80% のコードが数秒で生成されました。 AI アーティファクト Copilot が大幅にアップグレードされ、5 年以内に何百万もの開発者が口でコーディングできるようになるでしょう。

**出典: **新芝源新芝源‌

**ガイド:**AI コーディング アーティファクト Copilot モデルのアップグレードにより、5 年間でコードの 80% が自動生成され、数百万のコード ファーマーの速度が 55% 向上します。

Coder AI アーティファクトが再びアップグレードされました。

先ほど、Github が Copilot モデルがアップグレードされ、5 年以内にコードの 80% が自動生成されると正式に発表しました。

リリースから 2 年も経たないうちに、GitHub Copilot は 100 万人以上の開発者向けにコードの 46% を作成し、コーディング速度が 55% 向上しました。

このアップグレードでは具体的に何が改善されるのでしょうか?

5 年間、コードの 80% が自動生成

モデルの改善とコンテキスト フィルタリング機能の強化により、開発者はコードを記述する際に、ニーズを満たすためのよりカスタマイズされた提案を得ることができるようになりました。

そして、集中力！ Personal版、Enterprise版ともにストレスなくご利用いただけます。

公式ブログによると、改良されたAIモデルは以前のCodexモデルを上回り、より迅速に開発者にコードの提案を提供できるようになったという。

OpenAI、Azure AI、GitHub と連携して開発された新しいモデルは、以前のモデルと比較して遅延を 13% 削減しました。

これは、GitHub Copilot がこれまでよりも迅速に開発者向けのコード提案を生成できることを意味し、全体的な生産性が大幅に向上することが期待されます。

同時に、新しいモデルには、開発者のコンテキストと使用パターンをより広範囲に考慮できる、より複雑なコンテキスト フィルタリング機能も搭載されています。

これにより、ヒントやコードの提案をよりインテリジェントにフィルタリングできるようになり、開発者はニーズに合わせた推奨事項を取得できるようになります。

データによると、コード受け入れ率が相対的に 6% 増加し、開発者は退屈なコーディング作業に忙殺されるのではなく、仕事の創造的な側面に集中できるようになりました。

GitHub Copilot は、改善された AI モデルと強化されたコンテキスト フィルタリングを備えたアップグレードを取得し、開発者により速く、よりカスタマイズされたコード提案を提供します。

Github は第二の脳のようなもので、覚える手間を省きます。

Github CEO の Thomas Dohmke 氏も、コードの 80% がわずか 5 年以内に生成されるだろうと述べています。

同氏はまた、Copilot ベータ版のコードの 40% が生成されるため、開発者の開発速度が 55% 向上すると述べました。

新世代の生成コード Copilot X

Microsoft が GPT-4 機能を Office 365 に統合した後、GitHub は GPT-4 に基づく新世代のコード生成ツールである Copilot X のリリースを正式に発表しました。

具体的には、Copilot X は、Copilot Chat、Copilot for Pull Request、Copilot for Docs、Copilot for CLI のエクスペリエンスをサポートします。

これらの新機能はすべて OpenAI の GPT-4 によって強化されています。

速度の遅延のため、コード補完ツールは依然として GPT-3 でトレーニングされた GitHub の Codex モデルに基づいていることに注意してください。

Microsoft はこれまで、GPT-4 を検索、オフィス、コード作成などのさまざまな実際の生産性向上ツールに統合してきましたが、GPT-4 が第 4 の技術革命を開始する力を持っていることは事実です。

シニア ビッグ データ アーキテクトの Zhu William 氏は、AI によってすべてが実現されるのはもはや遠くないことだと述べています。

OpenAI GPT-4 が 0 から 1 まで完成したモデルに過ぎないと言うなら、Microsoft はその製品化を大きく前進させました。 今回の Copilot X のリリースは、次元削減によって前世代の Copilot に直接影響を与えます。

たとえば、GitHub は、開発者シナリオに重点を置き、VS Code および Visual Studio と統合する GPT-4 ベースのチャット ウィンドウを Copilot に埋め込みます。

