外媒:AI时代写代码不再为王 干软件质检才能饭碗长存

外媒:AI时代写代码不再为王干软件质检才能饭碗长存这一转变可能让开发人员不以为然,但对软件行业的工程师和企业而言,却是一项严峻的挑战。人工智能正在推动生产效率的提升,并正在改变劳动力配置。原本占据开发工作主体的代码编写任务,现在逐渐向软件发布前的各项准备工作转移。长期以来,所谓的内循环一直是软件开发的核心,而如今,外循环的重要性日益凸显。这种变化听起来宛如科幻电影剧情,仿佛人类被赋予了功能强大的机器人助手。人工智能在软件开发领域的应用尚处于初期阶段,因此这种戏剧性的变化尚未波及整个行业。但这样的日子终将到来,为了不被时代潮流所淘汰,企业和团队应当从现在开始做好规划。内循环与外循环尽管并非一成不变,但许多软件团队在产品开发过程中都采取了类似的劳动分配方式。所谓的内循环涵盖了开发软件过程中涉及的各种高价值、创造性任务,如设计、编写、构建和调试代码等。这些任务通常由单一开发人员在代码共享给团队其他成员之前独立完成。相较之下,外循环则关注更多重复性工作,这些工作往往会分散人们对内循环中高价值任务的注意力。其中,主要任务包括测试代码的安全性、可靠性、质量和可用性等。那么,人工智能是如何改变内外循环之间的平衡的呢?人工智能助手能够帮助开发人员轻松创建代码,将一个概念转化为代码可能原本需要几天甚至几周时间;而有了人工智能的帮助,几秒钟即可完成。但生成的结果更类似于意识流作品,而非精心打磨的小说。在作品能够发布之前,所有这些生成的原材料还需一位“编辑”进行打磨。举个例子,GitHub的Copilot人工智能助手让开发人员的生产力提高了55%,但Copilot生成的代码存在安全漏洞和设计缺陷的概率有40%。随着代码量的增加,这些问题将外循环转变为生产的瓶颈。这种情况将如何影响开发团队?通常,开发人员与测试人员的比例为3:1。在一家拥有四万名软件工程师的大型银行中,可能有一万名员工负责安全、可靠性和质量控制。但人工智能的效果如同挤压气球,它会使另一侧膨胀。测试工作量的激增抵消了编码效率的提升。开发团队如何取得进展对软件开发团队而言,挑战在于如何适应这一变革。想要在竞争中保持领先,公司首先需要解决长期的敌手:琐事(toil)。琐事指那些耗费开发者大量时间和精力的重复性乏味任务。手动测试代码、漫长的等待开发完成以及工作进度的申请等,都让软件工程师感到沮丧,减缓了工作节奏,推动创新的创造性工作也越来越远。随着人工智能自动化加速内循环,外循环面临的挑战可能比以往任何时候都要多。解决方案在于引入可扩展的自动化系统,以确保代码的安全性、可靠性和质量。许多人认为这一切都是事后诸葛亮。事实上,很多工程团队都乐意自己动手DIY修补程序。专业工具对于消除困扰软件开发生命周期中的繁琐任务至关重要,持续集成/持续部署(CI/CD)便是关键之一。高效的软件团队利用CI/CD方法完成推向产品过程中所需的大部分工作。CI/CD能处理构建、测试、部署过程中的琐碎任务。安全测试,作为最耗时的任务之一,CI/CD可以提供关于漏洞的详细信息,优先处理紧急漏洞,并提供快速的修复建议。云成本管理也是最适合自动化的任务之一。恰当的工具可以帮助开发人员详细追踪云使用情况,通过关闭不活跃资源以降低成本。据经验,这甚至可以节省高达70%的成本。即便是内部开发者平台这样简单的工具,也能改变游戏规则。这些自助式服务门户通过整合工具、服务和信息,加速了生产进程。得益于生成式人工智能,这些工具降低琐事工作量、加快部署速度的能力正不断增强。现在就开始培养人才自动化虽然是成功的关键,但随着外循环的任务不断扩大,人才短缺的问题也日益严峻。很快,我们将进入一个软件质量工程师比程序员更受欢迎的时代,专注于测试的人才可能获得更高的薪酬。公司应当制定计划,招募和培养所需的人才。吸引软件开发人才的关键在于提供有吸引力的工作体验。薪酬是基础,但开发人员还需要了解公司的使命,在工作中面对挑战,并使用恰当的工具。当人工智能重新定义软件开发生命周期时,最受需求的岗位将是什么?预计软件质量管理者、工程师以及可靠性工程师将成为抢手人选。人工智能引发的这种变革不会一夜之间发生,但提前做好准备的软件团队将处于更有利的位置,更快地将产品推向市场。最终,如何支撑外循环可能成为成功与否的关键。...PC版:https://www.cnbeta.com.tw/articles/soft/1422578.htm手机版:https://m.cnbeta.com.tw/view/1422578.htm

