AI e software development: meno codice e più machine learning

Il settore delle AI è in piena fase di evoluzione e sviluppo e già oggi ha delle applicazioni davvero interessanti nello sviluppo software, in passato abbiamo già discusso delle enormi potenzialità dell'implementazione delle AI all'interno del software development e di come questi algoritmi possano facilitare notevolmente la vita ai developer.

L'era human-driven del software development è stata caratterizzata dalla scrittura di soluzioni che puntavano a risolvere problemi specifici usando la logica. Ma con la nuova era del machine learning tutto sta per cambiare, si passerà dalla ricerca di una soluzione logica alla selezionare dei dati più corretti per insegnare ad un algoritmo, e alla neural network di riferimento, a svolgere un determinato task in modo del tutto automatizzato, facendo a meno dell'intervento umano.

Oggi sono in fase di implementazione sistemi in cui le AI possono suggerire strategie di sviluppo ai developer, magari inserendo correzioni al codice durante il coding. Le AI saranno quindi capaci di facilitare notevolmente il lavoro di DevOps e dunque di incidere pesantemente anche sulle fasi che precedono la distribuzione.

I metodi di sviluppo tradizionali richiedono mesi di preparazione solo per avviare un progetto. In particolare passare dalla prototipazione alla vera fase di sviluppo richiede diverse settimane. Al contrario, con i sistemi di visual development (automate code generation), dove è possibile realizzare delle applicazioni tramite drag and drop di funzioni già pronte, e con l'implementazione di nuovi sistemi di AI, sarà possibile ridurre notevolmente le tempistiche dei cicli di sviluppo software.

Creare nuovi servizi tramite un linguaggio naturale è infatti enormemente più facile ed accessibile rispetto all'uso dei linguaggi di programmazione di alto livello.

Anche la gestione del progetto risulta essere molto complessa ed ogni ritardo va ad incidere sul budget. Lasciare ad un algoritmo la realizzazione della schedule può essere molto conveniente e permette di evitare di incappare nei classici inconvenienti, basterebbe semplicemente sfruttare i log dei vecchi progetti per dare modo alle AI di imparare il modo migliore per organizzare un progetto. I DevOps potrebbero inoltre sfruttare dei deep learning algorithm per implementare sistemi di automatic debugging e di automate testing.

In buona sostanza, questi sistemi diventeranno presto degli assistenti intelligenti che permetteranno di realizzare i nostri task in modo automatico, veloce ed efficiente. E non solo, molto probabilmente tali AI potranno analizzare il nostro comportamento e suggerirci strategie migliori per raggiungere i nostri obbiettivi. Nei prossimi decenni la figura del programmatore tradizionale probabilmente è destinata a subire un lento e lungo declino, chi invece si occupa di machine learning e AI sarà sempre più ricercato.

Via Jaxenter