MACHINE LEARNING CODE GENERATION

Trendbeschreibung

Mit Machine Learning Code Generation kann aus natürlicher Sprache automatisch der notwendige Quellcode für die Softwareentwicklung generiert werden. Als Input wird in natürlicher Sprache beschreibend formuliert, welche Funktion die Software ausführen soll.

Trendbeschreibung

Mit Machine Learning Code Generation kann aus natürlicher Sprache automatisch der notwendige Quellcode für die Softwareentwicklung generiert werden. Als Input wird in natürlicher Sprache beschreibend formuliert, welche Funktion die Software ausführen soll. Anschließend wird der Input via Machine Learning Algorithmen analysiert und daraus ausführbarer Quellcode generiert. Auch der umgekehrte Fall ist möglich: Auf Basis von vorhandenem Quellcode wird eine Dokumentation generiert, welche die Funktionen in natürlicher Sprache beschreibt. Mithilfe von Machine Learning Code Generation können Softwareanwendungen und Dokumentationen daher auch ohne ausgiebige Programmierkenntnisse generiert werden.

AI-Code Generatoren

GitHub Copilot ist ein KI-basierter Programmierassistent, der in Zusammenarbeit mit OpenAI entwickelt wurde und Entwicklern hilft, effizienter Codes zu schreiben. Es bietet Vorschläge für ganze Zeilen oder Funktionen basierend auf dem Kontext des aktuellen Codes und unterstützt eine Vielzahl von Programmiersprachen, besonders Python, JavaScript, TypeScript, Ruby und Go. Das Tool lernt von dem individuellen Codierstil des Anwenders und bietet Alternativen zur Problemlösung. Die Anwendug ist direkt in den Editor integriert, wobei die Visual Studio Code-Erweiterung am häufigsten verwendet wird Die Technologie hinter GitHub Copilot, OpenAI Codex wurde speziell für Code-Generierung trainiert und besitzt ein tiefgreifendes Verständnis der Code-Nutzung.

SalesForce entwickelt CodeT5

CodeT5 ist ein Open-Source-Programmiersprachenmodell, das von Forschern bei SalesForce entwickelt wurde. Es basiert auf dem T5-Framework von Google (Text-to-Text Transfer Transformer). Um CodeT5 zu trainieren, hat das Team über 8,35 Millionen Beispiele von Programmcode, einschließlich Nutzerkommentaren, aus öffentlich zugänglichen GitHub-Repositories beschafft. Ein Großteil dieser Datensätze stammt aus dem CodeSearchNet-Datensatz, der Ruby, JavaScript, Go, Python, PHP, C und C# umfasst, sowie aus zwei C- und C#-Datensätzen von BigQuery.

Automatische Suche nach Quellcode

Es ist nicht mehr notwendig, die Programmierumgebung zu verlassen, um zu suchen, wie eine bestimmte Funktion zu erstellen ist. Blackbox macht es leicht, den richtigen Codeschnipsel zu finden, ohne dass die Umgebung verlassen werden muss, mehrere Registerkarten geöffnet und Webseiten mit Dokumentation und Ressourcen zu durchsuchen. Geben Sie einfach eine Frage ein, und Blackbox AI generiert automatisch den richtigen Codeschnipsel, in jeder Programmiersprache!