Użytkownicy GitHuba wyśmiewają komentarze AI

Niedawno na GitHubie pojawił się niecodzienny pull request, wokół którego zrobił się spory szum. Dlaczego? Jego autor przedstawił zmiany jako dodanie komentarzy do całego kodu Spring Boot, generowanych przez... specjalny model AI. I się zaczęło.

W treści PR autor tłumaczy, że zmiany zostały stworzone przy użyciu modelu AI, który został "skrojony" do tego celu. Wyjaśnia również, że celem eksperymentu było zidentyfikowanie błędów i usprawnienie kodu poprzez automatyczne komentowanie. Wyraźnie zaznacza jednak, że nie spodziewa się, aby jego pull request został scalony w obecnej postaci, przyznając, że narusza to dobre zasady kodowania.

Tu przykładowy kwiatek, z którego nabijali się użytkownicy GH:

/**
 * Determines the GitHub tag for the given project.
 * 
 * @param project the project for which to determine the GitHub tag
 * @return the GitHub tag for the project
 */
private String determineGitHubTag(Project project) 

Społeczność GitHuba nie żałowała sobie dosadnych ocen w komentarzach. Phil Webb, członek zespołu Springa, podziękował za propozycję, ale wyraził preferencję dla ręcznego dokumentowania kodu. Argumentował to tym, że automatyczne komentarze wprowadzają zbyt dużo zbędnego szumu.

Inni użytkownicy wyrazili swoją niechęć, sugerując, że taka inicjatywa jest niczym więcej, niż próbą reklamy produktu. I to niezbyt udanego. W komentarzach pojawiły się również ironiczne uwagi odnośnie jakości i sensowności komentarzy generowanych przez AI. Ogólny ich wydźwięk był taki, że komentarze AI są zbyt oczywiste i redundantne, nie wnosząc żadnej wartości ani kontekstu. I faktycznie, pomimo deklaracji, że to model dedykowany, oceniane komentarze wyglądają na bardzo standardowe GPT. 

Ostatecznie PR został odrzucony, a społeczność bardzo otwarcie wyraziła swój sprzeciw wobec automatycznego komentowania kodu również w przyszłości. Mimo że eksperyment ten wywołał wiele dyskusji, to jednak większość zgadza się z tym, że ręczne dokumentowanie kodu pozostaje preferowaną praktyką, zwłaszcza w projektach o takim znaczeniu jak Spring Boot.

Pozytywny wniosek jest taki, że pomimo dużych postępów w rozwoju sztucznej inteligencji, nadal istnieją obszary, w których ludzka interwencja i rozumienie kontekstu są niezbędne do tworzenia wysokiej jakości oprogramowania. I oby tak było jak najdłużej.