In een tijd waarin technologie voortdurend evolueert, is het belangrijk om nieuwe ontwikkelingen te begrijpen die ons kunnen helpen efficiënter te werken. Een recente studie richt zich op het vermogen van kunstmatige intelligentie (AI) om zelfstandig te functioneren als een software engineer, zonder menselijke tussenkomst. Dit zou niet alleen de softwareontwikkelingsprocessen versnellen, maar ook de nauwkeurigheid verbeteren. Bedrijven kunnen zelflerende agenten ontwikkelen die verantwoordelijk zijn voor taken zoals het opsporen van bugs, testen en debuggen.
Hoe Werkt het SSR Systeem?
Het SSR-systeem maakt gebruik van een groot taalmodel (LLM) dat twee verschillende rollen aanneemt: de ‘buginvoerder’ en de ‘bugoplosser’. Wanneer het model als buginvoerder fungeert, introduceert het opzettelijk fouten in de code, zoals het verwijderen van een regel, het veranderen van logica of het herhalen van eerdere wijzigingen. In de rol van bugoplosser identificeert het model deze fouten en genereert het de juiste code. Deze cyclus van fouten en oplossingen stelt de AI in staat om nieuwe coderingspatronen en oplossingen te leren.
De Training en Omgeving
Deze training vond plaats in open-source repositories en Docker-sandboxomgevingen, zodat het model veilig kon experimenteren en leren van echte codebases. Open-source repositories zijn publieke opslagplaatsen van code die door iedereen kunnen worden ingezien, gebruikt en verbeterd, terwijl Docker-sandboxomgevingen veilige en geïsoleerde ruimtes bieden om code uit te voeren zonder het systeem te schaden.
Het Verschil met Traditionele Systemen
Tot nu toe werden AI-coding agenten getraind op data die door mensen werd geschreven. Deze systemen hadden beperkte mogelijkheden omdat de modellen alleen voortbouwden op reeds beschikbare voorbeelden. SSR doorbreekt deze afhankelijkheid door zelf nieuwe problemen te identificeren en oplossingen te creëren, in plaats van alleen maar gebruik te maken van historische gegevens.
Indrukwekkende Resultaten
Volgens Meta heeft SSR records gebroken op populaire benchmarks zoals SWE-Bench Verified en SWE-Bench Pro. In de Verified-test behaalde het systeem 10,4 punten meer dan de vorige beste systemen, en in de Pro-test ging het met 7,8 punten voor. Deze prestaties overtreffen zelfs die van modellen die waren getraind op uitgebreide dataset van menselijke oorsprong.
Met de vooruitgang die AI in de softwareontwikkeling laat zien, staat de toekomst van programmeren op het punt ingrijpend te veranderen. Het lijkt erop dat coderen niet langer een puur menselijke taak zal zijn, maar een fundamentale vaardigheid van AI wordt.
