Методы синтеза программного кода с использованием искусственного интеллекта

Авторы: Чувашов В.А.
Опубликовано в выпуске: #5(94)/2024
DOI:
Раздел: Информатика, вычислительная техника и управление | Рубрика: Информационные технологии. Компьютерные технологии. Теория вычислительных машин и систем
Ключевые слова: искусственный интеллект, программное обеспечение, программный код, разработка программного обеспечения, автоматизация, нейронные сети
Опубликовано: 18.11.2024

 Работа посвящена методам синтеза программного кода с применением искусственного интеллекта (ИИ). В ней обобщены актуальные методики исследований, направленных на автоматизацию создания программного кода, предоставляя обзор преимуществ, актуальности и научной новизны в данной области. Освещена значимость использования ИИ для ускорения процесса разработки, повышения качества программ и решения проблемы нехватки квалифицированных специалистов в сфере разработки программного обеспечения. Также рассмотрены современные тенденции и представлен комплексный анализ актуальных подходов. Отмечена их значимость и перспективы для дальнейшего развития в сфере создания программного обеспечения с использованием ИИ.

Литература

[1] Кораблев А.Ю., Булатов Р.Б. Машинное обучение в бизнесе. Азимут научных исследований: экономика и управление, 2018, № 2, с. 68–72.

[2] Бевзенко С.А. Применение искусственного интеллекта и машинного обучения в разработке программного обеспечения. Инновации и инвестиции, 2023, № 8, с. 187–191.

[3] Sakib F.A., Khan S.H., Karim A.H.M. Extending the frontier of chatGPT: Code generation and debugging. arXiv preprint arXiv:2307.08260, 2023.

[4] Becker B.A. et al. Programming is hard-or at least it used to be: educational opportunities and challenges of ai code generation. Proceedings of the 54th ACM Technical Symposium on Computer Science Education, 2023, vol. 1, pp. 500–506. https://doi.org/10.1145/3545945.3569759

[5] Bembenek A. Combining Datalog and SAT-Based Solving in Code-Reasoning Tools. Diss. Dr. of Philosophy. Harvard, Harvard University, 2023.

[6] Гаев Л.В., Красиков И.А., Симонов И.Н. Применение искусственного интеллекта в разработке программного обеспечения. Инновационная наука, 2023, № 3, с. 45–46.

[7] Петров В.Н. Веб-разработка: основы и современные технологии. Санкт-Петербург, БХВ-Петербург, 2019, 760 с.

[8] Бождай А.С., Артамонов Д.В., Евсеева Ю.И. Использование машинного обучения с подкреплением в создании самоадаптивного программного обеспечения. Известия высших учебных заведений. Поволжский регион. Технические науки, 2019, № 3, с. 58–68. https://doi.org/10.21685/2072-3059-2019-3-5

[9] Сотников О.О. Смена парадигмы разработки программных продуктов с переходом от человеческого труда на искусственный интеллект. Аллея науки, 2020, т. 2, № 5 (44), с. 967–975.

[10] Козлов А.И., Михайлова Е.П. Программирование веб-приложений на PHP и JavaScript. Санкт-Петербург, Питер, 2019, 922 с.

[11] Sawant N., Sengamedu S.H. Learning-based identification of coding best practices from software documentation. IEEE International Conference on Software Maintenance and Evolution (ICSME), IEEE, 2022, pp. 533–542. https://doi.org/10.1109/ICSME55016.2022.00073

[12] Цепляев А.Ф. Использование языковых моделей ИИ для изучения програмирования. Символ науки, 2023, № 5–2, с. 58–60.

[13] Wermelinger M. Using GitHub Copilot to solve simple programming problems. Proceedings of the 54th ACM Technical Symposium on Computer Science Education, 2023, vol. 1, 2023, pp. 172–178. https://doi.org/10.1145/3545945.3569830

[14] Abadi M., Barham P., Chen J. et al. TensorFlow: A System for Large-Scale Machine Learning. Proceedings of the 12th USENIX Symposium on Operating Systems Design and Implementation, 2016, vol. 16, pp. 265–283.

[15] Wang Y. et al. GypSum: learning hybrid representations for code summarization. Proceedings of the 30th IEEE/ACM International Conference on Program Comprehension, 2022, pp. 12–23. https://doi.org/10.48550/arXiv.2204.12916

[16] Jiang J. et al. APP-Miner: Detecting API Misuses via Automatically Mining API Path Patterns. 2024 IEEE Symposium on Security and Privacy (SP), IEEE, 2024, pp. 4034–4052. https://doi.org/10.1109/SP54263.2024.00043

[17] Barke S., James M.B., Polikarpova N. Grounded copilot: How programmers interact with code-generating models. CoRR arXiv, 2022, vol. 2206. https://doi.org/10.48550/arXiv.2206.15000

[18] Pengcheng Y., Graham N. A syntactic neural model for general-purpose code generation. arXiv preprint arXiv:1704.0169, 2017. https://doi.org/10.48550/arXiv.1704.01696

[19] Campbell M. Automated coding: The quest to develop programs that write programs. Computer, 2020, vol. 53, no. 2, pp. 80–82. https://doi.org/10.1109/MC.2019.2957958

[20] Owasp Top 10. URL: https://owasp.org/www-project-top-ten/ (accessed May 15, 2024).