මෘදුකාංග ඉංජිනේරුවන් සඳහා කෘතීම බුද්ධි(AI) මෙවලම්!

කෘතිම බුද්ධිය බොහෝ ක්ෂේත්‍රවල කටයුතු අත්පත් කරගනිමින් පවතින අතර, ඒවා අතර මෘදුකාංග සංවර්ධනය ද වේ. මෘදුකාංග සංවර්ධන අවකාශයේ කෘතීම බුද්ධියෙහි(AI) බලපෑම වේගයෙන් වර්ධනය වෙමින් පවතී. එමඟින් කාර්යක්ෂමතාවය වැඩි දියුණු කරන, දෝෂ  අවම කරන සහ ක්‍රියාවලින් පහසු කරන බොහෝ නවීන මෙවලම් භාවිතයට පැමිණේ. Code නිර්මාණය කිරීමේ(Code Generation) සිට ස්වයංක්‍රිය තත්ව පරීක්ෂණය(Quality Assurance) සහ ව්‍යපෘති කළමනාකරණය දක්වා මෘදුකාංග සංවර්ධකයින්ගේ මෙවලම් කට්ටලයට මෙම කෘතීම බුද්ධිය යෙදෙන මෙවලම් එකතු වෙමින් පවතී. එමගින් ඔවුන්ට වඩාත් කාර්යක්ෂම සහ නව යෙදවුම් නිර්මාණය කිරීමට හැකිව තිබේ. මෙම ලිපිය මඟින් දැනට මෘදුකාංග ඉංජිනේරුවන් හට භාවිත කල හැකි, කෘතීම බුද්ධිය භාවිත වන මෙවලම් කිහිපයක් සහ එමගින් දැනට පවතින ක්ෂේත්‍රයේ සිදු වන වෙනස්කම් පිළිබඳව සාකච්චා කෙරේ.

කෘතීම බුද්ධියෙන් බලගැන්වූ කේත සහායකයින්(Code Assistants)

මෘදුකාංග සංවර්ධනයේදී කෘතිම බුද්ධියෙහි එක් භාවිතයක් වන්නේ codes සම්පූර්ණ කිරීමයි. මෙම කෘතීම බුද්ධිය පාදක කරගත් code සම්පූර්ණ කිරීම සහ උත්පාදනය කිරීමේ මෙවලම්වලට ප්‍රසිද්ධ උදාහරණ දෙකක් වන්නේ GitHub Copilot සහ Tabnine වේ. මෙම මෙවලම්, විශාල දත්ත ප්‍රමාණයක් මත පුහුණු කර ඇති අතර ඒ සඳහා විවිධ ඇල්ගොරිතම භාවිතා කර ඇත. මෙම සහායකයින් මගින් මෘදුකාංග ඉංජිනේරුවන් සඳහා නව code කොටස් පහසුවෙන් සපයා ඔවුන්ගේ කාර්යය වඩාත් පහසු කිරීමට මහත් උපකාරයක් ලබාදේ.

කෘතීම බුද්ධිය මගින් බලගැන්වූ code assistants ඉහළ වේගයකින් සහ නිරවද්‍යව මෙම කාර්යයේ යෙදෙන බැවින් මෘදුකාංග ඉංජිනේරුවන්ගේ ඵලදායීතාවය වඩාත් ඉහළ ගොස් ඇත. මෙම කෘතිම බුද්ධිය මත පදනම් වූ මෙවලම් මගින් සම්පූර්ණ code කොටසම ස්වයංක්‍රීයව සහ වඩාත් විශ්වාසදායිව මේ වන විට ලබාගත හැක. මෙමගින් ඒ සඳහා වැය වන විශාල කාලයක් අඩුකර ගැනීම සහ සිදුවිය හැකි තාක්ෂණික දෝෂ ද වළක්වා ගත හැකියි.

