TabbyML، وهو منافس مفتوح المصدر لـ GitHub Copilot، يجمع 3.2 مليون دولار
أصبح السباق لإنشاء مساعدين للذكاء الاصطناعي يساعد البشر على كتابة رموز الكمبيوتر محتدمًا. حصلت شركة TabbyML، التي أنشأها اثنان من موظفي Google السابقين، على تمويل أولي قدره 3.2 مليون دولار للعمل على مولد التعليمات البرمجية مفتوح المصدر الخاص بها.
وعلى النقيض من Copilot الخاص بـ GitHub، فإن مساعد البرمجة المستضاف ذاتيًا مثل TabbyML يتمتع بميزة كونه قابلاً للتخصيص بدرجة كبيرة، كما اقترح المؤسس المشارك للشركة الناشئة Meng Zhang. وقال لـ TechCrunch في مقابلة: “نحن نؤمن بمستقبل حيث سيكون لدى جميع الشركات نوع من الطلب على التخصيص في تطوير البرمجيات”.
وأضاف: “من المحتمل أن تكون هناك منتجات أكثر نضجًا واكتمالًا في مجال البرمجيات الاحتكارية، ولكن إذا قارنا حلًا مفتوح المصدر بأداة GitHub المدعومة بـ OpenAI، فهناك المزيد من القيود على الأخيرة”.
وتلبي البرمجيات مفتوحة المصدر بشكل خاص احتياجات المؤسسات الكبرى، حسبما اقترحت لوسي جاو، المؤسس المشارك لتشانغ. في حين أن المطورين المستقلين قد يدمجون تعليمات برمجية مفتوحة المصدر في مشاريعهم، فإن المهندسين داخل المؤسسات غالبًا ما يسحبون تعليمات برمجية مملوكة للمؤسسات وبالتالي بعيدة عن متناول برنامج Copilot.
“على سبيل المثال، إذا كتب زميلي للتو سطرًا من التعليمات البرمجية، فيمكنني اقتباسه على الفور [by using TabbyML]وأوضح جاو.
مولدات الأكواد، مثل الأنواع الأخرى من طياري الذكاء الاصطناعي، لا يمكن الاعتماد عليها دائمًا لأنها قد تكون مليئة بالأخطاء. ويعتقد جاو أن التحدي “من السهل نسبيا معالجته” في حالة وجود حل مستضاف ذاتيا. في كل مرة يختار المستخدمون عدم دمج اقتراحات TabbyML أو إجراء تعديلات على التعليمات البرمجية المملوءة تلقائيًا، يقوم نموذج الذكاء الاصطناعي بالضبط الدقيق بناءً على تلك المعلومات.
الهدف من مولدات الأكواد هو مساعدة المبرمجين البشر بدلاً من استبدالهم، وقد كانت هناك نتائج واعدة. في يونيو، أصدر GitHub استطلاعًا يوضح أن مستخدمي Copilot قبلوا 30% من الاقتراحات التي قدمها مساعد البرمجة. واستشهد تشانغ بشخصية أخرى وجدها أكثر دلالة: في حدث عقد مؤخرا للمطورين، أعلنت شركة جوجل أن 24% من مهندسي البرمجيات لديها يختبرون أكثر من خمس “لحظات مساعدة” يوميا باستخدام محرر التعليمات البرمجية الداخلي المعزز بالذكاء الاصطناعي سايدر.
قد يميل صناع القرار إلى الاستغناء عن المهندسين بعد تنفيذ مولد الأكواد، لكن تشانغ قال: “الأمر ليس بهذه البساطة. البرمجة ليست خط إنتاج.”
TabbyML، الذي تم إطلاقه في أبريل، تم تمييزه بنجمة حوالي 11000 مرة على GitHub حتى وقت كتابة هذا التقرير. المستثمران اللذان شاركا في الجولة الأخيرة هما Yunqi Partners وZooCap.
عندما سئل تشانغ عن منافستها مع Copilot the Goliath، قال تشانغ إن ميزة OpenAI سوف تتضاءل عندما تصبح نماذج الذكاء الاصطناعي الأخرى أكثر قوة وتنخفض تكاليف الطاقة الحاسوبية بمرور الوقت.
وقال تشانغ إن ميزة GitHub وOpenAI تنبع من قدرتهما على نشر نماذج الذكاء الاصطناعي مع عشرات المليارات من المعلمات عبر السحابة. على الرغم من أن تكلفة الخدمة لهذه النماذج الكبيرة أعلى، إلا أن Copilot تمكنت حتى الآن من تخفيف النفقات إلى حد ما عن طريق تجميع الطلبات.
ومع ذلك، فقد أظهرت الاستراتيجية حدودها: ففي الأشهر القليلة الأولى من هذا العام، كانت مايكروسوفت تخسر في المتوسط أكثر من 20 دولارًا شهريًا لكل مستخدم GitHub Copilot، وفقًا لتقرير صادر عن صحيفة وول ستريت جورنال.
وفي المقابل، يهدف تابي إلى خفض حاجز النشر من خلال التوصية بنماذج مدربة على ما بين مليار إلى ثلاثة مليارات من المعايير، وهو النهج الذي يؤدي حتماً إلى انخفاض الجودة في الأمد القريب.
قال تشانغ: “ومع ذلك، مع انخفاض تكلفة قوة الحوسبة بمرور الوقت واستمرار تحسن جودة النماذج مفتوحة المصدر، ستتضاءل الميزة التنافسية لـ GitHub وOpenAI في النهاية”.
