إيتامار فريدمان، الرئيس التنفيذي والشريك المؤسس لشركة CodiumAI – سلسلة المقابلات

إيتامار فريدمان هو الرئيس التنفيذي والشريك المؤسس لشركة CodiumAI. تركز Codium على جانب “سلامة الكود” من génération الكود — génération الاختبارات الآلية، وشرح الكود، ومراجعة الكود. وقد نشرت أبحاثًا حول génération حلول الكود للمهام التنافسية البرمجية التي تتفوق على Google DeepMind.

متى وكيف بدأت بالفعل في الاهتمام بالذكاء الاصطناعي؟

في عام 2009، عملت في Mellanox (Acq. من قبل NVIDIA) ودرست الهندسة الكهربائية. وعندما أدركت أن العديد من عمليات التطوير المملة في Mellanox يمكن توفيرها بواسطة خوارزميات التعلم الآلي، غيرت تخصصي إلى التحسين والتعلم الآلي واكملت ماجستير في هذا المجال. بحلول عام 2010، كنت أعمل بالفعل على مشروع التعلم العميق (مع شبكة عصبونية ذات 3 طبقات) ووضع الأسس لمواضيعي في Alibaba حيث قادت مجموعة بحثية متخصصة في البحث عن هندسة معمارية عصبونية، وتدريب النماذج، وإنشاء أدوات AutoML للمطورين. حول عام 2021، لم أكن خجولًا من تسمية عملنا ” الذكاء الاصطناعي”، حيث أصبحت النماذج اللغوية الكبيرة أدوات قوية، وازدادت مخيلتي لما يمكن تحقيقه معها.

كانت شركة Visualead السابقة التي تركز على رؤية الكمبيوتر قد تم الاستحواذ عليها من قبل مجموعة Alibaba، ما هي هذه الشركة، وما هي بعض النقاط الرئيسية التي استفدت منها من هذه التجربة؟

تخصصت Visualead في مسح الشعارات والرموزQR وكل شيء بينهما، بما في ذلك تأمين المعلومات وإخفاؤها في الصور لتمكين المعاملات الآمنة بين الأشخاص والتفاعل. في Visualead، كنا ننفذ خوارزميات على أجهزة الموبايل منذ عام 2012، بما في ذلك النماذج. كان من الصعب والخداع القيام بذلك في ذلك الوقت، وتعلمنا الكثير حول بناء نماذج كفاءة ووضع حواجز حول هذه المخلوقات الإحصائية.

إلى يومنا هذا، ما زلت أطبق الدروس التي تعلمتها من ذلك الوقت على المشاريع الحالية التي أقوم بها – على سبيل المثال، عندما بنينا أداة حلول المصدر المفتوح AlphaCodium قدمنا مفهوم هندسة التدفق وتطبيق هذا المفهوم لبناء تدفق لحماية نماذج LLMs.

يمكنك مشاركة قصة ولادة إطلاق CodiumAI؟

في Alibaba، رأيت من خلال خبرتي كيف يمكن أن يؤدي خطأ في الكود إلى مشكلة تبلغ مليون دولار وتحديات التي واجهها المطورون للحفاظ على génération الكود دون التضحية بالجودة أو السلامة. هذه المشكلة لا تزال مستمرة، واليوم يُعزى الكود ذو الجودة المنخفضة إلى مشكلة تبلغ تريليون دولار ولا تزال تتزايد.

يتخصص الفريق في CodiumAI في بناء أدوات مدعومة بالذكاء الاصطناعي على نطاق واسع ويتحمس لمعالجة نقاط الألم التي يواجهها المطورون. مع ولادة قدرات LLM و الذكاء الاصطناعي الجديدة، أدركنا أن هذه كانت فرصتنا لبناء منصة شاملة لسلامة الكود لمساعدة الفرق المزدحمة مثلنا على تقليل العيوب وتخفيف مشاكل السلامة الأخرى. مع génération المزيد والمزيد من الكود بواسطة الذكاء الاصطناعي، أصبحت مشكلة معايير هذا الكود وضمان عمله حسب النية نقطة ألم حرجة وواحدة التي كنا محفزين لحلها. بناء أدوات مدعومة بالذكاء الاصطناعي على نطاق واسع، وبالتالي معايير هذه الأدوات هي مفهوم أساسي بالنسبة لنا.

كما مجموعة من المطورين ذوي الخبرة، نفهم ذلك؛ التعامل مع المهام المملة مثل الاختبارات ومراجعة الكود يمكن أن يكون مرهقًا. نحن مدفوعون بشدة لتمكين الفرق المزدحمة في النهاية من زيادة إدارة سلامة الكود.

يمكنك وصف أنواع التحليل غير البسيط التي تقوم بها CodiumAI على الكود، وكيف يدعم ذلك المطورين في تحسين جودة الكود؟

حتى وقت قريب، كانت الأدوات الحالية المتاحة للمطورين تقدم قيمة ضئيلة – ولكن مع وصول قدرات LLMs (ChatGPT، Copilot، إلخ)، أصبحت القدرات تتجاوز التوقعات، والدعم المتاح للمطورين لم يعد غير مهم.

