| Abstract |
Mākslīgā intelekta (MI) rīki tiek plaši izmantoti praksē, bet akadēmiskajā vidē joprojām pastāv ierobežots skaits pētījumu, kas salīdzina dažādu ģeneratīvā MI aģentu ietekmi uz ģenerētā koda kvalitāti vienotos novērtēšanas apstākļos. Bakalaura darba mērķis ir izpētīt un analizēt ģeneratīvā mākslīgā intelekta aģentu pielietojumu programmatūras koda ģenerēšanā. Darba ietvaros ir apskatīta mākslīgā intelekta attīstība, lielo valodas modeļu un MI aģentu darbības principi, kā arī analizēti esošie ģeneratīvā MI aģenti un to lietojums programmatūras izstrādes nozarē.
Praktiskajā daļā ir veikts eksperiments, kurā vienādos sākotnējos apstākļos salīdzināti divi ģeneratīvā MI aģenti - Codex un Claude Code. Abu aģentu izveidotie risinājumi tika vērtēti pēc funkcionālās atbilstības, drošības, uzticamības, uzturamības, tehniskā parāda, sarežģītības, koda dublikācijas, koda apjoma un izstrādes efektivitātes kritērijiem. Koda kvalitātes analīzei tika izmantots SonarQube rīks. Iegūtie rezultāti parāda, ka abi MI aģenti spēj izveidot funkcionējošu programmatūras risinājumu, tomēr Claude Code uzrādīja labākus rezultātus funkcionālās atbilstības, uzticamības, uzturamības un tehniskā parāda kritērijos. Claude Code sasniedza 100% funkcionālo atbilstību, savukārt Codex sasniedza 90,91% funkcionālo atbilstību. Darba rezultātā secināts, ka ģeneratīvie MI aģenti var būt noderīgi programmatūras izstrādē, tomēr to radītais kods ir jāpārbauda, jāanalizē un nepieciešamības gadījumā jākoriģē.
Bakalaura darbā ir 65 lappuses, 37 attēli, 3 tabulas, 6 pielikumi un 28 informācijas avoti. |
