Az adott probléma megoldásához a megfelelő szakértő kiválasztása jelentősen csökkentheti az ügyintézési időt és a költségeket. A magyarországi projektelem a szoftverfejlesztői, karbantartói és üzemeltetői piacra olyan mesterséges intelligencián és gépi tanulási algoritmusokon alapuló eszköz fejlesztése, amely képes – különböző kritériumok alapján – a szoftverforráskód karbantartási feladatainak optimális szétosztására a fejlesztők között. A FrontEndART Kft. QualityGate forráskód minőségirányítási rendszere képes figyelemmel kísérni egy szoftver „evolúcióját”, és felderíteni abban a hibás és problémás kódrészeket.
Az egyes hibákhoz a legalkalmasabb fejlesztő automatikus kiválasztása számos kódtól, hibától és fejlesztői jellemzőtől függő komplex optimalizálási feladat, amire a hagyományos módszerek nem alkalmasak. A projektben olyan feladatkiosztó megoldást fejlesztenek, amely mesterséges intelligencián és gépi tanuláson alapuló modelleket használva képes azon fejlesztők kiválasztására, akik segítségével a szoftver hibás kódrészleteinek javítása legjobban megoldható. Az ehhez szükséges adatok a statikus kódanalízisből és a fejlesztői tevékenység naplózásából, valamint a fejlesztők adatalapú profilépítéséből származnak. Az SZTE munkatársai elsősorban mesterséges intelligencián és gépi tanuláson alapuló módszerek kutatásában és fejlesztésében vesznek részt. A 2024 végéig tartó projekt megvalósítását a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal mintegy 68 millió forintos támogatása segíti.
Forrás: Jövő Gyára