除非你一直躲在一塊巖石下，否則你可能已經(jīng)看到ChatGPT正在席卷整個世界。雖然ChatGPT已經(jīng)引起了人們的普遍興趣，但它是一種人工智能模型，有助于證明開發(fā)者和企業(yè)正在重新思考我們?nèi)绾喂ぷ骱烷_發(fā)軟件系統(tǒng)。我并不是說該技術(shù)正處于我們可以讓人工智能模型為我們編寫生產(chǎn)代碼的階段。相反，我建議人工智能可以通過幾種方式來改變嵌入式軟件開發(fā)人員學(xué)習(xí)、工作和編寫軟件的方式。讓我們探索一些。

史詩方法#1-通過人工智能對編程加速開發(fā)

我一直喜歡的一個敏捷方法是成對編程。配對編程讓兩個開發(fā)人員一起開發(fā)一個軟件特性。一個開發(fā)人員通過編寫代碼作為驅(qū)動程序，另一個作為導(dǎo)航員，檢查準確性并記住更大的圖片。我很久以前就知道，為嵌入式系統(tǒng)編寫代碼并不是困難的部分。任何人都可以編寫代碼;它檢查代碼是否正確，并做它需要的，這就是訣竅。

人工智能模型可以生成代碼。Github的副駕駛和OpenAI的代碼沙箱做得很好。將一個人作為導(dǎo)航器與一個將編寫代碼的AI模型配對是加速開發(fā)人員吞吐量的好方法。例如，我最近正在開發(fā)一個軟件模塊，其中包括單元測試，在那里我使用了副駕駛來幫助我加速開發(fā)。當我開始輸入我正在編寫的函數(shù)或測試的名稱時，副駕駛會開始建議代碼的樣子，比如：

TEST(HeaterGroup, CreateThread)

{

UINT status;

TX_THREAD HeaterThread;

status = tx_thread_create(&HeaterThread, "HeaterThread", HeaterTask, 0,

HeaterThreadStack, HEATER_THREAD_STACK_SIZE,

HEATER_THREAD_PRIORITY, HEATER_THREAD_PRIORITY,

TX_NO_TIME_SLICE, TX_AUTO_START);

CHECK_EQUAL(status, TX_SUCCESS);

}

副駕駛很快就產(chǎn)生了一個測試，我必須在這個案例中進行審查和祝福。它并不總是正確的，也并不總是有一個好的建議，但總的來說，它提高了我編寫代碼的速度。人工導(dǎo)航器可以導(dǎo)致更高的質(zhì)量和更快的代碼開發(fā)。

史詩般的方式#2-更快的調(diào)試

我發(fā)現(xiàn)ChatGPT在查找代碼中的錯誤或建議改進代碼方面相對不錯。從歷史上看，根據(jù)安斯彭可2020年嵌入式營銷調(diào)查，開發(fā)者平均花了20%的時間來調(diào)試代碼。然而，我遇到過許多開發(fā)人員和團隊，他們花費了超過40%的時間!減少調(diào)試時間可以節(jié)省數(shù)月和數(shù)十萬美元的開發(fā)成本。人工智能工具將幫助開發(fā)者實現(xiàn)這一目標。

我最近在一篇演示C緩沖區(qū)溢出的文章中使用了代碼。該代碼如下：

#include

#include

int main (void){

printf ("Hello, world!\n");

printf ("Let's overflow the buffer!\r\n");

uint32_t array[5] = {0, 0, 0, 0, 0,};

for(int index = 0; index < 6; index++) {

printf("Index %d: %d\r\n", index, array[index]);

}

return 0;

}

我把這個代碼，粘貼到ChatGPT中，并要求它找到這個bug。其結(jié)果如下：

“在這段代碼中有一個緩沖區(qū)溢出。該數(shù)組被定義為大小為5，但是for循環(huán)試圖訪問一個索引6，這是越界的。這可能會導(dǎo)致未定義的行為，例如覆蓋不應(yīng)該修改的內(nèi)存。

要解決這個問題，您可以改變for循環(huán)條件，以停止在5，如下：

for(int index = 0; index < 5; index++) {

printf("Index %d: %d\r\n", index, array[index]);

}

This way the loop will only access the valid indices of the array, and will not cause buffer overflow.”