Copilot は、開発者が入力したコードの内容を識別してエラー メッセージを表示するだけでなく、コード ブロックの目的を詳細に分析して説明し、単体テストを生成します。

デバッグに関する提案を与えることもできます。

さらに、Copilot では、コードを書くためにキーボードさえ必要なくなります。

コンピューターの前に座って、「こんにちは、GitHub!」と言って、口でコーディングを始めてください。

現在、GitHub は、音声ベースの対話システムである GitHub Copilot Voice と呼ばれる新機能を実験しています。

コードの作成に加えて、Copilot Voice を使用して、コード ジャンプ、コントロール IDE、コード サマリーを完了することもできます。

GitHub CEO の Thomas Dohmke 氏はかつて、自動コード補完によって開発者の生産性は大幅に向上しましたが、新しい Copilot X では開発者の生産性を 10 倍向上させることができると述べました。

「チャット インターフェイスにソフトウェア開発の黄金時代が到来しました。」

作業効率が 55% 向上

2 月に戻ると、GitHub は Copilot の個人バージョンとエンタープライズ バージョンのメジャー アップデートをリリースしました。

簡単に言えば、アップグレードされた GitHub Copilot はコード品質が向上し、応答速度が速くなります。

GitHub Copilot はリリース以来、100 万人以上の開発者の生産性を向上させ、コーディングの速度を 55% 短縮しました。

しかし、2022 年 6 月に初めて GitHub Copilot がリリースされたときに、GitHub Copilot によって生成されたコードを使用することを選択する開発者は 27% のみです。

現在、その数字は 46% に上昇しています。 Javaでも61％に達する。

調査によると、GitHub Copilot を使用している開発者の 90% はタスクをより速く完了でき、そのうち 73% はフローに留まりエネルギーを節約できると回答しています。

一方、開発者のなんと 75% が、Copilot を使用すると充実感が増し、仕事に集中できるようになったと感じています。

この目標を達成するために、GitHub は次の主要な技術的改善を行いました。

• アップグレードされた AI Codex モデル

Copilot を新しい OpenAI Codex モデルにアップグレードすると、コード合成の結果が向上します。

• 文脈の理解が向上

GitHub Copilot によって提供されるコード提案は、Fill-In-the-Middle (FIM) と呼ばれる新しいパラダイムによって改善されます。

このアプローチでは、コードのプレフィックスを考慮するだけでなく、既知のコードのサフィックスも活用し、GitHub Copilot が埋めるためのギャップを中間に残します。

このようにして、Copilot は、予想されるコードと、プログラムの残りの部分との一貫性がどのように保たれるべきかについて、より多くのコンテキスト情報を得ることができます。

• 軽量クライアントモデル

VS Code の GitHub Copilot 拡張機能を軽量クライアント モデルで更新し、提案されたコードの全体的な受け入れ率を向上させました。

GitHub Copilot は、ユーザー コンテキストに関する基本情報 (最後の提案が受け入れられたかどうかなど) を使用することで、不要な提案を 4.5% 削減するようになりました。

Copilot と比較すると、Google Colab はさらに拡大します

Microsoft Copilot が実践され、アップグレードされた後、Google も負けることはありません。

Googleは5月、Google Colaboratory（Colab）に新たなAIコーディング機能を間もなく追加すると発表した。

PaLM 2をベースに、大量の高品質なコードデータによる微調整を経て、新しい「Winson Code」モデルCodeyが誕生しました。

Colab のこれらの新機能は Codey によってサポートされています。

Codey コード生成モデルは、Go、Google 標準 SQL、Java、Java、Python、TypeScript など 20 を超えるコーディング言語をサポートしています。

Codey は、リアルタイムのコード補完と生成を通じて、ユーザーが開発作業をより迅速に完了し、同時にコードの品質を向上できるように支援します。

最も重要なことは、このモデルは Python と Colab のさまざまな機能向けに特別に最適化されていることです。

Google がディープ ラーニング アプリケーションと Python の開発者の経験を非常に重視していることがわかります。

Microsoft と Google のどちらのコーディング アーティファクトを好みますか?

参考文献: