Depp TabNine

2019: Выход инструмента

В июле 2019 года стало известно о выпуске инструмента, использующего искусственный интеллект для быстрого написания кода Deep TabNine. Он поддерживает 22 языка программирования, включая Python, JavaScript, Java, C++, C, PHP, Go, C#, Ruby, Objective-C, Rust и Apple Swift. Сама программа написана на Rust.

Судя по информации с сайта проекта, он разработан компанией TabNine Inc. За ней стоит студент факультета информатики Университета Ватерлоо Джейкоб Джексон (Jacob Jackson).

Представлен ИИ-инструмент, который ускоряет написание кода на 22 языках программирования

Deep TabNine представляет собой плагин для редакторов кода, который анализирует строки, составленные программистом, а затем генерирует варианты для завершения каждой «фразы». Затем человек выбирает из списка наиболее подходящие способы продолжить код.

Для повышения эффективности автоматического заполнения фрагментов кода программа была обучена на основе 2 млн файлов, размещенных на портале GitHub. Алгоритм базируется на нейронной сети GPT-2, развитием которой занимается некоммерческая исследовательская компания OpenAI. GPT-2 предназначена для обработки естественного языка.Как с помощью EvaProject и EvaWiki построить прозрачную бесшовную среду для успешной работы крупного холдинга 2.2 т

Нейросеть была адаптирована к пониманию кода и научилась генерировать связанные тексты, а также дополнять их недостающими словами и комбинациями.

По словам Джексна, искусственный интеллект изучает используемый синтаксис во время написания кода и предсказывает, когда программист вызывает метод объекта или списка. Он даже может генерировать названия объектов, используя документацию, написанную на естественном языке.

К 25 июля 2019 года Deep TabNine находится на стадии бета-тестирования в облаке. Любой желающий может протестировать инструмент, отправив заявку.

Джексон говорит, что команда работает над урезанной моделью машинного обучения, которая может работать на компьютере отдельных разработчиков. Кроме того, ожидается создание корпоративных версий, в которых модель будет обучена в соответствии с требованиям конкретной компании.^[1]

Примечания