يوفر وكلاء Codiumate التابع لشركة CodiumAI للمطورين أدوات فريدة لتحسين سير عملهم وتحسين génération الكود. يبسّط وكلاء Codiumate عملية التطوير من خلال تقديم المساعدة الآلية في جميع أنحاء مهمة البرمجة. باستخدام مقتطفات الكود الحالية التي يبرزها المطور البشري في بيئته، يمكن للوكيل صياغة خطة تطوير سهلة المتابعة ومتسقة، وكتابة الكود وفقًا لتلك الخطة، وتحديد الكود المكرر الذي قد يريد المطور استخدامه أو إزالته، وكتابة الوثائق، وتقديم اقتراحات الاختبارات لضمان عمل الكود بشكل صحيح قبل نشره في بيئة حية.

يوفر وكلاء Codiumate للمطورين تحليلًا سلوكيًا عميقًا – إضاءة السلوكيات والفروع المحتملة التي يغطيها الكود قيد الاختبار. هذا يسمح للمطور بفحص الكود المولّد وإنشاء اختبارات تغطي جميع السلوكيات، وبالتالي تحسين الكود أكثر مما لو كان المطور قد أخذ في الاعتبار جميع الحالات الممكنة بنفسه.

ما هي الوظائف المحددة التي يقدمها وكيل PR لتحليل طلبات السحب، وكيف يبسّط عملية المراجعة على منصات مثل GitHub و GitLab؟

يقدم وكيل PR مجموعة متنوعة من الوظائف المصممة لتحسين وتبسيط عملية تحليل طلبات السحب ومراجعتها عبر مقدمي جيت المختلفين.

توليد وصف طلب السحب تلقائيًا يولد وصفًا شاملاً ومفصلاً لطلبات السحب. هذه الميزة ت解决 المشاكل الشائعة التي قد يتجاهل فيها المطورون وصفًا مفصلاً لطلبات السحب بسبب قيود الوقت أو الإهمال. مع الوصف التلقائي، كل طلب سحب يأتي مع سياق كافٍ، مما يجعل من السهل على المراجعين فهم التغييرات دون الحاجة إلى فك شفرة اختلافات الكود على نطاق واسع.

كما بنينا أيضًا مراجعة طلب السحب التلقائية لتزويد المطورين بمراجعة شاملة لطلب السحب، مما يسمح لهم باكتشاف المشاكل المحتملة مثل الأخطاء أو الثغرات الأمنية أو روائح الكود بشكل استباقي. هذا التعليق الاستباقي يسمح للمطورين بإجراء التصحيحات قبل عملية المراجعة، وبالتالي تحسين جودة الكود الذي يصل إلى المراجعين.

باستخدام الذكاء الاصطناعي، يمكن أيضًا أن يقترح وكيل PR تحسينات أو تنفيذات بديلة مباشرة داخل واجهة طلب السحب. يمكن أن تكون هذه الاقتراحات تحسينات أو امتثالًا لمعايير التشفير أو حتى تحسينات هندسية، مما يساعد على رفع جودة قاعدة الكود بشكل متزايد.

يدعم وكيل PR خيارات متعددة لتخصيص الأوامر التي يقدمها. واحدة من أكثر خيارات التخصيص فائدة هي استخدام التسميات المخصصة لتحسين تنظيم وإدارة طلبات السحب على منصات مثل GitHub و GitLab. تساهم هذه الوظيفة في الكفاءة التشغيلية ووضوح عمليات التطوير ومراجعتها.

كيف تقوم CodiumAI بgenerating اختبارات ذات معنى، وما الذي يجعل هذه الاختبارات أكثر فاعلية من الاختبارات الوحدوية القياسية؟

نحسن من génération الاختبار عن طريق مسح مخازن الكود للقصاصات ذات الصلة المتعلقة بالكود قيد الاختبار. باستخدام دوافع سلسلة الأفكار لتحديد جميع السلوكيات الكودية المحتملة، بما في ذلك المسارات النموذجية وحالات الحواف، يستخدم我们的 نهج استرجاع السياق ودوافع مخصصة مخصصة لكل لغة برمجة، مع دمج معرفة الخبراء في المجال لضمان أن تتوافق الاختبارات مع معايير الصناعة. بالإضافة إلى ذلك، تقوم CodiumAI بتهيئة بيئات تشغيل محددة لتحسين الكشف عن الأخطاء وتوليد الاختبارات الذاتية. هذه القدرات تجعل اختبارات CodiumAI أكثر شمولاً من الاختبارات الوحدوية القياسية، والتي غالبًا ما تفقد السلوكيات غير المقصودة بسبب التحيزات المتأصلة للمطورين وقيود التوقع لجميع السيناريوهات المحتملة. هذا يؤدي إلى اختبارات ليست فقط شاملة ولكن أيضًا أكثر فعالية في الكشف عن الأخطاء الدقيقة وحالات الحواف.

