AI의 최신 트릭 : 컴퓨터 코드 작성

GPT-3과 같은 프로그램은 설득력있는 텍스트를 작성할 수 있다.

 

어떤 사람들은 이 도구를 사용하여 소프트웨어개발을 자동화하고 버그를 찾는다. 

 

 

몇 년 동안 컴퓨터코드를 잘 작성하는 방법을 배웠다. 파리의 스타트업인 SourceAI는 프로그래밍이 그렇게 오랫동안 공부를 해야하는 것은 문제라고 말했다. 이 회사는 인공지능을 사용 하여 코드가 수행해야하는 작업에 대한 짧은 텍스트설명을 기반으로 코드를 작성하는 도구를 미세조정하고 있다.

 

예를 들어, 회사의 도구에 "사용자가 제공한 두 숫자를 곱하세요"라고 말하면 Python에서 이를 수행하기 위해 12줄 정도의 줄을 채워주는 식이다.

 

SourceAI의 야망은 소프트웨어개발에서 더 광범위한 혁명의 신호이다. 기계학습의 발전으로 인해 코드 세그먼트 자동완성 및 알고리즘 미세조정부터 소스코드검색 및 성가신 버그 찾기에 이르기까지 증가하는 코딩작업을 자동화 할 수있게되었다.

 

코딩자동화는 소프트웨어개발을 바꿀 수 있지만 현대 AI의 한계와 사각지대는 새로운 문제를 일으킬 수 있다. 기계학습 알고리즘은 예측할 수 없게 작동 할 수 있으며 기계에서 생성된 코드는 신중하게 조사하지 않는 한 유해한 버그를 포함 할 수 있다.

 

당사의 인공지능 데이터베이스를 검색하고 분야, 기술, 회사 등으로 스토리를 발견해 보면 된다. SourceAI 및 기타 유사한 프로그램은 AI의 근본적인 발전에 중점을 둔 샌프란시스코 회사 인 OpenAI가 2020년 5월에 발표한 강력한 AI언어프로그램 GPT-3을 활용하는 것을 목표로 한다. SourceAI의 창립자는 GPT-3에 액세스 할 수있는 최초의 수백 명 중 하나이다. OpenAI는 GPT-3용 코드를 공개하지 않았지만 일부 사용자는 API를 통해 모델에 액세스 할 수 있다.

 

GPT-3은 웹에서 스크랩한 엄청난 양의 텍스트에 대해 훈련된 거대한 인공 신경망이다. 텍스트의 의미를 파악하지는 못하지만 주어진 주제에 대한 기사를 생성하거나 글을 간결하게 요약하거나 문서 내용에 대한 질문에 답할 수있을만큼 언어의 패턴을 잘 포착한다.

 

SourceAI의 설립자 겸 CEO Furkan Bektes는 “도구를 테스트하는 동안 코드를 생성 할 수 있다는 것을 깨달았다. 그때 우리는 SourceAI를 개발할 생각을했다."

 

그는 이 잠재력을 처음으로 알아 차린 사람이 아니었다. GPT-3가 출시된 직후 한 프로그래머 는 제공된 코드 스 니펫을 리믹스하여 버튼, 텍스트 입력 필드 및 색상을 포함한 맞춤형 웹 앱을 만들 수 있음을 보여주었다. 또 다른 회사인 Debuild는 이 기술을 상용화 할 계획이다.

 

SourceAI는 사용자가 다양한 언어로 더 광범위한 프로그램을 생성하여 더 많은 소프트웨어 생성을 자동화하는 것을 목표로한다. "개발자는 코딩시간을 절약 할 수 있고 코딩지식이없는 사람도 응용프로그램을 개발할 수 있다."라고 Bektes는 말한다.

 

또 다른 회사 인 TabNine 은 OpenAI가 출시한 이전 버전의 OpenAI 언어모델 GPT-2를 사용하여 개발자가 입력을 시작할 때 줄이나 함수를 자동 완성하는 도구를 구축했다.

