Ohjelmistokehittäjät voivat luoda parempia ohjelmia AI: n avulla

Ping-pong-robotti todistaa, että AI-ohjattavat koneet voivat tuntea ihmisen tunteen. CES 2020: ssa Omron esittelee uutta AI-tekniikkaa, joka tukee koneiden ja ihmisten välistä harmoniaa.

Ohjelmistokehitykseen osallistuvat yritykset joko ulkoisille asiakkaille tai omille sisäisille tarpeilleen kohtaavat erilaisia ​​haasteita. Pula ammattitaitoisista kehittäjistä estää pyrkimyksiä laadukkaiden ohjelmistojen luomiseen. Kehityshankkeet menevät usein väärin. Monet ovat myöhässä, menevät budjetin yli tai peruutetaan yksinkertaisesti ennen toteutumista. Ja huolimatta ohjelmoijien ja muiden ammattilaisten parhaista ponnisteluista, virheet voivat estää valmiita sovelluksia. Yksi tekijä, joka voi lievittää joitain näistä esteistä, on tekoäly, sanotaan Deloitten uuden raportin mukaan.

AI: n ja ML: n hallinta yrityksessä 2019: Tekniikan johtajat odottavat enemmän vaikeuksia kuin aikaisemmat IT-projektit (TechRepublic Premium)

AI voi auttaa ohjelmistojen kehittämistä monella tavalla, Deloitte sanoo. AI-käyttöisillä työkaluilla voidaan leikata puoleen näppäimistön lukumäärä, jonka kehittäjät tarvitsevat kirjoittaa. He voivat löytää virheitä ja haavoittuvuuksia ennen koodin tarkistamista tai testaamista. Ja he voivat automaattisesti tuottaa joitain laadunvarmistukseen tarvittavia testejä.

Kehittäjän sisältö on luettava

  • Java ja JavaScript hallitsivat ohjelmistokehitystä 2010-luvulla
  • Kuinka tulla kehittäjäksi: Huijausarkki
  • 10 tapaa estää kehittäjien läpikäyminen (ilmainen PDF)
  • Python syö maailmaa: Kuinka yhdestä kehittäjän sivuprojektista tuli planeetan kuumin ohjelmointikieli

Tietyt kehittäjien tyypillisesti suorittamat työt voidaan automatisoida. Koneoppiminen ja luonnollisen kielen käsittely voivat analysoida lähdekoodia ja muita kehitystietoja, mukaan lukien projektiaikataulujen, viiveiden, sovellusvirheiden ja sovelluksen korjausten tietueet. AI voi auttaa kehittäjiä kirjoittamaan tarkempia koodeja ja luomaan parempia vaatimuksia koskevia asiakirjoja, Deloitte sanoo.

Deloitte mainitsi muutamia erityisiä esimerkkejä, joissa AI voi auttaa ohjelmistokehitystä.

Hankkeen vaatimukset . Vaatimusten hallinta on prosessi, jolla kerätään, validoidaan ja seurataan loppukäyttäjien vaatimuksia ohjelmalle. Mutta jos huonosti hoidetaan, tämä prosessi voi johtaa ohjelmistoprojektien budjetin ylitykseen, viivästyksiin tai kokonaan epäonnistumiseen.

AI: n avulla digitaaliset avustajat voivat analysoida vaatimuksia koskevia asiakirjoja, löytää epäselvyyksiä ja epäjohdonmukaisuuksia ja tarjota parannuksia. Luonnollisen kielen prosessoinnin avulla nämä työkalut voivat havaita esimerkiksi puutteelliset vaatimukset, mittaamaton määrällinen määritys (puuttuvat yksiköt tai toleranssit), yhdistevaatimukset ja pakolausekkeet. Deloitte väittää, että tällaisia ​​työkaluja käyttävät yritykset ovat pystyneet lyhentämään vaatimusten tarkistamisaikaa yli 50 prosentilla.

Koodaus, tarkistus, virheen havaitseminen ja ratkaisu

Kehittäjien kirjoittaessa AI-pohjaiset koodinvalmistustyökalut voivat tarjota suosituksia koodirivien viimeistelyyn. Jotkut työkalut voivat jopa näyttää luettelon käytettävistä koodinpätkistä aiheellisuuden perusteella. AI-käyttöisillä koodin tarkistustyökaluilla voidaan ymmärtää koodin tarkoitus ja etsiä yleisiä virheitä, havaita siten virheitä ja ehdottaa koodimuutoksia. Videopeliyritys Ubisoft sanoo, että koneoppimisen avulla se pystyy havaitsemaan 70% virheistä ennen testaamista.

Tarkempi testaus

Automaattiset ohjelmistotestaustyökalut, jotka suorittavat erilaisia ​​skenaarioita, ovat olleet olemassa jo vuosia. Mutta nyt AI voi auttaa yrityksiä paitsi suorittamaan testit automaattisesti myös luomaan testitapaukset. AI-pohjaiset työkalut voivat myös tunnistaa todelliset viat väärien positiivisten sijaan ja määrittää niiden perussyyt.