這可能看起來微不足道，但其潛力是令人信服的。ChatGPT能夠找到緩沖區(qū)溢出，提出修復(fù)它的方法并解釋原因。開發(fā)人員可能花了超過10-20秒的時間來發(fā)現(xiàn)這樣的錯誤，特別是如果錯誤更復(fù)雜的話。

我們已經(jīng)使用了靜態(tài)的和動態(tài)的分析工具來改進我們的代碼。使用人工智能工具來審查代碼并提出改進建議是合乎邏輯的下一步。我已經(jīng)和幾十個工程師交談過了，他們已經(jīng)在使用ChatGPT來幫助他們學(xué)習(xí)Rust，改進他們的C++代碼，找到更好的編寫Python的方法，等等。

史詩般的方法#3-將開發(fā)者指向正確的方向

有時，開發(fā)人員會遇到他們以前沒有完成過的活動。在這些情況下，開發(fā)人員將需要在網(wǎng)上走出去，做一些搜索，做一些研究，嘗試一些事情，最終，他們會弄明白。然而，這個過程有時可能需要比我們想要的更多的時間。有了人工智能工具，開發(fā)者可以找到正確的方向，并更快地加快速度。

例如，如果你正在開始開發(fā)一個新產(chǎn)品，并且必須制定一個軟件開發(fā)計劃，你可以問人工智能應(yīng)該包括什么。響應(yīng)可能是如下的：

項目概述：對項目的目標、目標和范圍的總結(jié)。

需求：對軟件的功能需求和非功能需求的詳細描述。

設(shè)計：對軟件的整體架構(gòu)和設(shè)計的描述，包括任何相關(guān)的圖表或原理圖。

開發(fā)時間表：關(guān)于軟件開發(fā)的詳細計劃，包括任務(wù)、里程碑和截止日期。

測試和質(zhì)量保證：一個關(guān)于測試和質(zhì)量保證的計劃，包括任何相關(guān)的測試工具和方法。

部署和維護：部署軟件并在生產(chǎn)過程中維護軟件的計劃。

資源分配：對項目所需資源的描述，包括人員、設(shè)備和預(yù)算。

風(fēng)險管理：識別和減輕整個項目中潛在風(fēng)險的計劃。

溝通：在項目團隊之間和與利益相關(guān)者之間的溝通計劃。

附錄：與項目相關(guān)但未包括在計劃主體中的任何附加信息。

ChatGPT生成了上述列表。是否準確?我認為這是一個優(yōu)秀的第一次通過。我使用的軟件開發(fā)計劃有更多的內(nèi)容，但所有這些項目都包括在內(nèi)了。因此，一個創(chuàng)建他們的第一個軟件開發(fā)計劃的人將會有一個方向要走。

現(xiàn)在，我認為這是一個很好的時機來指出，你不能總是相信人工智能工具會告訴你做的事情。我最近在做一個項目，其中我必須啟用糾錯碼(ECC)。我沒有在那個微控制器上做過，我很好奇ChatGPT是否會給我正確的答案，或者給我指明正確的方向。我閱讀了數(shù)據(jù)表，把我需要做的事情放在一起，然后實現(xiàn)了它。在驗證了我的解決方案后，我問ChatGPT如何做同樣的事情。生成的輸出是正確的方向，但遺漏了一些關(guān)鍵的細節(jié)。如果我單獨依賴它，我可能還會試圖弄清楚為什么ECC不工作。

結(jié)論

像ChatGPT、CoPilot等許多其他工具將極大地改變企業(yè)和開發(fā)人員編寫軟件的方式(以及更多)。然而，我不相信我們會很快把鑰匙交給機器。我懷疑這些工具能否優(yōu)化實時性能，或創(chuàng)建正確的權(quán)衡，以確保在多任務(wù)處理環(huán)境中能夠滿足最后期限。然而，增強開發(fā)者并幫助他們變得更高效的潛力是巨大的。大多數(shù)嵌入式系統(tǒng)公司面臨的兩個最大挑戰(zhàn)是上市時間和開發(fā)預(yù)算。自動化和流程可以幫助團隊沿著這條道路前進，但人工智能可能只是最終解決這些挑戰(zhàn)的工具。