狠狠色丁香婷婷综合尤物/久久精品综合一区二区三区/中国有色金属学报/国产日韩欧美在线观看 - 国产一区二区三区四区五区tv

　　想不到，AI 生成的內(nèi)容影響數(shù)據(jù)質(zhì)量的問(wèn)題，已經(jīng)在代碼上出現(xiàn)了。最近，GitClear 發(fā)布的一項(xiàng)調(diào)查報(bào)告顯示，用 AI 寫代碼，正在導(dǎo)致「全球代碼質(zhì)量面臨下行趨勢(shì)」。

　　這引起了全網(wǎng)熱烈討論：

　　「借助 AI 提供商，您可以將代碼生成速度提高 50%（即使是您不理解或無(wú)法編寫的代碼），但代價(jià)是代碼的質(zhì)量和可持續(xù)性不斷下降。」

　　「我們要追求的，到底是質(zhì)量還是速度？」

　　調(diào)查中，GitClear 分析了從 2020 年 1 月到 2023 年 12 月之間編寫的 1.53 億行代碼更改數(shù)據(jù)，

　　——1.53 億行代碼，是目前已知最大的用于評(píng)估代碼質(zhì)量差異的數(shù)據(jù)集。

　　調(diào)查發(fā)現(xiàn)了什么？我們先看下面這張圖：

　　圖中展示了 4 年中的代碼改動(dòng)率——編寫后不到兩周就被撤銷或更新的代碼行百分比，——深色部分表示受 AI 代碼生成工具影響的時(shí)間。

　　調(diào)查中同樣發(fā)現(xiàn)，「新增代碼」和「復(fù)制粘貼代碼」的比例相對(duì)于「更新」、「刪除」和「移動(dòng)」代碼的比例在增加。

　　這貌似說(shuō)明開(kāi)發(fā)人員在大量使用 Copilot 等 AI 代碼生成工具，快速生成了大量代碼，但隨后發(fā)現(xiàn)了代碼中的問(wèn)題，——GitClear 的報(bào)告預(yù)計(jì)在 2024 年，這個(gè)代碼改動(dòng)率將達(dá)到 2021 年 AI 出現(xiàn)前的兩倍。

　　另外一點(diǎn)就是，AI 代碼生成工具不太理會(huì)人類程序員的一些原則（比如「重復(fù)造輪子」這件事），也就造成了代碼庫(kù)中越來(lái)越多的重復(fù)代碼。

　　——不過(guò)很多碼農(nóng)都是「CV 程序員」，這樣看來(lái)，AI 也算是學(xué)到了精髓。

　　2023 年，GitHub Copilot 大放異彩。在短短不到兩年時(shí)間內(nèi)，這款 AI 編程助手從一個(gè)「原型」迅速成長(zhǎng)為「核心工具」，被全球數(shù)百萬(wàn)開(kāi)發(fā)者在數(shù)十萬(wàn)家企業(yè)中廣泛應(yīng)用，開(kāi)啟了 coding 的新時(shí)代。

　　對(duì)此，GitHub 發(fā)表了多篇研究論文，探討了 AI 在軟件開(kāi)發(fā)領(lǐng)域的增長(zhǎng)與影響。

　　速度提升 55%，GDP 增加 1.5 萬(wàn)億

　　研究表明，使用 Copilot 的開(kāi)發(fā)者編碼速度可以提高「55%」，導(dǎo)致總的代碼量增加了 46%，并且為全球創(chuàng)造了 1.5 萬(wàn)億美元 GDP。

　　有了這樣的成績(jī)，也就不難理解為什么 GitHub 的 CEO Thomas Dohmke，會(huì)在繁忙的工作之余，專門撰寫關(guān)于 AI 革命的文章。

　　在 2023 年 2 月 Copilot 個(gè)人版用戶超過(guò)一百萬(wàn)之后，GitHub 又推出了 GitHub Copilot for Business 版本。

