زمان مطالعه: ۲ دقیقه
آخرین بروزرسانی: ۲۳ فروردین ۱۴۰۴ توسط وحید یوسفی
۲۳
۰
با پیشرفت چشم‌گیر فناوری‌های هوش مصنوعی، بسیاری انتظار داشتند که ابزارهای AI بتوانند به راحتی باگ‌های نرم‌افزاری را شناسایی و برطرف کنند. اما مطالعه‌ی اخیر منتشر شده توسط محققان نشان می‌دهد که هوش مصنوعی هنوز در زمینه دیباگ کردن کد، کارایی مطلوبی ندارد.
این تحقیق که توسط گروهی از دانشمندان در MIT و دانشگاه‌های معتبر دیگر انجام شده، ۱۵ ابزار هوش مصنوعی از جمله مدل‌های معروف مانند GPT-4 را مورد بررسی قرار داده است. نتایج نشان می‌دهد که این مدل‌ها تنها در ۳ درصد از موارد توانسته‌اند باگ‌ها را به‌طور کامل شناسایی و اصلاح کنند.
هوش مصنوعی در مقابل دیباگ کم آورد
دلایل اصلی این ضعف را می‌توان در چند عامل دانست: اول، مدل‌های زبانی بر پایه داده‌هایی آموزش دیده‌اند که بیشتر شامل نمونه‌های صحیح است و نه خطادار. دوم، بسیاری از مدل‌ها در درک عمیق ساختار برنامه‌نویسی و منطق کد دچار چالش هستند. سوم، نبود بازخورد تعاملی مناسب باعث می‌شود که AI درک درستی از عملکرد مورد انتظار کد نداشته باشد.
با این حال، محققان امید دارند با بهبود روش‌های آموزش، استفاده از داده‌های متنوع‌تر و ترکیب ابزارهای تحلیلی قوی‌تر، بتوان دقت این مدل‌ها را در آینده افزایش داد. یکی از راهکارهای پیشنهادی، ترکیب AI با سیستم‌های بازخورد انسانی و ابزارهای تحلیل ایستا (Static Analysis) است تا یک سیستم دیباگینگ هوشمند و ترکیبی ایجاد شود.
در نهایت، اگرچه هوش مصنوعی در بسیاری از زمینه‌ها پیشرفت چشم‌گیری داشته است، اما دیباگینگ هنوز یکی از نقاط ضعف آن به شمار می‌رود. این حوزه نیاز به تحقیقات و توسعه‌ی بیشتر دارد تا بتوان به سطحی رسید که AI به‌صورت مستقل و دقیق مشکلات کد را برطرف کند.
برای بروز بودن در اخبار تکنولوژی و هوش مصنوعی با تانو وب همراه باشید.
منبع: arstechnica.com
