L’IA pour le développement de logiciels : les machines peuvent-elles écrire en cours d’exécution ?

Vous entendez le mot IA partout où vous allez. Il a influencé toutes les sphères de la vie et tous les domaines de l’entreprise. Pas étonnant que l’IA soit désormais capable d’écrire du code informatique. C’est une mauvaise nouvelle pour les développeurs, qui risquent de perdre leur pain !

tenir. Les machines peuvent-elles écrire du bon code ? Nous le saurons bientôt.

Il existe un grand nombre de langages de programmation et quels langages apprendre en premier est une grande question pour les développeurs. La situation peut devenir encore plus compliquée si les systèmes d’IA commencent à écrire du code, et cela aussi dans une variété de langues.

Examinons d’abord quelques-unes des machines qui écrivent du code.

Outils basés sur l’IA pour écrire du code

Nous discuterons de certains des outils populaires de génération de code basés sur l’IA. Ils ont été développés par des entreprises ou des étudiants universitaires, et chacun d’eux est unique à sa manière.

Codeur profond #1

Microsoft, en association avec l’Université de Cambridge, a développé un système d’intelligence artificielle appelé DeepCoder. Cet outil peut écrire du code après avoir parcouru une énorme base de données de code. Il génère d’abord des extraits de code, puis essaie de les aligner dans une séquence logique.

Son efficacité s’améliore également avec le temps et est très utile pour les non-programmeurs. À l’avenir, les créateurs espèrent que l’outil générera du code basé sur l’idée de programme donnée.

#2 Diffblue : Automatisation des tests unitaires

Diffblue est une entreprise issue du département d’informatique de l’Université d’Oxford. Ses développeurs ont généré un outil d’IA capable de générer des tests unitaires pour le code.

L’outil de Diffblue utilise l’intelligence artificielle pour imiter la façon dont les développeurs humains testent leur code. L’outil ne prend que quelques secondes pour effectuer le test.

Cette technologie Diffblue permet à quiconque, des étudiants en programmation en herbe aux professionnels du codage, de gagner du temps.

Tu pourrais aussi aimer:

Les 20 meilleures plateformes d’intelligence artificielle pour 2023

Différence entre l’apprentissage automatique et l’intelligence artificielle

Intelligence artificielle : Automatisation du processus de recrutement pour les entreprises !

Top 5 des technologies d’intelligence artificielle cachées

Intelligence artificielle : à quoi peut-on s’attendre ensuite ?

#3 code intelligent

Il s’agit essentiellement d’un outil de complétion de code qui a été publié en mai 2019. Il succède à IntelliSense et fournit une liste de recommandations par ordre alphabétique. IntelliCode recommande la fonction la plus appropriée en fonction de l’utilisation passée du développeur.

Plus vous l’utilisez, plus il devient précis. L’outil a été alimenté en code à partir de milliers de projets GitHub open source qui avaient 100 étoiles ou plus.

Bien que le code puisse contenir des bogues, il améliore la productivité des développeurs.

#4 Copilote GitHub

Cet outil peut générer automatiquement du code à l’aide de l’IA, ce qui aide les professionnels à accélérer leur travail. Il est alimenté par Codex, un nouveau système d’IA créé par OpenAI.

L’outil s’adapte progressivement à votre style de codage et à vos préférences. Bien qu’il ait également reçu des critiques critiques. La Free Software Foundation l’a qualifié d’inacceptable et d’injuste.

Copilot nécessite un logiciel tel que l’éditeur de code Visual Studio pour fonctionner, qui n’est pas gratuit.

Le blog fast.ai mentionne que le code écrit par Copilot n’est pas très bon et est mal refactorisé. L’auteur dit que la technologie est encore à ses débuts.

#5 tabin

Cet outil ne génère pas entièrement de code, mais il est devenu un outil complet de complétion de code basé sur l’IA. Il prend en charge plus de 20 langues et 15 éditeurs, dont vim et Android Studio.

