インタビュー
イタマール・フリードマン、CodiumAIのCEO兼共同創設者 – インタビュー・シリーズ
イタマール・フリードマンは、CodiumAIのCEO兼共同創設者です。CodiumAIは、コード生成の「コード整合性」の側面に焦点を当て、自動テスト、コード説明、レビューを生成しています。Google DeepMindを上回る競争プログラミング・チャレンジのコード・ソリューションを生成する研究を発表しています。
あなたはいつ、どのようにしてAIに興味を持つようになったのですか。
2009年、私はMellanox（NVIDIAが買収）で働き、電気工学を学んでいました。Mellanoxでの開発プロセスの多くが機械学習アルゴリズムによって自動化できることを認識し、専攻を最適化と機械学習に変更し、修士号を取得しました。2010年までに、私はすでに深層学習プロジェクト（3層の深層ニューラルネットワーク）に取り組んでおり、Alibabaでの私の仕事の基礎を築いていました。そこでは、私はニューラル・アーキテクチャ・サーチ、モデルのトレーニング、開発者向けのAutoMLツールの構築を専門とする研究グループを率いていました。2021年頃になると、私は大規模な言語モデルが強力なツールになり、 私の想像力が広がり、「AI」という言葉を使うことを恥ずかしがらなくなりました。
あなたの前のコンピュータ・ビジョンに焦点を当てたスタートアップ、Visualeadは、最終的にAlibaba Groupに買収されました。Visualeadとは何でしたか、あなたはその経験からどのような重要な教訓を得ましたか。
Visualeadは、ロゴ、QRコード、その間のすべて、安全なP2P取引やエンゲージメントを可能にするために画像に情報をセキュアに保存または隠すことに特化した会社でした。Visualeadでは、2012年からモバイル・デバイスでアルゴリズムを実行しており、モデルを含むものでした。その当時は難しく、トリッキーでしたが、効率的なモデルを構築し、統計的な生物を囲むガードレールを構築することについて多くを学びました。
今日まで、私はその時代から学んだ教訓を現在のプロジェクトに適用しています。例えば、オープンソースのソリューション生成ツールAlphaCodiumを構築する際に、フロー・エンジニアリングの概念を導入し、この概念を適用して、LLMモデルの出力をガードレールするフローを構築しました。
CodiumAIを立ち上げる背後にある創設ストーリーを共有できますか。
Alibabaでは、コードのバグが100万ドルの問題につながるのを見て、開発者がコード生成を維持する際の品質や整合性を犠牲にすることなく、どのような課題に直面しているかを実感しました。この問題は現在も続いており、低品質のコードは今も成長し続ける1兆ドルの問題に寄与しています。
CodiumAIのチームは、大規模なAIエンパワード・ツールを構築することに特化しており、開発者が直面する痛み点に取り組むことに駆り立てられています。新しいLLMやAIの機能が生まれたとき、私たちは、これがホリスティックなコード整合性プラットフォームを構築する機会であることを理解しました。AIによって生成されるコードが増えるにつれて、コードをベンチマークし、意図したとおりに動作することを確認するという問題が重要な痛み点となりました。AIエンパワード・ツールを大規模に構築し、ベンチマークを取ることは私たちにとって重要な概念です。
経験豊富な開発者として、私たちはそれを理解しています。テストやコードレビューなどの面倒なタスクに直面することは、開発者にとって苛立たしいものです。忙しいチームのように、私たち自身のコード整合性を高め、他の整合性の問題を軽減することを可能にすることを、強い使命感で駆り立てられています。
CodiumAIが実行するコード分析の非自明な種類について説明できますか。どのようにしてこれが開発者にコード品質の向上を支援するのか。
最近までは、開発者に利用可能なツールはほとんど価値がありませんでした。しかし、LLM（ChatGPT、Copilotなど）の到来により、期待を上回す機能が提供されるようになりました。
CodiumAIが開発したCodiumate Coding-Agentは、開発者にワークフローを改善し、コード生成を強化するためのユニークなツールを提供します。Codiumateは、開発プロセスを最適化し、自動化された支援を提供します。開発者が環境で強調したコードスニペットを使用して、開発計画を自動的に作成し、計画に従ってコードを書き、開発者が使用したい、または削除したい重複コードを特定し、ドキュメントを書き、コードが正常に動作することを確認するテストを提案します。
Codiumateは、開発者に詳細な動作分析を提供し、コードが包含する可能性のある動作や分岐を明らかにします。これにより、開発者は生成されたコードを調査し、すべての動作をカバーするテストを作成できます。
PRエージェントが提供するプルリクエスト分析の具体的な機能について説明できますか。どのようにしてGitHubやGitLabなどのプラットフォームでのレビュー・プロセスを最適化しますか。
PRエージェントは、プルリクエスト分析とレビュー・プロセスを強化し、最適化するための機能を提供します。
自動プルリクエスト説明の生成は、プルリクエストに包括的で詳細な説明を自動的に生成します。この機能は、開発者が時間の制約や見落としにより、詳細なプルリクエスト説明を省略する問題に対処します。自動生成された説明により、レビュアーはコードの差分を詳細に調査することなく、変更を理解しやすくなります。
