AI-जनित पायथन कोड का प्रणालीबद्ध मूल्यांकन: प्रगतिशील प्रोग्रामिंग कार्यों के बीच तुलनात्मक अध्ययन

सामabstract पृष्ठभूमि: AI-आधारित कोड सहायक सॉफ़्टवेयर विकास में उपयोग में वृद्धि कर रहे हैं, जो कोड जनरेशन को सुव्यवस्थित करने और बेहतर गुणवत्ता वाले कोड की पेशकश करने के शक्तिशाली तकनीकें हैं। हालांकि, उनकी प्रभावशीलता बहुत भिन्न होती है, और उनका सही तरीके से उपयोग करना समझने के लिए उनके लाभ और हानि को जानना बहुत महत्वपूर्ण है। परिचय: यह अध्ययन चार प्रमुख AI-आधारित कोड सहायक: GitHub Copilot, Microsoft Copilot, Tabnine, और ChatGPT की क्षमताओं का मूल्यांकन करता है। यह अध्ययन इस बात को संबोधित करता है कि उत्पन्न कोड की गुणवत्ता कार्यात्मक, कुशल और बनाए रखने योग्य है या नहीं और क्या इसमें सुधार के लिए क्षेत्र हैं। पद्धति: AI-जनित कोड की दृढ़ता, McCabe जटिलता (साइक्लोमैटिक जटिलता), कुशलता, और कोड आकार के संदर्भ में तुलना की गई। दृढ़ता प्रतिशत वह हिस्सा था जिसमें कोड में कोई त्रुटियाँ नहीं थीं, McCabe जटिलता संरचनात्मक जटिलता को मापने के लिए उपयोग की जाती थी, निष्पादन प्रदर्शन कुशलता का प्रतिनिधित्व करता था, और कोड का आकार केवल कोड की पंक्तियों द्वारा होता था। सभी AI उपकरणों को 100 प्रांप्ट के मानक सेट के खिलाफ मानकीकरण किया गया ताकि समानता का आकलन किया जा सके। परिणाम: GitHub Copilot की सहीता 42% थी, और ChatGPT ने सबसे जटिल कोड उत्पन्न किया—जिसका मापन McCabe जटिलता स्कोर 2.92 के साथ किया गया। कुशलता के मामले में, ChatGPT ने "अच्छा" मानदंडों को पूरा करने वाले कोड की उच्चतम संख्या के साथ भी शीर्ष स्थान प्राप्त किया। औसतन, Tabnine ने सबसे छोटा कोड उत्पन्न किया, जबकि GitHub Copilot और ChatGPT सबसे अधिक बारीकी से थे। विश्लेषण ने खुलासा किया कि भले ही AI-आधारित सहायक उच्च गुणवत्ता का कोड उत्पन्न कर सकते हैं, वे आमतौर पर कोड उत्पन्न करते हैं जो स्वयं डेवलपर्स द्वारा लिखे गए समाधानों से बहुत भिन्न होता है, और उनके लिए कक्षाओं के बीच निर्भरताओं का सामना करना कठिन होता है। निष्कर्ष: AI-आधारित कोड सहायक कोड जनरेशन और सॉफ़्टवेयर विकास की दक्षता में सुधार के लिए पर्याप्त संभावनाएँ रखते हैं। हालाँकि, चुनौतियाँ बनी हुई हैं, विशेष रूप से जटिल निर्भरताओं को संभालने और तैयार-से-उपयोग कोड उत्पन्न करने में। अध्ययन का सुझाव है कि विभिन्न सहायकों की ताकत पर लाभ उठाना और जटिल कोडिंग परिदृश्यों को संभालने की उनकी क्षमता को बढ़ाने पर ध्यान केंद्रित करना महत्वपूर्ण प्रगति कर सकता है। चल रहा शोध और विकास इन सीमाओं को संबोधित करने और सॉफ़्टवेयर विकास में AI-आधारित कोड सहायकों की पूरी क्षमता को समन्वित करने के लिए अनिवार्य है।