Wyobra\u017a sobie przysz\u0142o\u015b\u0107, w kt\u00f3rej sztuczna inteligencja po cichu zajmuje si\u0119 \u017cmudnymi aspektami tworzenia oprogramowania \u2014 porz\u0105dkowaniem nieuporz\u0105dkowanego kodu, aktualizowaniem starszych system\u00f3w czy wykrywaniem trudnych do uchwycenia warunk\u00f3w wy\u015bcigu \u2014 podczas gdy in\u017cynierowie mog\u0105 skupi\u0107 si\u0119 na tym, co robi\u0105 najlepiej: projektowaniu architektury, rozwi\u0105zywaniu skomplikowanych problem\u00f3w i przesuwaniu granic innowacji.<\/p>\n
Zanim jednak ca\u0142kowicie pogr\u0105\u017cymy si\u0119 w tej wizji, warto zatrzyma\u0107 si\u0119 na chwil\u0119 i spojrze\u0107 na rzeczywisto\u015b\u0107. Nowe narz\u0119dzia oparte na sztucznej inteligencji poczyni\u0142y znaczne post\u0119py, jednak najnowsze badania przeprowadzone przez MIT nieco studz\u0105 entuzjazm zwi\u0105zany z przekonaniem, \u017ce sztuczna inteligencja wkr\u00f3tce rozwi\u0105\u017ce wszystkie nasze problemy zwi\u0105zane z oprogramowaniem. Zamiast tego wskazuj\u0105 one przeszkody, kt\u00f3re b\u0119dziemy musieli pokona\u0107, je\u015bli chcemy, aby sztuczna inteligencja i programi\u015bci naprawd\u0119 wsp\u00f3\u0142pracowali ze sob\u0105, a nie dzia\u0142ali w sprzecznych celach.<\/p>\n
Jedno wynika jasno z badania: pisanie kodu to tylko niewielka cz\u0119\u015b\u0107 tego, czym zajmuj\u0105 si\u0119 in\u017cynierowie oprogramowania w praktyce. Opr\u00f3cz przyjemno\u015bci p\u0142yn\u0105cej z wymy\u015blania sprytnych algorytm\u00f3w istnieje g\u00f3ra \u201crutynowej pracy\u201d \u2014 refaktoryzacja starego kodu, przenoszenie ogromnych system\u00f3w na nowe platformy, testowanie, debugowanie, utrzymywanie przy \u017cyciu starszych projekt\u00f3w, a nawet mniej efektowne zadania, takie jak dokumentowanie i weryfikacja kodu. Sztuczna inteligencja zacz\u0119\u0142a stopniowo przejmowa\u0107 niekt\u00f3re z tych zada\u0144, ale droga przed nami jest daleka od g\u0142adkiej.<\/p>\n
Mimo \u017ce sztuczna inteligencja potrafi zautomatyzowa\u0107 wiele zada\u0144, nie oznacza to jeszcze, \u017ce programistom grozi zwolnienie. Armando Solar-Lezama, profesor MIT i jeden z autor\u00f3w badania, zwraca uwag\u0119, \u017ce cho\u0107 obecne narz\u0119dzia sztucznej inteligencji maj\u0105 imponuj\u0105ce mo\u017cliwo\u015bci, wci\u0105\u017c jeste\u015bmy daleko od momentu, w kt\u00f3rym b\u0119dziemy mogli przekaza\u0107 maszynom pe\u0142n\u0105 odpowiedzialno\u015b\u0107 za wi\u0119kszo\u015b\u0107 zada\u0144 programistycznych.<\/p>\n
Szczeg\u00f3lnie trudny problem pojawia si\u0119 przy ocenie, na ile sztuczna inteligencja faktycznie radzi sobie z programowaniem w rzeczywistych warunkach. Wi\u0119kszo\u015b\u0107 test\u00f3w por\u00f3wnawczych skupia si\u0119 na uporz\u0105dkowanych, zamkni\u0119tych problemach \u2014 dalekich od chaotycznej rzeczywisto\u015bci pe\u0142nowymiarowych projekt\u00f3w oprogramowania. W rezultacie trudno jest stwierdzi\u0107, czy sztuczna inteligencja jest gotowa do pomocy przy gruntownych zmianach wydajno\u015bciowych, nie m\u00f3wi\u0105c ju\u017c o z\u0142o\u017conych sytuacjach, takich jak wsp\u00f3\u0142praca z lud\u017ami czy naprawianie spl\u0105tanych, wieloletnich baz kodu.<\/p>\n
