В Google представили новую модель машинного обучения DIDACT, предназначенную для автоматического прогнозирования и исправления ошибок сборки в процессе разработки программного обеспечения. Эта модель, основанная на методологии, учитывающей весь цикл разработки, уже продемонстрировала значительные улучшения в продуктивности разработчиков.
DIDACT использует данные о состояниях кода и журналов сборки, чтобы предлагать фиксы, которые разработчики могут применять непосредственно в среде разработки. Эксперимент показал, что внедрение ML-решений привело к увеличению числа успешно выполненных изменений кода на 2% и значительному сокращению времени, затрачиваемого на устранение ошибок.
Кроме того, наблюдения не выявили возрастания рисков, связанных с безопасностью кода, что подтверждает надежность применения ML-решений в разработке. Технология, основанная на DIDACT, теперь доступна всем разработчикам Google и была представлена на конференции Google Cloud Next.
Тренировочные данные для модели были получены из историй разработки Google, что позволяет учитывать как простые ошибки, так и более комплексные проблемы с кодом. Специалисты компании уверены, что использование ML в процессе разработки не только улучшает скорость работы, но и повышает качество кода, позволяя разработчикам сосредоточиться на более креативных задачах.