Bạn có thể tưởng tượng một thế giới mà phần mềm tự viết không? Nghe giống như câu chuyện khoa học viễn tưởng, một câu chuyện kết thúc bằng việc máy móc lật đổ loài người. Nhưng ý tưởng này có vẻ xa vời như vậy, bạn sẽ ngạc nhiên khi biết rằng một ngày như vậy không còn quá xa.
Không có gì bí mật khi AI đã chứng kiến sự phát triển theo cấp số nhân trong vài thập kỷ qua, một xu hướng dường như sẽ không sớm dừng lại. Hầu hết mọi thị trường đều chứng kiến trí tuệ nhân tạo tham gia vào lĩnh vực của mình theo cách này hay cách khác và lập trình, phát triển phần mềm không phải là ngoại lệ.
Chúng tôi đã thấy việc phát triển phần mềm trở nên dễ dàng hơn như thế nào với sự ra đời của các IDE mạnh mẽ, việc viết mã với linter thú vị như thế nào và method extraction hữu ích như thế nào khi chúng ta muốn cấu trúc lại một chương trình. Đó là những ví dụ về các giải pháp tĩnh cung cấp giá trị to lớn nhưng nếu chúng ta có thể có những công cụ đó học cùng với chúng ta thì sao? Điều gì sẽ xảy ra nếu chúng ta có phần mềm tự động sửa lỗi của nó? Đó là sự hứa hẹn của AI đối với việc phát triển phần mềm.
AI đã định hình kỹ thuật phần mềm
Ý tưởng tự động hóa phát triển phần mềm không phải là mới. Theo Bataresh và các cộng sự, trí tuệ nhân tạo đã đóng một vai trò quan trọng trong SDLC (Software Development Life Cycle) ít nhất là kể từ năm 1975. Mỗi giai đoạn của kỹ thuật phần mềm (yêu cầu, thiết kế, phát triển, thử nghiệm, phát hành và bảo trì) đều có thể ứng dụng trí tuệ nhân tạo.
Ngay cả những giải pháp không mã (no-code) như Bubble cũng sẽ gặt hái được những lợi ích từ những AI được cải tiến hơn, vì cơ sở của những công cụ này là tạo ra các thuật toán dựa trên một bộ thông số cụ thể do người dùng lựa chọn. Kết quả có thể bị hạn chế, nhưng với AI, cuối cùng chúng ta sẽ thấy nhiều công cụ năng động hơn có thể thích ứng và xây dựng code linh hoạt hơn.
Dưới đây là một số cách mà trí tuệ nhân tạo có thể giúp các kỹ sư phần mềm.
Tự động hóa trong việc lấy yêu cầu
Các nhà phát triển phần mềm đặt mục tiêu cho các dự án của họ dựa trên 2 nhóm yêu cầu: yêu cầu từ tầm nhìn của khách hàng và yêu cầu từ bản chất của dữ liệu. Ví dụ, một ứng dụng thu thập và làm việc với dữ liệu phi cấu trúc là một ứng dụng hoàn toàn khác với ứng dụng lấy thông tin từ cơ sở dữ liệu quan hệ.
AI là một công cụ hiệu quả để thu thập thông tin, trở thành một bổ sung tuyệt vời ở giai đoạn này. Hãy lấy NLP (Natural Language Processing – Xử lý ngôn ngữ tự nhiên) làm ví dụ. AI có thể sử dụng NLP để giúp các nhà phát triển phần mềm phân tích các cuộc phỏng vấn của họ với khách hàng, gắn cờ các từ khóa quan trọng, từ đó có thể giúp dự đoán các tính năng và thách thức có thể phát sinh trong quá trình phát triển.
Mặt khác, nếu dự án liên quan đến một lượng lớn dữ liệu phi cấu trúc, nhà phát triển có thể khó viết code cho tất cả các trường hợp và việc duyệt qua dữ liệu có thể không thực hiện được với con người.
Trong những trường hợp đó, AI có thể phân tích cú pháp và phân loại dữ liệu và hiển thị những điểm bất thường có thể gây ra số lượng không nhỏ các vấn đề về lâu dài.
Thiết kế phần mềm
Mọi dự án phát triển phần mềm đều yêu cầu viết code, và như bạn đã biết, làm việc với code đôi khi cũng cực kỳ khó chịu. Không gì khó bằng việc không biên dịch được code chỉ để nhận ra rằng bạn đã bỏ sót dấu chấm phẩy ở một nơi nào đó.
Các IDE mạnh mẽ như Visual Studio Code và PyCharm đang triển khai các đề xuất về code do AI hỗ trợ, đưa ra phản hồi ngay lập tức cho nhà phát triển về các lỗi và đề xuất các thay đổi phù hợp đối với code.