මෙම කෘතීම බුද්ධිය භාවිතාවන මෙවලම් පරිගණක ඉංජිනේරුවන් සඳහා අලුත් භාෂාවක්(Programming Language) ඉගෙන ගැනීමේ දී වඩාත් සහය වේ. එසේම මෙම ක්ෂේත්‍රයට නවකයින් සඳහා ඔවුන්ගේ ඉගෙනීමේ ක්‍රියාවලිය වඩාත් වේගවත් කර ගැනීමට මෙම යෙදුම් වඩාත් උපකාරී වේ.

කෘතීම බුද්ධිය භාවිතයෙන් නිරන්තර පරීක්ෂාව(Testing)

ස්වයංක්‍රීයකරණය කරන ලද පරීක්ෂණ මෙවලම් මෘදුකාංග සංවර්ධනයේදී ඉතා වැදගත් කොටසකි. අද වන විට කෘතීම බුද්ධිය මගින් මෙම කටයුත්තටද විශාල දායකත්වයක් ලබා දී ඇත. Testim සහ Mabl යෙදවුම් වලදී මෙම පරීක්ෂණ කටයුතු ස්වයංක්‍රීය කිරීමට කෘතිම බුද්ධිය භාවිතා කරයි.

කෘතිම බුද්ධිය මඟින් බලගැන්වූ මෙම පර්යේෂණ මෙවලම් මගින් නව පරීක්‍ෂණ අවස්ථා නිර්මාණය කිරීමට සහ එම අවස්ථා ක්‍රියාත්මක කිරීමට වැය වන කාලය සැලකිය යුතු ලෙස අවම කරයි. මෙම යෙදවුම් මගින් සිදුවිය හැකි සෑම අවස්ථාවක් ම පරීක්ෂා කරන බැවින් නව මෘදුකාංගයේ ඇතිවිය හැකි අනපේක්ෂිත දෝෂ කල්තියා හඳුනාගත හැකිවේ. එමගින් දෝෂ අවම වූ මෘදුකාංගයක් නිර්මාණය කර ගැනීම සඳහා හොඳ අවස්ථාවක් නිර්මාණය වේ.

මෙම මෙවලම් නව මෘදුකාංග නිර්මාණය කිරීමේ දී භාවිතා කරන විවිධ පර්යේෂණ(Testing) අවස්ථා ස්වයංක්‍රීයකරණය කිරීම සඳහා මේ වන විට විශාල වශයෙන් භාවිතා වේ.

ව්‍යාපෘති කළමනාකරණය(Project Management) කිරීම සඳහා කෘතීම බුද්ධිය භාවිතය 

ව්‍යාපෘති කළමනාකරණය යනු කෘතිම බුද්ධිය මඟින් දියුණු වූ එක් ක්ෂේත්‍රයක් වන අතර එමගින් කණ්ඩායම් අතර විවිධ ක්‍රියාවන් වඩාත් පහසු කර ඇත. Asana සහ Monday.com වැනි යෙදවුම් මගින් කාර්ය කළමනාකරණය, සම්පත් බෙදා හැරීම සහ ප්‍රගති නිරීක්ෂණය කිරීම යන කාර්යයන් සඳහා කෘතිම බුද්ධිය භාවිතා කරයි.

කෘතීම බුද්ධිය මත පදනම් වූ ව්‍යාපෘති කළමණාකරන මෙවලම් මගින් ව්‍යාපෘති කාල සීමාවන් පුරෝකථනය කිරීම, කාර්ය ප්‍රමුඛතා නිර්දේශ කිරීම සහ කණ්ඩායම් සාමාජිකයින්ගේ විශේෂ දක්‍ෂතා අනුව කණ්ඩායම් වෙන් කිරීම වැනි ක්‍රම තුළින් කාර්යක්ෂමතාවය වැඩිදියුණු කිරීමට දායක වේ. මීට අමතරව මෙම මෙවලම් මගින් ව්‍යාපෘති පිළිබඳව යාවත්කාලීන වූ දත්ත ලබාදෙන අතර එමඟින් ව්‍යාපෘති කළමනාකරුවන්ට කාලෝචිත නිවැරදි තීරණ ලබා ගැනීමට විශාල සහයක් ලැබේ.