Yhtenä esimerkkinä pääomasijoitusyhtiö käytti AI-pohjaista työkalua generoimaan automaattisesti yli puolet testitapauksista, joita käytettiin yhden ohjelmistoprojektin validointiin. Toisena esimerkkinä keskikokoinen ohjelmistoyritys kääntyi AI-pohjaiseen testaustyökaluun, kun sen perinteinen työkalu ei pystynyt sopeutumaan erilaisiin skenaarioihin. Yritys pystyi saamaan samalla tasolla saman testituloksen kuin vanhemmalla työkalullaan, mutta huomattavasti lyhyemmässä ajassa.

käyttöönotto

AI-pohjaiset työkalut auttavat yrityksiä ennustamaan käyttöönottovirheitä etukäteen analysoimalla sellaisia ​​tietoja kuin tilastot aikaisemmista kooditiedotteista ja sovelluslokeista. Yhdessä esimerkissä verkkokauppayritys, joka käytti koneoppimista ohjelmistojen käyttöönoton ja palautusten tarkistamiseen, saavutti nopeamman sovellusten toimituksen ja 75%: n vähennyksen keskimääräiseen palautumisaikaan tuotantoympäristön vikaantumisen vuoksi.

Toisessa esimerkissä verkkoyritys käytti koneoppimistyökalua analysoimaan sovelluksen mahdollisia suoritusaikoja ja ottaa automaattisesti käyttöön optimaaliset ympäristökonfiguraatiot. Tämä prosessi auttoi yritystä leikkaamaan puoleen pilvikustannuksensa ja yli kaksinkertaisen sovelluksen suorituskyvyn.

Projektinhallinta

Yritykset käyttävät myös AI: tä ohjelmistoprojektien hallinnan parantamiseksi. AI-pohjaiset työkalut käyttävät edistynyttä analytiikkaa ennustamaan uusien ohjelmistoprojektien edellyttämiä teknisiä tehtäviä, suunnitteluresursseja ja aikatauluja. Yhtenä esimerkkinä ranskalaisen telco Orange -yhtiön innovaatiotiimi käytti AI-pohjaista projektinhallintatyökalua automatisoimaan aikaa vievä ja manuaalinen prosessin päivittää projektin aikataulut projektin laajuuden tai ominaisuusjoukkojen muutoksilla.

Lisää AI-pohjaisia ​​työkaluja, jotka tukevat ohjelmistokehitystä, ovat osumassa markkinoille tai jopa saataville ilmaiseksi, Deloitte sanoo. Viimeisen 18 kuukauden aikana myyjät ovat käynnistäneet kymmeniä AI-pohjaisia ​​ohjelmistokehitystyökaluja. Aloitusyritykset, jotka tarjoavat AI-pohjaisia ​​ohjelmistokehitystyökaluja, ansaitsivat 704 miljoonaa dollaria syyskuussa 2019 päättyvän 12 kuukauden aikana.

Deloitte toteaa kuitenkin, että luotettavuudella AI: lla ohjelmistojen kehittämisen parantamiseksi on joitain ongelmia. Työkalut, jotka on koulutettu avoimen lähdekoodin ohjelmistoille, joissa ei ole virheitä tai haavoittuvuuksia, voivat rohkaista kehittäjiä ottamaan tahattomasti virheitä ja tietoturvariskejä koodiinsa. Koodisuositusvälineitä käyttävät yritykset voivat nähdä tuottavuuden heikentyvän ennen nousuaan, koska kyseiset työkalut vaativat jonkin verran koulutusta, ennen kuin ne voivat toimia tehokkaasti.

Mutta AI-pohjaiset työkalut ohjelmistojen kehittämiseen ovat täällä, ja niillä on yhä tärkeämpi rooli.

"Pundits ovat jo kauan ennakoineet ohjelmoinnin loppumisen", Deloitte sanoi. "Jotkut ovat ennustaneet, että tietokoneet lopulta kirjoittavat omat ohjelmansa; toiset ovat ehdottaneet, että tietokoneiden ohjelmointi antaa tietä tietokoneiden opetusprosessille koneoppimisen avulla. Molemmat tapahtuvat, rajoitetusti.

"Mutta tulevina vuosina useimmat ohjelmistot ovat ihmisten luomia, Deloitte lisäsi." AI: llä parannetut ohjelmistokehitystyökalut ovat hyvä esimerkki siitä, kuinka AI voi antaa työntekijöilleen korvaamisen sijasta mahdollisuuden. Teknologiajohtajat ovat tehtävänä auttaa organisaatioitaan luomaan tulevaisuutta, ja älykäs AI-käyttö ohjelmistokehityskäytännön parantamiseksi voi tukea tätä tehtävää. "

Data, Analytics ja AI-uutiskirje

Hanki asiantuntijavinkkejä suurten tietojen analysoinnin perusteiden hallitsemiseen ja pysy ajan tasalla tekoälyn viimeisimmästä kehityksestä. Toimitettu maanantaisin

Rekisteröidy tänään

© Copyright 2020 | mobilegn.com