خمس أدوات للذكاء الاصطناعي لدعم المبرمجين

إحدى أبرز التطورات الحديثة في مجال معالجة اللغة الطبيعية هي ظهور النماذج اللغوية الكبيرة Large Language Models LLMs، التي تم تطويرها باستخدام قواعد بيانات ضخمة وكميات هائلة من المعلومات.

كما تتوفر العديد من هذه النماذج، مثل BERT الخاص بGoogle و GPT-2 و GPT-3 الخاصة بـ OpenAI. تمكن هذه النماذج من إنشاء مجموعة متنوعة من المحتوى، بدءًا من النصوص العادية حتى النماذج المالية الفعلية، وذلك باستخدام تقنيات التوليف اللغوي التي تتيح فهم وتوليد النصوص بطريقة شبيهة بما يقوم به البشر.

تعمل الشركات الناشئة في مجال الذكاء الاصطناعي، مثل OpenAI، و Hugging Face، و Cohere، و AI21 Labs، تعمل على تقديم تطبيقات متقدمة تعتمد على النماذج اللغوية الكبيرة، وذلك من خلال تدريب هذه النماذج على مليارات المقاييس. ومن بين هذه النماذج اللغوية الكبيرة، نجد خمسة مولدات شفرة برمجية تعتمد على الذكاء الاصطناعي، والتي تقوم بإنشاء شفرة برمجية عالية الجودة، وتشمل:

أولًا. OpenAI CodeX

يعتمد نموذج GitHub Copilot على GPT-3، وهو أداة من GitHub تساعد في إنشاء شفرة داخل بيئات التطوير الرئيسية مثل VS Code و Neovim و JetBrains، بالإضافة إلى العمل في السحابة مع GitHub Codespaces. يزعم Copilot كتابة شفرة في مجموعة واسعة من اللغات بما في ذلك JavaScript و Go و Perl و PHP و Ruby و Swift و TypeScript ولغة BASH، وذلك استنادًا إلى تدريب النموذج على مليارات السطور من التعليمات البرمجية المتاحة على GitHub.

أتاحت OpenAI النموذج من خلال الإصدار التجريبي للمطورين وشركات المنصات، مما يتيح لهم بناء الأدوات والتكاملات باستخدامه.

ثانيًا. مساعد الذكاء الاصطناعي Tabnine

على الرغم من أن Tabnine لا يعتبر منشئًا للشفرات البرمجية الشاملة، إلا أنه يجعل ميزة الإكمال التلقائي في بيئة التطوير المتكاملة (IDE) تشبه الستيرويدات. تم تطوير Tabnine في Rust (لغة برمجة) بواسطة جايكوب جاكسون عندما كان طالبًا في جامعة واترلو، وتطورت لتصبح أداة قائمة بذاتها لإكمال التعليمات البرمجية باستخدام الذكاء الاصطناعي.

تدعم أداة Tabnine أكثر من عشرين لغة برمجية وخمسة عشر محررًا، بما في ذلك بيئات التطوير المتكاملة (IDEs) الشهيرة مثل VS Code وIntelliJ وAndroid Studio وحتى محرر Vim.

كما يتوفر الاشتراك السنوي لفريق يتألف من ثلاثة مطورين بسعر 432 دولارًا.

ثالثًا. CodeT5

تم إنشاء نموذج لغة برمجة هذا (وهو مفتوح المصدر) بواسطة باحثين في شركة Salesforce، ويعتمد على إطار Google’s T5 (محول النص إلى نص). تم تدريب CodeT5 باستخدام أكثر من 8.35 مليون حالة من التعليمات البرمجية، بما في ذلك تعليقات المستخدم، من أنظمة تخزين GitHub المتاحة للعامة. استُخرجت معظم هذه البيانات من مجموعة بيانات CodeSearchNet، التي تشمل لغات البرمجة مثل Ruby وJavaScript وGo وPython و PHP وB وC#، بالإضافة إلى قواعد البيانات C و C# من BigQuery.

يستطيع CodeT5 أداء ثلاث وظائف رئيسية في برمجة البرمجيات:

تحويل النص إلى شفرة: إنشاء شفرة برمجية استنادًا إلى وصف باللغة الطبيعية.
الإكمال التلقائي للشفرة: يقوم بإتمام الشفرة البرمجية وفقًا لاسم الوظيفة المستهدفة.
تلخيص الشفرة: يقوم بإنشاء ملخص لمهمة في وصف اللغة الطبيعية.

رابعًا. Polycoder

يعد Polycoder بديلاً مفتوح المصدر لـ OpenAI’s Codex، وقد تم تطويره من قبل باحثين في جامعة كارنيجي ميلون Carnegie Mellon University. يستند PolyCoder على نموذج OpenAI’s GPT-2، الذي تم تدريبه على 249 غيغابايت من مصدر الشفرة المكتوبة باثنتي عشرة لغة برمجية. يدعي مؤلفو PolyCoder أن البرنامج يمكنه كتابة لغة C بدقة أكبر من أي نموذج آخر، بما في ذلك Codex. بينما تعتبر معظم مولدات الشفرة البرمجية غير مفتوحة المصدر، يعتبر PolyCoder واحدًا من أول نماذج توليد الشفرة البرمجية مفتوحة المصدر.

خامسًا. Cogram

يعتبر Cogram أداة توليد شفرة برمجية مصممة لعلماء البيانات ومطوري Python. تستخدم هذه الأداة استعلامات SQL ومفكرة Jupyter Notebooks لتمكين علماء البيانات من كتابة الاستعلامات باللغة الإنجليزية، ومن ثم تترجم الأداة هذه الاستعلامات إلى استعلامات SQL معقدة مع إمكانية الانضمام والتجميع. تدعم Y-Combination قواعد بيانات متعددة مثل SQLite وPostgreSQL و MySQL و Amazon Redshift.

يمكن لمطوري Python و Julia دمج Cogram مع Jupyter Notebooks لإنشاء شفرة تلقائية. يمكن للأداة إنشاء شفرة سياقية لمهمة محددة بناءً على التعليقات. بالإضافة إلى ذلك، يستطيع علماء البيانات إنشاء صور بيانية باستخدام نماذج Python الشهيرة مثل Matplotlib و Plotly وSeaborn.