GitHub ఇంటెలిజెంట్ అసిస్టెంట్ GitHub Copilot యొక్క పరీక్షను పూర్తి చేసినట్లు ప్రకటించింది, ఇది కోడ్ను వ్రాసేటప్పుడు ప్రామాణిక నిర్మాణాలను రూపొందించగలదు. సిస్టమ్ OpenAI ప్రాజెక్ట్తో సంయుక్తంగా అభివృద్ధి చేయబడింది మరియు పబ్లిక్ GitHub రిపోజిటరీలలో హోస్ట్ చేయబడిన సోర్స్ కోడ్ల యొక్క పెద్ద శ్రేణిపై శిక్షణ పొందిన OpenAI కోడెక్స్ మెషిన్ లెర్నింగ్ ప్లాట్ఫారమ్ను ఉపయోగిస్తుంది. ప్రముఖ ఓపెన్ సోర్స్ ప్రాజెక్ట్ల నిర్వహణదారులు మరియు విద్యార్థులకు ఈ సేవ ఉచితం. ఇతర వర్గాల వినియోగదారుల కోసం, GitHub Copilotకి యాక్సెస్ చెల్లించబడుతుంది (నెలకు $10 లేదా సంవత్సరానికి $100), కానీ 60 రోజుల పాటు ఉచిత ట్రయల్ యాక్సెస్ అందించబడుతుంది.
వివిధ ఫ్రేమ్వర్క్లను ఉపయోగించి ప్రోగ్రామింగ్ భాషలైన పైథాన్, జావాస్క్రిప్ట్, టైప్స్క్రిప్ట్, రూబీ, గో, సి# మరియు సి ++లలో కోడ్ ఉత్పత్తికి మద్దతు ఉంది. Neovim, JetBrains IDEలు, విజువల్ స్టూడియో మరియు విజువల్ స్టూడియో కోడ్ డెవలప్మెంట్ ఎన్విరాన్మెంట్లతో GitHub కోపిలట్ను ఏకీకృతం చేయడానికి మాడ్యూల్స్ అందుబాటులో ఉన్నాయి. టెస్టింగ్ సమయంలో సేకరించిన టెలిమెట్రీని బట్టి చూస్తే, ఈ సేవ అధిక నాణ్యత కలిగిన కోడ్ని రూపొందించడానికి మిమ్మల్ని అనుమతిస్తుంది - ఉదాహరణకు, GitHub Copilotలో ప్రతిపాదించిన 26% సిఫార్సులను డెవలపర్లు యథాతథంగా ఆమోదించారు.
GitHub Copilot సాంప్రదాయిక కోడ్ కంప్లీషన్ సిస్టమ్ల నుండి చాలా సంక్లిష్టమైన కోడ్ బ్లాక్లను రూపొందించే సామర్థ్యంలో విభిన్నంగా ఉంటుంది, ప్రస్తుత సందర్భాన్ని పరిగణనలోకి తీసుకుని సంశ్లేషణ చేయబడిన రెడీమేడ్ ఫంక్షన్ల వరకు. GitHub Copilot డెవలపర్ కోడ్ వ్రాసే విధానానికి అనుగుణంగా ఉంటుంది మరియు ప్రోగ్రామ్లో ఉపయోగించిన APIలు మరియు ఫ్రేమ్వర్క్లను పరిగణనలోకి తీసుకుంటుంది. ఉదాహరణకు, ఒక కామెంట్లో JSON స్ట్రక్చర్కి ఉదాహరణ ఉంటే, మీరు ఈ స్ట్రక్చర్ని అన్వయించడానికి ఫంక్షన్ని రాయడం ప్రారంభించినప్పుడు, GitHub Copilot రెడీమేడ్ కోడ్ని అందజేస్తుంది మరియు పునరావృతమయ్యే వర్ణనల సాధారణ జాబితాలను వ్రాసేటప్పుడు, అది మిగిలిన వాటిని రూపొందిస్తుంది. పదవులు.