自動プルリクエストレビューは、プルリクエストのコード変更をスキャンし、バグ、セキュリティ脆弱性、またはコードの悪臭を事前に検出するための包括的なプルリクエストレビューを生成します。この事前のフィードバックにより、開発者はレビュー・プロセス前に問題を修正し、コードの品質を向上させることができます。
AIを利用した自動コード提案は、プルリクエスト内でコードの改善や代替実装を提案します。これらの提案は、最適化、コード規約への準拠、またはアーキテクチャの強化になる可能性があり、コードベースの品質を段階的に向上させます。
PRエージェントは、提供するコマンドのカスタマイズをサポートします。最も役立つカスタマイズの1つは、GitHubやGitLabなどのプラットフォームでのプルリクエストの管理と整理を強化するためのカスタムラベルを使用する機能です。
CodiumAIはどのようにして有意義なテストを生成しますか。どのようにしてこれらのテストは標準のユニットテストよりも効果的になるのですか。
コードリポジトリをスキャンして、テスト対象コードに関連するコードスニペットを抽出します。コードのすべての可能な動作、通常のパスとエッジケースを含む、チェーン・オブ・ソート・プロンプトを使用してマッピングします。言語固有のプロンプトと、業界標準を満たすために必要な専門知識を組み込んだプロンプトを使用して、テストを生成します。さらに、CodiumAIは、バグを検出して自己回復テストを生成するために、特定のランタイム環境を設定します。これらの機能により、CodiumAIによって生成されたテストは、開発者の固有の偏見や、すべての可能なシナリオを予測する限界により、エッジケースやバグを逃すことが多い標準のユニットテストよりも包括的で効果的になります。
ユーザーのフィードバックに基づいて、CodiumAIの最も評価される機能は何ですか。これらの機能は開発者の生産性にどのように影響していますか。
ユーザーのフィードバックから、Codiumateエージェントの/ask with code block contextと/test generation機能が高く評価されていることがわかります。
/ask with code block context（ドキュメントは/ask）では、開発者はコードについての質問を投げかけたり、コードの改善やレビューをリクエストしたりできます。この機能は、コードベースのより深い理解を得るのに特に役立ちます。モデルはプロジェクトの完全なコンテキストを保持しているため、開発者は詳細で具体的な質問に回答できます。
/test generation（ドキュメントは/test）ツールでは、開発者は1回のクリックで包括的なテスト・スイートを生成できます。コードの動作を調査し、バグを迅速に特定して修正し、コードのカバレッジを迅速に拡大することができます。
PRエージェントの/review（ドキュメントは/review）機能は、PRコードの変更をスキャンし、自動的にPRレビューを生成して、開発者がプロダクションにプッシュする前に問題を検出します。
/describe（ドキュメントは/describe）機能は、PRコードの変更をスキャンし、PRのタイトル、タイプ、サマリー、ウォークスルー、ラベルを生成して、開発者に時間とエネルギーを節約します。
CodiumAIはどのようにしてコード内のエッジケースや疑わしい動作を特定しますか。
開発者のリポジトリをスキャンして、テスト対象コードに関連するコードスニペットを抽出します。チェーン・オブ・ソート・プロンプトを使用して、コードのすべての可能な動作をマッピングし、開発者に表示します。CodiumAIは、テスト生成とは関係なく、コードスニペット間の矛盾や不一致、コードスニペットとドキュメントの不一致を直接検出して、疑わしい動作を特定します。
CodiumAIは主要なプログラミング言語をサポートしています。言語固有のニュアンスをコード分析およびテスト生成でどのように処理しますか。
主要なプログラミング言語の場合、プラットフォームは基本的なサポートを超えて、言語固有のテクニックを実装します。言語固有のプロンプトや、業界標準を満たすために必要な専門知識を組み込んだプロンプトを使用して、コード分析とテスト生成を実行します。さらに、言語ごとにランタイム環境を設定する機能を提供して、バグを検出して自己回復テストを生成するためのツールの能力を高めます。
一般的な言語以外の場合、CodiumAIは、大規模な言語モデル（LLM）を利用して、複数のプログラミング言語を理解します。これは、一般的なコンテキスト・インフラストラクチャと適応型プロンプト・システムによって補完され、コード分析とテスト生成を正確に実行することができます。二重レベルのアプローチを取ることで、プログラミング言語に関係なく、包括的なサポートを提供できます。
CodiumAIの将来の計画は何ですか。開発者のタスクをさらにサポートして簡素化するために、どのような機能強化が予定されていますか。
CodiumAIの将来の開発戦略は、すべてのソフトウェア開発ライフサイクル・ステージでシームレスに統合されるAIツール・スイートを強化することに重点を置いています。フロー・エンジニアリングの原則を適用して開発者のワークフローを最適化することで、エージェントは開発プロセス全体で大きな価値を提供することになります。さらに、CodiumAIは、複雑で現実世界のコードやテキストのシナリオを処理するツールが優れていることを保証することに尽力しています。これにより、開発者の日常的なタスクで不可欠なツールとなり、開発者の生産性と効率を向上させます。
