استارتاپ سوئیسی LogicStar قصد دارد به بازی عامل هوش مصنوعی بپیوندد. این استارتاپ که در تابستان 2024 تأسیس شد، 3 میلیون دلار سرمایه پر-بذری دریافت کرده تا ابزارهایی به بازار توسعه‌دهندگان ارائه دهد که قادر به نگهداری خودکار نرم‌افزارها باشند، به جای استفاده معمول‌تر از عوامل هوش مصنوعی برای هم‌توسعه کد.
مدیر عامل و هم‌بنیان‌گذار LogicStar، بوریس پاسکالف (در تصویر در بالا سمت راست، همراه با هم‌بنیان‌گذاران خود) پیشنهاد می‌کند که عوامل هوش مصنوعی این استارتاپ می‌توانند در نهایت با عوامل توسعه کد همکاری کنند - مثل Cognition Labs’ Devin - در یک موقعیت برد-برد تجاری.
وفاداری کد یک مسأله برای عوامل هوش مصنوعی است که به توسعه و استقرار نرم‌افزار می‌پردازند، همان‌طور که برای توسعه‌دهندگان انسانی است، و LogicStar می‌خواهد نقشی در کمک به روان‌سازی چرخ توسعه با شناسایی و رفع خودکار باگ‌ها هرجا که در کد مستقر ظاهر شوند، داشته باشد.
در حالت فعلی، پاسکالف پیشنهاد می‌کند که «حتی بهترین مدل‌ها و عوامل» موجود قادر نیستند اکثر باگ‌هایی را که به آنها ارائه می‌شود، حل کنند و از این‌رو تیم یک فرصت برای راه اندازی یک استارتاپ هوش مصنوعی می‌بیند که بهبود این احتمالات و تحقق رویای نگهداری کمتر خسته‌کننده از برنامه‌ها اختصاص یافته.
به این ترتیب، آنها بر اساس مدل‌های زبانی بزرگ (LLMs) - مانند GPT OpenAI یا حتی DeepSeek چین - کار می‌کنند و برای پلتفرم خود یک رویکرد مدل‌آگنوستیک اتخاذ می‌کنند. این به LogicStar اجازه می‌دهد تا به LLMهای مختلف دسترسی داشته باشد و بهره‌وری عوامل هوش مصنوعی خود را بر اساس عملکرد بهترین مدل پایه برای حل یک مسأله خاص کد، به حداکثر برساند.
پاسکالف بر این باور است که تیم بنیان‌گذار دانش فنی و تخصص دامنه‌ای لازم برای ساخت پلت‌فرمی دارد که می‌تواند مسائل برنامه‌نویسی را که می‌توانند LLMها را به تنهایی به چالش بکشند یا از آنها جلو بزنند، حل کند. آنها همچنین موفقیت کارآفرینانه گذشته را دارند که نشان دهند: او استارتاپ قبلی خود، DeepCode، را در سپتامبر 2020 به غول امنیت سایبری Snyk فروخت.
او به TechCrunch گفت: "در ابتدا در فکر ساخت یک مدل زبان بزرگ برای کد بودیم." "سپس فهمیدیم که این به سرعت به یک کالا تبدیل می‌شود... حالا ما فرض می‌کنیم همه آن مدل‌های زبان بزرگ وجود دارند. فرض می‌کنیم عوامل (هوش مصنوعی) خوبی برای کد وجود دارند، چگونه می‌توانیم حداکثر ارزش تجاری را از آنها استخراج کنیم؟"
او گفت که ایده به تحلیل آنها از برنامه‌های نرم‌افزاری متکی است. "این را با مدل‌های زبان بزرگ ترکیب کنید - سپس تمرکز کنید بر تثبیت و تطبیق آنچه که مدل‌های زبان بزرگ و عامل‌های هوش مصنوعی واقعاً پیشنهاد می‌کنند."
بهبود با استفاده از تست
این در عمل چه معنایی دارد؟ پاسکالف می‌گوید LogicStar هر برنامه‌ای را که فناوری آن بر روی آن مستقر شده تحلیل می‌کند - با استفاده از "روش‌های کلاسیک علوم کامپیوتر " - به منظور ساخت یک "پایگاه دانش". این به عامل هوش مصنوعی یک نقشه جامع از ورودی‌ها و خروجی‌های نرم‌افزار، چگونگی اتصال متغیرها به توابع و هر گونه ارتباطات و وابستگی‌ها و غیره می‌دهد.
سپس، برای هر باگی که به آن ارائه شده، عامل هوش مصنوعی قادر است تعیین کند که کدام بخش‌های برنامه تحت تأثیر قرار گرفته‌اند - این امکان را به LogicStar می‌دهد تا عملکردهایی را که نیاز به شبیه‌سازی دارند برای آزمایش تعداد زیادی از تعمیرات احتمالی کاهش دهد.
به گفته پاسکالف، این "محیط اجرای حداقلی" به عامل هوش مصنوعی اجازه می‌دهد تا "هزاران " آزمایش انجام دهد که هدف آن بازتولید باگ‌ها برای شناسایی یک "آزمون ناموفق " است و - از طریق این رویکرد "توسعه مبتنی بر آزمون " - در نهایت به تعمیراتی که موثر است، دست یابد.