　　那么，有多少開(kāi)發(fā)者在用 AI 來(lái)編寫代碼呢？

　　GitHub 與 Wakefield Research 在 2023 年 6 月的一項(xiàng)研究中指出，92% 的美國(guó)大型公司的開(kāi)發(fā)者表示他們使用了 AI 編程工具。并且有 70% 的開(kāi)發(fā)者認(rèn)為使用 AI 帶來(lái)了明顯的好處。

　　不過(guò)，O’Reilly Publishing 在 2023 年 8 月給出的調(diào)查數(shù)據(jù)顯示，67% 的開(kāi)發(fā)者沒(méi)有用過(guò) ChatGPT 或 Copilot。不管怎樣，GitHub 在市場(chǎng)上仍有巨大的潛力等待挖掘。

　　——然而，大語(yǔ)言模型（LLM）生成的代碼引發(fā)的一個(gè)問(wèn)題是：

　　這些代碼的質(zhì)量和可維護(hù)性到底怎么樣？

　　面對(duì) AI 滔滔不絕吐出的一大堆代碼，程序員似乎不太容易發(fā)現(xiàn)其中的問(wèn)題——畢竟都不是自己寫的。

　　還有，眾所周知，當(dāng)程序員接手前人留下來(lái)的*山代碼時(shí)，應(yīng)該遵守的「潛規(guī)則」是：

　　如果這個(gè)代碼能夠正常運(yùn)行，就千萬(wàn)不要妄想去重構(gòu)。

　　AI 生成代碼背后的挑戰(zhàn)

　　無(wú)法否認(rèn)，Copilot 實(shí)實(shí)在在的提升了開(kāi)發(fā)者的編碼效率。GitHub 的研究顯示，使用 Copilot 的開(kāi)發(fā)者滿意度提升了 75%。

　　做初期產(chǎn)品開(kāi)發(fā)的人是滿意了，可后面負(fù)責(zé)長(zhǎng)期維護(hù)的人就蛋疼了。

　　資深代碼研究者 Adam Tornhill（著有《代碼即犯罪現(xiàn)場(chǎng)》）對(duì)此持保留態(tài)度：

　　使用 Copilot 可以使代碼編寫速度提高 55%，但如果是本就不應(yīng)該編寫的代碼呢？

　　如《Clean Code: A Handbook of Agile Software Craftsmanship》一書的作者 Robert Martin 所說(shuō)，代碼的閱讀時(shí)間是編寫時(shí)間的十倍。快速編寫糟糕的代碼，意味著給后來(lái)的代碼閱讀者帶來(lái)了巨大的負(fù)擔(dān)。

　　此外，AI 代碼助手還帶來(lái)了其他問(wèn)題：

　　比如代碼助手擅長(zhǎng)生成代碼，卻不擅長(zhǎng)修改；當(dāng)有多個(gè)生成工具給出建議時(shí)，評(píng)估哪個(gè)更好是很耗費(fèi)時(shí)間的；

　　最后，AI 代碼助手與開(kāi)發(fā)者的動(dòng)機(jī)可能不同，對(duì)于代碼優(yōu)化來(lái)說(shuō)，AI 往往傾向于提出最有可能被接受的建議。

