமுள்ள தொழில் வல்லுநர்கள் வரை. பங்கேற்பாளர்கள் இரண்டு குழுக்களாகப் பிரிக்கப்பட்டனர் - சோதனை (33 பேர்) மற்றும் கட்டுப்பாடு (14 பேர்). ஸ்டாக் ஓவர்ஃப்ளோவிலிருந்து ஆயத்த உதாரணங்களைப் பயன்படுத்தும் திறன் உட்பட, இரு குழுக்களும் எந்த நூலகங்கள் மற்றும் இணைய ஆதாரங்களுக்கான அணுகலைக் கொண்டிருந்தன. சோதனைக் குழுவிற்கு AI உதவியாளரைப் பயன்படுத்த வாய்ப்பு வழங்கப்பட்டது.
ஒவ்வொரு பங்கேற்பாளருக்கும் குறியீடு எழுதுவது தொடர்பான 5 பணிகள் வழங்கப்பட்டன, அதில் பாதிப்புகளுக்கு வழிவகுக்கும் தவறுகளைச் செய்வது எளிது. எடுத்துக்காட்டாக, குறியாக்கம் மற்றும் மறைகுறியாக்க செயல்பாடுகளை எழுதுதல், டிஜிட்டல் கையொப்பங்களைப் பயன்படுத்துதல், கோப்பு பாதைகள் அல்லது SQL வினவல்களை உருவாக்குவதில் தரவுகளைச் செயலாக்குதல், C குறியீட்டில் பெரிய எண்களைக் கையாளுதல், வலைப்பக்கங்களில் காட்டப்படும் உள்ளீட்டைச் செயலாக்குதல் போன்ற பணிகள் இருந்தன. AI உதவியாளர்களைப் பயன்படுத்தும் போது உருவாக்கப்பட்ட குறியீட்டின் பாதுகாப்பில் நிரலாக்க மொழிகளின் தாக்கத்தைக் கருத்தில் கொள்ள, பணிகள் பைதான், சி மற்றும் ஜாவாஸ்கிரிப்ட் ஆகியவற்றை உள்ளடக்கியது.
இதன் விளைவாக, AI உதவியாளரைப் பயன்படுத்தாத பங்கேற்பாளர்களைக் காட்டிலும், கோடெக்ஸ்-டாவின்சி-002 மாதிரியின் அடிப்படையில் அறிவார்ந்த AI உதவியாளரைப் பயன்படுத்திய பங்கேற்பாளர்கள் கணிசமாக குறைவான பாதுகாப்பான குறியீட்டைத் தயாரித்தனர். ஒட்டுமொத்தமாக, AI உதவியாளரைப் பயன்படுத்திய குழுவில் 67% பங்கேற்பாளர்கள் மட்டுமே சரியான மற்றும் பாதுகாப்பான குறியீட்டை வழங்க முடிந்தது, மற்ற குழுவில் இந்த எண்ணிக்கை 79% ஆகும்.
அதே நேரத்தில், சுயமரியாதை குறிகாட்டிகள் எதிர்மாறாக இருந்தன - AI உதவியாளரைப் பயன்படுத்திய பங்கேற்பாளர்கள் தங்கள் குறியீடு மற்ற குழுவிலிருந்து பங்கேற்பாளர்களைக் காட்டிலும் மிகவும் பாதுகாப்பாக இருக்கும் என்று நம்பினர். கூடுதலாக, AI உதவியாளரை குறைவாக நம்பிய பங்கேற்பாளர்கள், கொடுக்கப்பட்ட தூண்டுதல்களை பகுப்பாய்வு செய்வதிலும், அவற்றில் மாற்றங்களைச் செய்வதிலும் அதிக நேரம் செலவழித்தவர்கள் குறியீட்டில் குறைவான பாதிப்புகளை ஏற்படுத்தினார்கள் என்பது குறிப்பிடத்தக்கது.
எடுத்துக்காட்டாக, கிரிப்டோகிராஃபிக் நூலகங்களிலிருந்து நகலெடுக்கப்பட்ட குறியீடு AI உதவியாளரால் பரிந்துரைக்கப்பட்ட குறியீட்டை விட பாதுகாப்பான இயல்புநிலை அளவுரு மதிப்புகளைக் கொண்டுள்ளது. மேலும், AI உதவியாளரைப் பயன்படுத்தும் போது, குறைந்த நம்பகமான குறியாக்க வழிமுறைகளின் தேர்வு மற்றும் திரும்பிய மதிப்புகளின் அங்கீகார சரிபார்ப்பு இல்லாமை ஆகியவை பதிவு செய்யப்பட்டன. C இல் எண் கையாளுதல் சம்பந்தப்பட்ட ஒரு பணியில், AI உதவியாளரைப் பயன்படுத்தி எழுதப்பட்ட குறியீட்டில் அதிக பிழைகள் செய்யப்பட்டன, இது முழு எண் வழிதல் வழிவகுத்தது.
கூடுதலாக, நவம்பரில் நடத்தப்பட்ட நியூயார்க் பல்கலைக்கழகத்தின் ஒரு குழுவின் இதேபோன்ற ஆய்வை நாங்கள் கவனிக்க முடியும், இதில் 58 மாணவர்கள் சி மொழியில் ஷாப்பிங் பட்டியலை செயலாக்குவதற்கான கட்டமைப்பை செயல்படுத்துமாறு கேட்டுக்கொள்ளப்பட்டனர். குறியீடு பாதுகாப்பில் AI உதவியாளரின் சிறிய தாக்கத்தை முடிவுகள் காட்டுகின்றன - AI உதவியாளரைப் பயன்படுத்திய பயனர்கள் சராசரியாக 10% அதிக பாதுகாப்பு தொடர்பான பிழைகளைச் செய்தனர்.
ஆதாரம்: opennet.ru