කණ්ඩායම් කිහිපයක් එක්ව වැඩකරන ව්‍යාපෘතිවලදී මෙම කණ්ඩායම් අතර ක්‍රියාකාරකම් කළමනාකරණය කිරීම සඳහා මෙවැනි ව්‍යාපෘති කළමනාකරණ මෙවලම් භාවිතා වේ. එමගින් සංකීර්ණ ව්‍යාපෘති කළමනාකරණ කටයුතු ස්වයංක්‍රීයකරණය කර ඇත.

සාමාන්‍ය භාෂා භාවිතය (NLP – Natural Language Processing) සඳහා කෘතිම බුද්ධිය

 NLP මෘදුකාංග සංවර්ධනයට එක්වීමත් සමඟ මෘදුකාංග ඉංජිනේරුවන්ට වඩාත් හොඳ ලේඛන සකස් කිරීම, විවිධ code කොටස් තේරුම් ගැනීම සහ සාමාන්‍ය භාෂාවෙන් පිළිතුරු දිය හැකි සංවාදාත්මක බොට්(Bots) නිර්මාණය කිරීම වැනි කරුණු වඩාත් පහසු වී ඇත. OpenAI හි GPT-4 සහ Hugging Face Transformers වැනි යෙදවුම් ඉතා විශාල දත්ත ප්‍රමාණයක් විශ්ලේෂණය කිරීමෙන් මිනිස් භාෂාවට ඉතා ආසන්න ප්‍රතිචාරයක් ලබා දීමට කටයුතු කරයි.

NLP පදනම් කරගත් මෙවලම් මගින් API ලේඛන සකස් කිරීම හා  ඉතා සංකීර්ණ code කොටස් සාරාංශගත කර තේරුම් ගැනීම පහසු කරගැනීම වැනි කාර්යයන් සඳහා භාවිතා කරයි. එසේම මෙම මෙවලම් මගින් තාක්ෂණික දැනුමක් නොමැති පාරිභෝගිකයා සමග වුවද මෘදුකාංග ඉංජිනේරුවන්ට සෘජුවම සන්නිවේදන කටයුතු සිදු කර ගැනීමට පහසුව සලසා දේ.

චැට් බොට් හෝ ස්වයංක්‍රීය පාරිභෝගික සහාය පද්ධති ඇතුළත් මෘදුකාංග නිර්මාණයේ දී මෙම NLP තාක්ෂණය භාවිත වේ. එමෙන්ම API ලේඛන සකස් කිරීමේ දී  මෙවැනි යෙදවුම් වඩාත් ප්‍රයෝජනවත් වේ.

කෘතිම බුද්ධිය මගින් ක්‍රියාත්මක වන DevOps කණ්ඩායම්

මේ වන විට DevOps කණ්ඩායම් යටිතල පහසුකම් තැනීම සහ කළමනාකරණයේ දී ඔවුන්ගේ කාර්යක්ෂමතාවය වැඩිදියුණු කිරීම සඳහා කෘතිම බුද්ධි මෙවලම් බලය උපයෝගී කර ගනී. Terraform වැනි මෙවලම් කෘතිම බුද්ධිය භාවිතා කරමින් devops කටයුතු මේ වනවිට පහසු කර ඇත. එමගින් මිනිසුන් අතින් සිදුවිය හැකි වැරදි විශාල වශයෙන් අවම කර ගත හැකි අතර මෙම ක්‍රියාවලිය ද වේගවත් කර ගත හැක.

