Pular para o conteúdo
LabS Atlas
AI For Devs
Entrar
Sessões

Sessão de Bancada Suspeitos de Aumentar a Qualidade do Software com IA Parte 3 (2024-04-23)

23 abr 20241h 06min
Assistir gravação

Entre para ler os trechos da transcrição de cada capítulo e perguntar ao Labinho sobre esta sessão.

O Labinho é o assistente que responde com as notas e as sessões do LabS e mostra de onde tirou cada resposta.

atualizado há 25 dias
Resumo da sessão

A sessão apresentou o contexto da bancada dedicada a investigar como ferramentas de inteligência artificial generativa podem aumentar a qualidade do software. Foi retomada a dinâmica de identificar “suspeitos” — diferentes profissionais e papéis envolvidos na engenharia de software — e reunir evidências práticas sobre como utilizam IA em atividades como levantamento de requisitos, geração de cenários e scripts de teste, desenvolvimento e documentação. Também foram mencionadas futuras explorações sobre arquitetura, desenvolvimento de modelos e testes automatizados.

O principal relato da sessão comparou Bing, ChatGPT 3.5 e Gemini no apoio à criação de testes unitários com Jasmine em um projeto Angular. O Gemini foi considerado mais didático e adequado para quem está aprendendo, enquanto Bing e ChatGPT foram mais diretos na geração de código; contudo, todas as ferramentas exigiram revisão humana e apresentaram erros ou problemas de linguagem. O experimento aumentou a cobertura de testes e mostrou ganhos de tempo, aprendizado e qualidade, embora não elimine a necessidade de compreender o código e validar as respostas. Ficou como ponto em aberto comparar os resultados com modelos mais recentes, como o GPT-4, e compartilhar os prompts para novos testes.

Ao final, foi compartilhada uma experiência sobre serviços de IA do Microsoft Azure, incluindo análise de imagens, OCR, reconhecimento facial e modelos generativos integráveis às aplicações. A discussão reforçou que o contexto fornecido e a estrutura do prompt influenciam decisivamente a qualidade das respostas, sendo útil orientar a IA a trabalhar passo a passo, explicar suas decisões e aguardar confirmações. Também ficou indicada a possibilidade de compartilhar materiais de cursos e explorar certificações e serviços de IA aplicados ao desenvolvimento.