　　所以，相比于經(jīng)驗(yàn)更豐富的開(kāi)發(fā)人員，初級(jí)開(kāi)發(fā)者更傾向于接受 AI 給出的代碼建議：

　　而老鳥們深知，隨著時(shí)間推移，代碼的維護(hù)成本會(huì)越來(lái)越高。

　　代碼操作介紹

　　GitClear 將代碼變更分為七個(gè)類別（研究中涉及前六種）：

1. 新增代碼：首次提交的代碼行，代碼行是全新的，不包括對(duì)現(xiàn)有代碼行的小幅修改，也不包括那些被添加、移除后又重新添加的代碼行。 2. 刪除代碼：被刪除并提交的代碼行，且至少在隨后的兩周內(nèi)未被重新加入。 3. 移動(dòng)代碼：將一行代碼剪切并粘貼到新文件或同一文件內(nèi)的新函數(shù)中?！敢苿?dòng)」的操作僅涉及位置的變換，代碼內(nèi)容不發(fā)生改變。 4. 更新代碼：修改大約三個(gè)或更少的單詞來(lái)更改原有代碼行。 5. 查找/替換代碼：從三個(gè)或更多位置移除相同字符串，并用一致的內(nèi)容進(jìn)行替換。 6. 復(fù)制/粘貼代碼：在一次提交中，將相同的代碼行內(nèi)容復(fù)制到多個(gè)文件或函數(shù)中。 7. 無(wú)操作代碼：指一些微小的代碼變更，比如空格或同一代碼塊內(nèi)行號(hào)的變化。

　　GitClear 自 2020 年起根據(jù)這些操作對(duì) git 倉(cāng)庫(kù)進(jìn)行分類，并在 Diff Delta 文檔中提供了代碼操作的具體示例。

　　截至 2024 年 1 月，GitClear 分析并分類了大約十億行代碼，這些代碼來(lái)自商業(yè)客戶（如 NextGen Health, Verizon）和流行的開(kāi)源倉(cāng)庫(kù)（如 Facebook React, Google Chrome）。

　　其中，1.53 億行代碼為有意義的變更，被用于本研究。

　　最后，還有一個(gè)單獨(dú)的定義叫做「攪動(dòng)」（churn），意思是代碼被創(chuàng)建、推送到 git 倉(cāng)庫(kù)后，在接下來(lái)的兩周內(nèi)被撤銷或大幅修改。

　　——也就是咱們最開(kāi)始分析的那張圖，可以將「攪動(dòng)」理解為，作者一開(kāi)始編寫、提交并推送到公司 git 倉(cāng)庫(kù)的代碼有問(wèn)題，后來(lái)發(fā)現(xiàn)了。

　　數(shù)據(jù)分析

　　下表根據(jù) GitClear 的數(shù)據(jù)，分析了不同的代碼行操作數(shù)量，并按照代碼的編寫年份進(jìn)行分類。

　　表中的前六項(xiàng)就是上面提到的代碼變更的前六個(gè)類別，而最后一項(xiàng)是「攪動(dòng)」。

　　將表格數(shù)據(jù)繪制成下面的圖表，可以更清晰地看出各種代碼操作類型的變化趨勢(shì)，比如，圖表中的淺藍(lán)色細(xì)線顯示了「Churn」類型代碼的變化：

　　對(duì)于 2024 年的預(yù)測(cè)，這里使用 OpenAI 的 gpt-4-1106-preview 助手，對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行二次回歸分析。

　　通過(guò)對(duì)比 2022 年與 2023 年的操作頻率差異，識(shí)別出了三個(gè)可能影響代碼質(zhì)量的警示信號(hào)：

　　危險(xiǎn)信號(hào)

　　2023 年，我們目睹了代碼攪動(dòng)、移動(dòng)和復(fù)制粘貼方面的顯著變化，這些變化背后的含義值得深入探討。

　　代碼攪動(dòng)的新趨勢(shì)

　　「代碼攪動(dòng)（Churn）」反映了推送到代碼倉(cāng)庫(kù)后，在接下來(lái)的兩周內(nèi)被撤銷、移除或更新的代碼比例。

　　過(guò)去，當(dāng)開(kāi)發(fā)者完全自主編寫代碼時(shí)，這種情況相對(duì)罕見(jiàn)——2023 年之前，僅有3-4% 的代碼會(huì)發(fā)生攪動(dòng)。

　　然而，2022 年，隨著 Copilot 的首次亮相和 ChatGPT 的問(wèn)世，代碼攪動(dòng)率的預(yù)兆性跳升至9%。

　　2022 至 2023 年間，AI 助手的崛起與倉(cāng)庫(kù)中錯(cuò)誤代碼的增加密切相關(guān)。

　　假設(shè) Copilot 在 2021 年的普及率為0%，2022 年為5-10%，2023 年達(dá)到 30%，這些變量之間的 Pearson 相關(guān)系數(shù)高達(dá) 0.98，顯示了它們的同步增長(zhǎng)。

