蘋果三大 AI 突破：預測錯誤、生成測試、修復代碼革新軟體開發

蘋果公司最近發表了三項研究，探討如何利用人工智慧（AI）來預測程式錯誤、撰寫測試以及修復代碼，這些研究顯示 AI 在軟體開發中的潛力。

在第一項研究中，蘋果的研究人員提出了一種名為ADE-QVAET（Adaptive Differential Evolution-Quantum Variational Autoencoder Technology）的新型AI模型，旨在克服當前大型語言模型（LLM）在分析大型代碼庫時的限制，如「虛假生成」、「缺乏上下文生成」及「檢索過程中關鍵商業關係的丟失」。這個模型結合了四種AI技術：自適應微分演化（ADE）、量子變分自編碼器（QVAE）、變壓器層（Transformer layers）和自適應噪聲減少與增強（ANRA），以提高錯誤預測的準確性。

研究顯示，當在Kaggle數據集上進行測試時，ADE-QVAET在90%的訓練比例下，達到98.08%的準確率、92.45%的精確率、94.67%的召回率和98.12%的F1分數，顯示出其在辨識真實錯誤方面的高效性。

第二項研究則針對品質工程師面臨的另一個挑戰，即創建和維護大型軟體項目的詳細測試計畫和案例。研究人員開發了一個系統，利用LLM和自主AI代理自動生成和管理測試文檔，從測試計畫到驗證報告，並保持需求、業務邏輯和結果之間的完整可追溯性。這個系統的整體測試文檔自動生成準確率從65%提升至94.8%，並在企業系統工程和SAP遷移項目中顯示出85%的測試時間縮短和35%的成本節省。

最後，第三項研究SWE-Gym則更具野心，旨在訓練AI代理學會閱讀、編輯和驗證真實代碼，以實際修復錯誤。該系統使用了2,438個來自11個開源庫的真實Python任務，並設計了SWE-Gym Lite版本，以加快訓練和評估的速度。研究結果顯示，經過訓練的代理正確解決了72.5%的任務，超過以往基準20個百分點。

這些研究不僅展示了AI在軟體開發中的應用潛力，也為未來的開發流程帶來新思路。蘋果在AI研發中特別強調用戶隱私與責任AI原則，並考量隱私保護及模型安全性，保障企業與用戶數據安全。