Challenges and Paths Towards AI for Software Engineering

要約

ソフトウェアエンジニアリングのAIは最近顕著な進歩を遂げ、生成AIで顕著な成功を収めました。
それにもかかわらず、自動化されたソフトウェアエンジニアリングがその潜在能力を最大限に発揮する前に、対処する必要がある多くの課題がまだあります。
ほとんどの日常的な開発努力が自動化されている間、人間が何を構築するか、どのように困難なトレードオフのバランスをとるかの重要な決定に集中できる高レベルの自動化に到達することが可能であるべきです。
このレベルの自動化に到達するには、学界と産業全体で実質的な研究と工学の取り組みが必要です。
この論文では、これに向けた進捗について3つの方法で議論することを目指しています。
まず、ソフトウェアエンジニアリングのAIでコンクリートタスクの構造化された分類法を提供し、コード生成と完了を超えてソフトウェアエンジニアリングの他の多くのタスクを強調します。
第二に、現在のアプローチを制限するいくつかの重要なボトルネックの概要を説明します。
最後に、この急速に成熟した分野での将来の研究を促すことを望んで、これらのボトルネックの進歩を遂げるための有望な研究の方向性に関する意見のあるリストを提供します。

要約(オリジナル)

AI for software engineering has made remarkable progress recently, becoming a notable success within generative AI. Despite this, there are still many challenges that need to be addressed before automated software engineering reaches its full potential. It should be possible to reach high levels of automation where humans can focus on the critical decisions of what to build and how to balance difficult tradeoffs while most routine development effort is automated away. Reaching this level of automation will require substantial research and engineering efforts across academia and industry. In this paper, we aim to discuss progress towards this in a threefold manner. First, we provide a structured taxonomy of concrete tasks in AI for software engineering, emphasizing the many other tasks in software engineering beyond code generation and completion. Second, we outline several key bottlenecks that limit current approaches. Finally, we provide an opinionated list of promising research directions toward making progress on these bottlenecks, hoping to inspire future research in this rapidly maturing field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google