От стотици години до месеци: Как ИИ намалява обема на работата, свързана с пренасянето на код

Google активно използва свои собствени инструменти, базирани на изкуствен интелект за модернизиране на вътрешните си кодови бази. В неотдавнашен изследователски документ компанията описва как големите езикови модели (LLM) са помогнали да се намали времето за миграция на кода стотици пъти при големи проекти. Тези процеси са включвали сложни задачи като преминаване към 64-битови идентификатори в системата Google Ads, обновяване на библиотеката JUnit3 до JUnit4 и замяна на библиотеката Joda с Java Time.

Задачата за преминаване към 64-битови идентификатори обхващаше повече от 500 милиона реда код в десетки хиляди файлове. Ръчното изпълнение щеше да изисква стотици години работа и сложна координация между екипите.

Благодарение на LLM системите обаче, Google успя да намали значително обема на ръчния труд. Инструментите с изкуствен интелект автоматично внасяха промени, които след това се проверяваха от инженерите и се преглеждаха. Окончателните данни показаха, че 80% от промените са направени от изкуствен интелект, а 87% са приети без промяна.

Преминаването от JUnit3 към JUnit4 отне само 3 месеца. През това време бяха актуализирани 5359 файла и бяха променени около 150 000 реда код. По същия начин преминаването от Joda към Java Time спести 89% от времето, което би било необходимо за ръчно изпълнение на задачата.

Авторите подчертават, че LLM не само ускоряват модернизацията, но и допълват традиционните методи за миграция, като например използването на синтактични дървета и скриптове за търсене. Въпреки това, поради високата цена на обработката на големи обеми от данни се препоръчва ИИ да се използва в комбинация с други инструменти.

Google отбелязва, че използването на ИИ за такива задачи вече е променило подхода към разработката: количеството код, създадено с ИИ вече надвишава количеството ръчно написан код. Това показва значителния потенциал на технологията за автоматизиране на сложни задачи в големи компании.