　　隨著代碼攪動(dòng)成為常態(tài)，錯(cuò)誤代碼部署到生產(chǎn)環(huán)境的風(fēng)險(xiǎn)也隨之增大。如果這一趨勢(shì)持續(xù)到 2024 年，超過(guò)7% 的代碼更改可能會(huì)在兩周內(nèi)被撤銷，這是 2021 年的兩倍。

　　據(jù)此，報(bào)告預(yù)計(jì) Google DORA 在年底發(fā)布的「2024 Devops 狀態(tài)」報(bào)告中，將顯示「變更失敗率」的上升。當(dāng)然前提是研究包含了 2023 年使用 AI 輔助的開(kāi)發(fā)者數(shù)據(jù)。

　　代碼移動(dòng)減少，反映出重構(gòu)和復(fù)用的減少

　　代碼移動(dòng)通常出現(xiàn)在對(duì)現(xiàn)有代碼系統(tǒng)進(jìn)行重構(gòu)時(shí)。

　　重構(gòu)系統(tǒng)，特別是代碼的移動(dòng)，是代碼復(fù)用的基礎(chǔ)。隨著產(chǎn)品范圍擴(kuò)大，開(kāi)發(fā)者會(huì)將現(xiàn)有代碼重組到新的模塊和文件中，以便新功能復(fù)用。

　　對(duì)經(jīng)驗(yàn)豐富的開(kāi)發(fā)者而言，代碼復(fù)用的好處顯而易見(jiàn)——與新增代碼相比，復(fù)用的代碼已經(jīng)過(guò)測(cè)試并在生產(chǎn)環(huán)境中證明其穩(wěn)定性。

　　復(fù)用的代碼往往已被多人修改，更可能包含文檔，這有助于新人更快理解模塊。

　　隨著標(biāo)記為「復(fù)制粘貼」的代碼增加，AI 助手似乎在抑制代碼的復(fù)用，而是提供了一種重復(fù)現(xiàn)有代碼的簡(jiǎn)單方式，而不是鼓勵(lì)重構(gòu)和遵循「不要重復(fù)自己（DRY）」的原則。

　　復(fù)制粘貼代碼增多，預(yù)示著未來(lái)的維護(hù)困難

　　長(zhǎng)期來(lái)看，復(fù)制粘貼代碼可能是對(duì)代碼可維護(hù)性的影響最大的因素。

　　當(dāng)代碼行被重復(fù)使用時(shí)，本質(zhì)上意味著「我沒(méi)有時(shí)間去評(píng)估之前的實(shí)現(xiàn)方式」。

　　選擇復(fù)制粘貼新代碼而沒(méi)有復(fù)用代碼，會(huì)使得未來(lái)的維護(hù)工作變得更加困難，因?yàn)樾枰夏切?shí)現(xiàn)相同功能的平行代碼的實(shí)現(xiàn)方式。

　　大多數(shù)開(kāi)發(fā)者更喜歡「實(shí)現(xiàn)新功能」而不是「解讀可能可復(fù)用的代碼」，因此復(fù)制粘貼的代碼往往會(huì)長(zhǎng)時(shí)間存在。

　　而且在經(jīng)驗(yàn)缺乏的團(tuán)隊(duì)中，可能沒(méi)有有能力且有權(quán)威的代碼維護(hù)者來(lái)刪除那些重復(fù)的代碼。

　　即便是資深開(kāi)發(fā)者，要充分理解代碼從而刪除某些重復(fù)的代碼，所需的努力也是非常巨大的。

　　如果沒(méi)有 CTO 或工程負(fù)責(zé)人主動(dòng)安排時(shí)間來(lái)減輕技術(shù)債，那么「自上而下的時(shí)間壓力」就會(huì)成為新添加的復(fù)制粘貼代碼，讓這些代碼永遠(yuǎn)無(wú)法整合到改善長(zhǎng)期開(kāi)發(fā)速度的庫(kù)中的又一個(gè)原因。