相关推荐

封面图片

ArmHoldings公布新的芯片蓝图和软件工具,以帮助智能手机处理人工智能(AI)任务,同时还改变了交付这些蓝图的方式,以加速

ArmHoldings公布新的芯片蓝图和软件工具,以帮助智能手机处理人工智能(AI)任务,同时还改变了交付这些蓝图的方式,以加速它们的采用。Arm推出新的中央处理器(CPU)设计,称更适合人工智能工作和新的图形处理单元(GPU)。它还将提供软件工具,使开发人员更容易在Arm芯片上运行聊天机器人和其他人工智能的代码。Arm的技术推动了智能手机的兴起,并越来越多地出现在个人电脑和数据中心,芯片设计师们都被其节能技术所吸引。智能手机仍是Arm最大的单一市场,该公司向苹果(Apple)、安卓(Android)芯片供应商高通(Qualcomm)和联发科(MediaTek)等主要竞争对手提供知识产权。

封面图片

Mistral发布首个代码生成人工智能模型Codestral 但不可用于商业活动

Mistral发布首个代码生成人工智能模型Codestral但不可用于商业活动Mistral在一篇博文中解释说,它接受过80多种编程语言的训练,包括Python、Java、C++和JavaScript。Codestral可以完成编码功能、编写测试和"填充"部分代码,还能用英语回答有关代码库的问题。Mistral将这种模式描述为"开放",但这还有待商榷,因为这家初创公司的许可证禁止将Codestral及其产出用于任何商业活动。虽然有"开发"的例外,但即使是"开发"也有注意事项:许可证明确禁止"员工在公司业务活动中的任何内部使用",究其原因可能是Codestral部分训练内容受版权保护。Mistral在博文中没有证实或否认这一点,但这并不奇怪;有证据表明,这家初创公司以前的训练数据集包含版权数据。无论如何,Codestral可能不值得这么麻烦。该模型有220亿个参数,需要一台强大的电脑才能运行。(参数基本上决定了人工智能模型处理问题的能力,比如分析和生成文本)。虽然根据一些基准测试(我们都知道,这些基准测试并不可靠),该模型击败了竞争对手,但这并不能说明它有多厉害。虽然Codestral对大多数开发人员来说并不实用,而且在性能提升方面也是渐进式的,但它肯定会引发关于依赖代码生成模型作为编程助手是否明智的争论。至少在某些编码任务中,开发人员肯定会使用生成式人工智能工具。在2023年6月的StackOverflow民意调查中,44%的开发人员表示,他们现在在开发过程中使用人工智能工具,26%的开发人员计划不久后使用。然而,这些工具有明显的缺陷。GitClear对过去几年中提交到项目仓库的超过1.5亿行代码进行了分析,发现生成式人工智能开发工具正在导致更多错误代码被推送到代码库中。普渡大学的一项研究显示,OpenAI的ChatGPT对编程问题给出的答案有一半以上是错误的。但这并不能阻止Mistral等公司试图将其模式货币化(并获得心智份额)。今天上午,Mistral在其LeChat对话式人工智能平台上推出了托管版Codestral以及付费API。Mistral表示,它还致力于将Codestral纳入LlamaIndex、LangChain、Continue.dev和Tabnine等应用框架和开发环境。...PC版:https://www.cnbeta.com.tw/articles/soft/1432835.htm手机版:https://m.cnbeta.com.tw/view/1432835.htm

