Искусственный интеллект уже активно используется в программировании — от автодополнения кода до генерации тестов и анализа ошибок. Однако полностью автономные «ИИ-программисты» пока далеки от реальности.
Искусственный интеллект уже активно используется в программировании — от автодополнения кода до генерации тестов и анализа ошибок. Однако полностью автономные «ИИ-программисты» пока далеки от реальности.
К такому выводу пришли исследователи из MIT CSAIL, Калифорнийского университета в Беркли, Корнелла и Стэнфорда, представившие фундаментальное исследование на конференции ICML 2025. «Сегодняшние ИИ-кодеры в основном находятся на низком или среднем уровне автономии, выступая как инструмент или консультант, а не как полноценный агент», — говорится в исследовании .
Авторы работы отмечают, что успехи последних лет — лишь начало. Существующие системы хорошо справляются с простыми задачами вроде завершения функций или написания фрагментов кода, но с ростом масштаба проектов и логической сложности возникают серьезные проблемы.
Ученые заявляют: «Когда мы используем LLM или кодирующих агентов, мы обычно задаём им спецификацию на естественном языке. Однако между английским и кодом существует разрыв абстракции, что приводит к неполным или двусмысленным инструкциям. В результате пользователи часто сталкиваются с несоответствием» .
Среди ключевых препятствий выделяются трудности с долгосрочным планированием архитектуры, работой с большими кодовыми базами, пониманием семантики программ, а также адаптацией к быстро меняющимся библиотекам и API.
Исследователи также указывают на ограниченность существующих бенчмарков. Большинство тестов проверяют лишь генерацию кода на уровне функций и не отражают реальных задач инженеров — таких как миграция между языками, рефакторинг крупных систем или поддержка безопасности. Более того, современные модели часто галлюцинируют при поиске ошибок, дают некорректные подсказки и плохо справляются с редкими языками и специализированными библиотеками.
Перспективные направления развития связаны с созданием агентных систем, способных самостоятельно обрабатывать требования и проверять их реализацию на уровне кода, а также с применением эволюционных алгоритмов, которые будут улучшать решения пошагово. Особое внимание уделяется интерфейсу взаимодействия: ИИ должен учиться уточнять неясные инструкции, а не заставлять разработчиков подстраиваться под себя.
Тем не менее исследователи подчеркивают, что роль человека останется ключевой. Даже при высокой автоматизации необходимы человеческий надзор и верификация. «В долгосрочной перспективе ИИ сможет выполнять рутинные задачи, а инженеры будут сосредотачиваться на стратегических решениях и архитектуре. Но без доверия и прозрачности говорить о полном равенстве человека и машины в программировании пока рано», — говорится в работе.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.