استنادًا إلى ملاحظات المستخدمين، ما هي الميزات الأكثر تقديرًا لشركة CodiumAI، وكيف أثرت هذه الميزات على إنتاجية المطورين؟

استنادًا إلى ملاحظات المستخدمين التي تلقيناها، نرى أن ميزات /ask مع سياق الكتلة الكودية و /test génération لوكيل Codiumate هي الأكثر طلبًا وتحسين سير عمل المطور.

باستخدام /ask مع سياق الكتلة الكودية (انظر الوثائق هنا: /ask)، يمكن للمطورين طرح أسئلة مفتوحة حول كودهم أو طلب تحسينات الكود أو مراجعاته خلال جلسة دردشة مجانية. هذه الميزة مفيدة بشكل خاص لاكتساب فهم أعمق للقاعدة الكودية، حيث يحتفظ النموذج بالسياق الكامل للمشروع، مما يسمح له بالتطرق إلى أسئلة محددة ومفصلة للغاية.

أداة /test génération (انظر الوثائق هنا: /test) تسمح للمطورين بgenerating اختبارات شاملة لکودهم بلمسة واحدة. استكشاف سلوك الكود، وتحديد الأخطاء وتصحيحها بسرعة، وتوسيع تغطية الكود بسرعة هو مورد هام لإنتاجية المطورين.

وظيفة /review لوكيل PR (انظر الوثائق هنا – /review) يفحص تغييرات كود طلب السحب ويولد تلقائيًا مراجعة لطلب السحب لاكتشاف المشاكل قبل أن يقوم المطورون بنشرها في الإنتاج.

وظيفة /describe (انظر الوثائق هنا – /describe) يفحص تغييرات كود طلب السحب ويولد وصفًا لطلب السحب – عنوان ونوع وملخص ومراجعة ووسوم، مما يوفر للمطورين الوقت والطاقة التي يمكنهم توجيهها إلى مهام أكثر تحديًا أو إبداعية.

كيف تقوم CodiumAI بتحديد الحالات الحرفية والسلوكيات المشبوهة في الكود؟

أدواتنا تفتش مخازن المطور للقصاصات الكودية ذات الصلة المتعلقة بالكود قيد الاختبار، و باستخدام دوافع سلسلة الأفكار، نحدد جميع السلوكيات الكودية المحتملة ونعرضها على المطور. يمكن أن تحدد CodiumAI السلوكيات المشبوهة مباشرة ( بغض النظر عن génération الاختبار)، من خلال تحديد التناقضات أو الانconsistencies بين القصاصات الكودية المختلفة، أو بين القصاصات الكودية والوثائق المرافقة.

تدعم CodiumAI لغات البرمجة الرئيسية؛ يمكنك توضيح كيفية التعامل مع الاختلافات اللغوية في تحليل الكود وgenerating الاختبار؟

لغات البرمجة الرئيسية، تذهب منصتنا إلى ما هو أبعد من الدعم الأساسي من خلال تنفيذ تقنيات متخصصة. تشمل هذه التقنيات استرجاع السياق ودوافع مخصصة مخصصة لكل لغة برمجة، مع دمج معرفة الخبراء في المجال لتحقيق نتائج على مستوى الصناعة. بالإضافة إلى ذلك، نقدم قدرات لتهيئة بيئة تشغيل محددة لهذه اللغات، مما يعزز من قدرة أدواتنا على الكشف عن الأخطاء وتوليد الاختبارات الذاتية.

لغات أقل شيوعًا، نستخدم نماذج اللغة الكبيرة (LLMs) التي تفهم بشكل طبيعي لغات البرمجة المتعددة. يتم补اء هذا بمبنى السياق العام ونظام الدوافع التكيفي، الذي يسهل معًا تحليل الكود وgenerating الاختبار بدقة عبر بيئات البرمجة المتنوعة. من خلال هذا النهج ثنائي المستوى، يمكننا ضمان الدعم الشامل بغض النظر عن لغة البرمجة المستخدمة.

ما هي التحسينات المستقبلية المخطط لها لشركة CodiumAI لدعم وتسهيل مهام المطورين؟

تركز استراتيجية التطوير المستقبلية لشركة CodiumAI على تعزيز مجموعة الأدوات المدعومة بالذكاء الاصطناعي لتكاملها بشكل متسلسل عبر جميع مراحل دورة حياة التطوير البرمجي. من خلال توظيف مبادئ هندسة التدفق المتقدمة لتبسيط وتسهيل سير عمل المطورين، ستقدم أدواتنا قيمة كبيرة عبر مختلف مراحل التطوير. بالإضافة إلى ذلك، تلتزم CodiumAI بضمان أن تتفوق هذه الأدوات في التعامل مع الكود والنصوص المعقدة في العالم الحقيقي، مما يجعلها أدوات لا غنى عنها في المهام البرمجية اليومية. يهدف هذا النهج الشامل إلى رفع عروضنا كأداة قوية ومتكاملة للاستخدام اليومي للمطورين، مما يعزز الإنتاجية والكفاءة في عملية التطوير البرمجي.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا CodiumAI.