論文の概要: From Copilot to Pilot: Towards AI Supported Software Development
- arxiv url: http://arxiv.org/abs/2303.04142v1
- Date: Tue, 7 Mar 2023 18:56:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 14:09:59.132066
- Title: From Copilot to Pilot: Towards AI Supported Software Development
- Title（参考訳）: copilotからpilotへ:aiサポートソフトウェア開発に向けて
- Authors: Rohith Pudari, Neil A. Ernst
- Abstract要約: 我々は、CopilotのようなAIをサポートするコード補完ツールの限界を研究し、この分野でAIをサポートするコード補完ツールの分類を理解するための分類を提供する。
次に、CopilotのようなAIをサポートするコード補完ツールの現在の境界を決定するために、さらなる調査を行います。
我々は、私たちの分類学における設計レベルの抽象化に到達するために、AIをサポートするコード補完ツールの今後の開発に関する課題について、議論することで締めくくります。
- 参考スコア（独自算出の注目度）: 3.0585424861188844
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI-supported programming has arrived, as shown by the introduction and
successes of large language models for code, such as Copilot/Codex
(Github/OpenAI) and AlphaCode (DeepMind). Above human average performance on
programming challenges is now possible. However, software engineering is much
more than solving programming contests. Moving beyond code completion to
AI-supported software engineering will require an AI system that can, among
other things, understand how to avoid code smells, to follow language idioms,
and eventually (maybe!) propose rational software designs. In this study, we
explore the current limitations of AI-supported code completion tools like
Copilot and offer a simple taxonomy for understanding the classification of
AI-supported code completion tools in this space. We first perform an
exploratory study on Copilot's code suggestions for language idioms and code
smells. Copilot does not follow language idioms and avoid code smells in most
of our test scenarios. We then conduct additional investigation to determine
the current boundaries of AI-supported code completion tools like Copilot by
introducing a taxonomy of software abstraction hierarchies where 'basic
programming functionality' such as code compilation and syntax checking is at
the least abstract level, software architecture analysis and design are at the
most abstract level. We conclude by providing a discussion on challenges for
future development of AI-supported code completion tools to reach the design
level of abstraction in our taxonomy.
- Abstract（参考訳）: AIをサポートするプログラミングが登場し、Copilot/Codex(Github/OpenAI)やAlphaCode(DeepMind)といった、コードのための大規模な言語モデルの導入と成功によって示されている。
プログラミングの課題における人間の平均的なパフォーマンス以上は可能になった。
しかし、ソフトウェアエンジニアリングはプログラミングコンテストの解決以上のものです。
コード補完からAIをサポートするソフトウェアエンジニアリングへの移行には、コードの臭いを避ける方法、言語イディオムに従う方法、そして最終的には(おそらく!)合理的なソフトウェア設計を提案するAIシステムが必要である。
本研究では、CopilotのようなAI支援コード補完ツールの現在の限界について検討し、この分野におけるAI支援コード補完ツールの分類を理解するための単純な分類法を提供する。
まず、言語イディオムとコードの臭いに対するCopilotのコード提案について探索的研究を行う。
Copilotは言語イディオムに従わず、テストシナリオのほとんどでコードの臭いを避けます。
次に,コードコンパイルや構文チェックといった'基本的なプログラミング機能'が抽象的ではない,ソフトウェアアーキテクチャ解析や設計が最も抽象的なレベルである,ソフトウェア抽象階層の分類を導入することで,copilotのようなaiサポートコード補完ツールの現在の境界を決定するためのさらなる調査を行う。
最後に、分類学における設計レベルの抽象化に到達するために、aiがサポートするコード補完ツールの今後の開発における課題に関する議論を締めくくった。
関連論文リスト
- Contextual Augmented Multi-Model Programming (CAMP): A Hybrid Local-Cloud Copilot Framework [8.28588489551341]
本稿では、Retrieval-Augmented Generation(RAG)を用いた局所モデルからなるマルチモデルAI支援プログラミングフレームワークであるCAMPを提案する。
RAGは、コンテキスト認識プロンプト構築を容易にするために、クラウドモデルからコンテキスト情報を取得する。
この方法論は、Appleソフトウェアエコシステム向けに開発されたAI支援プログラミングツールであるCopilot for Xcodeで実現されている。
論文 参考訳（メタデータ） (2024-10-20T04:51:24Z) - RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。
RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
論文 参考訳（メタデータ） (2024-10-03T05:45:26Z) - Automatic Programming: Large Language Models and Beyond [48.34544922560503]
我々は,プログラマの責任に関するコード品質,セキュリティ,関連する問題について検討する。
ソフトウェア工学の進歩が自動プログラミングを実現する方法について論じる。
我々は、近い将来のプログラミング環境に焦点をあてて、先見的な視点で締めくくります。
論文 参考訳（メタデータ） (2024-05-03T16:19:24Z) - Deep Learning for Code Intelligence: Survey, Benchmark and Toolkit [63.82016263181941]
コードインテリジェンスは、機械学習技術を活用して、広範なコードコーパスから知識を抽出する。
現在、コードインテリジェンスに重点を置く研究コミュニティは活発です。
論文 参考訳（メタデータ） (2023-12-30T17:48:37Z) - Students' Perspective on AI Code Completion: Benefits and Challenges [2.936007114555107]
学生の視点から,AIコード補完のメリット,課題,期待について検討した。
その結果,AIコード補完は,正しい構文提案を提供することで,学生の生産性と効率を向上させることがわかった。
将来的には、AIコード補完は説明可能であり、教育プロセスを強化するための最高のコーディングプラクティスを提供するべきである。
論文 参考訳（メタデータ） (2023-10-31T22:41:16Z) - Copilot for Xcode: Exploring AI-Assisted Programming by Prompting
Cloud-based Large Language Models [2.5272389610447856]
Copilot for Xcodeは、人間のソフトウェア開発者をサポートするためのプログラム構成と設計のためのAI支援プログラミングツールである。
クラウドベースのLarge Language Models(LLM)をAppleのローカル開発環境であるXcodeとシームレスに統合することにより、このツールは生産性を高め、Appleソフトウェアエコシステムにおけるソフトウェア開発の創造性を解放する。
論文 参考訳（メタデータ） (2023-07-08T09:11:19Z) - Natural Language Generation and Understanding of Big Code for
AI-Assisted Programming: A Review [9.355153561673855]
本稿では,Big Codeを用いてトレーニングしたトランスフォーマーベース大規模言語モデル(LLM)に焦点を当てる。
LLMは、コード生成、コード補完、コード翻訳、コード洗練、コードの要約、欠陥検出、クローン検出など、AI支援プログラミングアプリケーションを促進する上で重要な役割を担っている。
これらのアプリケーションにNLP技術とソフトウェア自然性を導入する上での課題と機会を探究する。
論文 参考訳（メタデータ） (2023-07-04T21:26:51Z) - Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。
トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文 参考訳（メタデータ） (2023-02-14T18:43:34Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Competition-Level Code Generation with AlphaCode [74.87216298566942]
より深い推論を必要とする問題に対する新しいソリューションを作成することができるコード生成システムであるAlphaCodeを紹介する。
Codeforcesプラットフォームにおける最近のプログラミングコンペティションのシミュレーション評価において、AlphaCodeは平均54.3%のランキングを達成した。
論文 参考訳（メタデータ） (2022-02-08T23:16:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。