A mesterséges intelligencia a kódköltöztetési idő 89%-át takarította meg a Google számára

A Google sikeresen használta az AI-eszközöket a belső kódmigráció felgyorsítására, ezzel akár 89%-kal csökkentve az időt. A nyomtatás előtti cikk leírja, hogy a Google szoftvermérnökei hogyan használják a Large Language Models (LLM) módszert a folyamat egyes részeinek automatizálására, ami jelentősen csökkenti a szükséges erőfeszítéseket.

A Google kódmigrációs projektjei közé tartozik a 32 bites azonosítók 64 bites azonosítókkal való lecserélése a Google Ads kódbázisban, a kísérleti könyvtárak frissítése, valamint a Joda időzítési könyvtárról a Standard Java időzítési csomagra való átállás. E feladatok kézi végrehajtása kezdetben több száz éves tervezést igényelt.

Az LLM segítségével a mérnökök gyorsan megtalálhatják és frissíthetik több millió kódsort. A mérnök egyéni szkripteket és kódkereséseket használt az áthelyezendő azonosítók megtalálásához, majd egy LLM-alapú eszközzel javasolta a kód módosításait. A legtöbb kódmódosítást (80%-át) mesterséges intelligencia hozza létre, a többit pedig az emberek szerkesztik vagy maguk hozták létre.

Bár a mesterséges intelligencia még mindig manuális ellenőrzést igényel, a folyamat 50%-os időt takarít meg a hagyományos módszerekhez képest. Például a JUnit3-ról a JUnit4-re való átállás mindössze három hónapig tartott, miközben a mesterséges intelligencia által generált kód 87%-a nem igényelt szerkesztést. Az ideiglenes váltás Jodáról Java-ra a várt migrációs idő 89%-át takarította meg.