编者按：本文编译自eetimes，作者Semir Haddad是MicroEJ的首席产品官。
今年生成式人工智能的繁荣使嵌入式软件开发人员重新考虑人工智能可以被用来做什么。根据麦肯锡 2023 年发布的一份关于开发人员生产力的报告，围绕人工智能将开发人员生产力提高两倍的能力的猜测引发了人们的兴奋并勾起了开发者的想象力。Microsoft和西门子等先驱者凭借突破性的生成式人工智能突破和超前部署架构引领潮流，推动了这项变革性技术的大众化。
随着团队越来越多地利用生成式 AI 工具的功能，嵌入式开发人员必须了解并驾驭生成式AI潜在的准确性、机密性和知识产权问题。
提高效率
生成式人工智能，以ChatGPT和GitHub Copilot的迅速崛起为代表，巩固了其作为历史上增长最快的技术的地位。这一突破推动开发人员实现无与伦比的生产力。即时代码建议和推荐可简化工作流程，减少人工劳动并节省时间。嵌入式系统开发的其他优势包括更高效的调试、清晰的代码解释和识别清晰的差距。总体而言，生成式 AI 工具提供了重要的调试和优化支持，可以及时解决问题并提高性能。
此外，生成式 AI 通过以惊人的速度生成代码模板来加速快速原型设计。这种敏捷性使开发人员能够测试功能并探索各种实施可能性，从而促进迭代设计流程并推动创新。通过利用生成式 AI 工具的潜力，开发人员可以释放他们的创造力，并在整个开发生命周期中实现无与伦比的生产力。
解决代码准确性挑战
生成式 AI 工具虽然已经很熟练，但可能缺乏完整的上下文和现实世界的限制。使用它们时，优先考虑代码准确性至关重要。例如，这包括满足功能和性能要求、编译器兼容性、硬件适用性和安全措施。
测试和质量保证对于降低“代码幻觉”的风险是必要的，而手动干预对于验证生成的代码并将其与特定要求保持一致至关重要，这样才能保证准确性和可靠性。这种细致的人工监督确保生成式人工智能系统生成的代码符合最高准确性标准。
保密
随着生成式人工智能模型越来越受欢迎，保护机密性成为一个关键的考虑因素。无意中共享敏感信息会带来固有风险。
虽然生成式人工智能工具提供了宝贵的帮助，但在共享包含专有或机密数据的代码时必须谨慎。在Dark Reading最近记录的一次事件中，三星的工程师在尝试调试一些代码时与ChatGPT共享敏感信息。在 ChatGPT 常见问题解答中非常清楚地表明，这些内容是存储并与“受信任的服务提供商”共享的，因此即使 ChatGPT 除了训练模型之外不应该使用它，它也在某个地方机密性也已被破坏。
通过采取谨慎的方法并避免共享敏感代码，开发人员可以确保其项目的机密性保持不变。
减轻知识产权问题
保护知识产权是负责任地使用生成式人工智能的核心。生成无意中侵犯现有受版权保护的代码需要仔细小心。遵守道德标准和法律要求需要对生成的代码进行彻底审查和潜在修改，以确保原创性和合规性。
开发人员可以采取一些具体步骤来最大程度地降低知识产权侵权的风险：
- 首先，仅在非核心代码上使用生成的代码。在核心 IP 上使用受版权保护的代码的风险非常高，因此从事核心 IP 工作的开发人员应仅在非关键代码上使用生成 AI：测试、演示、配置以及示例和教程。
- 其次，为了避免使用开源代码，在没有明确著作权归属的情况下，开发人员可以利用软件组合分析工具，如 Synopsys Black Duck。这些工具扫描代码以查找已知的开源代码片段，并在软件应用程序中出现开源代码时进行标记。
- 第三，使用来自生成式 AI 的代码模板作为建议或想法并针对问题重新表述它们是一种很好的做法，而不是直截了当地复制完整的代码。通过迭代人机交互，开发人员可以实现真正的原创。
通过优先考虑这些预防措施，开发人员在保护其知识产权的同时表现出对他人权利的尊重。
拥抱生成式 AI 的力量和责任
生成式人工智能正在通过提高生产力和加速整体原型开发过程来显著改变软件工程，但它不能完全取代人类开发人员。虽然像ChatGPT和Copilot这样的工具正变得越来越流行，但促进负责任的使用生成式AI工具和加强编码实践是必不可少的。
因此，开发人员应谨慎行事，并在项目上下文中评估输出。此外，组织有责任提供明确的使用标准，以确保代码生成准确和安全，并尊重机密性问题。此外，知识产权侵权可以通过适当的制度和工具来减轻。
行业最佳实践仍有待定义，因为这项技术对公众使用来说相对较新，但一些建议值得考虑。比如训练基于内部代码的AI系统或者改进编码时用户提示以增强与编码操作的一致性。
有了所有这些考虑，组织可以释放生成式人工智能的潜力，同时培养创新和问责的文化。因此，考虑到这一点，让我们拥抱生成式AI带来的令人兴奋的可能性，并在此过程中体验代码生成乐趣。