Gerado por IA a partir da transcrição.
Capítulos · 34
00:06
Boas-vindas e abertura da sessão
Assistir
03:54
Apresentação do LabS e espaço para curiosos
Assistir
06:32
Objetivos da bancada For Devs
Assistir
07:50
Contexto de exploração e tecnologias emergentes
Assistir
10:23
Rota de investigação sobre qualidade de software
Assistir
11:40
Investigando o uso de IA na engenharia de software
Assistir
14:14
Voluntários, curiosos e papéis na investigação
Assistir
15:31
Hipóteses, evidências e resultados dos experimentos
Assistir
18:06
Apresentação da investigação sobre geração de testes
Assistir
20:40
Uso de IA para criar testes unitários
Assistir
21:56
Comparação entre Bing, ChatGPT e Gemini
Assistir
29:41
Didática e explicações oferecidas pelas ferramentas
Assistir
33:31
Aplicação prática em um projeto real
Assistir
36:08
Geração de testes para funções do projeto
Assistir
38:43
Erros gerados pela IA e necessidade de revisão
Assistir
40:02
Ferramentas integradas ao ambiente de desenvolvimento
Assistir
42:40
Problemas de idioma e código gerado
Assistir
43:55
Correção iterativa e personalização das respostas
Assistir
45:11
Aprendizado comparativo e próximos relatos
Assistir
46:27
Gemini e Bing: código e aprendizado
Assistir
47:46
Economia de tempo no desenvolvimento
Assistir
49:04
IA na geração e cobertura de testes
Assistir
50:19
Alucinações, qualidade e limites da IA
Assistir
51:35
Compartilhamento de prompts e comparação com GPT
Assistir
52:53
Demonstração de prompt para testes unitários
Assistir
54:09
Curso sobre Azure e serviços de IA
Assistir
55:29
Visão computacional e serviços cognitivos
Assistir
58:00
Personalização de soluções de IA no Azure
Assistir
59:18
Certificações e formação em Azure
Assistir
1:00:36
IA generativa nas aplicações e plataformas
Assistir
1:01:52
Migração de Python para Go com IA
Assistir
1:03:09
Contexto e engenharia de prompts
Assistir
1:04:25
Boas práticas para obter melhores respostas
Assistir
1:05:44
Encerramento da sessão
Assistir
Cortes · 6
A investigação sobre IA e qualidade de software
A sessão apresenta a proposta da bancada, focada em investigar como ferramentas de inteligência artificial podem aumentar a qualidade de aplicações. São explicados os papéis de curiosos e voluntários, os suspeitos analisados e os experimentos anteriores com requisitos, testes e geração de código.
06:32 – 19:25Assistir
Comparando IAs para aprender testes unitários
Uma participante investiga como diferentes ferramentas de IA — Bing, ChatGPT e Gemini — podem ajudar uma pessoa iniciante a criar testes unitários em um projeto Angular com Jasmine. Ela compara a profundidade das explicações, a geração de código, a configuração do ambiente e a didática de cada ferramenta, destacando o Gemini como o mais orientado ao aprendizado.
19:25 – 34:50Assistir
Resultados práticos e limites da geração de testes
A investigação mostra como as ferramentas foram usadas para gerar testes e aumentar a cobertura de um projeto, mas também revela erros no código produzido, incluindo problemas de tradução e nomenclatura. O grupo conclui que a IA funciona melhor como assistente, exigindo análise, conhecimento técnico e revisão humana.
34:50 – 45:11Assistir
Comparando IAs para aprender e criar testes
A conversa compara Gemini e Bing na geração de código, destacando que o Gemini pode ser mais útil para quem quer aprender por explicar o raciocínio. Também são discutidos ganhos de produtividade na criação de testes, cobertura de ramificações e a necessidade de revisar as sugestões para evitar alucinações.
46:27 – 52:51Assistir
Serviços de IA do Microsoft Azure
Marcos apresenta uma experiência de treinamento sobre serviços de inteligência artificial da Microsoft e mostra recursos prontos do Azure para processamento de imagens, reconhecimento facial, OCR, análise de documentos e IA generativa. Ele também explica que esses serviços podem ser instanciados por API e personalizados no código.
54:09 – 59:18Assistir
Como usar contexto e prompts para aprender com a IA
Um participante relata como usou o ChatGPT para migrar gradualmente um código complexo de Python para Go, pedindo explicações passo a passo e mantendo o contexto de cada etapa. A discussão mostra como estruturar prompts, dar exemplos do formato desejado e controlar o avanço da IA pode transformar uma resposta automática em um processo de aprendizado.
1:01:52 – 1:05:44Assistir
Perguntas desta sessão
O que a IA pode fazer na aplicação para aumentar a cobertura de testes?
A IA pode gerar testes unitários para a aplicação, aumentando a cobertura de código que antes não tinha testes.
19:12 – 19:25Assistir
Quais ferramentas de inteligência artificial foram comparadas para gerar código e testes?
Foram comparados o Bing, o ChatGPT 3.5 e o Google Gemini. As ferramentas foram avaliadas pela capacidade de gerar código e orientar a criação de testes.
21:37 – 22:20Assistir
Como a IA orienta a estrutura de um teste unitário?
A IA apresenta um primeiro teste simples como referência e ajuda a entender o que o teste deve verificar, quais condições precisa contemplar e o que é relevante testar.
24:00 – 24:26Assistir
Qual versão do ChatGPT foi usada para gerar os testes?
Foi utilizada a versão gratuita do ChatGPT, provavelmente o GPT-3.5.
26:27 – 26:38Assistir
Como o Gemini orienta iniciantes a começar a criar testes unitários?
O Gemini começa pelos conceitos básicos, explica por que os testes são importantes, mostra como configurar o ambiente e avança gradualmente até a implementação. Sua abordagem é mais didática e explicativa do que a do Bing e a do ChatGPT, que tendem a gerar código diretamente.
31:04 – 32:32Assistir
O fato de o Gemini traduzir termos do código para o português pode gerar erros nos testes unitários?
Sim. A tradução de termos pode introduzir problemas de escrita ou nomenclatura no código. Por isso, é necessário revisar o código gerado, identificar o erro e corrigi-lo manualmente.
42:29 – 43:55Assistir
Como lidar com respostas de ferramentas de IA que misturam português e inglês ao gerar código?
É possível corrigir o código gerado ou pedir que a ferramenta o gere novamente. O desenvolvedor não deve aceitar a primeira resposta automaticamente: precisa manter a conversa, analisar o resultado e adaptar a estrutura dos testes às suas necessidades.
44:45 – 45:29Assistir
Como a IA pode ajudar a gerar testes unitários para cobrir outras ramificações, como o bloco else, e aumentar a cobertura de código?
Basta fornecer à IA o contexto da função e pedir testes para os caminhos ainda não cobertos. Ela pode gerar testes para as ramificações adicionais, incluindo o else, aumentando a cobertura de branches, linhas e funções; ainda assim, o desenvolvedor deve revisar se as regras estão realmente sendo testadas.
49:42 – 50:23Assistir
O que são alucinações em ferramentas de IA usadas para gerar código e testes?
Alucinações ocorrem quando a IA fornece uma resposta incorreta ou inventada, mas a apresenta como válida. Mesmo quando uma parte do código não está coberta, ela pode repetir uma solução inadequada em vez de corrigir o problema, por isso as respostas precisam ser verificadas.
50:30 – 50:53Assistir
É possível aumentar a qualidade do software usando inteligência artificial com poucos comandos ou um único prompt?
A IA consegue melhorar a qualidade do software e gerar testes com poucas instruções, mas um único prompt provavelmente não resolve todas as questões. O resultado depende do contexto fornecido, da especificidade dos prompts e da revisão humana do código e dos testes gerados.
51:08 – 51:28Assistir
Como funciona o uso de serviços de inteligência artificial do Microsoft Azure em aplicações?
O Azure oferece serviços de IA prontos que podem ser instanciados por API ou diretamente na aplicação. Eles permitem realizar tarefas como processamento e análise de imagens, reconhecimento facial, detecção de objetos, OCR, processamento de linguagem natural e análise de documentos, além de possibilitar a personalização de modelos.
57:14 – 57:57Assistir