කෘතීම බුද්ධිය භාවිතා කරමින් මෙම කටයුතු ස්වයංක්‍රීයකරණය කිරීම හරහා අවශ්‍ය සේවා සැපයීම් බිඳවැටීම් නිසා ඇතිවන ගැටලුව අවම කරගත හැකියි. මෙමගින් පාරිභෝගිකයාට ඔහුගේ මෘදුකාංගය ඉතා ඉක්මනින් භාවිතා කිරීමට අවස්ථාව සලසා දෙයි. මෙම මෘදුකාංග කෘතිම බුද්ධි මෙවලම් මගින් නිතරම පරීක්ෂා කරන බැවින් සිදුවිය හැකි දෝෂ අවම වේ.

කෘතීම බුද්ධියෙන් ක්‍රියාත්මක වන DevOps මෙවලම්, cloud යෙදුම් සහ microservice ක්‍රමවේදය තුළ මෙන්ම  continuous delivery ක්‍රමවේද ක්‍රියාත්මක කරන කණ්ඩායම් සඳහා විශාල වශයෙන් ප්‍රතිලාභ ලබා දෙයි.

මෘදුකාංග ඉංජිනේරුවන් සඳහා කෘතිම බුද්ධි මෙවලම් භාවිතයේදී ඇති අභියෝග සහ සීමාවන්

කෘතීම බුද්ධි මෙවලම් භාවිතයෙන් ලැබෙන ප්‍රතිඵල විශාල වශයෙන් තිබුනද ඒවා සමග විවිධ ගැටළුද සම්බන්ධ වී ඇත. ප්‍රධාන ගැටලුවක් වන්නේ දත්ත ආරක්ෂාව සහ පෞද්ගලිකත්වය පිළිබඳව ඇති ගැටලුවයි. ඕනෑම මෘදුකාංග සංවර්ධනයක් කිරීම සඳහා කෘතීම බුද්ධිය භාවිතා කිරීමේදී හිමිකම් සහිත කේත තෙවන පාර්ශව සමඟ හුවමාරු කරගත යුතු වන අතර, එමගින් තොරතුරු වලට ආරක්ෂක තර්ජනය ඇති විය හැකියි.

තවත් එක්ක අභියෝගයක් වන්නේ කෘතීම බුද්ධි මෙවලම්වලින් ලැබෙන පිළිතුරු වල ඇති නිවැරදිතාව තහවුරු කරගත නොහැකි වීමයි. එසේ නිරවද්‍යතාවය පිළිබඳව ඇති ගැටලුව නිසා මෙම කෘතිම බුද්ධි මෙවලම් මත මෘදුකාංග ඉංජිනේරුවන් 100% ක්  යැපීම කළ නොහැක.

මෙම කෘතීම බුද්ධිය සමන්විත වූ මෙවලම් මගින් මෘදුකාංගය ඉංජිනේරුවන්ගේ පුනරාවර්තන ක්‍රියා ස්වයංක්‍රීයකරණය කරන අතර, එම කාර්යයන් වඩාත් කාර්යක්ෂමව සහ නිරවද්‍යව සිදුකරගත හැකියි. ඉදිරි කාලයේදී මෙම කෘතීම බුද්ධි තාක්ෂණික මෙවලම් වැඩිදියුණු වීමත් සමගම තවදුරටත් මෙම මෙවලම්වලින් කරගත හැකි කාර්යයන් වල නිරවද්‍යභාවය සහ කාර්යක්ෂමතාවය ඉහළ යයි. ඉදිරි කාලයේදී කෘතීම බුද්ධියේ හැකියාවන් සහ මානව දැනුම අතර සමබරතාවයක් ඇතිකර ගැනීමෙන් වඩාත් නව්‍ය සහ කාර්යක්ෂම මෘදුකාංග විසඳුම් බිහිකරගත හැකියි.

කතෘ : මිනුරි මෙත්මිකා
සමාලෝචනය : සහස්වරී සේනානායක, රියාජි දෙවිඳු