人工知能はソフトウェア開発のパラダイムを変えている

今日、多くのソフトウェア開発者は、コードの作成とレビュー、バグの検出、ソフトウェアのテスト、開発プロジェクトの最適化に AI テクノロジーを活用しています。これにより、企業は新しいソフトウェアをより効率的に導入できるようになり、新世代の開発者がプロ​​グラミングを学習しやすくなります。

[[326624]]

これは、調査会社デロイトがソフトウェア開発における人工知能技術の利用について最近発表した調査レポートの結論です。このレポートの著者であるデイビッド・シャツキー氏とソウラブ・バンブ氏は、過去18か月間に企業がAIを活用したソフトウェア開発ツールを何十個も立ち上げた経緯を説明しています。そしてその市場は成長しています。ソフトウェア開発に取り組む人工知能のスタートアップ企業は、2019年に7億400万ドルの投資を受けた。

新しいツールは、ソフトウェア開発者の作業負荷を軽減し、ソフトウェアの作成時にエラーを検出し、ソフトウェアの品質を確認するテストの多くを自動化するのに役立ちます。これは、バグが発生する可能性のあるオープンソース コードへの依存度が高まっている時代には重要です。

自動化によってプログラマーの職が失われるのではないかと心配する人もいるが、調査の著者らはそのようなことは起こりそうにないと考えている。

「これらの AI ツールは、人間の能力を置き換えるのではなく、むしろ人間の能力を補助し、強化するものである」と Schatsky 氏は言う。「これらのツールは、コーディングとソフトウェア開発の民主化に役立ち、新しいプログラマーが人材不足を補い、新しいスキルを習得できるようにします。AI テクノロジーは、コードレビューを実施し、品質保証を提供することもできます。」

調査会社Forresterの2018年の調査によると、ソフトウェア開発に携わる企業の37%が人工知能を搭載したコーディングツールを使用していることがわかりました。 Tara、DeepCode、Kite、Functionize、Deep TabNine など多くの企業が自動プログラミング サービスを提供しており、この割合は 2020 年にはさらに増加するでしょう。

成功したアプリケーションがこの傾向を加速させているようです。 「コストと時間の節約に加えて、これらのAIツールを導入した多くの企業は、最終製品の品質も向上させています」とシャツキー氏は語った。

デロイトの調査によると、人工知能はソフトウェア開発の人材の慢性的な不足を軽減するのに役立つ可能性があるとのことです。昨年、ソフトウェアの品質の悪さにより米国企業は3,190億ドルの損失を被った。人工知能の応用により、これらの課題を軽減できる可能性があります。 Deloitte のアナリストは、プロジェクト要件、コーディングレビュー、バグの検出と解決、テスト、展開、プロジェクト管理など、ソフトウェア開発の多くの段階で AI が役立つと考えています。

IBMのエンジニアがAI開発のためにWatsonから学んだこと

IBM の著名なエンジニアであるビル・ヒギンズ氏は、IBM Watson 人工知能開発チームの責任者であり、ソフトウェア開発で 20 年の経験を持っています。彼は最近、人工知能がソフトウェア開発に与える影響に関する研究を発表しました。

「企業はソフトウェア開発方法のパラダイムを捨て去る必要があります」とヒギンズ氏は言います。「開発者が適応に苦労するなら、開発者自身よりも企業が適応するのがはるかに難しくなります。マネージャーが AI の経験がないことは、有利にもなります。マネージャーはこの学習プロセスを経験しなければならなかったため、適応が必要な開発者に対する理解と共感が深まります。」

彼は、ソフトウェア開発における AI について学ぶために、他の人がどのように AI を適用したか (問題を提起する)、そして AI の使用が他のアプローチよりも優れている点 (解決策) を研究したと述べました。これは、何が起こっているかを理解し、落とし穴を避けるために重要です。

彼は、人工知能について学ぶことは、ペンシルベニア州立大学でコンピューターサイエンスの学位を取得して以来、最も集中的で困難な学習体験だったと語った。 「経験からソフトウェア システムの改善について考え直すのは、私にとってはあまりにも難しいことです」と彼は語った。「ソフトウェア システムは、開発者が指示したことだけを実行します。」

IBM は、開発者が AI ベースの変革について考えるのに役立つ概念モデルを開発しました。これを「AI ラダー」と呼びます。このはしごには、収集、整理、分析、注入の 4 つの段があります。ほとんどの企業は、サイロ化された IT 作業や買収を通じて整理された大量のデータを保有しています。たとえば、ある企業に、冗長で一貫性のない顧客情報を含む 20 個のデータベースと 3 つのデータ ウェアハウスがあるとします。注文、従業員、製品情報などの他のデータ タイプについても同様です。 「IBMはAI Ladderを概念的に実現しました」とヒギンズ氏は語った。

導入フェーズでは、トレーニング済みの機械学習モデルを本番システムに統合し、フィードバック ループを設計して、経験からモデルを継続的に改善できるように取り組んでいます。組み込まれた AI の一例としては、複雑な機械学習モデルを活用した Netflix の推奨システムがあります。

IBM は、自然言語理解、仮想エージェントとの会話、視覚認識、音声、エンタープライズ検索などの一般的な機械学習ドメイン向けの AI ラダーをカプセル化、収集、整理、分析するための API、事前構築された機械学習モデル、オプションのツールの組み合わせを特定しました。

たとえば、Watson の自然言語理解は豊富かつ複雑になっています。機械学習は現在、概念、概念間の関係、感情的な内容など、言語の多くの側面を理解するのに優れています。機械学習に基づく自然言語処理のための NLU サービスと R&D ツールが、完全な API とサポートされている SDK を通じて開発者に提供できるようになりました。

「そのため、開発者がデータサイエンスや機械学習のトレーニングを受けていない場合でも、特定の種類の AI をアプリケーションで活用できるようになります」とヒギンズ氏は言います。「これによって AI の学習曲線がなくなるわけではありませんが、少しスムーズになります。」