学习可持续编码：基于大语言模型的绿色代码生成的实证研究
软件工程
2024-03-07 v1 人工智能
摘要
信息技术的日益使用导致数据中心的能源消耗和碳排放占据了显著份额。随着大数据分析需求的增长、数字化程度的提高以及大型人工智能 (AI) 模型的发展，预计这些贡献将进一步上升。解决软件开发环境影响的需求引发了人们对绿色（可持续）编码的日益关注，并有观点认为使用 AI 模型可以实现能源效率的提升。在此，我们提供了一项关于绿色代码的实证研究及绿色编码实践概述，以及用于量化 AI 模型可持续性意识的指标。在该框架下，我们评估了自动生成代码的可持续性。本研究中考虑的自动生成代码由生成式商业 AI 语言模型产生，包括 GitHub Copilot、OpenAI ChatGPT-3 和 Amazon CodeWhisperer。在我们的方法论中，为了量化这些 AI 模型的可持续性意识，我们基于特定的可持续性指标提出了代码“绿色容量”的定义。我们比较了人类生成的代码与三种 AI 语言模型针对从易到难的问题陈述所生成代码的性能和绿色容量。我们的研究结果揭示了当前 AI 模型促进可持续软件开发的能力。
引用
@article{arxiv.2403.03344,
title = {Learn to Code Sustainably: An Empirical Study on LLM-based Green Code Generation},
author = {Tina Vartziotis and Ippolyti Dellatolas and George Dasoulas and Maximilian Schmidt and Florian Schneider and Tim Hoffmann and Sotirios Kotsopoulos and Michael Keckeisen},
journal= {arXiv preprint arXiv:2403.03344},
year = {2024}
}