Il a été développé par Jacob Jackson pendant ses années d’études à l’Université de Waterloo.

#6 Codage T5

Les chercheurs de SalesForce ont créé un modèle de langage de programmation open source appelé CodeT5. Ce modèle est basé sur le framework T5 de Google.

Le modèle a été formé à l’aide de 8,35 millions d’instances de code provenant des référentiels GitHub.

Le code T5 a trois capacités pour la programmation logicielle :

Génération de texte en code : Vous pouvez générer du code basé sur la description des exigences en langage naturel.

Complétion de code : La fonction entière du code est complétée en fonction du nom de fonction cible donné.

Résumé des codes : Description de la fonction du code en langage naturel.

#7 OpenAI Codex

Cet outil est basé sur GPT-3, qui alimente également GitHub Copilot. OpenAI Codex prétend écrire du code dans au moins une douzaine de langages, dont JavaScript, PHP et Ruby.

Le modèle a été formé sur des milliards de lignes de code facilement disponibles dans le domaine public. Il est disponible pour les développeurs et les entreprises via une version bêta privée pour créer des outils et des intégrations.

Programme #8

Cogram est un outil de génération de code de démarrage basé à Berlin pour les scientifiques des données et les programmeurs Python. Il a été créé à l’aide de requêtes SQL et de Jupyter Notebooks.

Les data scientists peuvent écrire des requêtes en anglais, que Cogram traduit en requêtes SQL. Il prend en charge SQLite, MySQL, Amazon Redshift et PostgreSQL.

Les développeurs Python et Julia peuvent intégrer Cogram avec Jupyter Notebooks pour générer du code. Il permet aux data scientists de créer des visualisations basées sur les modules Python de base.

A lire aussi :

Data Science : ce que vous DEVEZ SAVOIR pour devenir un Data Scientist performant !

Les outils d’un data scientist

Comment les ingénieurs logiciels et les data scientists peuvent-ils travailler ensemble ?

Les meilleures compétences de Data Scientist dont vous pourriez avoir besoin en 2023

Conseils essentiels pour les data scientists débutants

Ce que les data scientists doivent savoir sur SQL

#9 code alpha

DeepMind a créé un outil d’intelligence artificielle capable d’écrire du code pour résoudre des problèmes courants. Ce n’est toujours pas assez bon pour remplacer les ingénieurs en logiciel, mais il peut automatiser les tâches de base.

L’outil est capable d’analyser, de comprendre un défi écrit et de produire une réponse cohérente et exploitable.

#10 Encodeur AIX

AIXcoder est un compagnon de programmation intelligent pour votre équipe de développement. Il prend soin de votre code, vous permettant de travailler sur des tâches plus critiques et complexes.

Les modèles d’apprentissage en profondeur AIXcoder utilisent des millions de code open source pour la formation. Par conséquent, vous pouvez suggérer un code adapté à votre contexte. Vous pouvez l’utiliser en mode hors ligne si vous êtes préoccupé par la sécurité des données de votre code.

#11 NIP

Ponicode utilise la technologie AI pour écrire du code rapidement et maintenir la qualité du code en même temps. L’installation ne prend que quelques minutes et vous pouvez commencer immédiatement le développement d’applications, en éliminant les processus monotones.

Il peut être utilisé gratuitement pour les langages Java, JavaScript, TypeScript et Python.

La ligne du bas…

Après avoir vu divers outils de génération de code, nous pouvons dire sans risque que l’IA peut développer des logiciels, mais c’est loin d’être parfait. Les machines ne peuvent plus écrire de bon code à partir de maintenant ; ils ne peuvent générer du code que sur la base des référentiels de code qui leur sont fournis.

Cependant, avec le temps, les machines ne feront que s’améliorer pour écrire du code. Pour l’instant, ils ne peuvent qu’aider à compléter le code ou générer du code non exempt de bogues. L’IA peut être utilisée pour le développement de logiciels, mais avec prudence car elle est loin d’être parfaite.