封面图片

IBM保证Watsonx中的AI Cobol翻译器不会取代开发人员

IBM保证Watsonx中的AICobol翻译器不会取代开发人员根据IBMZ软件副总裁SkylaLoomis的说法,Watsonx是一款"开发人员助理工具",它使用人工智能,但不能独立完成所有任务。生成式人工智能服务与人类程序员结成伙伴关系,对COBOL代码的选定部分进行转换,但人工智能提供的代码在投入生产之前最终还需要进行一些"小幅编辑工作"。尽管已经有64年的历史,COBOL(通用商业导向语言)仍被广泛应用于银行、汽车、保险、政府、医疗保健等重要行业的大型计算机中。据《国际科学高级研究期刊》(InternationalJournalofAdvancedResearchinScience)最近估计,43%的银行系统仍在使用COBOL,每天有3万亿美元的交易(ATM、信用卡)是通过这种古老语言编译的代码管理的。Watsonx就是为解决COBOL问题而创建的,它提供了一个端到端的解决方案,包括一个执行复杂代码翻译任务的多步骤过程。IBM产品管理和IT自动化副总裁KeriOlson解释说,私人和政府客户可以利用生成式人工智能服务将现有的依赖关系分解成更小的片段。在IBM自己的程序员的帮助下,客户可以选择他们想要(或需要)通过将COBOL语法转换为Java来实现代码现代化的部分。Loomis说,最后,80%或90%的翻译代码都能提供有效的(可运行的)现代化结果,但人类程序员必须做出完成任务所需的"几处改动",Watsonx是一种提高生产力的工具,而不是开发人员的替代品。IBM之前在人工智能领域的冒险并没有达到公司设定的极高期望值,现在人们对WatsonHealth能否在生成式人工智能领域取得成功持怀疑态度。Gartner的阿伦-钱德拉塞卡拉(ArunChandrasekara)认为,IBM"没有案例研究"来验证Watsonx的代码现代化能力。奥尔森承认了这一问题,但他表示,IBM正在利用其在大型机计算和人工智能方面的经验,提供最先进的人工智能体验,尽管该公司在客户获取方面仍处于"早期阶段"。...PC版:https://www.cnbeta.com.tw/articles/soft/1403697.htm手机版:https://m.cnbeta.com.tw/view/1403697.htm

封面图片

高通推出AI中心 允许开发人员在其应用程序中无缝实施模型

高通推出AI中心允许开发人员在其应用程序中无缝实施模型高通公司声称,人工智能中心基本上是应用程序开发人员的一个中心位置,在这里他们可以访问由该公司量化和验证的设备上人工智能模型。在撰写本文时,该中心支持超过75种人工智能模型。如果您是希望在应用程序中实施人工智能或生成式人工智能的开发人员,现在就可以访问aihub.qualcomm.com,选择您要实施的人工智能模型,然后选择目标平台,还可以进一步选择特定的设备,这使得AIHub成为帮助开发人员成功、无缝地将人工智能应用到其应用程序中的同类产品之一。完成上述步骤后,QualcommAIHub将引导您找到正确的模型。该公司提到,开发人员只需几行代码就能将优化模型集成到他们的工作流程中。这些模型将涵盖图像分割、图像生成、图像分类、物体检测、超分辨率、文本生成、弱光增强和自然语言理解。至于AIHub是否能在非骁龙芯片上运行,似乎也是可以的。不过,非骁龙芯片组将无法充分利用专用AI芯片的优势,这最终意味着开发人员必须付出更多努力,才能在非骁龙芯片组的设备上实现这一功能。...PC版:https://www.cnbeta.com.tw/articles/soft/1420919.htm手机版:https://m.cnbeta.com.tw/view/1420919.htm