　　由于 GitClear 只統(tǒng)計(jì)單次提交中的重復(fù)代碼，2023 年測(cè)得的 11% 復(fù)制粘貼比例可能只是只是今年復(fù)制粘貼代碼非常小的一部分。

　　總結(jié)

　　根據(jù)報(bào)告評(píng)估的兩個(gè)關(guān)鍵數(shù)據(jù)點(diǎn)顯示，2023 年代碼質(zhì)量出現(xiàn)了嚴(yán)重的下降。這種情況與大語(yǔ)言模型（LLM）的廣泛應(yīng)用，尤其是 AI 代碼助手的流行有直接關(guān)聯(lián)。

　　GitHub 與 Wakefield Research 在 2023 年的一項(xiàng)調(diào)查反映出開(kāi)發(fā)者已經(jīng)意識(shí)到代碼質(zhì)量的下降。

　　當(dāng)被問(wèn)及「在沒(méi)有 AI 輔助的情況下，你認(rèn)為應(yīng)該評(píng)估哪些指標(biāo)？」他們最關(guān)注的是「協(xié)作與溝通」，緊隨其后的是「代碼質(zhì)量」。

　　而當(dāng)問(wèn)題變?yōu)椤冈谑褂?AI 輔助時(shí)，你認(rèn)為應(yīng)該評(píng)估哪些指標(biāo)？」他們的答案發(fā)生了變化，其中「代碼質(zhì)量」躍升為最受關(guān)注的問(wèn)題，「生產(chǎn)環(huán)境中的問(wèn)題事件」也上升至第三位：

　　單個(gè)開(kāi)發(fā)者的情況可能無(wú)法說(shuō)明為何「代碼質(zhì)量」和「生產(chǎn)環(huán)境中的問(wèn)題事件」在使用 AI 時(shí)顯得更加重要，但報(bào)告的數(shù)據(jù)揭示了一個(gè)可能的原因：

　　當(dāng)開(kāi)發(fā)者被一波又一波看似合適、能短期內(nèi)解決問(wèn)題的建議所淹沒(méi)時(shí)，他們很容易不斷增加代碼量，卻忽視了代碼的優(yōu)化和復(fù)用。

　　——如果按一下 Tab 鍵就能解決當(dāng)前的問(wèn)題，為什么要費(fèi)心思管以后的事情？

　　AI 助手和 Copilot 將如何重塑開(kāi)發(fā)者的角色？隨著 AI 技術(shù)的廣泛應(yīng)用，毫無(wú)疑問(wèn)，我們已經(jīng)進(jìn)入了一個(gè)代碼增長(zhǎng)速度空前的新時(shí)代。

　　那么，2024 年的問(wèn)題可能是：誰(shuí)來(lái)收拾事后的爛攤子？

　　網(wǎng)友討論

　　面對(duì) AI 帶來(lái)的「全球代碼質(zhì)量下行」，網(wǎng)友也是深有體會(huì)：

　　譴責(zé)型：「我在兩個(gè)月后取消了訂閱（Copilot），因?yàn)槲一颂嗑θバ迯?fù)所有代碼錯(cuò)誤。而且在處理任何復(fù)雜的事情或與 SQL 有關(guān)的事情時(shí)，它基本上是無(wú)用的(即使我提前加載了整個(gè)模式)?！?/p>

　　大佬型：「寫下所有東西其實(shí)要花的功夫少得多，因?yàn)槲抑雷约合雽懯裁?，而且修正自己的錯(cuò)誤比修正機(jī)器人的錯(cuò)誤更容易」。

　　悲天憫人型：「我為那些將被這種垃圾徹底擊垮的初學(xué)者而哭泣?！?/p>

　　中立型：「Copilot 能做的事讓我很吃驚，但確實(shí)不能說(shuō)生成的代碼很好。生成的代碼肯定得改，但是確實(shí)能幫你省不少時(shí)間」。

　　參考資料：

• https://www.gitclear.com/coding_on_copilot_data_shows_ais_downward_pressure_on_code_quality

轉(zhuǎn)自公眾號(hào)新智元