人工知能はソフトウェア開発のパラダイムを変えている

ソフトウェア開発者は、コードの作成とレビュー、バグの検出、ソフトウェアのテスト、開発プロジェクトの最適化に AI を活用しています。この支援により、企業は新しいソフトウェアをより効率的に導入できるようになり、新世代の開発者がコーディングを学習しやすくなります。

[[429071]]

これらは、デロイトが発表し、フォーブスの最近の記事で要約された、ソフトウェア開発における人工知能に関する最近のレポートの結論です。著者の David Schatsky 氏と Sourabh Bumb 氏は、過去 18 か月間にさまざまな企業が AI 駆動型ソフトウェア開発ツールを数十個リリースした経緯について説明します。スタートアップ企業は2019年9月までの1年間で7億400万ドルを調達しており、市場は成長を続けています。

キーストロークを減らし、ソフトウェアの作成時にエラーを検出し、ソフトウェアの品質を確認するために必要な多くのテストを自動化するのに役立つ新しいツールが利用可能です。これは、バグが発生する可能性のあるオープンソース コードへの依存度が高まっている時代には重要です。

自動化によってプログラマーの職が奪われるのではないかと懸念する人もいるが、デロイトの著者らはそのようなことは起こりそうにないと考えている。

「ほとんどの場合、こうしたAIツールは人間に取って代わるものではなく、人間を支援し、強化するものだ」とシャッツキー氏は言う。 「これらのツールはコーディングとソフトウェア開発の民主化に役立ち、コーディングのトレーニングを受けていない人でも人材不足を補い、新しいスキルを習得することができます。また、コードを実行する前に品質保証を提供する AI 駆動型コードレビューもあります。」

2018 年の Forrester の調査によると、ソフトウェア開発企業の 37% が AI を活用したコーディング ツールを使用しています。 Tara、DeepCode、Kite、Functionize、DeepTabNine などの多くの企業が自動コーディング サービスを提供しているため、この割合は現在さらに高くなっている可能性があります。

成功がこの傾向を加速させているようだ。 「コストと時間の削減に加え、これらの AI ツールを導入している多くの企業では、最終製品の品質が向上していることも確認しています」と Schatsky 氏は述べています。

デロイトの調査によると、AI は才能ある開発者の慢性的な不足を軽減するのに役立つ可能性があるとのことです。昨年、ソフトウェアの品質の悪さにより、米国の組織は推定 3,190 億ドルの損害を被った。人工知能の応用により、これらの課題を軽減できる可能性があります。

Deloitte は、プロジェクト要件、コーディングレビュー、バグの検出と解決、テスト、展開、プロジェクト管理など、ソフトウェア開発の多くの段階で AI が役立つと考えています。

IBMのエンジニアはAI開発においてワトソンプロジェクトから教訓を得る

ノースカロライナ州ローリーのIBMで著名なエンジニアであり、同社で20年間ソフトウェア開発に携わってきたビル・ヒギンズ氏は最近、人工知能がソフトウェア開発に与える影響についてのレポートをMediumで発表した。

組織は、ソフトウェアの開発方法に関する従来のパラダイムを「忘れる」必要があります。 「個人が適応するのが難しいなら、企業が適応するのは百万倍難しい」と著者は述べた。

ヒギンズ氏は、IBMのWatsonグループにおける開発者向けAIミッションの責任者です。 「AIに関する個人的な経験がなかったことが、逆に強みになったことが分かりました」と彼は語った。彼は、適応する必要のある開発者に対するより深い理解と共感を得るために、自分自身の学習の旅を経なければなりませんでした。

ヒギンズ氏は、ソフトウェア開発における AI について学ぶために、他の人が AI をどのように適用したか (問題領域) と、AI の使用が他の方法よりも優れていた事例 (解決領域) を研究していると述べました。これは、何が可能かを理解し、「魔法のような思考」を避けるために重要です。

著者は、この旅はペンシルベニア州立大学でコンピューターサイエンスの学位を取得して以来、最も熱心で困難な勉強だったと語っています。 「経験から改善するソフトウェア システムと、指示されたことだけを実行するソフトウェア システムを比較して考え直すのは私にとって難しい」と彼は語った。

IBM は、企業が AI ベースの変革について考えるのに役立つ「AI ラダー」という概念モデルを開発しました。はしごには、収集、整理、分析、注入の 4 つの段があります。ほとんどの企業は大量のデータを保有しており、多くの場合、サイロ化された IT の取り組みや買収によって整理されています。ある企業には、顧客に関する冗長で一貫性のない情報を含む 20 個のデータベースと 3 つのデータ ウェアハウスがある場合があります。注文、従業員、製品情報などの他のデータ タイプについても同様です。 「IBMは概念的にAIのはしごをこの泥沼から押し上げようとしている」とヒギンズ氏は語った。

導入フェーズでは、トレーニング済みの機械学習モデルを本番システムに統合し、フィードバック ループを設計して、モデルが経験から継続的に改善されるように取り組んでいます。 AI 導入の一例としては、洗練された機械学習モデルを活用した Netflix 推奨システムが挙げられます。

IBM は、自然言語理解、仮想エージェントとの会話、視覚認識、音声、エンタープライズ検索などの一般的な機械学習領域における AI の階段の段をカプセル化、収集、整理、分析するための API、事前構築された機械学習モデル、オプションのツールの組み合わせを特定しました。

たとえば、Watson の自然言語理解は豊富かつ複雑になっています。機械学習は現在、概念、概念間の関係、感情的な内容など、言語の多くの側面を理解するのに優れています。現在、NLU サービスと機械学習ベースの自然言語処理の研究開発は、洗練された API とサポートされている SDK を通じて開発者に提供されています。

「その結果、開発者はデータサイエンスや機械学習の正式なトレーニングを受けていない場合でも、今日から特定の種類の AI をアプリケーションに活用できるようになります」とヒギンズ氏は語った。