في عصر يسوده التطور السريع للذكاء الاصطناعي، أصبح وكلاء البرمجة (AI coding agents) بمثابة علبة سوداء يصعب فهم كيفية عملها، إلا أن تأثيراتها واضحة من خلال ما تُحدثه من تغييرات في الشيفرة البرمجية. وفي دراسة حديثة نشرت على arXiv، تم تسليط الضوء على بعض هذه التغييرات من خلال فحص أكثر من 33,596 طلب سحب (Pull Requests) لوكلاء الذكاء الاصطناعي في مشروع AIDev-pop.

رغم أن نسبة صغيرة جدًا، تقل عن 1%، من هذه الطلبات تستهدف تحسين الأداء، فإن كل طلب يُمثّل نافذة نادرة لفهم سلوك الوكلاء. من خلال تصنيف 1,254 قطعة من "التغييرات ذات الصلة بالأداء" من 216 طلبًا، تم استخدام نظام مماثل لنماذج لغات كبيرة (Large Language Models) لاستكشاف الأنماط.

يظهر أن ثلاثة أنواع رئيسية من التغييرات تهيمن على هذه الطلبات: تعديل الأسماء بنسبة 37.0%، وإنشاء الكائنات بنسبة 26.4%، وتغيير الأنواع بنسبة 22.7%. هذا النمط يختلف كثيرًا عن بيانات التحسين الجيني السابقة، والتي كانت تحمل 84% من التغييرات دون أي تغيير.

كل نظام تم نشره يعتمد على مفردات تغيير خاصة، وتستند استراتيجيات الأداء إلى مجموعة فرعية تُفعل فئات محددة عمومًا. وبالتالي، فإن هوية الوكيل واستراتيجية الهدف توفر معلومات مهمة يمكن أن تحدّ من مساحة المشغل التي يمكن استخدامها في تحسين البرمجيات.

للاطلاع على تفاصيل أكبر ولتحميل حزمة إعادة العمل، يمكن زيارة رابط خاص بحزمة النسخ المتماثل.
من الواضح أن المستقبل سيشهد مزيدًا من الابتكارات والتطويرات المثيرة في مجال البرمجة بفضل الذكاء الاصطناعي. ما رأيكم في هذه التطورات؟ شاركونا في التعليقات!