软件学报

作者：李戈，彭鑫，王千祥，谢涛，金芝，王戟，马晓星，李宣东

单位：李戈，北京大学 计算机学院, 北京 10087111,彭鑫，复旦大学 计算机科学技术学院, 上海 20043802,王千祥，华为技术有限公司, 北京 10009503,谢涛，北京大学 计算机学院, 北京 10087104,金芝，北京大学 计算机学院, 北京 10087105,王戟，国防科技大学 计算机学院, 湖南 长沙 41007306,马晓星，南京大学 计算机科学与技术系, 江苏 南京 21002307,李宣东，南京大学 计算机科学与技术系, 江苏 南京 21002308

关键词：软件开发与演化;大语言模型;人机协同

以自然语言生成为核心的大模型技术正在人工智能领域掀起热潮, 并持续向更多的领域穿透其影响力. 以ChatGPT为代表的自然语言生成大模型(以下简称大模型), 已经在软件工程的多项活动中展示出其通过自然交互方式给人提供一定程度帮助的能力和潜力, 正在发展成为一种基于自然交互的人机协同软件开发与演化工具. 从人机协同软件开发与演化的视角, 大模型作为一种软件工具呈现出了两大特征: 其一是基于自然语言的人机交互, 在相当大程度上拓展了人机协同的工作空间、提高了人机协同的效率和灵活性; 其二是基于已积累的软件开发和演化知识、针对给定软件开发和演化任务的预测性内容生成, 可以对软件开发和演化工作提供一定程度的支持和帮助. 然而, 由于大模型本质是基于概率与统计原理和训练数据所形成的数学模型, 具有不可解释性和内生不确定性, 其生成的是缺失可信性判断的预测性内容, 而人在软件开发与演化中所需要完成的是具有可信保障的决策性任务, 所以大模型作为一种软件工具, 在人机协同的软件开发和演化工作环境中给人提供帮助的同时, 也带来了诸多的挑战. 围绕如何构造对软件开发与演化更有帮助的代码大模型、如何引导大模型生成对软件开发与演化更有帮助的预测性内容、如何基于大模型生成的预测性内容开发与演化高质量的软件系统等大模型带来的挑战进行分析和阐述.

来源：2023年第10期

《软件学报》期刊编辑部

查看软件学报杂志2023年第10期