Kolejn\u0105 powa\u017cn\u0105 przeszkod\u0105 jest przekazywanie zada\u0144 mi\u0119dzy cz\u0142owiekiem a maszyn\u0105. Komunikacja cz\u0119sto si\u0119 za\u0142amuje \u2014 sztuczna inteligencja ma zwyczaj generowania ogromnych, nieprzejrzystych fragment\u00f3w kodu, co utrudnia wykrycie potencjalnych problem\u00f3w po uruchomieniu aplikacji. Przepis na katastrof\u0119? By\u0107 mo\u017ce nie, ale z pewno\u015bci\u0105 jest to pow\u00f3d do ostro\u017cno\u015bci. Gdyby systemy AI potrafi\u0142y \u201cwiedzie\u0107, czego nie wiedz\u0105\u201d i prosi\u0107 programist\u00f3w o wyja\u015bnienia, znacznie \u0142atwiej by\u0142oby zbudowa\u0107 zaufanie do wsp\u00f3\u0142pracy mi\u0119dzy cz\u0142owiekiem a sztuczn\u0105 inteligencj\u0105.<\/p>\n
Do tego dochodzi jeszcze kwestia kontekstu. Wiele system\u00f3w sztucznej inteligencji jest szkolonych na kodzie pochodz\u0105cym z publicznych repozytori\u00f3w, kt\u00f3ry nie zawsze odzwierciedla specyficzne konwencje i standardy poszczeg\u00f3lnych organizacji. Jaki jest tego skutek? Sugestie dotycz\u0105ce kodu, kt\u00f3re nie odpowiadaj\u0105 potrzebom \u2014 a nawet nie kompiluj\u0105 si\u0119 poprawnie \u2014 w rzeczywistych \u015brodowiskach korporacyjnych.<\/p>\n
Badanie to nie ogranicza si\u0119 jedynie do wskazania przeszk\u00f3d. Sugeruje ono podej\u015bcie obejmuj\u0105ce ca\u0142\u0105 spo\u0142eczno\u015b\u0107: lepsze, bardziej realistyczne wytyczne dotycz\u0105ce wsp\u00f3\u0142pracy mi\u0119dzy sztuczn\u0105 inteligencj\u0105 a programistami oraz zwi\u0119kszenie przejrzysto\u015bci system\u00f3w opartych na sztucznej inteligencji, tak aby ludzie mogli interweniowa\u0107 w razie potrzeby. Przes\u0142aniem jest to, \u017ce sztuczna inteligencja nie powinna mie\u0107 na celu zast\u0105pienia programist\u00f3w, ale wzmocnienie ich mo\u017cliwo\u015bci \u2013 uwalniaj\u0105c ludzi, by mogli po\u015bwi\u0119ci\u0107 wi\u0119cej czasu na projektowanie, wprowadzanie innowacji i podejmowanie decyzji, kt\u00f3re wci\u0105\u017c przewy\u017cszaj\u0105 mo\u017cliwo\u015bci maszyn.<\/p>\n
Bior\u0105c pod uwag\u0119, jak du\u017ca cz\u0119\u015b\u0107 naszego \u015bwiata opiera si\u0119 na oprogramowaniu \u2014 od szpitali po autostrady \u2014 w\u0142a\u015bciwe ukszta\u0142towanie tej wsp\u00f3\u0142pracy ma wi\u0119ksze znaczenie ni\u017c kiedykolwiek. Poniewa\u017c rola sztucznej inteligencji w programowaniu stale ro\u015bnie, zachowanie trze\u017awego spojrzenia na to, co potrafi ona zrobi\u0107, a czego nie, ma kluczowe znaczenie przy wytyczaniu kolejnych krok\u00f3w w dziedzinie in\u017cynierii oprogramowania.<\/p>\n