Code reviews — это процесс проверки кода, который помогает разработчикам улучшить его качество, но на это требуется много времени. По данным одного источника, половина компаний тратит от двух до пяти часов еженедельно на эту процедуру. Без должного количества людей проверка кода может стать огромной задачей и отвлекать разработчиков от другой важной работы. Харджот Гилл считает, что с помощью искусственного интеллекта можно значительно автоматизироватьпроцесс проверки кода. Он является совладельцем и генеральным директором CodeRabbit, компании, которая проводит анализ кода с применением моделей AI для предоставления обратной связи.
До основания компании CodeRabbit Харджот Гилл занимал пост старшего директора технологий в Nutanix — компании, специализирующейся на программном обеспечении для центров обработки данных. Его вовлечение в Nutanix произошло после приобретения этой компанией его стартапа Netsil в марте 2018 года. Другой сооснователь CodeRabbit, Гур Сингх, руководил ранее командами разработки на платформе медицинских услуг Alegeus. Гилл утверждает, что платформа CodeRabbit автоматизирует процесс проверки кода с помощью «передового искусственного интеллекта», который способен «понять намерение» за кодом и предоставлять разработчикам «действенную, схожую с человеческой» обратную связь.
Харджот Гилл утверждает, что стандартные инструменты статического анализа и линтеры основаны на правилах и часто генерируют много ложноположительных результатов, а проверки кода экспертами занимают много времени и субъективны. В отличие от этого, платформа CodeRabbit ориентирована на искусственный интеллект. Однако по опыту можно заключить, что проверки кода, основанные на искусственном интеллекте, имеют тенденцию представляться менее качественными по сравнению с проверками, в которых присутствует человеческий фактор.
В своем блоге Грег Фостер из компании Graphite рассказывает о том, как они проводили внутренние эксперименты с использованием модели GPT-4 от OpenAI для проверки кода. Хотя модель иногда и распознавала логические неточности и орфографические ошибки, она также генерировала много неправильных результатов. Даже после попыток настройки результаты оставались теми же, согласно словам Фостера.
В недавнем исследовании Стэнфордского университета было установлено, что инженеры, использующие системы для генерации кода, чаще допускают неточности в безопасности своих приложений. Помимо этого, важным моментом является вопрос нарушения авторских прав. Существуют также организационные препятствия при использовании искусственного интеллекта. Как отметил Фостер, в традиционных обзорах инженеры обучаются через обсуждения и диалоги с коллегами-разработчиками. Применение искусственного интеллекта может препятствовать этому процессу обмена знаниями.
Джилл считает иначе и утверждает, что подход CodeRabbit к использованию искусственного интеллекта значительно улучшает качество кода и снижает необходимость ручной работы при его проверке. Около 600 организаций уже используют услуги CodeRabbit.
Кроме того, стартап находится на стадии привлечения инвестиций в размере $16 млн раунда финансирования серии A под руководством CRV, с участием Flex Capital и Engineering Capital. Новые средства будут направлены на расширение бизнеса, в том числе на улучшение функций продаж и маркетинга, интеграцию с другими платформами, и развитие новых функций, таких как автоматизация анализа уязвимостей безопасности.
Математические проблемы ИИ отражают, насколько новая технология отходит от прошлого вычислительной техники. В недавно закончившемся учебном году один класс учеников выделялся на фоне других: они трудолюбивы, совершенствуются и хорошо изъясняются. Оказалось, что эти ученики — интеллектуальные чат-боты, которые часто испытывают трудности с математикой.
