دانشمندان حوزه مهندسی نرمافزار و هوش مصنوعی ابزار جدیدی به نام TraceXplainer معرفی کردهاند که به دنبال حل یک مشکل قدیمی است: دشواری در برقراری ارتباط دقیق بین کدهای منبع و مستندات فنی.
در دنیای توسعه نرمافزار، روشهای فعلی هوش مصنوعی اغلب به دلیل دادههای ناقص یا نامنظم در مستندات، در ردیابی دقیق شکست میخورند. این ابزار جدید با استفاده از نظریه اطلاعات (Information Theory)، میزان اطلاعات واقعی موجود در مستندات و کدها را تحلیل کرده و محدودیتهای روشهای فعلی را برای توسعهدهندگان مشخص میکند.
این تحقیق نشان میدهد که در بسیاری از پروژههای صنعتی، حجم اطلاعات «کد» بسیار بیشتر از «مستندات» است که باعث ایجاد نویز در یادگیری مدلهای ماشین میشود. TraceXplainer گامی مهم برای افزایش اعتمادپذیری و مدیریت هوشمند پروژههای پیچیده نرمافزاری است. 🛠️💻
نویسی
منبع: arXiv AI