هارنس دستیار هوش مصنوعی مولد را منتشر می کند تا به افزایش کارایی توسعه دهندگان کمک کند

بر کسی پوشیده نیست که توسعه دهندگان کافی برای حجم کار در آنجا وجود ندارد، بنابراین هر چیزی که به کاهش بار کاری آنها کمک کند، مورد استقبال قرار می گیرد. از زمانی که هارنس پنج سال پیش راه اندازی شد، بر ایجاد یک جعبه ابزار توسعه دهنده برای کمک به توسعه دهندگان برای عملکرد موثرتر در طول چرخه عمر توسعه نرم افزار متمرکز شده است.

این حداقل تا حدی شامل استفاده از مدل‌های یادگیری ماشینی برای شناسایی مناطقی است که می‌توان آنها را بهبود بخشید، و امروز این شرکت از انتشار دستیار توسعه هوش مصنوعی یا به اختصار AIDA، دستیار هوش مصنوعی مولد هارنس خبر داد.

مدیر عامل و بنیانگذار شرکت جیوتی بانسال می گوید AIDA توسعه بسیاری از کارهایی است که استارتاپ در طول سال ها انجام داده است. بانسال به TechCrunch گفت: «هنگامی که به هوش مصنوعی مولد نگاه می‌کنیم، به این می‌رسیم که چگونه هارنس سابقه اثبات‌شده‌ای در آوردن هوش مصنوعی به DevOps، CI/CD و استقرار، تأیید صحت و تمام کارهای مختلفی که انجام می‌دادیم دارد.

بانسال بسیاری از شرکت‌ها را به تولید کد به‌عنوان مزیت اصلی هوش مصنوعی می‌بیند، اما او مجموعه‌ای وسیع‌تر از موارد استفاده را می‌بیند، مواردی که می‌توانند بهره‌وری توسعه‌دهنده را تا 30 تا 50 درصد بهبود بخشند.

کل چرخه عمر توسعه نرم افزار (SDLC) شامل مراحل متعددی از جمله نوشتن کد، کد ساخت، تست کد، اطمینان از امنیت و نشان دادن مسئولیت، استقرار تغییرات، تأیید تغییرات، اطمینان از هزینه های مناسب است – و این همان چیزی است که ما به دنبال آن هستیم. بانسال گفت: هوش مصنوعی مولد همه این عناصر SDLC برای افزایش بهره وری و کارایی در هر یک از این مراحل مختلف.

او می گوید که هدف تزریق هوش مصنوعی مولد در هر قسمت از پلتفرم هارنس است. در حالی که دستیار هوش مصنوعی یک کار در حال پیشرفت است، برای شروع، شامل سه عنصر کلیدی است. برای شروع، آنها حل خودکار خرابی های ساخت و استقرار را ارائه می دهند.

بانسال می‌گوید که وقتی توسعه‌دهندگان تغییراتی را ایجاد می‌کنند، می‌تواند بر سیستم‌های بسیاری که یک برنامه معمولی لمس می‌کند، تأثیر بگذارد، که می‌تواند شامل یک حساب AWS، مدیر اسرار Hashicorp، یک خوشه Kubernetes و غیره باشد. او می‌گوید تغییرات می‌توانند باعث شکست هر یک از این تعاملات متعدد شوند و توسعه‌دهنده را مجبور به ردیابی علت شکست کند. در عوض می توانید علت خرابی و رفع آن را جویا شوید. توسعه‌دهنده کنترل می‌کند که آیا اصلاح را اجرا کند یا نه، و انسان‌ها را کاملاً تحت کنترل خود نگه می‌دارد.

بخش دوم شامل یافتن آسیب‌پذیری‌های امنیتی و رفع خودکار آنها پس از تایید برنامه‌نویس، و در نهایت کمک به کنترل هزینه‌های ابری با استفاده از زبان طبیعی برای کمک به یافتن پس‌انداز است.

این شرکت به عمد ابزار جدید را دستیار هوش مصنوعی نامید زیرا هدف آن کمک به سرعت بخشیدن به روند کار است نه جایگزینی توسعه دهندگان. انسان‌ها همچنان کنترل را در دست دارند، زیرا بانسال می‌گوید که اصلاحات لزوماً همیشه درست نیستند.

ما به روند توسعه کمک می کنیم. ما فرآیند توسعه را بر عهده نمی گیریم. توسعه دهندگان در آن دخیل هستند. آنها هنوز باید کارهایی را که قبلا انجام می‌دادند انجام دهند، اما می‌تواند کارآمدتر باشد، شاید آنها را 30، 40 یا 50 درصد در کاری که انجام می‌دادند کارآمدتر کند.»