
** این نوشته توسط دو نفر نوشته شده است **
مهندسی نرمافزار به طور کلی شامل ۵ فاز میشود که عبارت است از:
ما میتوانیم از هوش مصنوعی در تمامی این فازها استفاده کنیم?
در فاز ۱ و ۲ تولید یک نرمافزار اولین حوزه از هوش مصنوعی که سر و کلهاش پیدا میشود Natural Language Processing یا به اختصار NLP است. با استفاده از NLP میتوان نیازمندیها را از متن مصاحبه با کارفرما(یا صاحب محصول) به دست آورد که به این کار Processing Natural Language Requirements یا NLR میگویند. فرآیند رسیدن از NLR به جزئیات و طراحی نرمافزار از سال ۱۹۸۰ میلادی شروع شد. پیشرفتهایی در این زمینه صورت گرفته است ولی از آنجا که با حوزه NLP گره خورده است و پیچیدگیهای زبان درگیر آن است کار را کمی سخت کرده است.
در دهه ۸۰ یک فریمورک کلی برای رسیدن از NL requirements به مدلهای برنامه نویسی شئگرا معرفی شد. در ادامه با استفاده از این موضوع یک سیستم با عنوان Large scale Object-based Linguistic Interactor Translator Analyser یا به اختصار LOLITA طراحی شد که طراحی شئگرا بر اساس NLR انجام میداد و در نهایت میتوان use case و uml class دیاگرامها را از اینها بدست آورد.
هوش مصنوعی میتواند برای ما کد مینویسد!? شاید خواندن این جمله کمی عجیب به نظر برسد ولی پیشرفتهای خیلی خوبه در این زمینه حاصل شده است. در ادامه مثالهایی را میبینیم.
Mintlify AI Doc Writer Demo - Watch Video

تابع dequeue_list را بر اساس کدهایی که تا به حال نوشتیم کامل میکند.



با کامنت میگوییم تابعی میخواهیم که جمع دو عدد را حساب کند:


نوشتن unit test شاید یکی از خسته کنندهترین کارها و در عین حال خیلی مهم باشد.


این فاز برای یک نرمافزار خیلی مهم است و باید بتوانیم نرمافزار را بنا به نیاز آپدیت و عیبیابی کنیم. همانطور که به نظر میآید یک فاز سخت و وقتگیر باید باشد ولی خب جای نگرانی نیست زیرا در این زمینه هم AI میتواند کمک کند.
آژانسی به نام Darpa وجود دارد و برنامه ای به نام MUSE وجود دارد که روی آن کار می کنند و در ادامه راجع به آن توضیح میدهیم.
هر برنامه نویسی به مقطعی از شغل حرفه ای خود میرسد که در آن با هزاران خط کد بدون مستندات مناسب مواجه میشود و در درک پایه کد، رفع اشکالات و تعمیر آن یا حتی تولید کد جدید به مشکل بر میخورد.
برنامه Muse، تولید شده توسط آژانس دارپا است که هدف آن بهبود کیفیت توسعه و ایجاد نرمافزار آسانتر، سریعتر، قویتر و انعطافپذیرتر است.
آژانس پروژههای تحقیقاتی پیشرفته دفاعی (دارپا) یکی از شاخههای فناوری پیشرفته وزارت دفاع ایالات متحده است. هدف این آژانس آزمایش فناوریهای جدید و آماده سازی عملیاتی آنها در صورت امکان، و رسیدن به فراتر از فناوری نظامی فعلی برای انجام کارهای جدید است.
به طور کلی برنامه muse سه هدف دارد که در مورد آنها صحبت خواهیم کرد:
محور رویکرد MUSE، ایجاد زیرساخت اجتماعی است که یک موتور استخراج-معدنی با مشخصات عملیاتی مداوم را در خود جای دهد. این موتور میتواند از تحلیلهای عمیق برنامه و ایدههای بنیادی زیربنای تجزیه و تحلیل دادههای بزرگ استفاده کند تا پایگاهدادهای حاوی استنتاجهایی در مورد ویژگیهای برجسته، رفتارها و آسیبپذیریهای مؤلفههای برنامه در مجموعه را پر و اصلاح کند. در صورت موفقیت، MUSE میتواند قابلیتهای متعددی را ارائه دهد که تا کنون گریزان ماندهاند.
یک آزمایشگاه تحقیقاتی غیرانتفاعی که با دانشگاه استنفورد همکاری میکند، در حال توسعه یک سیستم یادگیری ماشینی است که ترابایتها کد نرمافزار را برای یافتن نقصهای امنیتی و رفع آنها تجزیه و تحلیل میکند.
آزمایشگاه Draper، که قبلا بخشی از موسسه فناوری ماساچوست بود، در حال ساخت این سیستم با همکاری گروهی در دانشگاه استنفورد به رهبری اندرو نگ، پیشگام یادگیری ماشین است.
براد گینور، معاون مدیر سیستمهای سایبری در Draper، در مصاحبهای با eWEEK گفت که این سیستم که DeepCode نامیده میشود، قبلاً برای شناسایی آسیبپذیریهای امنیتی مانند Heartbleed Bug در OpenSSL استفاده شده است.
در نهایت، هدف DeepCode یافتن تمام نمونههای همه باگهای نرمافزاری شناخته شده است.
این تیم سنتز برنامه را بر اساس مشخصات عملکردی انجام می دهد. هدف یافتن یک برنامه موجود از یک مجموعه کد بزرگ برای ارائه عملکرد مورد نظر و همچنین اعتبار برنامه یافت شده با اثبات درستی آن است. برای یافتن این کد، ویژگی های برنامه را با استفاده از تحلیل استاتیک استخراج می کنند و سپس از خوشه بندی (clustering) و شباهت برنامه استفاده می کنند. آنها همچنین ابزارهای کمی برای کمک به پردازش و جستجوی مجموعه و همچنین حذف موارد تکراری ایجاد کرده اند.بیشتر کاری که آنها تاکنون انجام داده اند روی دادههای بیت کوین بوده است.

آیا هوش مصنوعی میتواند جایگزین برنامه نویسان و developerها شود؟
در نوامبر 2017، Andrej Karpathy که یک محقق در زمینه کامپیوتر ساینس و همچنین مدیر بخش artificial intelligence and Autopilot Vision در شرکت Tesla است، یک پست وبلاگی با عنوان نرم افزار 2.0 منتشر کرد که در آن استدلال کرد که یک تغییر پارادایم اساسی در نحوه ساخت نرم افزار توسط انسان ها وجود داشته است. Karpathy عنوان کرد که پیدایش نرم افزار 2.0 به این معنی است که توسعه دهندگان دیگر نیازی به نوشتن کد ندارند. آنها فقط داده های مربوطه را پیدا کرده و به سیستم های یادگیری ماشینی وارد می کنند که سپس نرمافزار مورد نیاز را می نویسند.
نظر شما چیست؟
شاید ۵۰ سال قبل به شما میگفتند که یک ربات میتواند با آدمها صحبت کند میخندیدید ولی خب عملا این موضوع ممکن شده است. بنابراین قضاوت و پیشبینی اینکه چه در سالهای آیندهی هوش مصنوعی رخ میدهد کار سادهای نیست?
امیدوارم که نوشته مفیدی برایتان بوده باشد و ممنون از اینکه این نوشته را مطالعه کردید ?