Trên hết, chúng ta có các tiện ích bổ sung như Codota sử dụng học sâu để quét các dự án mã nguồn mở trên web để tìm hiểu các mẫu code. Nói một cách đơn giản, AI so sánh code của chúng ta với các code mà nó đã thấy trên khắp trang web và tự động hoàn thành code theo phương pháp phỏng đoán, giúp tiết kiệm cả thời gian và năng lượng.
Quản lý lỗi là một lĩnh vực khác mà AI có thể trợ giúp. Ví dụ, một thực tế là quản lý bộ nhớ trong C ++ có thể là một vấn đề lớn ngay cả đối với các nhà phát triển có kinh nghiệm. AI có thể chạy mô phỏng với code và tạo dự đoán về hành vi của chương trình để ngăn chặn các vấn đề như tràn ngăn xếp.
Các AI được đào tạo có thể bắt lỗi trong các code blocks nhanh hơn và hiệu quả hơn ngay cả những nhà phát triển phần mềm giỏi nhất. Họ có thể kiểm tra cú pháp được xác định trước, so sánh dự án với các hướng dẫn được tài liệu hóa, kiểm tra nhật ký hệ thống và gắn cờ các lỗi trước khi chúng được hoàn thiện.
Trong tương lai, các nhà phát triển hướng tới các trợ lý thông minh không chỉ gắn cờ cho code mà còn viết lại hoặc cấu trúc lại code và lặp lại cho đến khi tìm thấy giải pháp hiệu quả nhất.
Kiểm thử phần mềm
Kiểm thử đơn vị (unit testing) giống như một đường ống nước thải: không ai thích nó, nhưng tất cả chúng ta có thể đồng ý rằng đó là điều cần thiết. Không một nhà phát triển phần mềm nào có thể tính đến mọi biến khi lập trình. Sớm muộn gì một lỗi cũng sẽ không được kiểm soát. Và vì vậy chúng ta cần chờ đợi các tình huống đó và tìm cách xử lý nó.
Nếu là một nhà phát triển cực kỳ cẩn thận, việc bạn có thể làm là chuẩn bị cho các tình huống càng nhiều càng tốt. Tuy vậy, việc tạo các bài kiểm tra và thực hiện chúng mất nhiều thời gian, đến nỗi một số nhà phát triển phải viết code phòng thủ (defensive coding) và viết phần mềm của họ có tính đến tình huống xấu nhất chỉ để an toàn ngay từ đầu.
AI có thể chạy hàng trăm nếu không phải hàng nghìn bài kiểm tra trong nháy mắt và chúng có thể kiểm thử rất nhiều tình huống, thử mọi thứ cho đến khi chương trình bị hỏng. Chúng thậm chí có thể gắn cờ các hành vi kỳ quặc theo kinh nghiệm và xây dựng chiến lược thử nghiệm xung quanh các hành vi đó.
Như vậy, với đủ sự tinh chỉnh, phần mềm có thể tự duy trì, học hỏi từ các bài kiểm kiểm thử và tự viết lại để khắc phục các lỗi và giữ thời gian ngừng hoạt động ở mức tối thiểu.
Dự đoán hành vi
Cả Amazon Web Services và Azure đều có các công cụ để dự đoán ngân sách. Dựa trên các biến số rất đơn giản, bạn có thể ước tính lượng sức mạnh xử lý mà phần mềm của bạn sẽ cần và chi phí nó sẽ là bao nhiêu.
Các công cụ tương tự có thể được phát triển để dự đoán ngân sách chính xác hơn. Ví dụ: nếu bạn đang thiết kế một ứng dụng web và bạn có thông tin về mô hình lưu lượng truy cập của cơ sở người dùng của mình, bạn có thể có một ý tưởng khá tốt về lượng băng thông bạn sẽ cần từ tháng này sang tháng khác.
Lập lịch dự đoán là một khía cạnh khác được AI thực hiện tốt. Hãy tưởng tượng một trợ lý có thể phân tích cơ sở hạ tầng của bạn và dự đoán khi nào bạn cần mở rộng quy mô hoặc khi nào bạn cần khởi động lại máy chủ để tối ưu hóa hiệu suất mà không ảnh hưởng đến cơ sở người dùng . Hoặc AI tự động xử lý cân bằng ổ đĩa khi cần thiết
Trí tuệ nhân tạo tự lập trình: một cuộc cách mạng…
Trí tuệ là một lĩnh vực đã phát triển theo cấp số nhân và mỗi năm chúng ta đều thấy các mô hình được tinh chỉnh hơn. Không lâu nữa chúng ta sẽ bắt đầu thấy các chương trình thông minh hợp tác với các nhà phát triển phần mềm để phát triển các dự án hơn trong thời gian ngắn hơn. Hoặc chúng ta có thể phải quỳ gối trước những vị chúa tể mới của mình: các hệ thống trí tuệ nhân tạo biết lập trình
Theo https://www.bairesdev.com/blog/software-development-in-the-age-of-ai/