او تأیید می‌کند که تعمیرات باگ واقعی از LLMها وام گرفته می‌شود. اما به این خاطر که پلتفرم LogicStar این "محیط اجرایی بسیار سریع " را فعال می‌کند، عوامل هوش مصنوعی می‌توانند در مقیاس کار کنند تا بین خوب و ناخوب تمایز قائل شوند و به کاربران خود یک میانبر به بهترین خروجی‌های ممکن LLMها ارائه دهند.
او گفت: "چیزی که ما می‌بینیم این است که [LLMها] برای پروتوتایپینگ، آزمایش چیزها عالی هستند، و غیره، “اما مطلقاً برای تولید [کد]، کاربردهای تجاری خوب نیستند. فکر می‌کنم ما از آن فاصله داریم و این همان چیزی است که پلتفرم ما ارائه می‌دهد،" او گفت. "توانایی استخراج این قابلیت‌ها از مدل‌ها امروز، ما می‌توانیم در حقیقت ارزش تجاری را ایمن استخراج کنیم و واقعاً زمان توسعه‌دهندگان را برای تمرکز بر چیزهای مهم ذخیره کنیم."
شرکت‌ها اولین هدف LogicStar خواهند بود. "عوامل سیلیکونی " آن قرار است در کنار تیم‌های توسعه‌دهنده شرکتی کار کنند، هرچند با کسری از حقوق مورد نیاز برای استخدام یک توسعه‌دهنده انسانی، به انجام مجموعه‌ای از وظایف نگهداری اپلیکیشن بپردازند و استعداد مهندسی را برای کارهای خلاقانه و/یا چالشی آزاد کنند. (یا، خوب، حداقل تا زمانی که LLMها و عوامل هوش مصنوعی بسیار بیشتر قادر شوند.)
در حالی که استارتاپ به‌صورت خودمختار کامل بودن توانایی نگهداری اپلیکیشن‌ها را تبلیغ می‌کند، پاسکالف تأیید می‌کند که پلتفرم به توسعه‌دهندگان انسانی اجازه می‌دهد تا رفع‌های فراخوانده‌شده توسط عوامل هوش مصنوعی آن را بررسی و یا نظارت کنند. بنابراین اعتماد باید به‌دست آمده و می‌بایست باشد.
او گفت: "دقتی که یک توسعه‌دهنده انسانی ارائه می‌کند بین 80 تا 90درصد است. هدف ما [برای عوامل هوش مصنوعی ما] دقیقاً همین است."
هنوز روزهای اولیه برای LogicStar است: نسخه آلفای فناوری آن با تعدادی شرکت نااطلاع که پاسکالف به آنها به عنوان "شرکای طراحی " اشاره می‌کند، در حال آزمایش است. در حال حاضر، فناوری تنها از پایتون پشتیبانی می‌کند، اما توسعه به تایپ‌اسکریپت، جاوااسکریپت و جاوا به عنوان "به زودی " برنامه‌ریزی شده است.
پاسکالف اضافه می‌کند: "هدف اصلی [با سرمایه اولیه] این است که در واقع فناوری را با شرکای طراحی خود نشان دهیم - با تمرکز بر پایتون." "ما قبلاً یک سال روی آن کار کردیم و فرصت‌های زیادی برای گسترش واقعاً داریم. و به همین دلیل ما سعی می‌کنیم ابتدا بر روی آن تمرکز کنیم، تا ارزش آن را در یک مورد نشان دهیم."
جمع‌آوری سرمایه اولیه استارتاپ توسط شرکت سرمایه‌گذاری خطرپذیر اروپایی Northzone هدایت شد، و سرمایه‌گذاران فرشته‌ای از DeepMind، Fleet، شناس، Snyk و Spotify نیز به دور پیوستند.
در بیانیه‌ای، میخیل کوتینگ، شریک در Northzone، گفت: "تولید کد مبتنی بر هوش مصنوعی هنوز در مراحل اولیه خود قرار دارد، اما این بهره‌وری‌هایی که ما الآن می‌بینیم انقلابی هستند. پتانسیل این فناوری برای ساده‌سازی فرایندهای توسعه، کاهش هزینه‌ها و شتاب‌بخشی به نوآوری عظیم است. و تخصص فنی گسترده تیم و کارنامه اثبات‌شده آنها را در موقعیت ارائه نتایج واقعی و تاثیرگذار قرار می‌دهد. آینده توسعه نرم‌افزار در حال تغییر شکل است و LogicStar نقش حیاتی در نگهداری نرم‌افزار ایفا خواهد کرد."
LogicStar یک لیست انتظار برای مشتریان بالقوه‌ای که می‌خواهند علاقه‌مندی خود را برای دریافت دسترسی اولیه ابراز کنند، راه‌اندازی کرده است. آنها به ما گفتند که انتشار نسخه بتا برای اواخر امسال برنامه‌ریزی شده است.