封面图片

AI提升编程效率 但过快过多生成代码并不是好事

AI提升编程效率但过快过多生成代码并不是好事美联航、强生、维萨、嘉德诺和高盛等大公司的IT部门负责人都表示,他们对生成式人工智能在编程过程中实现部分自动化的潜力感到兴奋,并期望这能显著提高工作效率。然而,一些IT高管担心,降低代码开发门槛可能会导致复杂内容、“技术负债(Technicaldebt)”和混乱程度不断增加,因为他们需要管理一堆不断膨胀的软件产品。所谓“技术负债”指的是开发人员为了在短时间内快速开发而做出妥协,最终给未来带来额外负担。金融服务公司Truist的首席数据官特雷西·丹尼尔斯(TracyDaniels)表示,随着加速交付,“技术负债”和“孤儿代码(orphancode)”随之增多的潜在风险值得关注。“人们已经讨论‘技术负债’很长时间了,现在我们有了一张全新的信用卡,可以使用以前无法实现的方式,来积累‘技术负债’,”麻省理工学院计算机科学与人工智能实验室教授阿曼多·索尔-莱扎马(ArmandoSolar-Lezama)说。他补充道:“我认为有可能积累大量机器编写的劣质代码。”公司需要重新思考如何与新工具协同工作,以避免这种情况的发生。索尔-莱扎马表示,部分代码开发过程繁琐又耗时,人们多年来一直在试图实现这部分开发工作的自动化。由于生成式人工智能模型的规模和准确性不断提高,推动了自动化编程的发展。反过来,这也促进了ChatGPT等聊天机器人的普及。微软副总裁兼开发部门产品负责人阿曼达·西尔弗(AmandaSilver)说,优秀开发人员的短缺也促使公司加大对开发工具的投资。不同企业正在评估和部署各种工具,比如微软旗下Github的Copilot,以及亚马逊、IBM和初创企业Tabnine、MagicAI推出的其他工具。这些工具通常能推荐生成代码片段并进行测试,或在编写程序中提出技术建议。但IT部门负责人表示,这也存在风险。EXL是一家数据分析和数字运营解决方案公司。执行副总裁兼分析主管维韦克·杰特利(VivekJetley)表示:“即便能方便程序员,我认为这也让首席信息官的工作变得更加复杂。”这些工具的确能降低编程门槛,意味着越来越多的员工可以开始为新用例编写代码。但杰特利说,随着代码量的爆炸式增长,首席信息官需要控制和管理这些代码,优先考虑保留哪些代码,丢弃哪些代码以及如何运行系统。“肯定会更乱,”杰特利说。OutSystems首席执行长保罗·罗萨多(PauloRosado)表示,“技术负债”和“孤儿代码”长期以来一直是困扰首席信息官们的难题。代码量不断增加,人们势必会搞混某些代码的作用以及是如何创建的。如果开发人员离开公司,这些问题就更加复杂。随着时间的推移,堆砌的代码会越来越多。罗萨多确信,生成式人工智能编程工具会加剧这些问题。美联航首席信息官杰森·伯恩鲍姆(JasonBirnbaum)表示,这些风险是存在的。因此,云环境的安全性和弹性设计会变得更加重要,发布未经适当审查和测试的软件也会变得更加困难。尽管存在重重风险,首席信息官们仍在向前推进。伯恩鲍姆说,美联航正在测试几个生成式人工智能应用程序,其中就包括自动生成代码的功能。保健企业嘉德诺最近也成立了一个跨职能工作组来评估相关用例和风险。Truist正在与供应商一起探索全新的代码生成和代码注释工具。高盛的早期试点项目效率提升已经达到两位数。(辰辰)...PC版:https://www.cnbeta.com.tw/articles/soft/1362915.htm手机版:https://m.cnbeta.com.tw/view/1362915.htm

封面图片

Meta推出人工智能代码编写工具:Code Llama

Meta推出人工智能代码编写工具:CodeLlama了解更多:https://ai.meta.com/blog/code-llama-large-language-model-coding/Meta说,CodeLlama可以根据提示创建代码串,也可以在指向特定代码串时完成和调试代码。除了基本的CodeLlama模型,Meta还发布了一个Python专用版本CodeLlama-Python,以及另一个可以理解自然语言指令的版本CodeLlama-Instrct。据Meta称,CodeLlama的每个特定版本都不能互换,该公司不推荐使用基础CodeLlama或CodeLlama-Python来处理自然语言指令。"程序员已经在使用LLMs协助完成各种任务,从编写新软件到调试现有代码,"Meta在一篇博文中说。"我们的目标是提高开发人员工作流程的效率,使他们能够专注于工作中最以人为本的方面。"Meta声称,根据基准测试,CodeLlama的表现优于公开的LLM,但没有具体说明测试的模型。该公司称,CodeLlama在代码基准HumanEval中的得分率为53.7%,能够根据文本描述准确编写代码。Meta公司将发布三种尺寸的CodeLlama,并表示最小尺寸的CodeLlama可安装在单个GPU上,适用于更多低延迟项目。代码生成器帮助开发人员工作已经有一段时间了。GitHub今年3月推出了由OpenAI的GPT-4支持的Copilot,用于快速编写和检查代码。GitHubCopilot还能重写更新旧代码。亚马逊的AWS也有CodeWhisperer,同样可以编写、检查和更新代码。此前,Google也透露将推出一款代码编写工具AlphaCode,但至今还没有发布。GitHub的母公司微软和OpenAI因涉嫌使用Copilot违反版权法而被起诉,因为该工具可以复制授权代码。...PC版:https://www.cnbeta.com.tw/articles/soft/1379269.htm手机版:https://m.cnbeta.com.tw/view/1379269.htm

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人