IceShore Radar AI×システム保守
[朗報]
15.8%
作業時間を短縮
AIが存在しないファイルや部品を使う誤りを、実行前に見つける『StateMirror』の査読前論文。AIの作業記録4,398件では、この誤りの立て直しに中央値で3手余分にかかっていた。79課題で解決率を保ち、作業時間を15.8%減らした。
・ 中国の公立大学・査読前論文
出典: 中山大学（arxiv.org）
写真: Markus Spiske markusspiske / Wikimedia Commons, CC0
[動向]
15.2%
変更前に控えを取る
研究チームが査読前論文で、利用者が『残しておけば良かった』と書いた事例から205の作業を作った。6つのAIに解かせると、作業は平均86.1%こなした。だが設定やファイルを変える前に控えを取ったのは15.2%だった。
・ 米国の私立大学・査読前論文
出典: ノースイースタン大学（arxiv.org）
写真: ajay_suresh / Wikimedia Commons, CC BY 4.0
[動向]
59.6%
人気上位で指示書を置く割合
研究者が査読前論文で、GitHubの活発な2万2,854件の公開ソフトを分析した。AIへの指示書『AGENTS.md』などは26.3%にあり、最も人気の高い層では59.6%だった。決まりの74.0%は理由を書いていない。
・ 所属の記載がない研究者・査読前論文
出典: パヴェウ・ザジツキ氏（arxiv.org）
写真: Marc Mueller seven11nash / Wikimedia Commons, CC0
[朗報]
66.1%
移行の費用を削減
C言語のソフト全体を、安全性を重視した言語Rustへ書き換える手順『SpeC2Rust』の査読前論文。8件で試し、変換後も元の動作試験に合格した。従来のAIの手法と比べ、費用を66.1%、AIに渡す入力の量を84.7%減らした。
・ 中国の公立大学・査読前論文
出典: ハルビン工業大学（深圳）（arxiv.org）
写真: Fumikas Sagisavas / Wikimedia Commons, CC0
[動向]
13,919件
変換の誤りを分類
査読前の論文で、7種のAIに6通りの言語の組み合わせでプログラムを書き換えさせた。元と動作が変わる誤り13,919件を人手で分類した。意味の食い違いなど3種に分け、似た変換例を参照させて減らす手法も示した。
・ 中国の大学・査読前論文
出典: 南京大学（arxiv.org）
写真: Kevin Dooley / Wikimedia Commons, CC BY 2.0
[動向]
AIは道具
トーバルズ氏の発言
Linuxを作ったトーバルズ氏が、英The Register誌の筆者に文面で答えた。変更の説明にAIを使うなという主張は見当違いで、有能な人にはAIを道具として使ってほしいとした。一方、理解せずAIで作った修正を送る人は抑えるべきだという。
・ 英国のIT専門媒体・コラム
出典: The Register（theregister.com）
写真: Elizabeth Krumbach Joseph / Wikimedia Commons, CC BY 2.0
[盲点]
15.4%
2回以内に立て直せた割合
開発の途中で要求が変わる61の課題で、主要なAI12種を試した査読前の論文。最も強いAIは課題の72.1%を完成させた。失敗した段階を2回の手直し以内に立て直せたのは12種全体で15.4%で、前の機能を壊す例もあった。
・ 中国の大手IT企業・査読前論文
出典: テンセント（arxiv.org）
写真: 花浅葱 / Wikimedia Commons, CC0
[動向]
14.0%
要求を完全に満たす
研究チームが査読前論文で、企業の長年のコードで製品の要求仕様書を満たす43の課題をAIに解かせた。11通りの組み合わせのうち、要求を最後まで満たした割合は最高でも14.0%。個々の機能を作っても全体への組み込みが抜けることが多かった。
・ 中国の公立大学・査読前論文
出典: 浙江大学（arxiv.org）
写真: 江上清风1961 / Wikimedia Commons, CC BY 3.0
[動向]
Teams ×AIで修正
不具合報告から修正案
米GitHubは10月23日、マイクロソフトの業務チャット『Teams』向けアプリを更新した。Teamsに届いた不具合の報告でGitHubを呼び出すと、開発用AI『Copilot』が調べて直す。チームが確かめる変更の提案まで作る。
・ 米国の開発者向けサービス・更新情報
出典: GitHub（github.blog）
写真: Simon Hattinga Verschure webmarbles / Wikimedia Commons, CC0
[警鐘]
AIのコード ×世界規模の障害
米調査会社の予測
米調査会社フォレスターが10月21日、2027年の技術予測を公表した。AIを使った開発と修正の速さが、試験の能力を上回るとみる。AIが書いたコードの不具合で、複数の業界にまたがる世界規模の障害が起きるとした。
・ 米国の調査会社・発表
出典: フォレスター（forrester.com）
写真: Carl Lender from Sunrise, USA / Wikimedia Commons, CC BY 2.0
[動向]
61件
移行で見つけた欠陥
AIでの移行を想定し、古い言語COBOLの3万3429行のJava化を検証した査読前論文。849件の試験で新旧の動作を比べ、61件の欠陥を見つけて直した。わざと入れた450件の欠陥は47.6%しか見つからず、端数処理の誤りは見逃した。
・ 米国の金融サービス企業・査読前論文
出典: アメリカン・エキスプレス（arxiv.org）
写真: giggel / Wikimedia Commons, CC BY 3.0
[動向]
不具合調査 ×コードは最後
コードは最後に読む
ソフトウェア設計の著述家マーティン・ファウラー氏は10月21日、シンディ・スリダラン氏の記事を推した。AIに不具合を調べさせるときは、まず挙動の事実を集め、コードは最後に読むべきだという主張を紹介した。
・ 英国のソフトウェア開発者・個人サイト
出典: マーティン・ファウラー氏（martinfowler.com）
写真: Paris Buttfield-Addison / Wikimedia Commons, CC BY 2.0
