機械プログラミングが次に投資すべきテクノロジーである理由は何ですか?

機械プログラミングが次に投資すべきテクノロジーである理由は何ですか?

[[413321]]

[51CTO.com クイック翻訳]一連の新しいツールは、機械学習やその他の方法を使用して、ソフトウェア開発プロセスの一部を自動化しています。たとえば、GitHub は先月、プログラマーがコードを開発する際に提案を行うツールをリリースしました。 Amazon はまた、ソフトウェアのパフォーマンスのボトルネックを自動的に見つけるのに役立つツールである CodeGuru も開発しました。 Facebook には Aroma があり、これもコーディングの提案を提供します。 Intel Labs の私のチームは、コード内のエラーを自動的に検出するツール (現在は社内使用向け) を構築しました。

このタイプの自動プログラミングは「マシンプログラミング」と呼ばれます。最も興味深い機能の 1 つは「コードの意味的類似性」です。これは、2 つのコード スニペットが類似した特性を示しているか、類似した目標を達成しているかを自動的に判断しようとします。これは、コンピューティングの進歩、「ビッグコードデータ」(約 1,400 万のコードサンプルを含む新しい IBM/MIT CodeNet プロジェクトなど)へのアクセス、および新しい機械学習アルゴリズムのおかげで最近可能になりました。

コード内のセマンティック類似性の力を活用することで、業界では自動化システムを開発することができ、ソフトウェアとハ​​ードウェアの複雑さが増しても開発チームが同じレベルの生産性を維持できるように CIO が支援するとともに、ソフトウェア開発の人材不足や職場の燃え尽き症候群に対処できるようになりました。

言語間の変換をサポート

コードの意味的類似性は、プログラミング言語間の変換を行うツール(翻訳ツールなど)でも使用できます。過去には、プログラムのソース コードをあるプログラミング言語から別のプログラミング言語に変換するソフトウェア システムは手の届かないものでした。しかし、これまでより専門的な従来の言語でプログラミングしてきた大規模なグローバル組織にとって、トランスパイルの最新の進歩は重要な意味を持つ可能性があります。

組織全体のコード ベースを COBOL から Python に手動で変換するのに何年もかかる代わりに、機械プログラミング システムがわずか数日ですべてを実行できる世界を想像してみてください。このようなシステムのプロトタイプはすでに存在しており、Adobe などの一部のテクノロジー企業でも使用されています。たとえば、私の知る限り、Adobe Photoshop は検証済みのリフトを使用して C/C++ を現在のバージョンの Halide に変換します。

マシン推論コード類似性 (MISIM) などのコード意味類似性システムは、組織がコード システム全体を更新するのに役立つだけでなく、人材プールの拡大にも役立ちます。より多くの開発者がこれらの新しい言語に精通するようになるにつれて(例:FORTRAN から Python に移行する)、組織のコード ベースを、今日のソフトウェア開発者にあまり理解されていない古いレガシー言語から最新のプログラミング言語に更新すると、採用が容易になります。新世代の言語は習得が容易で、システムの複雑さの多くを社内で処理しやすくなる傾向があるため、CIO はプログラミング エラーの減少を実感できるかもしれません。

初心者開発者を育成し、開発者のギャップを埋める

コード意味類似性システムもコードを提案できます。たとえば、前述の GitHub Co-Pilot は、ソフトウェアの意図を理解し、開発者を支援するために改良された(またはより完全な)バージョンを提案することを目的としています。

このようなコード提案システムを最大限に活用すれば、初心者と熟練した開発者の両方に改善された代替案を提供することで、ソフトウェアの品質と生産性を向上させることができます。最終的には、これにより、CIO とその IT 部門は、追加のスタッフを雇用したり、新しいリソースにお金をかけたりすることなく、ソフトウェアの需要に対応できるようになります。これらのコード提案システムの最終的なビジョンは、すべての開発者の生産性を向上させることです。

セマンティック類似性システムは開発者と連携してコード内のエラーを自動的に検出することもできます。

結論

ソフトウェアとハ​​ードウェアの異種性により、ソフトウェア開発の分野はますます複雑になっています。開発チームには、ソフトウェアをより速く開発することも求められています。 CIO と彼らが監督するソフトウェア開発にとって、マシン プログラミングは経済的に実行可能な唯一のアプローチである可能性があります。したがって、今こそ、新しいマシン プログラミング ツールを試し、組織内でそれらを最も効果的に実装する方法を学ぶ絶好の機会です。

原題: 機械プログラミングが次に投資すべきテクノロジーである理由、著者: Justin

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]

<<:  一貫性ハッシュアルゴリズムとは何ですか?

>>:  TCPとUDPの違いと、フロー制御、輻輳制御、高速再送、高速回復アルゴリズムの詳細な説明

ブログ    
ブログ    

推薦する

...

いいえ!機械学習は単なる美化された統計ではありません。

ビッグデータダイジェスト制作編集者: JIN、Hope、Jiang Baoshangタイトル画像のパ...

人工知能はモノのインターネットにおける次のブレークスルーとなるでしょうか?

AIoT は、モノのインターネットとそれに接続されたデバイスのネットワークをクラウドから解放し、イ...

どのような Android の知識を学ぶ必要がありますか?ナレッジグラフ

コア分析コンテンツ初心者および中級の Android 開発者にとって、学ぶべき Android の理...

AIによって人間が失業しないのはなぜでしょうか?

人工知能が20年間進歩したにもかかわらず、オフィスワークのほとんどは単純な頭脳労働で構成されているよ...

マイクロソフトのハリー・シャムがGitHub、データの信念、そしてコンピューティングの未来について語る

1 月 20 日、マイクロソフトのグローバル エグゼクティブ バイスプレジデントであるハリー シャム...

...

NLP/CVモデルは国境を越えて、ビジュアルトランスフォーマーはCNNを超えるのか?

コンピュータービジョンの分野では、畳み込みニューラルネットワーク (CNN) が常に市場を支配してき...

Jetson - Nano Opencv の基本的な使用方法

序文:前回のJetson Nanoの記事では、学習のためのアイデアや教材を紹介しました。今日は、引き...

GoogleはGoogleアシスタントを生成AIでアップデートする予定

8月1日、海外メディアは、Axiosの報道によると、GoogleはGoogleアシスタントを生成AI...

マイクロソフト、OpenAI、グーグルなどの大手企業が共同でフロンティアモデルフォーラムを設立し、責任ある人工知能の開発を推進している。

人工知能の発展は日々変化しており、特に生成型人工知能はテクノロジー業界で話題になっています。しかし、...

...

...

21 個の新しい ChatGPT アプリ、どれをご存知ですか?

GPT には画像認識機能があるため、さらに強力になり、特に ChatGPT のビジュアル テクノロ...

肖像ラベルシステムの構築と運用実践

1. ポートレートラベルシステムQunarは、事業開発プロセスごとに独立したポートレートラベリングシ...