రెడీమేడ్ కోడ్ బ్లాక్లను రూపొందించడంలో GitHub కోపైలట్ సామర్థ్యం కాపీలెఫ్ట్ లైసెన్స్ల సంభావ్య ఉల్లంఘనలకు సంబంధించిన వివాదానికి దారితీసింది. మెషిన్ లెర్నింగ్ మోడల్ను రూపొందించేటప్పుడు, GitHubలో ఉన్న ఓపెన్ సోర్స్ ప్రాజెక్ట్ రిపోజిటరీల నుండి నిజమైన సోర్స్ టెక్స్ట్లు ఉపయోగించబడ్డాయి. ఈ ప్రాజెక్ట్లలో చాలా వరకు GPL వంటి కాపీ లెఫ్ట్ లైసెన్సుల క్రింద అందించబడ్డాయి, దీనికి డెరివేటివ్ వర్క్ల కోడ్ అనుకూలమైన లైసెన్స్తో పంపిణీ చేయబడాలి. కోపైలట్ సూచించిన విధంగా ఇప్పటికే ఉన్న కోడ్ను చొప్పించడం ద్వారా, డెవలపర్లు తెలియకుండానే కోడ్ అరువుగా తీసుకున్న ప్రాజెక్ట్ లైసెన్స్ను ఉల్లంఘించవచ్చు.
మెషీన్ లెర్నింగ్ సిస్టమ్ ద్వారా రూపొందించబడిన పనిని ఉత్పన్నంగా పరిగణించవచ్చా అనేది ఇంకా స్పష్టంగా తెలియలేదు. మెషీన్ లెర్నింగ్ మోడల్ కాపీరైట్కు లోబడి ఉందా మరియు అలా అయితే, ఈ హక్కులను ఎవరు కలిగి ఉంటారు మరియు మోడల్ ఆధారంగా ఉన్న కోడ్కి వారు హక్కులకు ఎలా సంబంధం కలిగి ఉంటారు అనే ప్రశ్నలు కూడా తలెత్తుతాయి.
ఒక వైపు, ఉత్పత్తి చేయబడిన బ్లాక్లు ఇప్పటికే ఉన్న ప్రాజెక్ట్ల నుండి టెక్స్ట్ పాసేజ్లను పునరావృతం చేయగలవు, కానీ మరోవైపు, సిస్టమ్ కోడ్ను కాపీ చేయడం కంటే కోడ్ యొక్క నిర్మాణాన్ని పునఃసృష్టిస్తుంది. GitHub అధ్యయనం ప్రకారం, Copilot సిఫార్సులో కేవలం 1% సమయం మాత్రమే 150 అక్షరాల కంటే ఎక్కువ ఉన్న ప్రస్తుత ప్రాజెక్ట్ల నుండి కోడ్ స్నిప్పెట్లను కలిగి ఉండవచ్చు. చాలా సందర్భాలలో, కోపైలట్ సందర్భాన్ని సరిగ్గా గుర్తించలేనప్పుడు లేదా సమస్యకు ప్రామాణిక పరిష్కారాలను అందించనప్పుడు పునరావృత్తులు జరుగుతాయి.
ఇప్పటికే ఉన్న కోడ్ యొక్క ప్రత్యామ్నాయాన్ని నిరోధించడానికి, ఇప్పటికే ఉన్న ప్రాజెక్ట్లతో కూడళ్లను అనుమతించని ప్రత్యేక ఫిల్టర్ కోపైలట్కి జోడించబడింది. సెటప్ చేసినప్పుడు, డెవలపర్ తన అభీష్టానుసారం ఈ ఫిల్టర్ని సక్రియం చేయవచ్చు లేదా నిలిపివేయవచ్చు. ఇతర సమస్యలతో పాటు, మోడల్కు శిక్షణ ఇవ్వడానికి ఉపయోగించే కోడ్లో ఉన్న లోపాలు మరియు దుర్బలత్వాలను సింథసైజ్ చేయబడిన కోడ్ పునరావృతం చేసే అవకాశం ఉంది.
మూలం: opennet.ru