 

일부 소프트웨어 거대 기업도 관심이있는 것 같다. Microsoft 는 2019년에 OpenAI에 10억 달러를 투자했으며 GPT-3 라이선스에 동의했다. 5월에 열린 소프트웨어 대기업의 빌드 컨퍼런스 에서 OpenAI의 공동설립자 Sam Altman은 GPT-3가 개발자를 위해 코드를 자동완성하는 방법을 시연했다. 마이크로소프트는 소프트웨어 개발 도구에서 AI를 어떻게 사용할 지에 대해서는 언급하지 않았다.

 

NYU의 컴퓨터공학과조교수 Brendan Dolan-Gavitt는 GPT-3와 같은 언어모델이 인간 프로그래머를 돕는 데 가장 많이 사용될 것이라고 말한다. 다른 제품은 이 모델을 사용하여 "언어모델에 '놀라운' 항목을 찾아 코드를 작성할 때 코드에서 가능성이있는 버그를 식별한다."라고 말한다.

 

그러나 AI를 사용하여 코드를 생성하고 분석하는 것은 문제가 될 수 있다. 3월에 온라인에 게시 된 논문에서 MIT연구원들은 코드가 안전하게 실행되는지 확인하도록 훈련된 AI 프로그램 이 유해한 프로그램을 생성하기 위해 특정 변수를 대체하는 것과 같은 몇 가지 신중한 변경을 수행함으로써 속일 수 있음을 보여주었다 . 이 연구에 참여한 박사과정학생 Shashank Srikant는 AI 모델에 너무 많이 의존해서는 안된다고 말한다. "이러한 모델이 생산에 들어가면 상황이 매우 빠르게 악화 될 수 있습니다."라고 그는 말한다.

 

"이러한 모델이 생산에 들어가면 상황이 매우 빠르게 악화 될 수 있다."  SHASHANK SRIKANT, MIT 박사 과정 학생이 말한다.

 

NYU교수 Dolan-Gavitt는 코딩도구를 생성하는 데 사용되는 언어모델의 특성도 문제를 야기한다고 말한다. "언어모델을 직접 사용하면 버그가 많고 안전하지 않은 코드가 생성 될 수 있다고 생각한다. 결국 그들은 버그가 많고 안전하지 않은 사람이 작성한 코드에 대해 교육을 받았다."

Dolan-Gavitt 는 방문자에게 코드가 사람에 의해 작성되었는지 또는 GPT-2의 특수 버전에 의해 작성되었는지 여부를 판단하도록 요청하는 웹사이트 This Code Does Not Exist를 만들었다. 그는 현재 보안소프트웨어 테스트를위한 버그를 생성하기 위해 AI생성코드를 개발하고 있다.

 

컴퓨터 과학자들은 수십 년 동안 코드를 자동으로 생성하는 방법을 연구해 왔지만 현대 AI는 가능성에 대한 새로운 관심을 불러 일으켰다.

 

2019년 4월 Facebook의 연구원들은 기계 학습을 사용하여 기능적으로 유사한 코드 스 니펫을 식별하는 도구 인 Aroma의 세부 정보를 발표했다. 이는 개발자가 프로그램을 더 빨리 작성하고 버그를 방지하는 데 도움이 될 수 있다. DeepMind의 한 팀은 2020년 10월 인간이 작성한 알고리즘의보다 효율적인 버전을 고안 할 수있는 AI 프로그램을 선보였다.

 

인텔은 AI를 사용하여 코드가 수행하는 작업을 결정하는 Machine Inferred Code Similarity 라는 프로젝트를 보유하고 있으며 이는 복잡한 프로그램 빌드를 자동화하는 데 도움이 될 수 있다. 기계학습은 다른 기계학습 알고리즘을 구축하고 미세조정하는 데 필요한 일부 작업을 자동화하는 방법으로 도 등장했다.

 

SourceAI의 도구가 실제로 얼마나 잘 작동하는지는 지켜봐야한다. 이 기술에 대한 공개 데모는 아직 없지만 설립자 Bektes는 간단한 명령의 경우 80 ~ 90%의 시간 동안 작동한다고 말합니다. 그는 그것이 소프트웨어 개발의 일부 측면을 바꿀 수 있다고 확신하는 것 같다. 학생들은 숙제를 빨리하기 위해 그것을 사용할 것이다."